Quarkus 快速入门指南
1. 项目介绍
Quarkus 是一个开源的、面向 Kubernetes 的 Java 框架,专为云原生应用开发而设计。它旨在优化 Java 以适应无服务器和微服务架构,提供快速的启动时间和低内存占用。Quarkus 支持多种编程模型,包括响应式和命令式,并能无缝集成流行的 Java 库和框架。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- JDK 17+
- Apache Maven 3.9.8
- Git
2.2 创建项目
你可以通过以下命令快速创建一个新的 Quarkus 项目:
mvn io.quarkus:quarkus-maven-plugin:3.14.2:create \
-DprojectGroupId=org.acme \
-DprojectArtifactId=getting-started \
-Dextensions='rest'
2.3 运行项目
进入项目目录并运行以下命令启动应用:
cd getting-started
./mvnw quarkus:dev
应用启动后,你可以在浏览器中访问 http://localhost:8080 查看默认的欢迎页面。
2.4 创建 REST 端点
在 src/main/java/org/acme/GreetingResource.java 文件中,你可以创建一个新的 REST 端点:
package org.acme;
import jakarta.ws.rs.GET;
import jakarta.ws.rs.Path;
import jakarta.ws.rs.Produces;
import jakarta.ws.rs.core.MediaType;
@Path("/hello")
public class GreetingResource {
@GET
@Produces(MediaType.TEXT_PLAIN)
public String hello() {
return "Hello from Quarkus REST";
}
}
重启应用后,访问 http://localhost:8080/hello 将返回 "Hello from Quarkus REST"。
3. 应用案例和最佳实践
3.1 使用 MongoDB 进行数据存储
Quarkus 提供了与 MongoDB 的无缝集成。以下是一个简单的示例,展示如何使用 MongoDB 进行数据存储:
package org.acme;
import io.quarkus.mongodb.panache.PanacheMongoEntity;
import io.quarkus.mongodb.panache.common.MongoEntity;
@MongoEntity(collection = "myCollection")
public class MyEntity extends PanacheMongoEntity {
public String name;
public String description;
}
3.2 使用 GraalVM 构建原生可执行文件
Quarkus 支持使用 GraalVM 构建原生可执行文件,以进一步优化启动时间和内存占用。你可以通过以下命令构建原生可执行文件:
./mvnw package -Pnative
4. 典型生态项目
4.1 Eclipse Vert.x
Eclipse Vert.x 是一个用于构建响应式应用程序的工具包,Quarkus 通过集成 Vert.x 提供了强大的响应式编程能力。
4.2 Apache Camel
Apache Camel 是一个集成框架,Quarkus 通过集成 Camel 提供了强大的集成能力,帮助开发者快速构建复杂的集成场景。
4.3 Hibernate ORM
Hibernate ORM 是一个强大的对象关系映射工具,Quarkus 通过集成 Hibernate ORM 提供了强大的数据持久化能力。
通过以上步骤,你可以快速上手 Quarkus 并开始构建云原生应用。Quarkus 的强大生态系统和丰富的扩展使得它成为云原生 Java 开发的首选框架。
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