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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112