SwiftProtobuf 项目在 Swift 5.10 下的并发安全性改进
SwiftProtobuf 项目在升级到 Swift 5.10 后遇到了新的并发安全性警告,这些警告源于 Swift 5.10 引入的 SE-0412 改进对全局变量的严格并发检查要求。本文将深入分析这些问题的本质以及项目团队采取的解决方案。
问题背景
Swift 5.10 引入了 SE-0412 改进,要求所有全局变量必须满足以下条件之一:
- 被隔离到全局执行器(global actor)
- 同时满足不可变和 Sendable 类型
在 SwiftProtobuf 项目中,主要出现了两类并发安全性警告:
存储类的默认实例问题
项目中存在多个存储类(如 AnyMessageStorage 和生成的消息存储类)的静态默认实例,这些实例被标记为全局变量。由于存储类本身不符合 Sendable 协议,触发了并发警告。
_NameMap 的并发安全性问题
每个生成的消息类型都包含一个静态的 _protobuf_nameMap 属性,该属性使用 _NameMap 类型。由于 _NameMap 不符合 Sendable 协议,同样触发了并发警告。
技术分析与解决方案
存储类默认实例的优化
存储类的默认实例是一个重要的性能优化,它避免了在消息未被修改时的不必要内存分配。项目团队考虑了以下解决方案:
- 移除默认实例:最简单但会牺牲性能的方案
- 标记为 @unchecked Sendable:由于存储类只能通过消息结构体访问,而消息结构体已经实现了正确的 CoW(写时复制)行为,这个方案是可行的
最终团队决定采用第二种方案,通过将存储类标记为 @unchecked Sendable 来保持性能优化同时解决并发警告。
_NameMap 的改进
_NameMap 最初设计时使用了字符串驻留和 UnsafePointer 等技术,但深入分析后发现:
- _NameMap 在初始化后是不可变的
- 虽然内部使用了不安全指针,但使用模式是安全的
团队决定短期内将 _NameMap 标记为 @unchecked Sendable,同时计划长期重构以利用现代 Swift 字符串的 UTF-8 支持特性,简化实现。
其他并发相关问题
除了上述主要问题外,项目还发现了其他并发警告:
- DispatchQueue 问题:在 Linux 平台上 Dispatch 模块的并发注解问题
- CharacterSet 使用:在 Linux 平台上的并发警告
- 资源包访问器:SwiftPM 生成的代码中的并发问题
对于这些问题,团队采取了以下措施:
- 使用平台条件编译处理平台差异
- 简化 CharacterSet 的使用方式
- 等待上游对生成代码问题的修复
总结与展望
SwiftProtobuf 项目通过这次升级,不仅解决了 Swift 5.10 的并发警告,还对内部实现进行了现代化改进。这些改动包括:
- 明确了存储类和 _NameMap 的并发安全性保证
- 优化了跨平台代码的实现
- 为未来完全支持 Swift 6 的严格并发检查奠定了基础
随着 Swift 并发模型的不断演进,SwiftProtobuf 项目将继续跟进最佳实践,确保在提供高性能 Protobuf 支持的同时,完全符合 Swift 的并发安全要求。
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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00