Apache OpenWhisk Runtime .NET 项目下载及安装教程
2024-12-03 09:15:46作者:何将鹤
1、项目介绍
Apache OpenWhisk Runtime .NET 是 Apache OpenWhisk 的一个运行时环境,它支持使用 .NET 语言编写的 OpenWhisk 函数。OpenWhisk 是一个开源的无服务器云平台,允许开发者运行代码以响应事件或通过 HTTP 请求触发。
2、项目下载位置
项目托管在 GitHub 上,你可以通过访问以下位置找到项目源代码:Apache OpenWhisk Runtime .NET (请手动前往GitHub搜索该项目)
3、项目安装环境配置
安装 Apache OpenWhisk Runtime .NET 之前,需要确保你的开发环境满足以下要求:
- .NET SDK (建议版本 6.0 或更新版本)
- Git
以下是环境配置的步骤和示例图片:
### 安装 .NET SDK
访问 .NET 官方网站下载并安装适合你操作系统的 .NET SDK。

### 安装 Git
从 Git 官方网站下载并安装 Git。

请注意,以上代码中的 image_of_dotnet_installation 和 image_of_git_installation 应该替换为实际的安装步骤截图。
4、项目安装方式
以下是从源代码安装 Apache OpenWhisk Runtime .NET 的步骤:
1. 克隆项目仓库到本地:
```sh
git clone https://github.com/apache/openwhisk-runtime-dotnet.git
-
切换到项目目录:
cd openwhisk-runtime-dotnet -
使用 Gradle 构建项目:
./gradlew build
## 5、项目处理脚本
根据官方文档,创建和发布一个简单的 .NET 函数的步骤如下:
```markdown
1. 创建一个新的 C# 类库项目:
```sh
dotnet new classlib -n ApacheOpenWhiskExampleDotnet
-
添加 Newtonsoft.Json NuGet 包:
dotnet add package Newtonsoft.Json --version 13.0.1 -
创建并编写你的函数代码(例如 Hello.cs):
using System; using Newtonsoft.Json.Linq; namespace ApacheOpenWhiskExampleDotnet { public class Hello { public JObject Main(JObject args) { string name = "stranger"; if (args.ContainsKey("name")) { name = args["name"].ToString(); } JObject message = new JObject(); message.Add("greeting", new JValue($"Hello {name}")); return message; } } } -
发布项目并创建压缩包:
dotnet publish -c Release -o out cd out zip -r -0 helloDotNet.zip * -
在 OpenWhisk 中创建动作:
wsk action update helloDotNet helloDotNet.zip --main ApacheOpenWhiskExampleDotnet::ApacheOpenWhiskExampleDotnet.Hello::Main --kind dotnet:6.0
这样,你就完成了 Apache OpenWhisk Runtime .NET 的下载、安装以及一个简单函数的部署。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
648
149
Ascend Extension for PyTorch
Python
210
221
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++
655
291
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
250
319
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
486
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.16 K
638
仓颉编程语言运行时与标准库。
Cangjie
136
874
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216