Rspack v1.3.9 版本发布:性能优化与稳定性提升
Rspack 是一个基于 Rust 构建的高性能 Web 打包工具,它结合了 Webpack 生态系统的优势与 Rust 语言的性能特点,旨在为开发者提供更快的构建速度和更好的开发体验。作为 Webpack 的替代方案,Rspack 在保持兼容性的同时,通过底层优化显著提升了构建性能。
性能优化
本次发布的 v1.3.9 版本在性能方面做出了重要改进。开发团队对 JavaScript 统计功能进行了优化,通过重构相关代码逻辑,减少了不必要的计算开销,使得在大型项目中生成构建统计信息时的性能得到提升。这种优化对于需要频繁分析构建结果的开发者来说尤为有用,特别是在持续集成环境中。
稳定性修复
-
配置合并问题修复:解决了 clever merge 在解析选项时的潜在问题,确保配置合并过程更加可靠。这项修复避免了在某些特殊情况下配置合并可能导致的意外行为。
-
文件监听改进:修正了 watchpack 限制设置时机的问题,现在会在加载 watchpack 之前正确设置限制参数。这一改进使得文件监听机制更加稳定,特别是在处理大量文件变更时。
-
循环依赖处理:修复了循环引用关系检测中的问题,现在能够更准确地识别和处理模块间的循环依赖关系,避免了由此可能引发的构建错误。
-
错误堆栈信息:增强了插件错误处理机制,现在能够完整保留错误堆栈信息,显著提升了调试体验。开发者可以更容易地追踪到错误源头。
-
警告处理优化:解决了警告信息可能被多次处理的问题,避免了控制台中出现重复的警告信息,使构建输出更加清晰。
-
HTML 插件改进:修复了使用多个 HTML 插件实例时选项被意外覆盖的问题,确保了多页面应用配置的正确性。
文档完善
开发团队对文档进行了全面更新和优化:
- 新增了 JavaScript 压缩和转换的详细示例和 API 文档,帮助开发者更好地理解相关功能的使用方法。
- 修正了 SWC API 示例中的错误,确保示例代码的准确性。
- 改进了容器语法文档,避免了可能的误解。
- 增强了追踪功能的文档说明,详细解释了如何利用追踪功能分析构建过程。
- 完善了 Data URI 模块和 MIME 类型规则的文档,提供了更清晰的使用指南。
- 重写了加载器类型文档和示例,使其更加易于理解和实践。
其他改进
-
事件追踪支持:新增了对事件追踪的支持,使开发者能够更深入地分析构建过程中的各个阶段。
-
依赖更新:升级了多个核心依赖,包括:
- 将 pnpm 更新至 v10.10.0
- 升级 core-js 到 v3.42.0
- 更新 Webpack 到 v5.99.8
- 升级 SWC 到 v22.5.3 并启用了 SWC 追踪功能
-
CI/CD 改进:对持续集成流程进行了优化,包括更好的回退机制和必要的检查项,提高了自动化测试的可靠性。
-
代码清理:移除了不再使用的 loader-utils v2 依赖,简化了项目依赖树。
总结
Rspack v1.3.9 版本虽然在功能上没有重大新增,但在性能优化、稳定性提升和文档完善方面做出了重要改进。这些变化使得 Rspack 作为一个现代化的构建工具更加成熟可靠,特别是在大型项目中的表现更为出色。对于已经使用 Rspack 的团队来说,升级到这个版本将获得更好的开发体验和更稳定的构建过程。
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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。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
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