Rspack v1.2.7 发布:性能优化与新特性解析
Rspack 是一个基于 Rust 的高性能 JavaScript 构建工具,它结合了 Webpack 的生态优势和 Rust 语言的性能优势,旨在为前端开发者提供更快的构建体验。最新发布的 Rspack v1.2.7 版本带来了显著的性能提升和一些实用的新特性。
性能优化亮点
macOS 平台构建速度提升
在 macOS 平台上,v1.2.7 相比 v1.2.6 版本构建速度提升了高达 20%。这一优化主要得益于对线程调度的改进,通过减少最大阻塞线程数来降低文件系统争用和内存消耗。对于使用 Mac 开发的前端团队来说,这意味着日常开发中的构建等待时间将大幅缩短。
HMR 内存使用减少
热模块替换(HMR)是现代化前端开发中不可或缺的功能。在 v1.2.7 中,Rspack 通过引入 maxGenerations 支持,优化了内存缓存机制,使得 HMR 的内存使用量减少了约 20%。具体来说,在 threejs 项目的开发模式下进行 10 次 HMR 操作时,内存使用从平均 1137MB 降低到了 890MB。
核心新特性
增强的运行时模板渲染
v1.2.7 进一步扩展了 Dojang 模板引擎在运行时模板渲染中的应用。这一改进使得 Rspack 能够处理更多类型的运行时场景,为开发者提供了更灵活的构建配置选项。
AMD 上下文 require 支持
对于使用 AMD 模块规范的项目,新版本增加了对 AMD 上下文 require 的支持。这意味着在 AMD 环境下,开发者可以更灵活地控制模块的加载行为,特别是在处理动态依赖时。
编译器运行选项增强
compiler.run 方法现在支持通过选项设置 modifiedFiles 和 removedFiles,这为构建流程提供了更精细的控制能力。开发者可以明确指定哪些文件被修改或删除,从而优化增量构建的性能。
模块图连接顺序保证
在 JavaScript API 中,get outgoing connections 现在会按照确定的顺序返回连接信息。这一改进使得开发者能够更可靠地处理模块间的依赖关系,特别是在需要特定处理顺序的场景下。
重要问题修复
-
HMR 跨运行时模块移动问题:修复了当模块在不同运行时之间移动时 HMR 失效的问题。
-
持久缓存优化:修复了重建时跳过计算修改文件的问题,提高了增量构建的准确性。
-
CommonJS 静态库模式:修复了 CommonJS 在静态库模式下的行为问题。
-
CSS 文件 BOM 处理:现在能够正确处理带有 BOM 头的 CSS 文件。
-
包含内置加载器错误的模块重建:修复了重建时忽略包含内置加载器错误的模块的问题。
开发者体验改进
除了核心功能的增强,v1.2.7 还包含多项开发者体验的改进:
- 更清晰的
addInclude错误信息,帮助开发者更快定位问题 - 减少调试符号大小,降低二进制体积
- 测试性能优化,包括并行运行 CLI 测试用例
- 文档更新,包括完整的 loader context API 文档和 JSDoc
总结
Rspack v1.2.7 通过多项性能优化和功能增强,进一步巩固了其作为高性能构建工具的地位。特别是对于 macOS 开发者和频繁使用 HMR 功能的团队,这个版本带来的性能提升将显著改善开发体验。随着 Dojang 模板引擎支持的扩展和 AMD 模块规范的完善,Rspack 的适用场景也在不断扩大。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00