Fury项目实现JPMS模块化命名的技术实践
背景介绍
Apache Fury作为一款高性能的序列化框架,随着Java平台模块系统(JPMS)的普及,面临着向模块化转型的需求。在传统的Java应用中,类路径(Classpath)机制存在"JAR地狱"等问题,而JPMS通过模块化设计提供了更好的封装性和可靠性。
问题分析
当开发者将Fury集成到模块化应用时,Maven编译器会发出警告,提示检测到基于文件名的自动模块(automatic modules)。这种警告表明项目尚未完全适配JPMS规范,可能影响未来的维护和发布。
解决方案选择
针对Fury的现状,技术团队评估了两种模块化方案:
-
最小化改造方案:通过在MANIFEST.MF中添加Automatic-Module-Name条目,这是最轻量级的解决方案,不会影响现有构建流程,可通过maven-jar-plugin配置实现。
-
完整模块化方案:提供完整的module-info.java描述符,这需要构建过程支持多版本编译或生成多版本JAR(Multi-Release JAR)。虽然功能更完整,但实现复杂度高,且依赖链中的其他库(如Guava)也需要支持JPMS。
考虑到项目依赖和兼容性要求,团队决定优先采用第一种方案作为过渡,为未来完整模块化奠定基础。
模块命名规范
在确定模块名称时,团队遵循了以下原则:
- 采用反向域名命名惯例
- 保持与Maven坐标的逻辑对应
- 确保名称简洁明了
最终确定的命名模式为:
- 核心模块:org.apache.fury.core
- 格式模块:org.apache.fury.format
- 测试模块采用类似但分层的命名结构
技术实现细节
实现过程中,通过Maven插件配置自动生成模块名称:
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-jar-plugin</artifactId>
<configuration>
<archive>
<manifestEntries>
<Automatic-Module-Name>org.apache.fury.core</Automatic-Module-Name>
</manifestEntries>
</archive>
</configuration>
</plugin>
这种配置方式确保了:
- 向后兼容Java 8及更早版本
- 在Java 9+环境中提供明确的模块标识
- 不影响现有构建流程和依赖管理
未来演进方向
虽然当前采用了过渡方案,但团队已经规划了完整的JPMS支持路线图:
-
多阶段编译策略:先以Java 9编译module-info.java进行验证,再以Java 8编译其他代码,平衡兼容性和模块化验证需求。
-
依赖生态适配:等待关键依赖(如Guava)提供官方JPMS支持,或逐步替换这些依赖。
-
构建工具优化:评估使用多版本JAR的可能性,虽然会增加构建复杂度,但能提供更干净的模块边界。
实践建议
对于面临类似模块化转型的Java项目,建议:
- 从Automatic-Module-Name开始,逐步演进
- 模块命名应保持稳定,避免后续破坏性变更
- 在CI流程中加入模块化验证步骤
- 优先确保向后兼容性,特别是对仍在使用Java 8的用户
Fury项目的这一实践为其他中间件类库的模块化转型提供了有价值的参考案例,展示了如何在保持兼容性的同时向现代Java模块系统演进的技术路径。
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 StartedRust085- 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