在Workflow项目中封装HTTP请求为类的实践
2025-05-16 19:00:56作者:咎岭娴Homer
Workflow是一个高性能的异步编程框架,本文将探讨如何将基础的HTTP请求功能封装成类,以提高代码的可重用性和可维护性。
封装HTTP请求类的必要性
在Workflow框架中,HTTP请求通常通过创建WFHttpTask来实现。当我们需要在多个地方使用相似的HTTP请求时,直接使用原始API会导致代码重复。通过封装成类,我们可以:
- 统一管理请求参数和配置
- 简化调用接口
- 便于扩展和维护
- 提供更好的类型安全
基础封装实现
一个基础的HTTP请求类可以包含以下核心功能:
class HttpCaller {
public:
HttpCaller() = default;
void set_url(const std::string &url) {
this->url = url;
}
void set_callback(std::function<void(WFHttpTask*)> callback) {
this->callback = callback;
}
int execute() {
WFHttpTask *task = WFTaskFactory::create_http_task(
url, REDIRECT_MAX, RETRY_MAX, callback);
// 配置请求参数...
task->start();
wait_group.wait();
return 0;
}
private:
static const int REDIRECT_MAX = 5;
static const int RETRY_MAX = 2;
std::string url;
std::function<void(WFHttpTask*)> callback;
WFFacilities::WaitGroup wait_group{1}; // 注意初始化为1
};
关键点解析
-
WaitGroup的正确使用:WaitGroup的初始值应该设置为1,这样wait()才会等待done()被调用。初始化为0会导致立即通过。
-
回调函数管理:使用std::function替代原始函数指针,提供更大的灵活性。
-
请求参数封装:可以将常用的请求头、请求体等封装为类方法,简化调用。
-
生命周期管理:确保WaitGroup的生命周期与请求周期匹配,避免资源泄漏。
改进方向
-
支持链式调用:可以设计接口支持类似
caller.set_url(...).set_method(...).execute()的链式调用。 -
请求构建器模式:实现一个专门的请求构建器,分离请求配置和执行逻辑。
-
结果封装:将响应结果封装为结构体或类,提供更友好的访问接口。
-
异常处理:增强错误处理机制,提供更详细的错误信息。
实际应用示例
int main() {
HttpCaller caller;
caller.set_url("https://example.com/api")
.set_method("POST")
.set_body(R"({"key":"value"})")
.set_header("Content-Type", "application/json");
caller.set_callback([](WFHttpTask* task) {
// 处理响应...
wait_group.done();
});
return caller.execute();
}
通过这种封装,我们可以更专注于业务逻辑的实现,而不必每次都重复HTTP请求的配置细节。这种模式特别适合需要频繁进行HTTP通信的应用程序。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
572
3.85 K
Ascend Extension for PyTorch
Python
388
459
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++
894
682
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
354
213
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
807
198
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
12
1
🔥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
68
20
🎉 (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
1.38 K
781