ORPC v0.49.0 版本发布:客户端重试机制革新与多类型校验支持
2025-06-25 15:14:00作者:裘旻烁
ORPC(Open RPC)是一个现代化的RPC框架,它通过类型安全的方式简化了远程过程调用的开发体验。该项目支持多种流行的类型校验库,并提供了一系列开箱即用的功能来提升开发效率。
重大变更:事件迭代器重试机制重构
在v0.49.0版本中,ORPC对客户端的事件迭代器重试机制进行了重大重构。原先内置于RPCLink中的事件迭代器重试行为已被移除,取而代之的是全新的客户端重试插件系统。
这一变更意味着:
- 移除了
eventIteratorMaxRetries、eventIteratorRetryDelay和eventIteratorShouldRetry等配置选项 - 开发者需要迁移到新的客户端重试插件来实现类似功能
- 这一变化使得重试逻辑更加模块化和可定制化
全新客户端重试插件系统
新版本引入了灵活且强大的客户端重试插件,为开发者提供了更精细的控制能力。通过这个插件,开发者可以:
const planets = await client.planet.list({ limit: 10 }, {
context: {
retry: 3, // 最大重试次数
retryDelay: 2000, // 重试间隔(毫秒)
shouldRetry: options => true, // 基于错误决定是否重试
onRetry: (options) => {}, // 每次重试时执行的回调
}
})
这种设计使得重试策略可以:
- 针对不同API调用设置不同的重试策略
- 根据错误类型动态决定是否重试
- 在重试过程中执行自定义逻辑
- 更清晰地管理重试相关的配置
OpenAPI规范生成支持Valibot和ArkType
v0.49.0版本扩展了ORPC对类型系统的支持,新增了Valibot和ArkType两种流行类型校验库的OpenAPI规范生成能力。开发者现在可以通过以下方式配置:
const openAPIGenerator = new OpenAPIGenerator({
schemaConverters: [
new ZodToJsonSchemaConverter(), // 支持Zod
new ValibotToJsonSchemaConverter(), // 支持Valibot
new ArkTypeToJsonSchemaConverter(), // 支持ArkType
],
})
这一改进意味着:
- 开发者可以根据项目需求选择最适合的类型校验库
- 保持了与现有Zod用户的兼容性
- 生成的OpenAPI规范能够准确反映各种类型系统的约束条件
- 为API文档生成提供了更多可能性
其他重要改进
-
事件ID头处理优化:修复了客户端在发送请求时正确设置
last-event-id头的问题,确保了事件流的连续性。 -
RPC序列化简化:移除了对Content-Disposition头的要求,使序列化过程更加简洁高效。
升级建议
对于现有项目升级到v0.49.0版本,开发者需要注意:
- 如果使用了事件迭代器的重试功能,需要迁移到新的客户端重试插件
- 可以评估是否将现有类型校验迁移到Valibot或ArkType
- 检查API文档生成是否受到序列化变更的影响
ORPC v0.49.0通过这些改进,进一步巩固了其作为现代化RPC框架的地位,为开发者提供了更灵活、更强大的工具集来构建可靠的分布式系统。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218