Dagger 2.56 发布:全面支持Jakarta与Kotlin集合优化
项目简介
Dagger 是 Google 开发的一款轻量级依赖注入框架,专门为 Java 和 Kotlin 应用程序设计。它通过编译时代码生成的方式实现依赖注入,避免了传统依赖注入框架在运行时可能带来的性能问题。Dagger 2 是该框架的第二代版本,相比第一代在性能和易用性上都有显著提升。
主要更新内容
Jakarta 支持全面升级
本次发布的 Dagger 2.56 版本在 Jakarta 支持方面做出了重要改进:
-
移除废弃方法:删除了接受
javax.inject.Provider参数的工厂创建方法。这意味着如果使用旧版 Dagger 构建组件,但依赖项来自新版 Dagger 的工厂,将无法编译通过。解决方案是升级编译组件的 Dagger 版本。 -
限制 Provider 使用:现在禁止提供或注入
dagger.internal.Provider,同时禁止在 Map 中注入原始 Provider(包括 javax 和 dagger 的 Provider)。 -
Hilt 支持:增加了对 Hilt 框架中 Jakarta 注解的支持,使 Hilt 用户也能享受到 Jakarta 生态系统的优势。
Kotlin 集合类型规范
对于 Kotlin 用户,Dagger 2.56 做出了一个重要变更:
- 在 Kotlin 源文件中使用
@Multibinds和@ElementsIntoSet注解时,现在必须使用kotlin.collections包中的 Set/Map,而不是java.util包中的对应类。这一变更使 Kotlin 代码更加符合语言习惯,减少了 Java 和 Kotlin 集合类型之间的隐式转换。
其他重要改进
-
私有修饰符优化:移除了 Dagger 生成组件私有实现类中字段/方法的 private 修饰符,解决了 #4544 问题,提高了代码的灵活性和可访问性。
-
Hilt 项目隔离修复:部分解决了 #4423 问题,修复了检查 Hilt 库是否与 Gradle 插件一起应用时的项目隔离违规问题。
-
Kotlin 版本升级:将 Kotlin 升级到 2.1.10 以支持 KSP 2.1.10-1.0.31。需要注意的是,这会破坏与较旧 Gradle 版本(8.10.2 或更低)的兼容性,使用 Hilt Gradle 插件的预编译脚本插件(包含的构建)将无法编译。
技术影响与最佳实践
迁移建议
对于正在使用 Jakarta 生态系统的开发者:
-
检查项目中是否有使用
javax.inject.Provider的代码,及时迁移到jakarta.inject.Provider。 -
确保所有依赖的 Dagger 组件使用相同或兼容的版本,避免因版本不一致导致的编译问题。
对于 Kotlin 开发者:
-
检查项目中
@Multibinds和@ElementsIntoSet注解的使用,确保使用的是kotlin.collections包中的集合类型。 -
如果项目使用较旧的 Gradle 版本,考虑升级到 8.10.2 以上版本以避免兼容性问题。
性能考量
移除私有修饰符可能会对某些优化产生影响,但通常这种影响可以忽略不计。开发者应该关注的是代码的可维护性和清晰度,而不是微小的性能差异。
总结
Dagger 2.56 版本标志着框架在 Jakarta 生态系统支持和 Kotlin 语言集成方面迈出了重要一步。这些变更虽然带来了一些破坏性变化,但为未来的发展奠定了更好的基础。开发者应该根据项目实际情况规划升级路径,充分利用新版本带来的改进和优化。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00