django-pubsub 技术文档
1. 安装指南
在开始使用django-pubsub之前,请确保您的环境满足以下要求:
- 一个支持pubsub的XMPP服务器(已测试ejabberd)
- 一个BOSH传输到XMPP(已测试nginx和ejabberd)
- xmpppy库
- Strophe.js及其pubsub插件
安装步骤如下:
-
安装必要的依赖库:
pip install django-pubsub xmpppy -
在你的项目settings.py文件中添加
django-pubsub应用。 -
确保XMPP服务器和BOSH传输已正确安装和配置。
-
将Strophe.js和pubsub插件添加到你的静态文件目录。
2. 项目的使用说明
django-pubsub允许你为你的模型创建类似Twitter的实时更新。
发布(Publish)
如果你的应用中有一个Tweet模型,并且你希望它的更新能够实时推送,你只需要做以下操作:
from pubsub import pubsub
pubsub.register(Tweet)
你可以通过传递一个模型列表来注册多个模型。每个注册的模型都会成为一个Publisher Node,并且在创建新的实例时会通知所有订阅者。创建的node名称是基于应用名和模型名组成的。例如,如果你的应用名为Twitter,那么Tweet模型的node将会是/Twitter/Tweet。通知中携带的payload包含了实例序列化后的XML。
你也可以在任何视图中发布事件到任何node:
from pubsub import publish
publish("/home", "Hello World")
订阅(Subscribe)
使用strophe.js编写的XMPP客户端将会监听Publisher并接收事件。应用中包含了在media/js中的客户端。
要在你的模板中使用客户端,需要包含以下脚本:
<script type="text/javascript" src="{{ MEDIA_URL }}/js/jquery-1.4.2.min.js"></script>
<script type="text/javascript" src="{{ MEDIA_URL }}/js/strophe.js"></script>
<script type="text/javascript" src="{{ MEDIA_URL }}/js/strophe.pubsub.js"></script>
<script type="text/javascript" src="{{ MEDIA_URL }}/js/pubsub.settings.js"></script>
<script type="text/javascript" src="{{ MEDIA_URL }}/js/pubsub.client.js"></script>
然后调用客户端:
pubsub = new PubSubClient({
'nick': '<unique_nick>',
'node': '<node>',
'event_cb': <callback to receive the events>
});
如果你需要一个授权用户登录,可以传递username和password代替nick。
一个简单的事件回调函数如下:
function event_cb(entry, pubsub) {
console.log("payload: ", $(entry).text());
console.log("unread: ", pubsub.unread);
}
回调函数event_cb接收新的更新。entry包含了发布者发送的payload,被包裹在<entry>标签中。pubsub是PubSubClient的实例。
此外,你还可以访问pubsub.unread,它表示当窗口失去焦点时的未读消息数,以及pubsub.focus,它表示窗口是否处于活动状态。
3. 项目API使用文档
django-pubsub提供的API主要围绕发布和订阅事件。以下是一些核心API的使用方法:
pubsub.register(model): 注册一个Django模型,使其成为一个发布节点。pubsub.unregister(model): 取消注册一个模型的发布节点。publish(node, payload): 向指定的节点发布一个事件。
4. 项目安装方式
项目的安装方式已在“安装指南”一节中详细说明。简而言之,您需要通过pip安装django-pubsub和xmpppy库,并在您的Django项目中正确配置。同时,确保您的XMPP服务器支持pubsub,并且BOSH传输已正确配置。最后,将必要的JavaScript文件包含到您的模板中,以便前端能够订阅和接收事件。
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
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
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
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01