Zenoh项目中的序列化优化:移除zenoh-ext中的Timestamp和Encoding类型
2025-07-08 14:13:26作者:裘晴惠Vivianne
在分布式系统开发中,数据序列化是一个核心组件,它直接影响着系统的性能和可维护性。最近,Zenoh项目团队对其序列化机制进行了一项重要优化——移除了zenoh-ext模块中对Timestamp和Encoding类型的序列化支持。这一变更看似微小,实则反映了Zenoh团队对插件系统设计的深入思考。
背景与动机
Zenoh作为一个高效的通信中间件,其插件系统需要处理各种数据类型的序列化和反序列化。最初,Timestamp(时间戳)和Encoding(编码)这两种类型的序列化被放置在zenoh-ext模块中,主要是为了方便插件使用。
然而,随着系统演进,团队发现这种设计存在两个关键问题:
- 性能考虑:对于编码插件而言,使用内部编码表示比通用序列化更加高效
- 架构清晰性:特定后端的序列化逻辑更适合放在各自的后端实现中,而不是放在通用的zenoh-ext模块
技术细节
Timestamp和Encoding是Zenoh中两个重要的数据类型:
- Timestamp:用于标记数据的时间信息,确保数据的有序性和时效性
- Encoding:定义了数据的编码格式,影响数据的解析方式
原先这些类型的序列化逻辑放在zenoh-ext中,导致:
- 插件被迫使用不够高效的通用序列化方式
- 后端实现与序列化逻辑分离,增加了维护复杂度
变更影响
这项优化主要影响三个方面:
- 插件开发:插件现在需要自行处理这些类型的序列化,但获得了更大的灵活性
- 后端实现:各后端(如文件系统后端、RocksDB后端)需要实现自己的序列化逻辑
- 系统性能:通过更贴近具体实现的序列化方式,提高了整体效率
架构意义
这一变更体现了Zenoh团队对系统架构的持续优化:
- 关注点分离:将通用功能与具体实现分离,使架构更加清晰
- 性能优先:允许特定场景使用最优化的序列化方式,而非强制通用方案
- 可维护性:相关逻辑靠近使用它的代码,降低了理解和修改的难度
开发者建议
对于基于Zenoh开发的工程师,需要注意:
- 如果开发插件,现在需要自行处理Timestamp和Encoding的序列化
- 升级时需要检查是否依赖了zenoh-ext中的这些序列化功能
- 可以考虑为特定场景实现定制化的高效序列化方案
这项变更是Zenoh持续优化的一部分,反映了团队对性能、架构清晰度和开发者体验的不懈追求。通过这样的精细化调整,Zenoh正变得越来越高效和易于使用。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0216
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
471
465
暂无描述
Dockerfile
780
5.08 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
878
2.03 K
Ascend Extension for PyTorch
Python
758
968
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
698
1.4 K
昇腾LLM分布式训练框架
Python
185
231
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
677