Rspack v1.2.4 发布:支持 SRI 安全特性与性能优化
Rspack 是一个基于 Rust 的高性能构建工具,它结合了 Webpack 的生态优势和 Rust 语言的性能优势。作为 Webpack 的替代方案,Rspack 在构建速度上有着显著提升,同时保持了良好的兼容性。
核心特性:Subresource Integrity (SRI) 支持
本次发布的 v1.2.4 版本中,最值得关注的特性是新增了对 Subresource Integrity (SRI) 的原生支持。SRI 是一种重要的 Web 安全机制,它通过为外部资源添加加密哈希值,确保这些资源在传输过程中没有被篡改。
Rspack 通过内置的 SubresourceIntegrityPlugin 实现了这一功能。该插件是 webpack-subresource-integrity 的 Rust 重写版本,在性能上有了显著提升。开发者可以通过简单的配置启用这一安全特性:
import { experiments } from '@rspack/core';
const { SubresourceIntegrityPlugin } = experiments;
export default {
plugins: [new SubresourceIntegrityPlugin()],
output: {
crossOriginLoading: 'anonymous',
},
};
启用后,Rspack 会为所有加载的外部资源生成完整性哈希值,并自动添加到 HTML 中。这为现代 Web 应用提供了额外的安全防护层,特别是在使用 CDN 资源时尤为重要。
性能优化持续深入
Rspack 团队持续关注构建性能,本次更新包含了多项优化措施:
- 模块重用优化:改进了模块在多次编译间的重用机制,减少了不必要的重复处理。
- Rust 级别优化:调整了 Rust 编译器的优化级别,提升了整体执行效率。
- 异步任务处理:重构了模块重建的异步任务机制,使构建过程更加稳定可靠。
这些优化使得 Rspack 在大型项目中的构建速度进一步提升,特别是在增量构建场景下表现更为突出。
功能增强与问题修复
除了核心特性外,本次更新还包含了一系列功能增强和问题修复:
- 分块命名增强:支持在分块配置中使用整体文件名模式,提供了更灵活的代码分割控制。
- 缓存组测试支持:现在可以在缓存组测试中使用 chunkGraph 和 moduleGraph,为高级代码分割策略提供了更多可能性。
- Windows 路径修复:解决了 Windows 系统下 "publicPath: auto" 配置的路径问题。
- 动态入口依赖:改进了动态入口的依赖处理逻辑,确保依赖关系正确维护。
开发者体验改进
Rspack 团队也持续关注开发者体验:
- CLI 增强:新增了
--config-loader选项,支持通过命令行指定配置文件加载器。 - 内置加载器支持:现在可以通过编译器构建器启用内置加载器。
- 文档更新:完善了插件兼容性状态文档,并更新了项目路线图,新增了 Wasm 构建和 Rstest 等未来目标。
总结
Rspack v1.2.4 版本在安全性、性能和开发者体验三个方面都做出了显著改进。特别是 SRI 支持的增加,使得 Rspack 在构建现代安全 Web 应用方面又向前迈进了一步。持续的性能优化也进一步巩固了 Rspack 在构建速度上的优势地位。
随着 Rspack 生态的不断完善,它正在成为越来越多前端团队构建工具的新选择。对于关注构建性能和现代 Web 安全特性的团队来说,这个版本值得考虑升级。
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