Apache Fury 新增字段选择性序列化功能解析
2025-06-25 17:43:12作者:彭桢灵Jeremy
Apache Fury 作为一款高性能的 Java 序列化框架,在最新开发中引入了一项重要功能:基于注解的字段选择性序列化机制。这项功能为开发者提供了更灵活的字段控制方式,能够显著提升复杂对象序列化的精确性和安全性。
功能背景
在传统的 Java 序列化场景中,开发者通常需要处理两种极端情况:要么序列化所有非 transient 字段,要么手动标记大量 transient 字段来排除不需要序列化的属性。这种二元选择在实际项目中往往不够灵活,特别是当项目需要从其他序列化方案迁移到 Fury 时,原有的字段控制机制可能无法直接兼容。
技术实现
Fury 通过引入 @Expose 注解解决了这个问题。该注解的工作机制如下:
- 选择性序列化:只有被
@Expose标记的字段才会参与序列化过程 - 互斥规则:字段不能同时标注
@Expose和@Ignore,否则会抛出 RuntimeException - 运行时验证:在对象序列化时会进行注解冲突检查
核心实现位于 Descriptor 类的字段描述符创建逻辑中,框架会过滤掉未标记 @Expose 的字段,仅保留需要序列化的属性参与后续的代码生成和序列化过程。
使用示例
// 定义数据类
@Data
@AllArgsConstructor
class UserData {
@Expose String username; // 将被序列化
@Expose int loginCount; // 将被序列化
String password; // 不会被序列化
@Expose Map<String, String> preferences; // 将被序列化
Map<String, String> tempData; // 不会被序列化
}
// 序列化/反序列化测试
Fury fury = Fury.builder().requireClassRegistration(false).build();
UserData original = new UserData("admin", 10, "secret",
Map.of("theme", "dark"), Map.of("tmp", "value"));
UserData deserialized = fury.deserialize(fury.serialize(original));
// 验证结果
assertEquals("admin", deserialized.getUsername()); // 保留
assertEquals(10, deserialized.getLoginCount()); // 保留
assertNull(deserialized.getPassword()); // 未保留
assertNotNull(deserialized.getPreferences()); // 保留
assertNull(deserialized.getTempData()); // 未保留
设计考量
- 注解命名:选择
@Expose而非@Include是为了与常见序列化库的命名习惯保持一致 - 严格模式:禁止同时使用
@Expose和@Ignore可以避免配置冲突 - 默认行为:保持向后兼容,未启用该功能时仍按原有逻辑处理
最佳实践
- 迁移策略:从其他序列化方案迁移时,可以批量添加
@Expose注解替代原有的字段控制机制 - 安全建议:敏感字段可以不添加注解,无需再显式标记为 transient
- 性能优化:对于大型对象,只序列化必要字段可以减少 payload 大小
总结
Apache Fury 的这项增强功能为字段序列化控制提供了更精细的粒度,特别适合需要精确控制序列化字段的场景。通过注解驱动的方式,既保持了代码的简洁性,又提供了必要的灵活性。该功能已在最新快照版本中提供,即将随正式版本发布,建议开发者关注更新并评估在项目中的应用价值。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
732
4.75 K
Ascend Extension for PyTorch
Python
614
793
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++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
393
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.17 K
151
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
402
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.67 K
987