NanoSDK 使用教程
项目介绍
NanoSDK 是一个高性能且高度可移植的 MQTT 5.0 客户端 SDK,支持 QUIC 协议,基于 NNG 框架实现。该项目由 EMQ 和 NNG 联合开发,旨在为用户提供一个能够创建高吞吐量客户端应用程序的工具。NanoSDK 不仅支持 MQTT 协议,还支持 WebSocket、nanomsg/SP 等多协议,适用于各种物联网解决方案。
项目快速启动
环境准备
在开始之前,请确保您的系统已经安装了以下工具:
- Git
- CMake
- Ninja
克隆项目
首先,克隆 NanoSDK 项目到本地:
git clone https://github.com/emqx/NanoSDK.git
cd NanoSDK
初始化子模块
NanoSDK 依赖于一些子模块,需要初始化并更新这些子模块:
git submodule update --init --recursive
构建项目
使用 CMake 和 Ninja 构建项目:
mkdir build && cd build
cmake -G Ninja ..
ninja
运行示例
构建完成后,您可以运行一些示例程序来验证安装是否成功。例如,运行一个简单的 MQTT 客户端示例:
./nng/demo/mqtt-simple
应用案例和最佳实践
物联网设备通信
NanoSDK 非常适合用于物联网设备之间的通信。通过使用 MQTT 协议,设备可以高效地发布和订阅消息,实现设备间的数据交换。
实时数据传输
在需要实时数据传输的场景中,NanoSDK 的高吞吐量和低延迟特性使其成为理想的选择。例如,在工业自动化系统中,设备可以使用 NanoSDK 实时传输传感器数据。
多协议支持
NanoSDK 不仅支持 MQTT,还支持 QUIC 和 WebSocket 等协议。这使得它在需要多种通信协议的复杂系统中表现出色。
典型生态项目
EMQX
EMQX 是一个开源的 MQTT 消息服务器,与 NanoSDK 配合使用可以构建强大的物联网消息系统。EMQX 提供了高并发、高可用的消息服务,而 NanoSDK 则为客户端提供了高效的消息传输能力。
NanoMQ
NanoMQ 是 EMQ 旗下的另一个开源项目,专注于 MQTT 消息代理。NanoMQ 与 NanoSDK 结合使用,可以构建完整的 MQTT 消息解决方案,适用于各种物联网应用场景。
通过以上步骤,您可以快速上手并使用 NanoSDK 进行开发。希望这篇教程能帮助您更好地理解和使用 NanoSDK。
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-1.5暂无简介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