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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









