Spring GraphQL 1.3.5版本发布:增强订阅支持与错误处理优化
Spring GraphQL项目发布了1.3.5版本,这是一个维护性更新版本,主要针对GraphQL订阅功能、错误处理和测试工具进行了多项改进。作为Spring生态系统中的GraphQL实现框架,Spring GraphQL提供了与Spring Boot无缝集成的能力,让开发者可以轻松构建基于GraphQL的API服务。
订阅功能增强
本次更新对GraphQL订阅功能进行了重要改进。在之前的版本中,当使用graphql-java-extended-validation扩展验证指令时,订阅操作可能会抛出IllegalStateException而不是预期的验证错误。1.3.5版本修复了这个问题,现在会正确返回验证错误信息,使得订阅功能的错误处理更加规范。
此外,GraphQlTester现在能够正确处理订阅操作中的扩展字段。测试工具的这一改进使得开发者可以更方便地验证包含扩展字段的订阅响应,提升了测试的完整性和便利性。
测试工具改进
GraphQlTester.Response接口新增了对扩展字段的支持。在GraphQL响应中,扩展字段(extensions)常用于返回额外的元数据信息。1.3.5版本之前,测试工具无法直接访问这些扩展字段,开发者需要通过其他方式验证这部分内容。现在,通过Response接口可以直接获取和验证扩展字段,大大简化了测试代码的编写。
错误处理优化
本次更新修复了几个重要的错误处理问题:
-
当HTTP请求包含无效的"Content-Type"头时,框架现在会正确处理而不是返回500错误。这一改进使得API对客户端请求的容错性更强。
-
修复了取消信号未从传输层传播到响应式控制器方法的问题。在之前的版本中,当客户端取消请求时,后端处理可能不会及时终止。现在取消信号能够正确传播,提高了资源利用效率。
-
改进了对GraphQL Relay规范中非空"edges"列表类型的支持。现在框架能够正确处理这种类型的定义,避免了潜在的类型检查错误。
依赖项升级
1.3.5版本同步升级了多个核心依赖:
- Context Propagation升级至1.1.3版本
- Micrometer升级至1.13.13版本
- Reactor升级至2023.0.17版本
- Spring Framework升级至6.1.19版本
这些依赖升级带来了性能改进和bug修复,同时保持了与Spring生态系统的兼容性。
文档改进
本次更新还修复了代码生成文档页面被截断的问题,确保开发者能够获取完整的代码生成相关信息。良好的文档对于框架的采用至关重要,这一改进有助于降低新用户的学习曲线。
总结
Spring GraphQL 1.3.5版本虽然是一个维护性更新,但在订阅功能、错误处理和测试工具方面都做出了有价值的改进。这些变化使得框架更加稳定和易用,特别是在处理复杂订阅场景和错误情况时表现更佳。对于正在使用Spring GraphQL的团队,建议评估升级到这个版本以获取这些改进带来的好处。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00