Encore项目发布v1.46.7版本:实验性支持Bun运行时
2025-06-05 09:43:06作者:蔡丛锟
Encore是一个现代化的后端开发框架,它通过抽象基础设施的复杂性,让开发者能够专注于业务逻辑的实现。Encore支持TypeScript等多种语言,并提供内置的云部署能力,大大简化了从开发到部署的全流程。
在最新发布的v1.46.7版本中,Encore引入了一项令人兴奋的实验性功能——对Bun运行时的支持。Bun是一个新兴的JavaScript运行时,以其出色的性能和低内存占用而闻名。本文将详细介绍这一新特性及其使用方法。
Bun运行时支持详解
Bun作为Node.js的替代方案,在启动速度和资源消耗方面都有显著优势。Encore团队现在开始测试将Bun作为官方支持的运行时选项之一。
要启用Bun运行时,开发者需要在项目的encore.app配置文件中进行以下设置:
- 在experiments数组中添加"bun-runtime"项
- 设置基础镜像为包含Bun的Docker镜像(如oven/bun:1.2.2-slim)
- 确保项目语言设置为TypeScript
示例配置如下:
{
"id": "...",
"lang": "typescript",
"build": {
"docker": {
"bundle_source": true,
"base_image": "oven/bun:1.2.2-slim",
}
},
"experiments": ["bun-runtime"]
}
性能优化建议
由于Bun运行时在默认配置下可能会消耗较多内存,Encore团队建议开发者在项目中添加bunfig.toml配置文件,并设置smol = true选项。这一优化可以显著降低Bun运行时的内存占用,使其更适合生产环境部署。
技术实现细节
在底层实现上,Encore团队主要做了以下工作:
- 在Docker构建配置中增加了相关选项,允许指定基础镜像
- 修改了构建系统以支持Bun作为替代运行时
- 确保所有Encore特性在Bun环境下都能正常工作
注意事项
目前Bun运行时支持仍处于实验阶段,这意味着:
- 可能存在一些未发现的兼容性问题
- API和行为可能在后续版本中发生变化
- 生产环境使用前建议充分测试
对于希望尝试最新技术的开发者来说,这是一个评估Bun在Encore生态系统中表现的好机会。团队鼓励用户提供反馈,以帮助完善这一功能。
结语
Encore v1.46.7版本引入的Bun运行时支持,展现了该项目紧跟技术前沿的决心。通过提供更多运行时选择,Encore进一步增强了其作为现代化后端开发框架的灵活性。随着这一功能的成熟,开发者将能够根据项目需求选择最适合的运行时环境,在性能和开发体验之间取得最佳平衡。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
644
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
249
317
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
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873