Apache Fury 0.10.3版本发布:兼容性优化与关键修复
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大数据和高并发场景。
版本核心改进
Java平台关键修复
本次0.10.3版本在Java平台进行了多项重要修复:
-
兼容模式字段修复:解决了在兼容模式下父类字段可能丢失的问题。这个修复虽然带来了二进制兼容性的变化,但确保了数据结构的完整性。对于使用兼容模式序列化带有继承结构的类,从0.10.3版本开始将正确处理所有字段。
-
输入流读取优化:修复了FuryObjectInputStream.read方法在length>0时可能返回0的问题,保证了数据读取的可靠性。
-
变长整数处理: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。
-
空字符串处理:优化了MetaStringBytes中对空字符串的处理逻辑,提高了边缘情况的健壮性。
新功能增强
-
Protobuf支持:新增了对Protobuf消息和字节字符串的序列化支持,使得Fury能够更好地与现有Protobuf生态系统集成。
-
测试依赖优化:明确了fury-test-core作为测试依赖在Fury扩展中的定位,避免了不必要的依赖传递。
跨语言支持改进
-
JavaScript环境:移除了对Node.js 12的支持,保持与现代JavaScript运行环境的同步。
-
Python构建:修复了使用pyproject.toml构建PyFury的问题,简化了Python环境的部署流程。同时改进了测试异常信息的输出,便于问题排查。
升级注意事项
由于修复了兼容模式下父类字段处理的问题,0.10.3版本与此前版本在二进制兼容性上有所变化。对于使用兼容模式序列化带有继承结构的Java/Scala/Kotlin类,需要特别注意:
- 新版本序列化的数据可以被旧版本读取,但旧版本序列化的某些数据可能无法被新版本正确反序列化
- 建议在升级后重新序列化关键数据,或实现自定义的迁移策略
总结
Apache Fury 0.10.3版本通过一系列关键修复和功能增强,进一步提升了框架的稳定性和可用性。特别是对兼容模式下继承结构处理的修正,虽然带来了兼容性变化,但解决了潜在的数据完整性问题。新增的Protobuf支持也为需要与现有Protobuf系统集成的用户提供了便利。对于性能敏感型应用,建议评估升级到该版本以获得更可靠的数据序列化体验。
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