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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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