Datastar项目中Ring适配器的通用化改造分析
2025-07-07 23:46:04作者:贡沫苏Truman
在Datastar项目的Clojure SDK开发过程中,我们发现了一个关于Ring适配器实现的有趣技术演进。最初被命名为"ring-jetty"的适配器实际上是一个通用Ring适配器实现,这引发了我们对其架构设计的重新思考。
技术背景
Ring是Clojure生态中广泛使用的HTTP服务器抽象层,它定义了处理HTTP请求和响应的标准接口。Datastar项目最初提供了两个适配器实现:
- 基于Http-kit的专用适配器
- 被误称为"ring-jetty"的通用Ring适配器
问题发现
通过代码审查发现,所谓的"ring-jetty"适配器实际上只依赖了Ring的核心协议,并没有任何Jetty特定的实现。这种命名方式不仅不准确,还可能误导开发者认为这是Jetty专用的适配器。
技术解决方案
经过深入讨论,我们决定进行以下架构改进:
- 重命名适配器:将"ring-jetty"更名为"ring",准确反映其通用适配器的本质
- 依赖调整:将ring-jetty-adapter依赖替换为更基础的ring-core-protocols
- 明确Http-kit适配器定位:将httpkit适配器更名为"http-kit",突出其非Ring扩展特性
技术挑战
在适配器通用化过程中,我们遇到了关于SSE(Server-Sent Events)处理的有趣技术问题:
- 同步模式下,所有Ring适配器都会在处理器返回后立即关闭连接
- 异步模式下,连接保持开启直到显式关闭
- 不同适配器(rj9a vs Jetty)在异步SSE处理上存在行为差异
架构影响
这一改进带来了几个重要好处:
- 更好的兼容性:通用Ring适配器现在可以与任何兼容Ring规范的服务器配合使用
- 更清晰的架构:命名更加准确反映了各组件的技术本质
- 更灵活的部署:开发者可以根据需要选择最适合的底层服务器实现
未来方向
基于这次重构经验,我们计划:
- 持续跟进Ring生态中SSE处理的标准化进展
- 为不同适配器提供更全面的兼容性测试
- 完善文档,帮助开发者理解不同适配器的特性和适用场景
这次重构展示了在开源项目中保持接口通用性和实现特异性平衡的重要性,也为Clojure生态中的HTTP服务实现提供了有价值的实践经验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146