Apache Fury 0.10.3版本发布:性能优化与兼容性改进
Apache Fury是一个高性能、跨语言的序列化框架,旨在为分布式系统提供快速、高效的数据交换能力。它支持多种编程语言,包括Java、Python和JavaScript等,特别适合对性能要求苛刻的场景。
主要更新内容
Java核心改进
本次版本在Java实现方面进行了多项重要优化:
-
二进制兼容性修复:解决了
CompatibleMode下父类字段缺失的问题。需要注意的是,这一修复会导致与0.10.3之前版本的二进制兼容性发生变化。对于使用继承结构的类,升级后需要重新序列化数据。 -
输入流处理增强:确保
FuryObjectInputStream.read方法在length>0时不会返回0,提高了数据读取的可靠性。 -
变长整数读取优化:改进了
readVarUint36Small方法的实现,确保无论剩余缓冲区大小如何都能正确读取完整位数。 -
字符串处理改进:修复了
MetaStringBytes中空字符串的处理逻辑,提升了边缘情况下的稳定性。 -
Protobuf支持增强:新增了对Protobuf消息和字节字符串的序列化支持,使得与Protobuf生态的集成更加便捷。
跨语言支持
-
Python构建改进:修复了使用pyproject.toml构建PyFury的问题,简化了Python环境的部署流程。
-
测试增强:改进了Python测试的异常输出,便于开发者快速定位问题。
-
依赖管理:明确了fury-test-core在Fury扩展中的测试依赖关系,避免了潜在的依赖冲突。
环境支持调整
移除了对Node.js 12的支持,建议用户升级到更新的Node.js版本以获得更好的性能和安全性。
技术深度解析
兼容性模式改进
在之前的版本中,当使用兼容模式序列化具有继承结构的类时,父类的字段可能会丢失。0.10.3版本彻底修复了这一问题,但这也带来了二进制兼容性的变化。对于生产系统,建议:
- 评估现有序列化数据是否需要迁移
- 考虑在升级期间实现双写双读策略
- 为关键数据结构添加版本标识
性能优化细节
变长整数读取的优化特别值得关注。在序列化框架中,变长编码是节省空间的重要手段。新版本确保在各种边界条件下都能正确读取36位的小整数,这对于处理大量数值型数据的场景尤为重要。
Protobuf支持的加入使得Fury能够更好地融入现有的微服务架构。开发者现在可以:
- 在需要极致性能的场景使用Fury原生序列化
- 在需要与现有Protobuf服务交互时使用Protobuf适配器
- 逐步迁移而无需重写所有序列化逻辑
升级建议
对于现有用户,升级到0.10.3版本时应注意:
- 全面测试继承结构的序列化/反序列化
- 检查Node.js环境是否满足新版本要求
- Python用户可受益于更简单的构建流程
- 考虑Protobuf集成带来的新可能性
Apache Fury 0.10.3版本在稳定性、兼容性和功能性方面都做出了显著改进,是生产环境值得考虑的升级选择。特别是对于需要处理复杂对象图和高性能序列化的场景,这些改进将带来明显的收益。
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-5.1GLM-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
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00