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。
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112