Apache Mnemonic 技术文档
2024-12-23 02:49:47作者:幸俭卉
1. 安装指南
环境要求
- Java 8 或更高版本
- Maven 3.x
- 支持非易失性内存的硬件环境
安装步骤
- 克隆项目仓库:
git clone https://github.com/apache/mnemonic.git - 进入项目目录:
cd mnemonic - 使用 Maven 构建项目:
mvn clean install - 构建完成后,生成的库文件将位于
target目录下。
2. 项目的使用说明
概述
Apache Mnemonic 是一个面向非易失性混合内存存储的库,提供了非易失性/持久化的 Java 对象模型和持久化计算服务。它能够显著提升大规模实时数据处理/分析的性能,开发者可以使用该库设计高性能的无缓存和无序列化(SerDe)的应用程序。
主要特性
- 本地非易失性内存中的就地数据存储
- 持久化对象模型 (DOM)
- 持久化本地计算模型 (DNCM)
- 对象图的延迟加载与共享
- 自动回收内存资源和 Mnemonic 对象
- 分层缓存池,用于大规模数据缓存
- 可扩展的内存服务,支持新设备的采用和分配优化
- 持久化数据结构集合 (WIP)
- 持久化计算服务
- 最小化堆内存占用
- 减少 GC 开销
- 支持 Hadoop MapReduce 和 Spark 的即插即用
使用示例
以下是一个简单的使用示例,展示了如何创建一个持久化对象并进行存储:
import org.apache.mnemonic.DurableObject;
import org.apache.mnemonic.DurableObjectService;
public class MnemonicExample {
public static void main(String[] args) {
DurableObjectService service = new DurableObjectService();
DurableObject obj = service.createDurableObject();
// 设置对象属性
obj.setProperty("key", "value");
// 持久化对象
obj.persist();
// 关闭服务
service.close();
}
}
3. 项目API使用文档
DurableObjectService API
DurableObjectService():创建一个新的持久化对象服务实例。createDurableObject():创建一个新的持久化对象。close():关闭持久化对象服务。
DurableObject API
setProperty(String key, Object value):设置持久化对象的属性。getProperty(String key):获取持久化对象的属性。persist():将对象持久化到非易失性内存中。load():从非易失性内存中加载对象。
4. 项目安装方式
通过 Maven 安装
在项目的 pom.xml 文件中添加以下依赖:
<dependency>
<groupId>org.apache.mnemonic</groupId>
<artifactId>mnemonic-core</artifactId>
<version>1.0.0</version>
</dependency>
然后运行 mvn install 进行安装。
通过源码安装
按照 安装指南 中的步骤,从源码构建并安装项目。
通过以上步骤,您可以成功安装并使用 Apache Mnemonic 项目,享受其带来的高性能和持久化计算服务。
登录后查看全文
热门项目推荐
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
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
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
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
364
3.02 K