Apache Fury 0.10.3-rc2版本发布:性能优化与关键修复
Apache Fury是一个高性能、跨语言的序列化框架,旨在为分布式计算和大数据处理场景提供极致的序列化性能。该项目支持Java、Python等多种语言,通过创新的二进制编码和内存布局优化,能够显著提升数据传输效率。
核心改进与修复
Java模块的重要更新
本次版本在Java模块中进行了多项关键修复和功能增强:
-
二进制读取优化:修复了
readVarUint36Small方法的读取逻辑,确保无论剩余缓冲区大小如何都能正确读取完整比特位。这一改进对于处理变长整数编码的场景尤为重要,能够避免数据截断导致的解析错误。 -
输入流可靠性增强:修正了
FuryObjectInputStream.read方法的行为,确保当请求长度大于0时永远不会返回0。这一修复解决了在某些边缘情况下可能出现的流读取不完整问题。 -
字符串处理改进:优化了
MetaStringBytes对空字符串的处理逻辑,消除了潜在的边界条件问题。 -
Protobuf兼容性:新增了对Protobuf消息和字节字符串的序列化支持,使得Fury能够更好地与现有Protobuf生态系统集成。
-
兼容模式修复:解决了兼容模式下父类字段丢失的问题,增强了向后兼容性。
Python模块的构建改进
Python模块在此版本中主要解决了构建系统的问题:
-
改用
pyproject.toml作为构建配置文件,这符合Python社区最新的打包标准,能够提供更可靠的构建体验。 -
改进了测试异常信息的输出,便于开发者快速定位问题。
-
完善了依赖管理,确保pyarrow等关键依赖能够正确安装。
基础设施与支持策略调整
-
移除了对Node.js 12的支持,这是考虑到Node.js 12已经不再维护。
-
优化了测试依赖管理,将
fury-test-core明确标记为测试依赖,避免不必要的依赖传递。
技术价值与影响
这个版本虽然是一个候选发布版(rc2),但包含了多项重要的稳定性修复和功能增强。对于Java用户而言,二进制处理可靠性的提升和Protobuf支持的加入尤其值得关注;Python用户则能获得更稳定的构建体验。
这些改进使得Apache Fury在关键业务场景中的可靠性得到进一步提升,特别是在需要处理复杂数据类型和高吞吐量的分布式系统中。框架的跨语言特性也得到了加强,为多语言微服务架构提供了更好的支持。
对于考虑采用高性能序列化方案的用户,这个版本标志着Apache Fury在成熟度和功能完备性上又向前迈进了一步。项目团队通过解决实际使用中发现的问题,持续提升框架的健壮性和易用性。
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 StartedRust086- 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