Koanf 项目使用教程
2024-08-27 10:56:41作者:裘旻烁
项目介绍
Koanf(发音为 "conf",灵感来自日语的 "Koan")是一个用于在 Go 应用程序中从不同来源以不同格式读取配置的库。它是一个更干净、更轻量级的替代方案,相比于 spf13/viper,具有更好的抽象和扩展性以及更少的依赖。Koanf 内置支持从文件、命令行标志和环境变量中读取配置,并可以解析 JSON、YAML、TOML 和 Hashicorp HCL 格式。
项目快速启动
安装 Koanf
首先,你需要安装 Koanf 库。你可以通过以下命令进行安装:
go get -u github.com/knadh/koanf/v2
加载配置文件
以下是一个简单的示例,展示如何从 JSON 文件中加载配置:
package main
import (
"fmt"
"log"
"github.com/knadh/koanf/v2"
"github.com/knadh/koanf/parsers/json"
"github.com/knadh/koanf/providers/file"
)
// 全局 koanf 实例。使用空格作为键路径分隔符。
var k = koanf.New(".")
func main() {
// 加载 JSON 配置
if err := k.Load(file.Provider("config.json"), json.Parser()); err != nil {
log.Fatalf("error loading config: %v", err)
}
// 读取配置值
fmt.Println("Server port is", k.Int("server.port"))
}
配置文件示例
假设你有一个名为 config.json 的配置文件,内容如下:
{
"server": {
"port": 8080
}
}
应用案例和最佳实践
从环境变量中读取配置
Koanf 支持从环境变量中读取配置。以下是一个示例:
package main
import (
"fmt"
"log"
"github.com/knadh/koanf/v2"
"github.com/knadh/koanf/providers/env"
)
var k = koanf.New(".")
func main() {
// 加载环境变量配置
if err := k.Load(env.Provider("APP_", ".", func(s string) string {
return strings.Replace(strings.ToLower(strings.TrimPrefix(s, "APP_")), "_", ".", -1)
}), nil); err != nil {
log.Fatalf("error loading config: %v", err)
}
// 读取配置值
fmt.Println("Server port is", k.Int("server.port"))
}
从命令行标志中读取配置
Koanf 也支持从命令行标志中读取配置。以下是一个示例:
package main
import (
"fmt"
"log"
"github.com/knadh/koanf/v2"
"github.com/knadh/koanf/providers/posflag"
flag "github.com/spf13/pflag"
)
var k = koanf.New(".")
func main() {
f := flag.NewFlagSet("config", flag.ContinueOnError)
f.Int("server.port", 8080, "Server port")
if err := f.Parse([]string{"--server.port", "8081"}); err != nil {
log.Fatalf("error parsing flags: %v", err)
}
if err := k.Load(posflag.Provider(f, ".", k), nil); err != nil {
log.Fatalf("error loading config: %v", err)
}
fmt.Println("Server port is", k.Int("server.port"))
}
典型生态项目
Koanf 可以与其他 Go 生态系统项目集成,例如:
- AWS Secrets Manager 和 Parameter Store 提供者:Koanf 提供了与 AWS Secrets Manager 和 Parameter Store 集成的提供者,可以从这些服务
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
246
2.44 K
deepin linux kernel
C
24
6
仓颉编译器源码及 cjdb 调试工具。
C++
116
89
React Native鸿蒙化仓库
JavaScript
216
297
仓颉编程语言测试用例。
Cangjie
34
79
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
355
1.69 K
暂无简介
Dart
545
119
🎉 (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
1.01 K
595
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
1.02 K
407
Ascend Extension for PyTorch
Python
84
118