tarpc服务宏中支持自定义派生特性的改进
2025-06-24 19:23:08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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust074- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
689
4.46 K
Ascend Extension for PyTorch
Python
543
668
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++
955
928
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
414
74
openEuler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。
C
407
323
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
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
1.08 K
564
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
925
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
642
292