ORPC v1.0.0-beta.2 发布:客户端重试机制与OpenAPI规范生成优化
2025-06-25 22:10:52作者:裴锟轩Denise
ORPC(Open RPC)是一个现代化的RPC框架,旨在简化远程过程调用的开发体验。它提供了类型安全、高性能和可扩展的RPC解决方案,特别适合构建复杂的分布式系统。本次发布的v1.0.0-beta.2版本带来了两项重要改进:全新的客户端重试机制和对Valibot、ArkType的OpenAPI规范生成支持。
客户端重试机制重构
在分布式系统中,网络不稳定和服务暂时不可用是常见问题。ORPC v1.0.0-beta.2对重试机制进行了重要重构,将原先内置于RPCLink中的事件迭代器重试逻辑移除,取而代之的是一个更加灵活和强大的客户端重试插件。
新重试插件特性
新的客户端重试插件提供了细粒度的控制能力:
- 可配置重试次数:开发者可以精确设置最大重试次数
- 自定义重试延迟:支持设置每次重试之间的延迟时间
- 智能重试决策:通过shouldRetry回调函数,开发者可以根据错误类型决定是否重试
- 重试生命周期钩子:onRetry回调函数让开发者能够在每次重试时执行自定义逻辑
const planets = await client.planet.list({ limit: 10 }, {
context: {
retry: 3, // 最大重试次数
retryDelay: 2000, // 重试间隔(毫秒)
shouldRetry: options => true, // 基于错误决定是否重试
onRetry: (options) => {}, // 每次重试时执行的回调
}
})
这种设计使得重试逻辑更加透明和可控,同时也更容易在不同调用间共享和复用重试策略。
OpenAPI规范生成增强
ORPC一直致力于提供优秀的API文档生成体验。在v1.0.0-beta.2中,框架扩展了对流行验证库的支持,现在除了Zod外,还可以直接使用Valibot和ArkType来生成OpenAPI规范。
多验证库支持
开发者现在可以同时配置多个验证库转换器:
import { OpenAPIGenerator } from '@orpc/openapi'
import { ZodToJsonSchemaConverter } from '@orpc/zod'
import { experimental_ValibotToJsonSchemaConverter } from '@orpc/valibot'
import { experimental_ArkTypeToJsonSchemaConverter } from '@orpc/arktype'
const openAPIGenerator = new OpenAPIGenerator({
schemaConverters: [
new ZodToJsonSchemaConverter(), // Zod支持
new ValibotToJsonSchemaConverter(), // Valibot支持
new ArkTypeToJsonSchemaConverter(), // ArkType支持
],
})
这种设计使得团队可以根据技术栈偏好选择验证库,而不用担心API文档生成的兼容性问题。特别是对于已经在使用Valibot或ArkType的项目,现在可以无缝集成ORPC的OpenAPI生成功能。
升级建议
对于正在使用ORPC的项目,升级到v1.0.0-beta.2需要注意以下几点:
- 如果项目中使用到了RPCLink的事件迭代器重试功能,需要迁移到新的客户端重试插件
- 对于使用Valibot或ArkType的项目,现在可以移除自定义的转换逻辑,直接使用官方提供的转换器
- 建议在测试环境中充分验证新的重试机制是否符合业务需求
ORPC v1.0.0-beta.2的这些改进进一步巩固了其作为现代化RPC框架的地位,特别是在类型安全和开发者体验方面。随着框架向1.0正式版迈进,我们可以期待更多稳定性和功能性的提升。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146