Apache OpenWhisk Runtime .NET 项目下载及安装教程
2024-12-03 01:39:02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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。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
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
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.76 K
Ascend Extension for PyTorch
Python
348
413
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++
889
609
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
338
185
暂无简介
Dart
778
193
deepin linux kernel
C
27
11
🎉 (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
1.34 K
758
React Native鸿蒙化仓库
JavaScript
303
357
openJiuwen 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
TSX
986
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896