Apache Fury项目中的JPMS模块化支持实践
引言
随着Java平台模块系统(JPMS)的普及,越来越多的Java项目开始考虑模块化支持。Apache Fury作为一个高性能的序列化框架,近期也面临了如何优雅支持JPMS的需求。本文将深入探讨Fury项目在模块化支持方面的技术决策和实践经验。
JPMS模块化的必要性
在Java 9引入模块系统后,未声明模块名称的JAR文件会被视为自动模块(automatic modules),这会导致构建时出现警告信息。对于像Fury这样的库项目来说,明确声明模块名称不仅能消除这些警告,还能为未来的完全模块化做好准备。
模块化方案选择
Fury项目团队经过评估,确定了两个可行的模块化路径:
-
最小化方案:通过在MANIFEST.MF中添加Automatic-Module-Name条目来声明模块名称。这种方式简单易行,不影响现有构建流程,且完全向后兼容。
-
完整模块化:提供完整的module-info.java描述符。这需要更复杂的构建配置,可能涉及多版本JAR或双阶段编译,但能提供完全的模块化支持。
实施细节
Fury项目最终选择了最小化方案作为第一步,主要考虑因素包括:
- 部分依赖(如Arrow)尚未发布JPMS支持版本
- 需要保持对Java 8的长期支持
- 简单性优先,逐步演进
模块命名采用了"org.apache.fury.core"、"org.apache.fury.format"等直观的层级命名方式,既保持了与项目结构的一致性,又符合Java模块命名规范。
未来展望
虽然当前采用了最小化方案,但团队已经规划了完整的模块化路线图。未来可能采用的完整模块化方案有两种主要实现方式:
-
双阶段编译:先以Java 9+编译module-info.java,再用Java 8编译其余代码。这种方式的优点是IDE支持良好,缺点是会混入Java 9+编译的类文件。
-
多版本JAR:将module-info.java放在单独的源目录中,构建为多版本JAR。这种方式更规范,但会带来测试流程的复杂性。
经验分享
从技术实践来看,模块化过程中需要注意几个关键点:
- 依赖项的模块化状态会直接影响项目的模块化策略
- 测试流程需要相应调整,特别是涉及服务加载(uses/provides)的情况
- 构建工具(Maven/Gradle)的配置需要精心设计以支持多版本编译
结语
Apache Fury的模块化实践展示了一个成熟项目如何逐步拥抱JPMS。从简单的模块名称声明开始,到规划完整的模块化支持,这种渐进式演进策略既保证了当前版本的稳定性,又为未来发展奠定了基础。对于其他类似项目而言,Fury的经验提供了有价值的参考。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0128AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









