Reqwest v0.12.16 版本发布:HTTP/3优化与功能增强
Reqwest 是一个广受欢迎的 Rust HTTP 客户端库,以其简单易用和高性能著称。它提供了同步和异步两种调用方式,支持多种协议特性,是 Rust 生态中处理 HTTP 请求的首选工具之一。最新发布的 v0.12.16 版本带来了一系列重要的功能增强和问题修复,特别是在 HTTP/3 支持和连接管理方面有了显著改进。
HTTP/3 功能增强
本次更新对 HTTP/3 的支持进行了多项优化:
-
BBR 拥塞控制算法:新增了
ClientBuilder::http3_congestion_bbr()方法,允许开发者启用 BBR (Bottleneck Bandwidth and Round-trip propagation time) 拥塞控制算法。BBR 是 Google 开发的一种现代拥塞控制算法,相比传统的 Cubic 算法,它能够更有效地利用网络带宽,特别是在高延迟或丢包率较高的网络环境中表现更优。 -
QUIC Grease 支持:通过
ClientBuilder::http3_send_grease()方法,开发者现在可以配置是否发送 QUIC grease。Grease 是 Google 提出的一种机制,通过在协议中随机插入无意义的字段来防止中间件对特定协议特征的过度依赖,从而提高协议的健壮性和未来兼容性。 -
响应头大小限制:新增
ClientBuilder::http3_max_field_section_size()方法,允许开发者设置最大响应头大小限制,防止恶意服务器发送过大的头部导致内存问题。 -
流式请求体支持:修复了 HTTP/3 中流式请求体(streaming request bodies)的支持问题,现在可以正常使用分块传输编码发送大文件或流式数据。
连接管理改进
在 TCP 连接管理方面,新版本增加了两个重要配置项:
-
TCP Keepalive 探测间隔:通过
ClientBuilder::tcp_keepalive_interval()方法,开发者可以设置 TCP keepalive 探测包的发送间隔。这对于检测和关闭已经失效的连接非常有用,特别是在负载均衡器或 NAT 设备后面时。 -
TCP Keepalive 重试次数:
ClientBuilder::tcp_keepalive_retries()方法允许配置在认为连接失效前发送的 keepalive 探测包数量。合理的配置可以减少因短暂网络问题导致的连接重建开销。
网络访问功能增强
新版本为网络访问功能增加了额外的头部支持:
Proxy::headers()方法允许开发者添加需要发送给网络访问服务的额外头部信息。这在需要认证或特殊指令的网络环境中非常有用,例如企业网络或云服务环境。
重要问题修复
-
重定向次数限制:修复了
redirect::Policy::limit()方法中的一个边界错误,该错误导致实际允许的重定向次数比指定值多一次。现在行为符合预期,严格遵循开发者设置的限制。 -
WASM 空体处理:修复了 WASM 环境下调用
Response::bytes_stream()时对空响应体的处理问题,现在能够正确处理 null 体情况。 -
macOS/Solaris 接口绑定:
ClientBuilder::interface方法现在在这些系统上能够正常工作,允许开发者将连接绑定到特定网络接口。
内部优化
除了用户可见的功能变化,本次更新还包含多项内部优化:
-
依赖更新:升级了 brotli 压缩库到 v7 版本,webpki-roots 到 v1 版本,提高了安全性和性能。
-
代码重构:使用 hyper-util 的代理匹配器和隧道实现,减少了代码重复,提高了可维护性。
-
资源占用优化:移除了不必要的 futures-util 依赖,减少了二进制大小和编译时间。
总结
Reqwest v0.12.16 版本在保持 API 稳定性的同时,通过新增功能和修复问题进一步提升了库的实用性和可靠性。特别是对 HTTP/3 的增强使得现代协议特性更加完善,而连接管理和网络访问功能的改进则增强了在各种网络环境下的适应性。这些变化使得 Reqwest 继续成为 Rust 生态中 HTTP 客户端的首选解决方案。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00