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。
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 StartedRust0201
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07