Mill项目优化:精简build.mill类路径依赖
2025-07-01 03:31:34作者:邬祺芯Juliet
在Mill构建工具的最新开发中,团队对build.mill的类路径(classpath)进行了重要优化,通过最小化依赖模块来提升构建效率和减少潜在冲突。
背景与动机
Mill构建工具采用两级构建系统,其中build.mill作为元构建(meta-build)配置文件,负责定义项目自身的构建逻辑。过去,build.mill继承了过多不必要的依赖模块,这不仅增加了构建时的内存占用,也可能导致类路径冲突。
优化方案
经过分析,团队确定了build.mill真正需要的核心模块集合:
必需模块:
mill.constants:包含Mill的常量定义mill.runner.api:运行器API接口mill.api:核心API定义mill.define:构建定义相关功能mill.util:实用工具类mill.main:主程序入口mill.*lib:各种支持库
移除模块:
mill.codesig:代码签名相关mill.exec:执行相关mill.resolve:解析相关mill.internal:内部实现mill.server:服务器功能mill.server.client:服务器客户端mill.client:客户端功能mill.runner:运行器实现
技术实现细节
为了实现这一优化,团队进行了以下架构调整:
-
模块重构:
- 拆分
mill.runner模块,将元构建必需的部分与服务器/BSP功能分离 - 合并
mill.runner.api和mill.api,将不适合合并的部分移至mill.define
- 拆分
-
依赖关系优化:
- 重新梳理各模块间的依赖关系,确保
build.mill只引入必要依赖 - 建立严格的模块边界,防止隐式依赖
- 重新梳理各模块间的依赖关系,确保
-
测试保障:
- 新增集成测试,验证
build.mill类路径仅包含预期模块 - 测试会扫描类路径中的JAR文件和目录结构
- 新增集成测试,验证
技术价值
这一优化带来了多重好处:
- 性能提升:减少类路径扫描和加载时间
- 内存优化:降低运行时内存占用
- 稳定性增强:减少类冲突可能性
- 维护性改善:更清晰的模块边界和依赖关系
开发者影响
对于Mill插件开发者而言,这一变更意味着:
- 插件开发应明确依赖关系,避免隐式依赖
- 需要区分构建时依赖和运行时依赖
- 自定义构建逻辑需要适配新的模块结构
总结
Mill项目通过精简build.mill类路径依赖,实现了构建系统的轻量化和模块化。这一优化不仅提升了构建性能,也为未来的架构演进奠定了更清晰的基础。开发者可以期待更高效、更稳定的构建体验,同时也能从更清晰的模块划分中受益。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210