在Workflow项目中封装HTTP请求为类的实践
2025-05-16 16:29:34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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (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
1.09 K
618
🔥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
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92