JRuby 9.4.10.0版本发布:Ruby 3.1兼容性与性能优化
JRuby作为JVM平台上的Ruby实现,近日发布了9.4.10.0版本。这个版本继续专注于Ruby 3.1的兼容性,同时带来了多项性能优化和功能改进。JRuby通过将Ruby代码编译为Java字节码运行在JVM上,使得Ruby开发者能够充分利用Java生态系统的强大功能。
Ruby兼容性增强
本次更新在Ruby语言兼容性方面有几个重要改进。首先修复了处理heredoc时可能出现的NegativeArraySizeException崩溃问题,这对于处理多行字符串的开发者来说是个重要的稳定性修复。
另一个值得关注的改进是引入了对Ruby 3.3中NoMethodError和NameError行为的可选支持。在Ruby 3.3中,这些错误不再自动检查目标对象,这可以避免在某些情况下导致的内存问题。JRuby现在通过-XnameError.inspect.object=false标志或JVM属性jruby.nameError.inspect.object=false让开发者可以选择启用这一行为。
此外,这个版本还实现了Process.argv0方法,这是近期Bundler版本所依赖的功能,解决了相关兼容性问题。
标准库更新
JRuby 9.4.10.0对其标准库进行了多项更新。jar-dependencies gem现在可以独立于JRuby进行更新,这为依赖管理提供了更大的灵活性。同时,修复了在容器部署中获取jar依赖的问题,提高了在容器化环境中的兼容性。
Psych gem更新到了5.2.3版本,包含了对YAML别名处理的修复,这对于处理复杂YAML文档的开发者来说是个好消息。Reline gem也更新到了0.5.12版本,改进了交互式Ruby shell(IRB)的体验。
Java集成改进
在Java集成方面,这个版本做了几项优化。现在只有来自与JRuby相同类加载器层次结构的JVM类才会被绑定到JRuby包层次结构中的常量,这提高了类加载的安全性。实现Java接口时不再产生常量重定义警告,减少了开发中的干扰信息。
预编译Ruby脚本现在能正确处理优化的同构case/when语句,解决了之前反序列化时可能出现的分支混乱问题。
性能优化
性能方面有几个值得关注的改进。运行时数据结构在JRuby运行时销毁时会被主动清理,这有助于垃圾回收,减少内存占用。Class#subclasses方法经过优化,不再成为复杂ActiveRecord STI查询的瓶颈。
整数乘法运算在超出int64范围时的性能得到提升,消除了频繁异常抛出带来的性能损耗。这些优化对于数值计算密集型应用将带来明显的性能提升。
开发者体验
对于开发者体验,这个版本修复了JRuby shell启动脚本处理路径中包含空格的问题,提高了在复杂路径环境下工作的可靠性。线程转储工具也进行了更新,以适应现代JRuby版本的需求。
总的来说,JRuby 9.4.10.0在稳定性、兼容性和性能方面都做出了有价值的改进,特别是对于需要与Java生态系统集成的Ruby开发者来说,这些更新将带来更好的开发体验和运行效率。
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。C073
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。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。C01
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
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