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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00