JRuby 9.4.13.0 版本发布:Ruby 3.1兼容性与性能优化
JRuby 是一个基于 Java 虚拟机(JVM)的 Ruby 实现,它结合了 Ruby 语言的优雅和 JVM 的强大性能。JRuby 9.4 系列主要目标是保持与 Ruby 3.1 的兼容性,同时提供更好的稳定性和性能。最新发布的 JRuby 9.4.13.0 版本带来了一系列重要的改进和修复。
稳定性改进
本次发布重点解决了两个关键稳定性问题:
-
内存泄漏修复:修复了子类管理中的缓慢内存泄漏问题。这个问题可能导致长时间运行的 JRuby 应用逐渐消耗更多内存,特别是在频繁创建和销毁类的场景下。
-
死锁预防:解决了在多线程启动和并发 JIT 编译期间可能出现的潜在死锁问题。这个改进使得 JRuby 在多线程环境下的启动和运行更加可靠。
启动性能优化
JRuby 团队从 JRuby 10 版本中反向移植了 .sh 启动器的多项功能,包括:
-
AppCDS(应用程序类数据共享)支持:通过缓存类数据来显著提高启动速度。AppCDS 是 JVM 的一项功能,它允许将已加载的类元数据保存到磁盘,下次启动时可以直接重用,减少类加载时间。
-
启动脚本改进:优化了启动脚本的逻辑,避免访问未初始化的变量,提高了脚本的健壮性。
这些改进特别有利于需要频繁启动 JRuby 的应用场景,如短生命周期的脚本和服务器less应用。
兼容性增强
JRuby 9.4.13.0 继续完善对 Ruby 3.1 的兼容性支持:
-
关键字参数处理:修复了关键字参数检查的实现,使用位操作代替索引,提高了性能并解决了某些情况下"unknown keyword"错误的问题。
-
Zlib 支持:为 Zlib::GzipReader 添加了 each_char 迭代器,完善了文件处理功能。
-
Dir.glob 改进:修复了路径处理特别是"../"父目录引用的相关问题,使文件系统操作更加可靠。
-
字符串编码:改进了字符串编码转换的实现,确保在不同编码间转换时行为与 MRI Ruby 一致。
Java 集成改进
作为运行在 JVM 上的 Ruby 实现,JRuby 特别注重与 Java 生态的集成:
-
Java 对象交互:改进了在 Java 对象上设置实例变量的警告机制,现在只在实际创建新实例变量表时才发出警告。
-
Java 24 兼容:解决了 Java 24 上新出现的限制警告问题,确保在新版 JDK 上正常运行。
-
AutoCloseable 支持:为 JRubyEngine 实现了 AutoCloseable 接口,更好地支持 Java 的资源管理机制。
标准库更新
JRuby 9.4.13.0 更新了多个内置库:
- 将 stringio 更新到 3.1.5 版本
- 更新 uri 到 0.12.3 版本
- 将 net-imap 从 0.2.3 更新到 0.2.5,包含安全修复
- 更新 Unicode 支持到 15.0 标准
- 升级 jcodings 到 1.0.62 和 joni 到 2.2.4,改进正则表达式处理
开发者工具改进
-
TracePoint 增强:修复了使用 TracePoint 跟踪方法调用时关键字参数不可用的问题。
-
块警告优化:修正了在某些情况下误报"given block not used"警告的问题。
-
编译器修复:解决了多行表达式在 splat 展开时的问题,确保代码生成正确。
总结
JRuby 9.4.13.0 是一个以稳定性和兼容性为主的维护版本,它解决了多个关键问题,同时带来了启动性能的显著提升。对于使用 JRuby 9.4 系列的用户来说,这个版本值得升级,特别是那些关注内存使用和多线程稳定性的应用场景。
JRuby 团队持续致力于提供最好的 Ruby-on-JVM 体验,这个版本再次证明了他们对质量和兼容性的承诺。随着 Ruby 3.x 系列的演进,JRuby 也在不断跟进,确保开发者能够充分利用 Ruby 语言的最新特性,同时享受 JVM 生态系统带来的优势。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03