探索 Deepr:新一代远程方法调用规范
2024-05-20 11:24:22作者:何将鹤
在当今的开发世界中,GraphQL 已经成为数据查询和操作的强大工具,然而它并非没有争议。面对这些问题,Deepr 应运而生,旨在提供一种更为简洁、直观且灵活的解决方案,专注于解决 GraphQL 的设计挑战,同时保留其核心优势。
项目简介
Deepr 是一个创新的规范,它允许我们深度调用远程方法,并对执行顺序有明确控制。它的目标是消除 GraphQL 的复杂性,例如对集合方法的处理,以及强制执行的平行查询模式。通过 Deepr,你可以编写更清晰、更具可预测性的查询,而且无需额外的解析器层。
项目技术分析
- Deepr 允许直接对集合执行方法,解决了 GraphQL 在此方面的不足。
- 引入了有序查询的概念,开发者可以控制方法调用的顺序,避免了 GraphQL 中由于并行执行带来的不确定性问题。
- Deepr 不强求类型系统,而是认为这应该由业务层或更高层次的扩展来实现。
- 查询以 JSON 形式表达,简化了前端后端之间的连接,并避免了学习新的查询语言。
项目及技术应用场景
Deepr 可广泛应用于需要高效数据交互的各种场景:
- API 设计 - 提供更直观的 API 调用方式,使得客户端开发者更容易理解和使用你的服务。
- 移动应用 - 减少网络请求次数,提高用户体验。
- 实时数据分析 - 支持深度查询,便于获取嵌套数据结构中的信息。
- 微服务架构 - Deepr 的灵活性适用于多个微服务间的通信,能够更好地协调不同服务的数据需求。
项目特点
- 深查询 - 类似于 GraphQL,但更加直观,可以直接对对象的深层属性进行查询。
- 序列化查询 - 明确指定方法执行顺序,避免潜在冲突。
- 无额外层 - 操作直接映射到业务对象的方法,减少了不必要的抽象层。
- 源值支持 - 直接使用查询结果作为其他方法的输入参数,提高了效率。
- JSON 表达 - 使用 JSON,易于理解和实现,与多种编程语言兼容。
相比于 GraphQL 和 REST,Deepr 提供了一种更为优雅的方式来组织和执行远程方法调用。无论你是寻求更简洁的查询语法,还是希望通过增强的控制机制优化性能,Deepr 都值得你一试。现在就加入 Deepr 社区,共同探索这个新兴的远程调用规范,开启全新的开发体验!
登录后查看全文
热门项目推荐
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 StartedRust0146- 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
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
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
785
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
433
391
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++
996
1 K
昇腾LLM分布式训练框架
Python
166
197
暂无简介
Dart
983
249
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
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
1.1 K
611
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
1.14 K
146