Proxy-Wasm Rust SDK 使用教程
2024-09-27 08:06:43作者:卓艾滢Kingsley
1. 项目的目录结构及介绍
proxy-wasm-rust-sdk/
├── examples/
│ ├── hello_world/
│ ├── http_auth_random/
│ ├── http_headers/
│ ├── http_response_body/
│ ├── http_configuration/
│ └── grpc_auth_random/
├── src/
│ ├── lib.rs
│ ├── context.rs
│ ├── dispatcher.rs
│ ├── imports.rs
│ ├── exports.rs
│ └── utils.rs
├── bazel/
│ ├── cargo/
│ └── BUILD
├── github/
│ └── workflows/
├── .bazelrc
├── .bazelversion
├── .gitignore
├── BUILD
├── CHANGELOG.md
├── CODEOWNERS
├── CONTRIBUTING.md
├── Cargo.toml
├── LICENSE
├── README.md
└── WORKSPACE
目录结构介绍
-
examples/: 包含多个示例项目,展示了如何使用 Proxy-Wasm Rust SDK 编写不同的代理插件。
hello_world/: 最简单的示例,展示了如何编写一个基本的 Wasm 插件。http_auth_random/: 展示如何实现一个随机认证的 HTTP 插件。http_headers/: 展示如何操作 HTTP 请求和响应头。http_response_body/: 展示如何操作 HTTP 响应体。http_configuration/: 展示如何处理配置文件。grpc_auth_random/: 展示如何实现一个随机认证的 gRPC 插件。
-
src/: 包含 SDK 的核心代码。
lib.rs: 主库文件,定义了 SDK 的主要功能。context.rs: 定义了上下文相关的结构和方法。dispatcher.rs: 定义了调度器相关的结构和方法。imports.rs: 定义了导入的函数和常量。exports.rs: 定义了导出的函数和常量。utils.rs: 包含一些实用工具函数。
-
bazel/: 包含 Bazel 构建系统的相关文件。
cargo/: 包含与 Cargo 相关的 Bazel 规则。BUILD: Bazel 构建文件。
-
github/: 包含 GitHub Actions 的工作流配置文件。
workflows/: 包含 CI/CD 的工作流配置。
-
其他文件:
.bazelrc: Bazel 配置文件。.bazelversion: 指定 Bazel 的版本。.gitignore: Git 忽略文件配置。BUILD: Bazel 构建文件。CHANGELOG.md: 项目变更日志。CODEOWNERS: 代码所有者配置。CONTRIBUTING.md: 贡献指南。Cargo.toml: Rust 项目的依赖和元数据配置。LICENSE: 项目许可证。README.md: 项目介绍和使用说明。WORKSPACE: Bazel 工作区文件。
2. 项目的启动文件介绍
项目的启动文件主要是 src/lib.rs,它是整个 SDK 的核心入口文件。在这个文件中,定义了 SDK 的主要功能和结构。开发者可以通过这个文件了解 SDK 的基本架构和主要功能模块。
3. 项目的配置文件介绍
项目的配置文件主要包括以下几个:
-
Cargo.toml: Rust 项目的依赖和元数据配置文件。开发者可以通过这个文件了解项目的依赖库、版本信息、作者信息等。
-
.bazelrc: Bazel 配置文件,定义了 Bazel 构建系统的配置选项。
-
.bazelversion: 指定 Bazel 的版本,确保构建环境的一致性。
-
WORKSPACE: Bazel 工作区文件,定义了项目的工作区配置和依赖。
这些配置文件共同确保了项目的构建和运行环境的一致性和可重复性。
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
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
481
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
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++
649
270
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
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211