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。
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 StartedRust078- 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
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00