Mill构建工具0.12.8版本发布:性能优化与功能增强
项目简介
Mill是一个现代化的Scala构建工具,由Li Haoyi开发。它采用纯Scala编写,具有声明式、模块化和可扩展的特点。Mill的设计理念强调简单性和可预测性,通过提供清晰的构建定义语法和可靠的增量编译机制,显著提升了开发者的构建体验。
版本亮点
内存优化改进
0.12.8版本重点解决了在大规模项目中可能出现的OOM(内存溢出)问题。通过优化transitiveCoursierProjects的实现,显著降低了构建过程中的内存消耗。这一改进特别有利于包含大量模块的企业级项目,使得Mill在处理复杂依赖关系时更加高效稳定。
任务源处理增强
新版本引入了对Task.Source和Task.Sources的直接构造支持,开发者现在可以使用字符串字面量来创建这些对象。这一语法糖简化了构建脚本的编写,提高了代码的可读性。例如,现在可以直接使用路径字符串来定义任务源,而不需要额外的转换步骤。
多语言项目支持文档
针对现代开发中常见的多语言项目场景,0.12.8版本新增了详细的文档示例。这些文档指导开发者如何在Mill中配置和管理包含多种编程语言(如Scala、Java、Python等)的项目,为跨语言开发提供了标准化的构建方案。
Spark集成示例
考虑到大数据处理的普遍需求,此版本特别添加了Scala Spark项目的构建示例文档。这些示例展示了如何配置Mill来构建和打包Spark应用程序,包括依赖管理、资源处理和部署配置等关键环节,为数据工程师提供了开箱即用的参考方案。
JVM子进程处理优化
通过重构和统一JVM子进程与进程内函数的处理逻辑,新版本提高了构建过程的稳定性和一致性。这一改进使得Mill在不同执行环境下的行为更加可预测,减少了因环境差异导致的问题。
废弃功能标记
0.12.8版本开始标记--disable-ticker和--enable-ticker选项为废弃状态,为未来的移除做准备。开发者应当开始迁移到替代方案,以避免后续版本兼容性问题。
技术细节解析
依赖解析优化
新版本将resolvedRunIvyDeps和transitiveLocalClasspath的解析过程分离为两个独立阶段,这一架构调整显著改善了构建assembly jar时的性能。通过减少不必要的重复计算和优化依赖解析顺序,构建速度得到了可观的提升。
Android构建改进
针对Android项目的构建流程,修复了测试独占标志(exclusive flag)的处理问题。这一修复确保了Android测试任务能够正确识别和执行,提高了移动开发场景下的构建可靠性。
升级建议
对于现有项目,升级到0.12.8版本是推荐的,特别是:
- 大型项目开发者将受益于内存优化
- 多语言项目团队可以参考新增的文档示例
- Spark开发者可以利用新的集成指南
- 使用过时选项的项目应开始迁移准备
升级过程通常只需修改Mill版本号,但使用废弃选项的项目需要相应调整构建配置。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00