FastAPI Websocket RPC 项目教程
2024-08-26 05:18:51作者:胡唯隽
1. 项目的目录结构及介绍
FastAPI Websocket RPC 项目的目录结构如下:
fastapi_websocket_rpc/
├── examples/
│ ├── basic_example.py
│ ├── proxy_example.py
│ └── ...
├── fastapi_websocket_rpc/
│ ├── __init__.py
│ ├── client.py
│ ├── endpoint.py
│ ├── methods.py
│ └── ...
├── tests/
│ ├── __init__.py
│ ├── test_client.py
│ ├── test_endpoint.py
│ └── ...
├── .gitignore
├── LICENSE
├── README.md
├── setup.py
└── ...
目录结构介绍
examples/: 包含项目的示例代码,如basic_example.py和proxy_example.py。fastapi_websocket_rpc/: 核心代码目录,包含客户端、服务端和方法处理等模块。__init__.py: 初始化文件。client.py: 客户端实现。endpoint.py: 服务端端点实现。methods.py: 方法处理实现。
tests/: 测试代码目录,包含各种测试用例。.gitignore: Git 忽略文件配置。LICENSE: 项目许可证。README.md: 项目说明文档。setup.py: 项目安装配置文件。
2. 项目的启动文件介绍
项目的启动文件通常位于 examples/ 目录下,例如 basic_example.py。以下是 basic_example.py 的示例代码:
from fastapi import FastAPI
from fastapi_websocket_rpc import RpcMethodsBase, WebsocketRPCEndpoint
app = FastAPI()
# 定义服务端方法
class ConcatServer(RpcMethodsBase):
async def concat(self, a: str = "", b: str = ""):
return a + b
# 添加 RPC 端点
endpoint = WebsocketRPCEndpoint(ConcatServer())
endpoint.register_route(app, "/ws")
# 启动服务
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000)
启动文件介绍
from fastapi import FastAPI: 导入 FastAPI 框架。from fastapi_websocket_rpc import RpcMethodsBase, WebsocketRPCEndpoint: 导入 RPC 相关模块。app = FastAPI(): 创建 FastAPI 应用实例。class ConcatServer(RpcMethodsBase): 定义服务端方法类。endpoint = WebsocketRPCEndpoint(ConcatServer()): 创建 RPC 端点实例。endpoint.register_route(app, "/ws"): 注册路由。if __name__ == "__main__":: 启动服务。
3. 项目的配置文件介绍
项目的配置文件主要是 setup.py,用于项目的安装和分发。以下是 setup.py 的示例代码:
from setuptools import setup, find_packages
setup(
name="fastapi_websocket_rpc",
version="0.1.26",
packages=find_packages(),
install_requires=[
"fastapi",
"websockets",
"tenacity",
],
author="Or Weis",
author_email="or@permit.io",
description="A fast and durable bidirectional JSON RPC channel over Websockets and FastApi",
long_description=open("README.md").read(),
long_description_content_type="text/markdown",
url="https://github.com/permitio/fastapi_websocket_rpc",
classifiers=[
"Programming Language :: Python :: 3",
"License :: OSI Approved :: MIT License",
"Operating System :: OS Independent",
],
python_requires='>=3.7',
)
配置文件介绍
name: 项目名称。version: 项目版本。packages: 包含的包。- `install_
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
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
457
439
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++
1.08 K
1.1 K
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
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221