Remult 3.0.0 版本发布:API统一与数据层增强
2025-06-16 04:44:54作者:霍妲思
项目简介
Remult 是一个全栈框架,旨在简化现代Web应用程序的开发流程。它提供了一种优雅的方式来定义数据模型、业务逻辑和API端点,同时自动处理许多常见的后端任务。Remult 特别适合需要快速构建CRUD应用程序的场景,同时又不牺牲灵活性和控制力。
核心升级内容
1. API设置函数统一
在3.0.0版本中,Remult对API设置函数进行了重大改进,将原先的remultExpress等不同名称统一为remultApi。这种统一带来了几个显著优势:
- 一致性:开发者不再需要记忆不同环境下的不同函数名,降低了学习曲线
- 可维护性:代码库更加整洁,减少了因函数名混淆导致的错误
- 跨平台兼容:为未来支持更多后端框架奠定了基础
迁移到新版本时,开发者只需将原有的remultExpress()调用替换为remultApi()即可。
2. 实体级数据提供者配置
新版本引入了dataProvider函数作为EntityOptions的一部分,这项功能允许开发者为每个实体单独指定数据提供者。这一改进带来了前所未有的灵活性:
- 混合数据源:可以在同一个应用中轻松混合使用不同的数据库
- 逐步迁移:可以逐个实体迁移到新的数据库系统
- 特殊处理:对特定实体使用定制化的数据访问逻辑
例如,可以为大多数实体使用PostgreSQL,同时为特定实体配置MongoDB提供者。
3. 管理界面增强
Admin UI获得了多项实用改进:
认证头支持
现在可以添加自定义请求头(采用key: value格式),这使得:
- 与需要特定认证头的API集成更加容易
- 调试和测试更加灵活
- 支持更复杂的安全方案
关系可视化增强 在实体关系图中:
ToOne关系现在会用左侧实体的颜色进行可视化- 使复杂的数据模型更易于理解和导航
- 提升了大型项目的开发体验
认证与实时查询控制 新增了两个重要选项:
requireAuthToken- 直接在设置对话框中配置Bearer令牌- 简化了安全API的测试流程
- 使认证配置更加直观
disableLiveQuery- 控制是否使用实时查询- 可以在全局或局部覆盖设置
- 优化性能敏感场景
技术影响与最佳实践
向后兼容性考虑
虽然3.0.0版本引入了重大变更,但迁移路径相对清晰。团队建议:
- 首先更新所有
remultExpress调用到remultApi - 逐步评估是否需要使用实体级数据提供者
- 利用新的Admin UI功能优化开发工作流
性能优化建议
新的实体级数据提供者功能虽然强大,但也需要注意:
- 避免过度分散数据源,保持合理的架构
- 考虑跨数据库事务的限制
- 监控混合环境下的性能表现
社区贡献
本次发布特别感谢社区成员的贡献,他们的工作包括:
- 解决了循环依赖问题
- 改进了文档和网站
- 提供了宝贵的反馈和建议
这些社区贡献体现了Remult生态系统的活力,也确保了框架能够持续进化以满足开发者需求。
总结
Remult 3.0.0标志着框架成熟度的重要里程碑。通过API设置的统一、数据层的增强和管理界面的改进,它为开发者提供了更一致、更灵活的体验。特别是实体级数据提供者功能,为复杂应用架构开辟了新的可能性。对于正在使用或考虑采用Remult的团队来说,这个版本值得认真评估和升级。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
403
3.14 K
Ascend Extension for PyTorch
Python
224
250
暂无简介
Dart
672
159
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++
663
319
React Native鸿蒙化仓库
JavaScript
262
325
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
1.21 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219