Google Closure Compiler 与 Protobuf 3.25.6 兼容性问题解析
问题背景
Google Closure Compiler 是一个强大的 JavaScript 优化工具,能够对代码进行压缩、优化和类型检查。近期,当用户在使用 Closure Compiler 配合 Protocol Buffers (protobuf) 3.25.6 版本时,遇到了一个兼容性相关的异常问题。
异常现象
在运行过程中,系统会抛出以下错误:
java.lang.UnsupportedOperationException: As of 2022/09/29 (release 21.7) makeExtensionsImmutable should not be called from protobuf gencode...
该异常明确指出,从 protobuf 21.7 版本开始,makeExtensionsImmutable 方法不应再从生成的代码中调用。如果用户看到此消息,说明生成的代码存在潜在问题。
技术原因
这个问题的根源在于 Protocol Buffers 团队发现了一个潜在的兼容性问题。为了改进代码结构,protobuf 在 21.7 版本中引入了一个破坏性变更,移除了对 makeExtensionsImmutable 方法的支持。
当 Closure Compiler 使用 protobuf 3.25.6 版本时,由于编译器内部生成的代码仍然尝试调用这个方法,触发了这个保护机制,导致异常抛出。
解决方案
对于遇到此问题的用户,有以下几种解决途径:
-
升级 Closure Compiler:最新版本的 Closure Compiler 已经修复了这个问题,用户可以通过升级到最新版本来解决兼容性问题。
-
临时解决方案:如果暂时无法升级,可以通过设置 JVM 系统属性来调整行为:
-Dcom.google.protobuf.use_unsafe_pre22_gencode但需要注意,这会使得系统使用旧版代码生成方式。
-
降级 protobuf:如果项目环境允许,可以考虑降级到 protobuf 21.7 之前的版本,但这可能会影响其他功能。
最佳实践
对于生产环境,建议采取以下措施:
-
优先考虑升级到最新版本的 Closure Compiler,这是最可靠的解决方案。
-
如果必须使用旧版本,确保了解潜在的兼容性问题,并采取适当的措施。
-
定期检查项目的依赖关系,确保所有组件都保持最新状态。
技术影响
这个问题主要影响以下场景:
- 使用 Closure Compiler 进行 JavaScript 代码压缩和优化的构建流程
- 项目中同时依赖 protobuf 3.25.6 或更高版本
- 使用基于 protobuf 的序列化/反序列化功能
对于大多数前端构建场景,这个问题的实际影响相对较低,因为主要涉及的是构建时的代码生成过程,而非运行时环境。然而,遵循最佳实践仍然十分重要。
总结
Protocol Buffers 作为广泛使用的序列化框架,其更新需要开发者重视。Closure Compiler 团队已经跟进修复了这个问题,建议用户及时更新以避免兼容性问题。在软件开发中,保持依赖库的及时更新是维护项目稳定性的重要环节。
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