探索 Apache Fury(incubating):高性能多语言序列化框架
2026-01-16 10:06:43作者:薛曦旖Francesca
Apache Fury(incubating)是一个革命性的序列化框架,它利用即时编译(JIT)和零拷贝技术,为Java、Python、C++、Golang、JavaScript、Rust、Scala和TypeScript等多语言提供高达170倍的性能提升。
项目介绍
Apache Fury(incubating)的核心目标是实现跨语言对象序列化的极致速度和易用性。这个框架的设计灵感来源于pickle5和off-heap读写,旨在消除内存访问、虚拟方法调用、条件分支和哈希查找等性能瓶颈。Fury不仅适用于跨语言通信,还可以作为Java序列化库的替代品,提高RPC调用、数据传输和对象持久化效率。
项目技术分析
Fury 的核心技术亮点包括:
- 多语言支持:无需IDL定义,无需编译步骤,只需直接在不同语言之间进行对象序列化。
- 零拷贝:借鉴pickle5,实现跨语言无损序列化,减少内存消耗。
- 高性能JIT:通过运行时代码生成,优化内存访问和方法调用,减少分支和哈希查找,大幅提升性能。
- 多种二进制协议:支持对象图、行格式等多种协议,并允许轻松添加新的协议。
此外,Fury 还针对Java特性进行了优化,如兼容JDK序列化API,支持Java 8到21,以及对Java 17+记录类型的支持。
应用场景
Fury 可广泛应用于各种场景:
- 跨语言通信:在多语言环境中,Fury 提供了一种高效的数据交换方式。
- 高吞吐量服务:用于高频率的RPC调用,可以显著减少延迟并提高整体系统性能。
- 大数据处理:通过高效的二进制格式,Fury 适用于大规模数据的存储和传输。
- 游戏开发:实时游戏场景中,低延迟的数据序列化至关重要。
项目特点
- 高性能:与传统序列化框架相比,Fury 提供了20到170倍的速度提升。
- 兼容性:完全兼容JDK的序列化API,无需更改现有代码即可升级。
- 多语言适配:无缝支持多种编程语言,简化跨平台开发。
- 易于集成:提供了清晰的API和文档,方便快速集成到现有项目中。
开始使用
安装 Fury 很简单,支持Java、Scala、Python、JavaScript和Go等多个语言环境。查看官方文档了解详细的安装和使用指南,开始你的高性能序列化之旅。
Apache Fury(incubating)正在孵化阶段,期待社区的参与和支持,共同推动其发展,打造更强大的序列化解决方案。加入我们的Slack频道,共享技术乐趣,共创美好未来!
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C0102
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
288
340
暂无简介
Dart
729
175
Ascend Extension for PyTorch
Python
288
321
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++
850
448
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
239
100
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
10
1
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
452
180
🎉 (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
1.28 K
705