Spring Framework 7.0.0-M4 新特性深度解析
项目简介
Spring Framework 是 Java 生态中最核心的企业级应用开发框架,为构建现代Java应用提供了全面的基础设施支持。作为Spring生态系统的基石,它包含了依赖注入、AOP、事务管理、数据访问、Web MVC等核心功能模块。本次发布的7.0.0-M4版本是Spring Framework 7.0系列的第四个里程碑版本,带来了多项重要改进和新特性。
核心特性解析
1. HTTP接口代理注册表增强
Spring Framework 7.0.0-M4引入了对HTTP接口代理注册表的显著增强。开发者现在可以通过扩展的注册DSL来管理HTTP接口代理,这为微服务架构中的远程调用提供了更灵活的控制能力。新版本还增加了对AOT(提前编译)的支持,使得在原生镜像环境中使用HTTP接口代理更加高效。
特别值得注意的是新增的HttpServiceGroupConfigurer现在实现了Ordered接口,这使得开发者可以精确控制多个配置器的执行顺序,在处理复杂的HTTP服务配置时提供了更大的灵活性。
2. 测试框架的API版本支持
测试支持方面,新版本为测试框架添加了API版本控制能力。这一特性特别适合需要维护多个API版本的大型项目,开发者可以在测试中明确指定要测试的API版本,确保向后兼容性测试的准确性。
3. 数据访问层改进
在数据访问方面,JdbcClient现在可以访问ConversionService,这意味着开发者可以更方便地处理自定义数据库对象类型的转换。同时,SqlQuery类新增了流式变体方法,使得处理大量数据时内存效率更高。
4. 注解处理增强
注解处理方面有多项改进:
RepeatableContainersAPI进行了重新设计,提供了更清晰的开发者指导AnnotatedElementAdapter被提取为公共类型,增强了扩展性@AliasFor注解的文档明确说明了attribute属性在名称相同时是可选的BeanRegistrar现在支持ImportAware接口,使得编程式bean注册更加灵活
5. AOT和SpEL编译优化
AOT(提前编译)支持方面,BeanDefinitionPropertyValueCodeGeneratorDelegates被设为公开,增强了扩展能力。SpEL表达式编译现在使用Java 17字节码级别生成,提高了在现代JVM上的执行效率。
6. Web层改进
Web层有多个值得关注的改进:
- 新增了方法级回调用于
HttpRequestValues初始化 UriUtils#decode和StringUtils#uriDecode的实现和文档得到了优化- 当没有提供CORS配置时,不再自动拒绝预检请求(preflight requests),这简化了简单场景下的跨域处理
7. Kotlin协程支持增强
对于Kotlin开发者,CoExchangeFilterFunction现在会传播CoroutineContext,这使得在响应式Web应用中保持协程上下文变得更加容易。
依赖升级
Spring Framework 7.0.0-M4同步升级了多个关键依赖:
- AspectJ升级到1.9.24版本
- Gson升级到2.13.0版本
- Kotlin升级到2.1.20版本
- Micrometer升级到1.15.0-RC1版本
- Reactor升级到2025.0.0-M2版本
这些依赖升级带来了性能改进、新特性支持和bug修复,开发者可以从中受益。
文档改进
文档方面有两个重要更新:
- 将"CDS"文档重构为"JVM AOT缓存"文档,反映了现代Java应用部署的最佳实践
- 恢复了指向JUnit 5 Javadoc API的链接,方便开发者查阅测试相关的API文档
总结
Spring Framework 7.0.0-M4版本在HTTP服务、测试支持、数据访问、注解处理和AOT编译等方面都带来了显著改进。这些变化不仅增强了框架的功能性,也提高了开发者的生产效率。特别是对现代Java特性的支持(如Java 17字节码级别)和对Kotlin协程的增强,显示了Spring团队对保持技术前沿性的承诺。
对于考虑升级的开发者,建议仔细评估新特性对现有应用的影响,特别是涉及AOT编译和HTTP接口代理的改动。这个里程碑版本为即将到来的Spring Framework 7.0正式版奠定了坚实的基础。
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