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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00