跳到主要内容
版本：1.0.0

概述

Apache Fory™ 是一个高性能多语言序列化框架，面向原生对象序列化和跨语言二进制编解码，支持 Schema IDL、对象引用、Schema 演进、Row Format 随机访问与零拷贝读取。

Fory 面向跨语言、跨运行时的紧凑高吞吐序列化而构建。它可以直接处理应用中的对象；当需要稳定契约时，也可以使用共享 Schema；同时保留对象图中的共享引用、循环引用和多态运行时类型等语义。

快速示例​

跨语言序列化，在 Rust 中序列化，在 Python 中反序列化：

Rust

use fory::{Fory, ForyObject};

#[derive(ForyObject, Debug, PartialEq)]
struct User {
    name: String,
    age: i32,
}

fn main() {
    let mut fory = Fory::default().xlang(true);
    fory.register::<User>(1);

    let user = User { name: "Alice".to_string(), age: 30 };
    let bytes = fory.serialize(&user).unwrap();
    let decoded: User = fory.deserialize(&bytes).unwrap();
    println!("{:?}", decoded);  // User { name: "Alice", age: 30 }
}

Python

import pyfory
from dataclasses import dataclass

@dataclass
class User:
    name: str
    age: pyfory.int32

fory = pyfory.Fory(xlang=True)
fory.register(User, type_id=1)

user = User(name="Alice", age=30)
data = fory.serialize(user)
decoded = fory.deserialize(data)
print(decoded)  # User(name='Alice', age=30)

核心特性​

高效跨语言编码​

xlang 序列化格式 可以在支持的语言之间交换紧凑二进制载荷：

  • 紧凑元数据：打包类型元信息和字段信息，降低载荷体积。
  • Schema 演进：兼容模式支持应用 Schema 的向前和向后演进。
  • 对象图语义：跨运行时保留共享引用、循环引用和多态运行时类型。
  • 类型映射：语言特定值通过共享的类型映射进行转换。

领域对象优先​

Fory 直接序列化原生领域对象，而不是要求应用引入包装类型：

  • Java 类、Scala/Kotlin 类型，以及 GraalVM native image 工作负载。
  • Python dataclass 和 Python 原生对象图。
  • Go struct、Rust struct、C++ struct、C# 模型、Swift 类型、Dart 模型，以及 JavaScript/TypeScript 值。
  • 当需要共享契约时，也支持生成或注解过的类型。

原生支持引用的 Schema IDL​

Fory IDL 和编译器 允许团队一次定义 Schema，并为每种目标语言生成原生领域对象：

  • 建模数字、字符串、list、map、array、enum、struct 和 union。
  • 在 Schema 中直接表达共享引用和循环引用。
  • 生成惯用的宿主语言代码，不把传输专用包装类型引入用户代码。
  • 当服务需要在独立维护的运行时之间共享稳定契约时，可以使用 Schema IDL。

行格式随机访问​

缓存友好的 行格式 面向分析和部分读取工作负载优化：

  • 零拷贝随机访问：无需重建完整对象即可读取字段、数组和嵌套值。
  • 部分操作：只读取查询或流水线阶段需要的值。
  • Apache Arrow 集成：转换为列式数据，用于分析流水线。
  • 多语言支持：可在 Java、Python、Rust 和 C++ 中使用行格式。

优化运行时​

Fory 让热点路径保持高速，同时不要求所有运行时采用相同实现策略：

  • Java JIT 序列化器：运行时代码生成消除反射开销，并内联热点路径。
  • 生成式和静态序列化器：其他运行时在合适场景下使用生成式或静态序列化器。
  • 零拷贝路径：行格式和带外 buffer 可避免大值的不必要复制。
  • 元数据共享：复用或打包重复类型信息，降低序列化开销。