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。
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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-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
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