Boa引擎中JsValue的to_json方法对整数键的处理问题分析
2025-06-06 10:50:20作者:郁楠烈Hubert
Boa是一个用Rust编写的JavaScript引擎,近期在0.17至0.19版本中出现了一个关于JSON序列化的行为变更问题。本文将深入分析这个问题的技术背景、原因及解决方案。
问题现象
在Boa引擎0.16版本中,当使用to_json()方法序列化包含整数键(如"0")的对象时,能够正确保留所有键值对。但在0.17至0.19版本中,整数键会被自动过滤掉,只保留字符串键。
技术背景
在JavaScript中,对象的键实际上都是字符串类型。即使用户使用数字作为键,引擎内部也会自动将其转换为字符串。Boa引擎内部使用两种方式存储对象属性:
- 形状(Shape)系统:用于优化属性访问性能,存储字符串键的属性
- 索引属性存储:专门处理类似数组索引的数字键属性
问题根源
问题的根本原因在于0.17版本的一个PR修改了to_json()方法的实现方式:
- 旧版本使用
properties().iter()遍历所有属性 - 新版本改为使用
shape().keys()只遍历形状系统中的键
由于Boa引擎出于性能考虑,不会将索引属性(如"0")添加到形状系统中,这就导致了这些属性在序列化时被忽略。
解决方案分析
要解决这个问题,有两条可能的路径:
- 修改形状系统:让形状系统也包含索引属性,但这会影响性能,特别是对于包含大量数字键的对象
- 修改序列化逻辑:在
to_json()方法中使用own_property_keys()而不是shape().keys(),这样可以获取所有类型的键
从技术角度看,第二种方案更为合理,因为它:
- 保持了形状系统的优化特性
- 符合JavaScript规范要求
- 不会引入额外的性能开销
技术影响
这个修复将确保Boa引擎的JSON序列化行为与ECMAScript规范保持一致,特别是在处理以下情况时:
- 数组类对象的序列化
- 混合使用数字键和字符串键的对象
- 需要精确保留所有属性的场景
结论
Boa引擎团队最终选择了第二种方案,通过修改to_json()方法的实现来正确序列化所有类型的键。这个修复体现了在JavaScript引擎开发中性能优化与规范符合性之间的平衡考量,也展示了Boa引擎持续改进的承诺。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137