Temporal 项目教程
1. 项目介绍
Temporal 是一个持久化执行平台,旨在帮助开发者构建可扩展的应用程序,同时不牺牲生产力或可靠性。Temporal 服务器执行称为“工作流”的应用逻辑单元,并以一种能够自动处理间歇性故障和重试失败操作的方式进行。Temporal 是一个成熟的技术,起源于 Uber 的 Cadence 项目,由 Temporal Technologies 开发,该公司由 Cadence 的创建者创立。
2. 项目快速启动
2.1 安装 Temporal 服务器
首先,使用 Homebrew 安装 Temporal CLI:
brew install temporal
2.2 启动 Temporal 服务器
使用以下命令启动 Temporal 服务器及其所有依赖项:
temporal server start-dev
2.3 运行示例
克隆或下载 Go 或 Java 的示例项目,并使用本地 Temporal 服务器运行它们。以下是 Go 示例的运行命令:
git clone https://github.com/temporalio/samples-go.git
cd samples-go
go run .
2.4 使用 Temporal CLI
使用 Temporal CLI 与运行的 Temporal 服务器进行交互:
temporal operator namespace list
temporal workflow list
2.5 使用 Temporal Web UI
通过打开 http://localhost:8233 访问 Temporal Web UI,查看在 Temporal 上执行的示例工作流。
3. 应用案例和最佳实践
3.1 应用案例
Temporal 适用于需要高可靠性和可扩展性的应用场景,如:
- 微服务编排:Temporal 可以用于编排多个微服务,确保每个服务按顺序执行并处理失败。
- 定时任务:Temporal 可以管理定时任务,确保任务在指定时间执行,并在失败时自动重试。
- 复杂业务流程:对于需要多个步骤和条件判断的业务流程,Temporal 提供了强大的工作流管理能力。
3.2 最佳实践
- 定义清晰的工作流:在设计工作流时,确保每个步骤都有明确的输入和输出,并考虑可能的失败情况。
- 使用重试策略:为每个活动设置合适的重试策略,以应对间歇性故障。
- 监控和日志:使用 Temporal Web UI 和日志系统监控工作流的执行情况,及时发现和解决问题。
4. 典型生态项目
4.1 Temporal Web UI
Temporal Web UI 是一个用于监控和管理 Temporal 工作流的 Web 界面,提供了直观的视图来查看工作流的执行状态和历史记录。
4.2 Temporal CLI
Temporal CLI 是一个命令行工具,用于与 Temporal 服务器进行交互,支持创建命名空间、列出工作流、启动和终止工作流等操作。
4.3 Temporal SDK
Temporal SDK 提供了用于开发 Temporal 工作流的客户端库,支持多种编程语言,如 Go、Java 等。开发者可以使用 SDK 定义工作流、活动和工作者。
4.4 Temporal 社区
Temporal 拥有一个活跃的社区,开发者可以在社区论坛和 Slack 上交流经验、提出问题和分享最佳实践。
通过本教程,您应该能够快速启动 Temporal 项目,并了解其在实际应用中的使用方法和最佳实践。
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