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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00