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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00