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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00