Spring GraphQL 1.4.0-M1版本发布:全新特性与改进
Spring GraphQL项目近日发布了1.4.0-M1版本,这是1.4.0系列的第一个里程碑版本。Spring GraphQL是一个强大的框架,用于在Spring应用中构建GraphQL服务,它提供了与Spring生态系统的深度集成,包括Spring MVC、WebFlux、Data和Security等模块。
核心特性增强
本次发布在多个方面进行了显著改进,特别是在HTTP传输层和类型系统处理方面:
-
GraphQL over HTTP规范对齐:新版本对HTTP传输层进行了重构,使其更加符合GraphQL over HTTP规范。这意味着Spring GraphQL现在能够更好地与其他遵循该规范的GraphQL实现进行互操作。
-
响应媒体类型支持:框架现在明确定义了GraphQL响应应该使用的媒体类型,这有助于客户端更准确地处理响应内容。
-
字段解析优化:SchemaMappingInspector现在会检查公共字段以匹配PropertyFetchingImpl的行为,这使得字段解析更加一致和可靠。
数据加载与联邦支持
-
DataLoader参数支持:在
@EntityMapping方法中现在可以直接使用DataLoader作为参数,这简化了批量数据加载的实现方式。 -
联邦实体检测:框架现在能够检测并报告未被任何
@EntityMapping方法覆盖的联邦实体,帮助开发者更早发现潜在的问题。
订阅与性能改进
-
SSE保持连接:为基于SSE的GraphQL订阅添加了Keep-Alive支持,这在WebFlux和WebMvc环境下都能工作,显著改善了长连接的稳定性。
-
HTTP超时处理:新增了一个WebGraphQlInterceptor实现,专门用于处理HTTP超时场景,使得超时管理更加方便。
依赖升级
-
核心框架升级:同步升级到了Spring生态的最新版本,包括Spring Boot 3.4.x、Spring Framework 6.2.3、Spring Data 2025.0.0-M2和Spring Security 6.5.0-M3。
-
GraphQL相关库:升级到了Apollo GraphQL Federation 5.3.0和Netflix GraphQL CodeGen 7.0.3,提供了更多新特性和改进。
-
监控与追踪:Micrometer升级到1.15.0-M3,Tracing升级到1.5.0-M3,增强了可观测性能力。
总结
Spring GraphQL 1.4.0-M1版本带来了多项重要改进,特别是在规范符合性、数据加载和订阅稳定性方面。这些变化使得开发者能够构建更加健壮和符合标准的GraphQL服务。随着对最新Spring生态版本的兼容性更新,这个版本也为未来的功能扩展奠定了基础。
对于正在使用或考虑使用Spring GraphQL的开发者来说,这个里程碑版本值得关注和评估,特别是那些需要严格遵循GraphQL规范或使用GraphQL联邦架构的项目。
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