TeaVM 0.12.0发布:WebAssembly GC后端迎来重大升级
项目简介
TeaVM是一个将Java字节码转换为JavaScript或WebAssembly的开源编译器。它允许开发者使用Java语言编写前端应用,并编译成高效的Web代码运行在浏览器中。与同类工具相比,TeaVM以轻量级和高效著称,特别适合需要将现有Java代码移植到Web环境的场景。
WebAssembly GC后端功能完善
本次0.12.0版本的主要目标是使WebAssembly GC后端功能达到与JavaScript后端相同的水平。经过此次更新,WebAssembly GC后端仅剩线程功能尚未支持,这将在未来的版本中解决。
反射支持增强
新版本为WebAssembly GC后端添加了反射支持。虽然目前还不是完整的反射实现,但已经包含了JavaScript后端支持的所有反射功能。这意味着开发者现在可以在WebAssembly环境中使用与JavaScript环境相同的反射API,为代码复用和动态特性提供了更多可能性。
虚表生成优化
针对大型项目,TeaVM团队实现了多项优化技术来减少虚表(vtable)的生成大小。虚表是实现面向对象多态性的关键数据结构,优化后的虚表不仅减少了内存占用,还能提高方法调用的效率。
数组类型优化
新版本显著减少了各种类型数组的开销。通过让所有对象数组类型共享相同的代码,虽然可能带来微小的性能损失,但对于大型项目来说,可以显著减小生成的二进制文件大小。这种权衡在当前WebAssembly环境下尤为有价值。
JS字符串内置功能支持
TeaVM现在利用了JS字符串内置功能(JS string builtins functionality)的特性,当环境支持时(目前Safari除外),可以大幅提升Java与原生JS API之间的字符串交换效率。这使得Java字符串与JavaScript字符串的互操作更加高效无缝。
NIO缓冲区重构
另一个重大改进是对NIO缓冲区的重构。这一改动主要源于WebAssembly GC后端对JavaScript互操作的需求,但最终使所有后端都从中受益。
后端专用实现
与之前使用数组作为NIO缓冲区的后备存储不同,现在每个后端都采用了更适合自身特性的实现方式:
- JavaScript后端使用类型化数组(Typed Arrays)
- C后端和旧版WebAssembly后端直接使用内存地址
- C后端的直接缓冲区现在使用malloc分配
- WebAssembly GC后端使用专用的分配器,直接利用Wasm内存
WebAssembly内存直接访问
这一改变克服了WebAssembly GC功能的一个主要限制:无法将WebAssembly数组类型直接表示为JavaScript类型化数组。通过将直接缓冲区分配在WebAssembly内存上,现在可以将NIO缓冲区直接传递给JavaScript而无需任何复制操作。
互操作优化
当必须通过数组在WebAssembly和JavaScript之间复制数据时,现在改为通过WebAssembly内存进行。虽然需要多进行一次复制,但整体性能比通过WebAssembly/JS边界复制要快数倍。
@JSByRef注解增强
为了在保持代码可重用性的同时充分利用无复制传递数据的优势,@JSByRef注解新增了optional参数。"可选引用传递"意味着支持该特性的后端(如JavaScript)会按引用传递数据,而不支持的后端(如WebAssembly GC)则会复制数据。这种灵活的机制让开发者可以编写既高效又可移植的代码。
性能与兼容性平衡
TeaVM团队在本次更新中展现了出色的工程权衡能力。他们不仅关注功能的完整性,还注重性能优化和二进制大小控制。特别是在WebAssembly环境下,这些因素对实际应用体验至关重要。
社区贡献
特别值得一提的是,libGDX项目及其贡献者xpenatan通过他们的TeaVM后端测试为WebAssembly GC后端提供了宝贵的反馈,帮助发现并修复了一些问题。此外,多位社区贡献者也参与了本次版本的改进工作。
未来展望
随着WebAssembly GC后端的日趋完善,TeaVM正在成为Java到Web编译领域的重要选择。线程支持的加入将是下一个重要里程碑,届时WebAssembly后端将完全达到与JavaScript后端同等的功能水平。对于需要在Web环境中运行Java代码的开发者来说,TeaVM提供了一个高效、可靠的解决方案。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00