TruffleRuby 24.2.0 发布:性能优化与兼容性提升
TruffleRuby 是基于 GraalVM 的高性能 Ruby 实现,旨在与标准 MRI Ruby 实现保持完全兼容。作为 GraalVM 项目的一部分,TruffleRuby 通过利用 JIT 编译和 GraalVM 的优化技术,为 Ruby 应用提供显著的性能提升。最新发布的 24.2.0 版本带来了多项重要更新,包括 Ruby 3.3.5 的兼容性支持、性能优化以及大量错误修复。
核心更新内容
Ruby 3.3.5 兼容性支持
TruffleRuby 24.2.0 版本已更新至与 Ruby 3.3.5 兼容,这意味着开发者现在可以在 TruffleRuby 中使用 Ruby 3.3.5 引入的所有新特性和改进。这一更新确保了 TruffleRuby 用户能够享受到最新 Ruby 版本带来的语言特性和性能优化。
性能优化亮点
-
C 扩展性能提升:通过使用 Panama NFI 后端,TruffleRuby 显著提高了在 JVM 模式下运行 C 扩展(如 sqlite3、trilogy 和 json)的性能,提升幅度达到 2-3 倍。这一改进特别有利于依赖这些扩展的 Ruby 应用。
-
编码协商优化:针对 ASCII 兼容编码进行了优化,减少了编码转换时的性能开销,提升了字符串处理效率。
重要错误修复
-
模块常量处理:修复了
Module#name在Module#const_added回调中调用时的问题,以及嵌套模块赋值给常量时回调重复调用的问题。 -
OpenSSL 支持:现在支持 OpenSSL 1.1-3.4 版本,并优先使用 OpenSSL 3.0.x、3.x 系列,解决了与 OpenSSL 3.4 的编译兼容性问题。
-
时间处理:修正了多个时间相关方法(如
Time.at、Time.new等)中 UTC 偏移量字符串格式的秒数验证问题。 -
垃圾回收:修复了
ObjectSpace.undefine_finalizer对冻结对象的处理,现在会正确抛出FrozenError。
兼容性改进
-
模块包含机制:修正了
Module#include在重新打开嵌套模块时的行为,确保被包含的模块正确出现在祖先链中。 -
环境变量处理:改进了
ENV相关方法的实现,包括Env#delete现在会返回块的值(当变量不存在时),以及Env#update现在支持多个哈希参数。 -
RbConfig 配置:添加了
MAJOR、MINOR等版本相关常量到RbConfig::CONFIG中,提高了与其他 Ruby 实现的配置兼容性。 -
字符串处理:实现了 Ruby 3.3 新增的
String#bytesplice方法的索引/长度参数支持。 -
时间处理:完善了
Time.new对字符串参数的支持,并在参数无效时抛出错误。
新增功能与 API
-
IO 操作:新增了
IO#pread和IO#pwrite方法,提供了更灵活的文件操作能力。 -
范围操作:实现了
Range#reverse_each和Range#overlap?方法。 -
弱引用:为
ObjectSpace::WeakMap添加了#delete方法。 -
数据对象:新增了
rb_data_define()函数来定义 Data 对象。 -
精炼机制:添加了
Refinement#target方法,增强了元编程能力。
开发者注意事项
-
废弃方法移除:移除了
Pathname#taint和Pathname#untaint等已废弃方法,开发者需要更新相关代码。 -
警告信息:现在会警告在无参块中使用无参
it调用,以及当Kernel#format被调用时参数过多的情况。 -
行为变更:
Float#round方法的行为已修改以匹配 MRI 的实现,可能影响现有代码。 -
错误处理:
Kernel#lambda现在会在给定非 lambda、非字面量块时抛出ArgumentError。
总结
TruffleRuby 24.2.0 版本在保持与最新 Ruby 版本兼容的同时,通过多项性能优化和错误修复,进一步提升了运行效率和稳定性。对于依赖 C 扩展的应用,特别是数据库和 JSON 处理相关的场景,性能提升尤为显著。新增的 API 和兼容性改进也为开发者提供了更多便利。建议所有 TruffleRuby 用户升级到此版本,以获得最佳的性能和功能体验。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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