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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0113
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00