从用户到社区Committer:小米工程师隋亮亮的Apache Fory成长之路

简介: 一起走近用代码编织跨语言数据之网的Committer

Apache Fory 是一个基于JIT和零拷贝的高性能多语言序列化框架,实现了高效紧凑的序列化协议,提供极致的性能、压缩率和易用性。在多语言序列化框架技术领域取得了重大突破,推动序列化技术步入高性能易用新篇章!这一切,都源自全球开发者对开源的热忱。今天,一起走近这些用代码编织跨语言数据之网的Committer~

一、自我介绍

image.gif

  • 您的全名: 隋亮亮
  • 您的当前职位/角色:高级软件研发工程师/小米集团
  • 主要领域/方向:安卓系统优化方向
  • 加入社区/项目的时间:2023-12-28
  • 兴趣爱好:热爱旅行、钟情山与大海,目光所至,皆是远方

二、社区贡献之路

您对社区的优秀贡献有哪些?

  • 负责搭建CI,完成CI Python脚本编写
  • fory-java性能优化与部分代码重构
  • 版本发布
  • 负责社区代码review
  • 其他社区建设(例如pr template编写,fory-site维护)

三、成为Committer的感受

对您来说成为Committer意味着什么?

成为 Fory Committer,是技术能力获社区认可的荣耀。深度参与Fory,看着自己的代码影响万千用户,既有解决复杂问题的成就感,也因推动开源发展而生出强烈的归属感与责任感。

四、社区故事

1.最初是如何接触到Apache Fory这个项目的?

认识Fory是在一次项目集成过程中,当时在做一个工具,需要使用到一个序列化框架,由于当时已知的序列化框架性能都不是很好,于是想着去资源雄厚的Apache社区寻找是否有类似的成熟工具,在调研中偶然发现了 Fory。

见到了Fory之后,其Benchmark测试结果极具冲击力,相比传统框架,Fory的序列化/反序列化性能提升数倍,且支持跨语言特性(如 Java、C++、Python 等多语言生态兼容),这对于需要多系统协作的工具而言堪称 “超规格配置”。将Fory集成到工具中后,实际测试数据的确验证了其性能优势。

出于对技术实现的好奇,我从Fory Java开始研读Fory代码,在研究的过程中,发现了一些可以提升的地方,例如对Fory核心类的抽象以及一些文档的错误,怀着对技术的热忱,我向社区提交了PR,在经过了几轮代码review后,最终得到的社区的认可。

为了进一步熟悉社区以及更好的融入到社区中,我便开始从社区接任务,并且偶尔还会负责一些代码的review,提供自己的修改意见。

2.您对社区整体的感受?

Fory 作为我在 Apache 参与的首个开源项目,始终是我技术成长中极具意义的存在。在为项目贡献的过程中,每当遇到技术难题,社区成员总会以毫无保留的热情给予指导;每一份提交的 PR 都能获得及时响应 —— 这种体验不仅彰显了开源社区的温度,更让参与者真切感受到被重视的参与感。

如同《人类简史》所述 “虚构的故事让人类合作成为可能”,Fory 社区就是一个以 “开源协作” 为故事核心的集体,我们基于共同的信念与目标,在代码世界里书写着精彩篇章。

 

五、社区寄语

对新手的建议?

对Fory感兴趣的新手可以先学习一些Fory社区的规范,接手Issues中带有good first issue标签的需求,多参与pr的code review工作,从大佬的彼此交流中学习Fory的思想以及优化技术,逐步融入到Fory社区中。

Fory社区始终敞开大门欢迎各位加入!!!

 

六、展望未来

对社区项目未来的期望?

在保持现有运营的基础上,可以多组织一些活动,例如技术分享、线下交流。并且加强文档建设,尤其是核心设计文档,这可以让每一个参与者

可以轻松的融入到社区中,为社区的建设增砖添瓦。

💻官方网站:https://fory.apache.org/

🌟GitHub:https://github.com/apache/fory

相关文章
|
5月前
|
人工智能 自然语言处理 测试技术
|
6月前
|
自然语言处理 Apache 开发者
|
3月前
|
机器学习/深度学习 人工智能 负载均衡
在 Ray Data 和 Ray Serve 中推出原生 LLM API
https://www.anyscale.com/blog/llm-apis-ray-data-serve 译文
|
9月前
|
机器学习/深度学习 算法 关系型数据库
强化学习:动态规划求解最优状态价值函数——手把手教你入门强化学习(四)
本文介绍了基于模型的强化学习算法,重点讲解动态规划(DP)。动态规划通过分解问题为子问题求解状态价值函数,利用贝尔曼期望方程迭代更新。其核心性质包括最优子结构和重叠子问题,适用于已知转移概率和奖励的MDP场景。文章回顾了前期强化学习基础,并展望了后续内容如蒙特卡罗法。适合初学者系统了解强化学习算法原理与应用。
340 7
|
7月前
|
人工智能 Java 程序员
JManus - 面向 Java 开发者的开源通用智能体
JManus 是一个以 Java 为核心、完全开源的 OpenManus 实现,隶属于 Spring AI Alibaba 项目。它旨在让 Java 程序员更便捷地使用 AI 技术,支持多 Agent 框架、网页配置 Agent、MCP 协议和 PLAN-ACT 模式。项目在 GitHub 上已获近 3k star,可集成多个大模型如 Claude 3.5 和 Qwen3。开发者可通过 IDE 或 Maven 快速运行项目,体验智能问答与工具调用功能。欢迎参与开源共建,推动通用 AI Agent 框架发展。
10506 65
|
7月前
|
人工智能 Rust 数据挖掘
最高万元奖金|2025开源之夏x蚂蚁数据智能,12大硬核任务等你解锁
如果你想在暑期里收获:技能实战历练、大咖指导护航、高额现金奖励和荣誉证书... 那么一定不能错过 2025开源之夏!
|
存储 Java 测试技术
阿里巴巴java开发手册
这篇文章是关于阿里巴巴Java开发手册的整理,内容包括编程规约、异常日志、单元测试、安全规约、MySQL数据库使用以及工程结构等方面的详细规范和建议,旨在帮助开发者编写更加规范、高效和安全的代码。
|
数据可视化 定位技术
全球卫星信息数据下载网站整理
全球卫星信息数据下载网站整理
1931 1