BlackSheep框架v2.3.1版本发布:全面支持PyPy与性能优化
BlackSheep是一个高性能的Python异步Web框架,专注于提供简洁的API和卓越的性能表现。作为Neoteroi团队开发的开源项目,它采用了类似Flask的简单设计理念,同时基于ASGI标准构建,能够充分发挥异步编程的优势。
本次发布的v2.3.1版本带来了几项重要改进,最显著的是对PyPy解释器的全面支持,以及针对性能问题的修复。这些变化使得BlackSheep框架在更广泛的Python环境中具备了更好的适用性。
PyPy支持与架构调整
新版本最大的亮点是增加了对PyPy解释器的支持。PyPy作为Python的替代实现,以其Just-in-Time(JIT)编译技术著称,能够在某些场景下显著提升Python代码的执行效率。为了实现这一目标,开发团队进行了以下架构调整:
-
移除对httptools的强依赖:原本作为核心依赖的httptools库现在变为可选组件,框架提供了纯Python的备选实现路径。
-
URL解析模块重构:重写了url.pyx模块,使其不再依赖httptools,转而使用内置的解析逻辑,保证了在PyPy环境下的兼容性。
-
HTTP客户端改进:客户端实现现在支持两种解析引擎选择 - 既可以使用原有的httptools,也可以选择h11库作为替代方案。
这些改动虽然带来了一个小的兼容性变化(客户端现在需要显式安装httptools或h11),但大大增强了框架的灵活性,使得开发者可以根据实际运行环境选择最适合的组件组合。
性能优化与问题修复
v2.3.1版本还解决了几个重要的性能问题:
-
修复Pydantic性能回归:在2.3.0版本中引入的对Pydantic v1 validate_arguments装饰器的支持意外导致了性能下降。新版本移除了这一支持,专注于Pydantic v2的validate_call装饰器,后者本身就支持异步操作且不需要特殊处理。
-
纯Python轮分发:现在发布的包中包含纯Python轮(wheel),确保在各种环境下的兼容性,特别是在PyPy 3.11上的良好运行。
技术影响与开发者建议
对于现有项目升级到v2.3.1版本,开发者需要注意以下几点:
-
如果项目中使用的是BlackSheep的HTTP客户端功能,需要确保环境中安装了httptools或h11库。
-
使用Pydantic进行数据验证的项目,如果还在使用v1版本的validate_arguments,需要考虑迁移到v2的validate_call。
-
对于追求极致性能的场景,可以考虑在PyPy环境下运行应用,特别是在I/O密集型的Web服务中,PyPy的JIT优化可能会带来显著的性能提升。
这一版本的发布标志着BlackSheep框架在兼容性和性能优化方面又迈出了重要一步,为开发者提供了更多选择和更稳定的基础。无论是传统的CPython环境还是PyPy,现在都能充分发挥BlackSheep的优势,构建高性能的Web应用和服务。
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。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00