Apache Fury 0.10.3版本发布:性能优化与兼容性改进
Apache Fury是一个高性能的多语言序列化框架,支持Java、Python、JavaScript等多种编程语言。它通过零拷贝和内存映射等技术实现了极高的序列化性能,特别适合大数据量和高并发的场景。本次发布的0.10.3版本主要针对Java和Python模块进行了多项优化和问题修复。
Java模块的重要改进
兼容性模式下的父类字段处理修复
在0.10.3版本中,修复了一个关于Java兼容性模式的重要问题。当类存在继承关系时,旧版本在兼容性模式下可能会遗漏父类字段的序列化。这个修复确保了在兼容性模式下,父类字段能够被正确识别和序列化。
需要注意的是,这个修复带来了一个不兼容变更:使用0.10.3之前版本序列化的带有父类的Java对象,在0.10.3版本中可能无法正确反序列化。开发者在升级时需要特别注意这一点。
二进制数据处理优化
本次版本对二进制数据的处理进行了多项优化:
-
修复了
readVarUint36Small方法在缓冲区剩余空间不足时可能读取不完整的问题,确保了无论缓冲区剩余大小如何都能正确读取全部数据位。 -
改进了
FuryObjectInputStream.read方法的行为,确保当请求长度大于0时,方法永远不会返回0,这符合Java IO规范的要求。 -
优化了
MetaStringBytes中对空字符串的处理逻辑,避免了潜在的空指针异常。
Protobuf支持增强
新增了对Protobuf消息和字节字符串的序列化支持,这使得Fury可以更好地与现有的Protobuf生态系统集成。开发者现在可以直接将Protobuf生成的消息类通过Fury进行序列化,获得比原生Protobuf序列化更好的性能。
Python模块的改进
Python模块在0.10.3版本中主要解决了构建系统的问题:
-
修复了使用pyproject.toml构建PyFury时的问题,使得安装过程更加标准化和可靠。
-
改进了测试框架,现在能够正确打印测试过程中的异常信息,便于开发者调试问题。
-
确保构建过程中正确安装pyarrow依赖,避免了因依赖缺失导致的构建失败。
构建系统与测试改进
整个项目的构建系统也得到了一些增强:
-
移除了对Node.js 12的支持,保持与最新JavaScript生态系统的同步。
-
在Java模块中,将fury-test-core明确标记为测试依赖,避免了不必要的依赖传递。
-
改进了Bazel构建工具的安装流程,确保构建环境的可靠性。
升级建议
对于现有用户,升级到0.10.3版本时需要注意以下几点:
-
如果项目中使用Java兼容性模式序列化了带有继承关系的类,需要评估这个不兼容变更的影响,必要时进行数据迁移。
-
Python用户可以直接通过pip安装新版本,构建问题已经修复。
-
JavaScript用户需要注意Node.js版本要求已更新,不再支持Node.js 12。
Apache Fury 0.10.3版本通过这些问题修复和功能增强,进一步提升了框架的稳定性和可靠性,为高性能序列化场景提供了更好的支持。
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