Loro-CRDT 1.5.0版本发布:增强实时协作能力的创新特性
Loro是一个基于CRDT(Conflict-Free Replicated Data Type)技术的分布式协作框架,它通过创新的数据结构设计解决了分布式系统中数据一致性的难题。在1.5.0版本中,Loro引入了两个重要的新特性:pre-commit
和first-commit-from-peer
钩子机制,以及全新的EphemeralStore
临时状态管理方案,进一步提升了实时协作场景下的开发体验和性能表现。
强大的提交钩子机制
在分布式协作系统中,操作的提交和同步是核心流程。Loro 1.5.0版本引入了两个关键的钩子机制,为开发者提供了更精细的控制能力。
pre-commit钩子:提交前的最后干预点
pre-commit
钩子允许开发者在每次提交操作执行前修改提交参数。这个特性特别有价值,因为在Loro中,commit()
方法经常被隐式调用,比如在doc.import
、doc.export
、doc.checkout
等方法中都会触发自动提交。如果没有这个钩子,开发者想要为每个提交添加自定义信息时,可能会遗漏这些隐式提交场景。
const doc = new LoroDoc();
doc.setPeerId(0);
doc.subscribePreCommit((e) => {
e.modifier.setMessage("test").setTimestamp(Date.now());
});
这个钩子的一个高级应用场景是构建Merkle DAG(有向无环图)来表示编辑历史。通过结合exportJsonInIdSpan
方法,开发者可以为每个变更计算哈希值,形成完整的变更链:
doc.subscribePreCommit((e) => {
const changes = doc.exportJsonInIdSpan(e.changeMeta);
const hash = crypto.createHash("sha256");
// 计算变更内容的哈希
const sha256Hash = hash.digest("hex");
e.modifier.setMessage(sha256Hash);
});
这种机制不仅能够确保变更历史的完整性验证,还能为分布式系统提供更强大的审计能力。
first-commit-from-peer钩子:新参与者的欢迎仪式
first-commit-from-peer
钩子在某个peer首次向文档提交操作时触发。这个特性非常适合用来初始化peer相关的元数据,比如用户标识信息:
doc.subscribeFirstCommitFromPeer((e) => {
doc.getMap("users").set(e.peer, "user-" + e.peer);
});
这种设计模式使得用户管理系统可以自然地融入文档协作流程,而不需要额外的同步机制。
EphemeralStore:轻量级临时状态管理
在实时协作应用中,除了持久化的文档内容外,还需要处理各种临时状态,如光标位置、选中区域等。传统解决方案通常使用Awareness机制,但随着应用复杂度增加,Awareness的全量同步模式会带来性能问题。
Loro 1.5.0引入了EphemeralStore
作为Awareness的替代方案,它基于时间戳的最后写入胜出(LWW)策略,提供了更灵活的键值存储能力:
const store = new EphemeralStore();
store.set("cursor-position", {x: 100, y: 200});
store.set("online-users", ["UserA", "UserB"]);
与Awareness相比,EphemeralStore
具有以下优势:
- 支持细粒度的键值更新,只有变更的部分会被同步
- 可以按需编码特定键的数据,减少网络传输量
- 提供统一的事件监听机制,简化状态管理
其他改进
1.5.0版本还包含了一些重要的修复和增强:
- 修复了在文本末尾换行符处应用多个样式的问题
- 新增了将当前事务中的操作以JSON格式导出的能力
这些改进使得Loro在处理富文本内容时更加可靠,同时也为开发者提供了更强大的调试和分析工具。
总结
Loro 1.5.0通过引入创新的钩子机制和临时状态管理方案,为构建复杂的实时协作应用提供了更强大的工具集。pre-commit
和first-commit-from-peer
钩子使得开发者能够更精细地控制协作流程,而EphemeralStore
则为临时状态管理提供了更高效的解决方案。这些特性共同推动了CRDT技术在实时协作领域的应用边界,使得开发高性能、可靠的协作应用变得更加简单。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++095AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









