Apache OpenWhisk Workshop 教程
2024-09-02 05:54:14作者:滑思眉Philip
项目介绍
Apache OpenWhisk 是一个云原生、事件驱动的函数即服务平台(Function-as-a-Service)。它允许开发者上传处理事件的函数到云端并响应各种事件。此平台对于构建微服务、实时数据流处理以及事件驱动架构的应用尤为适用。该项目中的 apache/openwhisk-workshop 是一个专为帮助开发者了解如何在 OpenWhisk 平台上构建无服务器应用程序而设计的工作坊。工作坊提供了系列练习,从零开始引导开发人员理解并掌握 OpenWhisk 的每一个特性。
项目快速启动
为了快速开始你的第一个 OpenWhisk 应用,首先确保环境满足以下条件:
- 已安装 Node.js 版本 6 及以上
- 全局安装
openwhisk-workshop包:$ npm install -g openwhisk-workshop
接下来,可以通过下列步骤部署及运行示例功能:
-
安装并配置 OpenWhisk CLI
$ wsk property set --apihost <your_openwhisk_api_host> $ wsk property set --auth <your_openwhisk_auth_token>替换
<your_openwhisk_api_host>和<your_openwhisk_auth_token>为你自己 OpenWhisk 实例的实际值。 -
创建并部署一个简单函数:
exports.main = function(args) { return { "greeting": "Hello " + args.name } }将上述代码保存为文件
hello.js,然后通过下面命令将其部署为 OpenWhisk 动作:$ wsk action create hello hello.js -
调用刚刚创建的动作:
$ wsk action invoke hello --param name world输出应类似以下结果:
{"response":{"result":{"greeting":"Hello world"}}}此时,你已成功地在本地环境中部署了 OpenWhisk 功能并进行了调用。
应用案例和最佳实践
应用案例
- 实时数据处理:使用 OpenWhisk 处理实时数据流,例如传感器数据或用户行为日志。
- 微服务架构:将复杂的应用拆分为多个小型、独立的服务,每个服务由一个或多个 OpenWhisk 函数实现。
- 事件驱动架构:构建响应外部事件(如数据库更新、消息队列消息)的应用。
最佳实践
- 函数粒度:保持函数尽可能小和专注,以便于管理和重用。
- 错误处理:确保每个函数都有适当的错误处理机制,以避免服务中断。
- 监控和日志:使用 OpenWhisk 提供的监控和日志工具来跟踪函数的性能和状态。
典型生态项目
- OpenWhisk CLI:用于管理和部署 OpenWhisk 函数的命令行工具。
- OpenWhisk Dashboard:提供了一个图形界面来监控和管理 OpenWhisk 函数和触发器。
- OpenWhisk SDKs:支持多种编程语言的 SDK,方便开发者编写和部署函数。
通过以上内容,您可以快速了解并开始使用 Apache OpenWhisk 平台,构建高效、灵活的无服务器应用程序。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869