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。
kernelopenEuler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。C077
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0131
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