NSwag v14.4.0 版本发布:性能优化与STJ原生代码生成支持
NSwag 是一个强大的.NET工具链,用于生成、解析和处理OpenAPI/Swagger规范文档,并能自动生成客户端代码。它支持从ASP.NET Core、Web API等框架生成API文档,同时也能为TypeScript、C#等语言生成客户端代码。最新发布的v14.4.0版本带来了一系列性能优化和功能增强。
性能优化亮点
本次版本在多个关键环节进行了性能优化,显著提升了处理大型API文档时的效率:
-
操作ID生成优化:改进了OpenApiDocument.GenerateOperationIds方法的实现,减少了不必要的计算开销,特别是在处理包含大量API端点的大型文档时效果明显。
-
响应模型缓存优化:对OpenApiOperation的ActualResponses和Responses属性进行了性能改进,减少了重复计算,提升了响应模型的访问速度。
-
字典操作优化:ObservableDictionary的CollectionChanged事件处理逻辑得到改进,减少了事件触发的频率,提升了集合操作的效率。
-
客户端生成优化:MultipleClientsFromOperationIdOperationNameGenerator中的重复检查逻辑更加高效,加快了客户端代码生成速度。
新功能:STJ原生C#代码生成支持
v14.4.0版本新增了对System.Text.Json(STJ)原生C#代码生成的支持。这一功能使得生成的客户端代码能够更好地与.NET Core 3.0及更高版本中引入的System.Text.Json序列化器配合工作,提供更高效的JSON处理能力。
开发者现在可以选择生成基于STJ的客户端代码,这将带来以下优势:
- 更高的序列化/反序列化性能
- 更低的内存分配
- 与.NET现代版本更好的兼容性
问题修复与改进
-
可选参数排序问题:修复了TypeScript和C#客户端生成中可选参数排序不正确的问题,确保生成的代码与API定义保持一致。
-
数组参数检查:修正了数组参数爆炸检查逻辑,防止在某些情况下错误地标记有效的数组参数。
-
项目目录解析:增加了对MSBuildProjectDirectory的回退支持,提高了在不同构建环境下项目目录解析的可靠性。
-
参数模型处理:OperationModelBase.GetActualParameters方法现在能够更好地处理缺少schema定义的情况,提高了代码的健壮性。
平台支持增强
本次更新为NSwag核心库添加了.NET 8目标框架支持,确保开发者可以在最新的.NET平台上使用NSwag的全部功能。同时,相关依赖项也进行了更新:
- 升级到NJsonSchema v11.3.2
- 升级到Namotion.Reflection v3.4.2
- 更新Microsoft.Extensions.ApiDescription到8.0.14版本
- 升级Swagger UI到v5.21.0
总结
NSwag v14.4.0版本通过一系列性能优化和功能增强,进一步巩固了其作为.NET生态系统中API开发首选工具的地位。特别是新增的STJ原生代码生成支持,为追求高性能的开发者提供了更好的选择。这些改进使得NSwag在处理大型API项目时更加高效,生成的客户端代码质量更高,与最新.NET平台的兼容性更好。
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 StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03