Smallrye Mutiny 2.9.0-RC1发布:响应式编程的新特性与改进
2025-07-10 01:02:05作者:庞眉杨Will
项目简介
Smallrye Mutiny是一个轻量级的响应式编程库,专为Java和Kotlin设计。它提供了Uni和Multi两种核心类型,分别用于处理单一值和流式数据。Mutiny的设计哲学强调直观性、可组合性和开发者友好性,特别适合在微服务架构和云原生应用中使用。
主要新特性
1. MultiEmitter增强
2.9.0-RC1版本为MultiEmitter引入了用户回调功能,开发者现在可以为请求(request)和取消(cancellation)信号注册回调函数。这使得开发者能够更精细地控制资源的生命周期,例如:
- 在收到请求信号时动态加载数据
- 在取消操作时执行资源清理
- 实现更复杂的背压管理策略
2. 全新的Gatherer API
本次发布引入了一个重要的新概念——Gatherer API,它为Multi流处理提供了可重用的操作实现。这个API的设计灵感来自Java Stream API的收集器(Collector),但专门为响应式流场景优化。主要特点包括:
- 支持自定义中间操作
- 可组合的操作链
- 更好的资源管理
- 更灵活的错误处理
3. Multi gathering操作符
新增的gathering操作符解决了#1597号问题,为复杂流处理提供了更强大的工具。这个操作符特别适合以下场景:
- 窗口化处理
- 批处理
- 复杂的事件聚合
- 自定义的流转换逻辑
重要改进与修复
1. 性能优化
- 使用原子字段更新器(Atomic Field Updater)减少了MultiEmitter的内存占用
- 优化了UniCreateFromPublisher操作符的资源使用
- 在group().by()操作中引入了预取(pre-fetching)机制
2. 问题修复
- 修复了MultiGroupByOp中由于需求转发不足导致的停滞问题(#1856)
- 统一了取消和终止回调的执行顺序(#1843)
- 为mutiny-smallrye-context-propagation添加了自动模块名称(#1790)
3. API改进
- 标记所有gathering API为实验性功能
- 用Extraction替代Tuple2以提高类型安全性
- 改进了回调参数的非空检查
构建与工具链更新
本次发布包含了多项构建系统的改进:
- 优化了CI/CD流程,新增对Java 24的测试支持
- 更新了多个依赖项版本,包括Kotlin 2.1.21、Reactor 3.7.5等
- 改进了测试配置,显式设置了Jacoco和Mockito代理的JVM参数
- 简化了构建过程,在快速构建配置中跳过了CycloneDX
文档改进
- 更新了README,明确指出Java 17是新的基线版本
- 改进了网站版本切换时的用户体验
- 修复了ifNoItem方法的JavaDoc文档
总结
Smallrye Mutiny 2.9.0-RC1带来了多项重要更新,特别是在流处理能力方面。新的Gatherer API为复杂流处理场景提供了更强大的工具,而性能优化和问题修复则进一步提升了库的稳定性和效率。对于已经使用Mutiny的项目,建议评估这些新特性如何能优化现有代码;对于新项目,这个版本提供了更完善的响应式编程解决方案。
需要注意的是,由于这是候选发布版(Release Candidate),生产环境应用前应进行充分测试。特别是标记为实验性的API,在最终稳定版中可能会有调整。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217