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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00