Retrofit 2.12.0 版本发布:流式序列化与性能优化
项目简介
Retrofit 是 Square 公司开发的一款广受欢迎的 Android 和 Java 类型安全的 HTTP 客户端库。它通过将 HTTP API 转换为 Java 接口的方式,简化了网络请求的处理流程,让开发者能够以声明式的方式定义 API 请求,而无需关心底层的网络通信细节。
版本亮点
Retrofit 2.12.0 版本带来了一个重要的新特性:流式序列化支持。这一改进显著提升了 Retrofit 在处理大型请求体时的性能和资源利用率。
流式序列化特性详解
在之前的版本中,Retrofit 的转换器(Converters)会在创建 HTTP 请求时就完成请求体的序列化工作。这意味着:
- 序列化操作会在调用线程上同步执行
- 即使使用异步调用(如
Call.enqueue),序列化仍然在调用线程完成 - 对于大型对象,这可能导致主线程卡顿或内存压力
2.12.0 版本引入了流式序列化功能,允许将序列化过程推迟到 HTTP 请求体实际写入时进行。这一改变带来了以下优势:
- 后台线程执行:当使用
Call.enqueue时,序列化操作会自动转移到后台线程 - 内存效率:减少了内存峰值使用量,特别是处理大型请求体时
- 响应速度:主线程不会被序列化操作阻塞
支持的转换器
目前,以下第一方转换器已支持流式序列化功能,通过新增的 withStreaming() 工厂方法启用:
- Gson 转换器
- Jackson 转换器
- Moshi 转换器
- Protobuf 转换器
- Wire 转换器
开发者只需在创建转换器实例时调用 withStreaming() 方法即可启用这一优化功能。
其他改进
原始类型标签支持修复
2.12.0 版本还修复了原始类型与 @Tag 注解一起使用时的问题。现在,原始类型值会被自动装箱,并以装箱后的类作为键存储,确保了类型安全性。
这一改进使得以下代码能够正常工作:
@GET("/user")
Call<User> getUser(@Tag int userId);
升级建议
对于现有项目,特别是那些处理大型请求体或对性能敏感的应用,建议升级到 2.12.0 版本以获得流式序列化带来的性能优势。升级过程通常只需修改依赖版本号,但需要注意:
- 检查自定义转换器的兼容性
- 评估流式序列化对现有业务逻辑的影响
- 对于需要立即序列化的特殊场景,可以继续使用默认的非流式模式
总结
Retrofit 2.12.0 通过引入流式序列化支持,进一步提升了框架的性能和资源利用率,特别是在处理大型请求体时表现更为出色。这一改进保持了 Retrofit 一贯的简洁 API 设计理念,同时为开发者提供了更高效的网络请求处理能力。结合对原始类型标签支持的修复,这个版本为 Retrofit 生态带来了更加完善的功能体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00