tarpc服务宏中支持自定义派生特性的改进
2025-06-24 14:33:04作者:裘旻烁
在RPC框架tarpc的最新开发中,社区成员提出并实现了一个重要改进:为服务宏生成的请求(Request)和响应(Response)类型增加自定义派生特性(derive)的能力。这一改进显著提升了框架的测试友好性和灵活性。
背景与问题
tarpc的服务宏(#[tarpc::service])会自动为RPC服务生成相应的请求和响应类型。然而,这些生成的类型默认不实现Clone等常用特性,这给测试和模拟带来了不便。开发者需要这些特性来实现:
- 测试中的值比较(
PartialEq) - 值的复制(
Clone) - 哈希计算(
Hash) - 调试输出(
Debug)
解决方案
新实现引入了一个统一的derive属性参数,取代了原有的derive_serde参数。这个新参数接受一个特性列表,允许开发者灵活指定需要派生的所有特性。
示例用法:
#[tarpc::service(derive = [tarpc::serde::Serialize, tarpc::serde::Deserialize, Clone, Hash])]
service World {
async fn hello(message: String) -> String;
}
实现细节
-
向后兼容性处理:
- 保留了原有
derive_serde参数的支持,但会输出弃用警告 - 默认情况下仍会派生
Serialize和Deserialize特性 derive和derive_serde参数互斥,同时使用会报错
- 保留了原有
-
错误处理:
- 当同时使用
derive和derive_serde时,会产生编译错误 - 使用
derive_serde时会输出警告,提示迁移到新语法
- 当同时使用
-
灵活性提升:
- 开发者可以精确控制需要派生的特性
- 可以完全禁用序列化特性的派生
- 支持添加任意标准库或第三方特性
技术影响
这一改进对tarpc用户的主要好处包括:
- 测试便利性:可以轻松克隆请求/响应对象进行断言比较
- 模拟简化:更容易创建测试用的模拟对象
- 灵活性增强:支持更多使用场景,如将RPC对象用作HashMap键
- 现代化语法:采用更符合Rust惯例的属性参数设计
迁移指南
现有用户应逐步将代码从:
#[tarpc::service(derive_serde)]
迁移至:
#[tarpc::service(derive = [Serialize, Deserialize])]
对于不需要序列化的场景,可以完全禁用派生:
#[tarpc::service(derive = [])]
这一改进体现了tarpc框架对开发者体验的持续关注,使得基于tarpc构建的应用更加易于测试和维护。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
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
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210