Apache Fury v0.10.0 发布:高性能序列化框架的重大升级
2025-06-16 22:54:57作者:明树来
Apache Fury 是一个跨语言的高性能序列化框架,专注于提供极致的序列化性能和跨语言兼容性。它支持 Java、Python、JavaScript 等多种语言,特别适合大数据传输、分布式计算等高性能场景。
核心特性升级
基于分块技术的 Map 序列化
本次版本引入了革命性的分块式 Map 序列化协议,通过预测性分块技术大幅提升了大型 Map 结构的序列化效率。新协议采用以下优化策略:
- 智能分块机制:自动根据数据大小和类型进行动态分块,减少内存占用
- JIT 编译支持:为分块序列化生成高度优化的本地代码
- 跨语言一致性:Java 和 Python 实现保持协议一致性
JavaScript 字符串序列化优化
针对 Web 场景特别优化了 JavaScript 字符串序列化性能:
- 采用更紧凑的编码方案
- 减少中间转换步骤
- 优化内存访问模式
测试显示字符串处理性能提升显著,特别适合前端大数据量场景。
架构改进
可配置的缓冲区大小限制
新增了缓冲区大小限制配置选项,开发者可以根据应用场景灵活设置:
- 防止恶意超大包攻击
- 优化内存使用效率
- 适应不同硬件环境
增强的 UTF-8 编码支持
改进了字符串编码处理:
- 使 4 字节 UTF16 大小头变为可选
- 提供更灵活的编码配置
- 优化了多语言字符处理
跨语言生态增强
Python 生态完善
- 新增 macOS 平台 CI 支持
- 实现自动发布流程
- 加入分块式 Map 序列化支持
- 放弃 Python 3.7 支持,专注维护新版本
Java 生态改进
- 新增 Zstd 元数据压缩器
- 优化类加载器处理
- 增强兼容模式
- 改进构造函数查找逻辑
质量保证
- 修复了字符串压缩处理的相关问题
- 解决了兼容模式下的反序列化故障
- 修正了分块边界条件处理
- 完善了跨平台测试覆盖
开发者体验
- 新增对象映射示例和文档
- 更新了序列化模式兼容性说明
- 改进了错误提示信息
- 优化了构建系统
总结
Apache Fury v0.10.0 通过创新的分块序列化技术和全面的性能优化,为高性能序列化场景提供了更强大的解决方案。跨语言支持的持续完善也使其在异构系统集成方面更具优势。这些改进使得 Fury 在大数据处理、微服务通信等场景下的表现更加出色。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
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
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
654
仓颉编程语言运行时与标准库。
Cangjie
141
878