Apache ShenYu WASM 插件开发与使用指南
2024-08-07 12:23:14作者:咎岭娴Homer
1. 项目介绍
Apache ShenYu WASM 是一个基于 Java 的 WebAssembly (WASM) 运行时 SDK,允许开发者在 ShenYu 网关中集成和执行 WASM 模块,从而扩展网关的功能或实现特定的业务逻辑。该项目旨在提供一个高性能且轻量级的方式来增强 API 网关的能力。
2. 项目快速启动
步骤1:添加依赖
在你的 Maven 或 Gradle 项目中添加 shenyu-wasm-runtime 的依赖:
Maven
<dependency>
<groupId>org.apache.shenyu</groupId>
<artifactId>shenyu-wasm-runtime</artifactId>
<version>[$x.y.z]</version>
</dependency>
Gradle
compile "org.apache.shenyu:shenyu-wasm-runtime:[$x.y.z]"
步骤2:编写 WASM 代码
下面是一个 Rust 编写的简单示例(任何可编译到 WASM 的语言都可使用):
#[no_mangle]
pub extern fn sum(x: i32, y: i32) -> i32 {
x + y
}
步骤3:编译成 WASM 文件
将 Rust 代码编译为 .wasm 文件。
步骤4:在 Java 中运行 WASM
在 Java 类中加载并执行 WASM:
import org.apache.shenyu.wasm.api.WASMEngine;
import org.apache.shenyu.wasm.api.WASMModule;
public class Example {
public static void main(String[] args) throws Exception {
// 加载 WASM 文件
byte[] wasmBytes = Files.readAllBytes(Path.of("tests/resources/simple.wasm"));
// 创建 WASM 引擎实例
WASMEngine engine = new WASMEngine();
// 加载 WASM 模块
WASMModule module = engine.instantiate(wasmBytes);
// 调用 WASM 函数
int result = module.callExport("sum", 10, 20).getI32Value();
System.out.println("Sum: " + result); // 输出: Sum: 30
}
}
3. 应用案例和最佳实践
- 安全过滤:使用 WASM 实现自定义的安全策略,如 IP 黑名单检查。
- 性能监控:在网关层面,通过 WASM 监控请求响应时间,统计接口调用频率。
- 数据转换:动态修改请求或响应的数据结构,以满足不同的服务间交互需求。
- 日志记录:创建 WASM 模块来收集和发送详细的请求日志信息。
最佳实践:
- 尽可能使 WASM 模块保持小型和专注,便于管理和更新。
- 使用测试确保 WASM 代码的正确性和性能。
- 注意内存管理,避免在 WASM 中产生内存泄露。
4. 典型生态项目
ShenYu-WASM 可以与其他开源项目结合使用,如:
- Docker: 配合 Docker 容器化部署,方便 WASM 模块的打包和版本控制。
- Kubernetes: 利用 Kubernetes 的服务网格能力,集成 WASM 网关进行流量管理。
- Prometheus: 结合 Prometheus 监控 WASM 执行时的性能指标。
- Zipkin 或 Jaeger: 集成跟踪系统,通过 WASM 模块增强链路追踪。
了解更多详细信息,参考 Apache ShenYu 官方文档和源码仓库。祝你在使用 Apache ShenYu WASM 的过程中一切顺利!
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
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
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler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。
C
434
395
暂无简介
Dart
986
253