JRuby-Rack 技术文档
1. 安装指南
安装 Warbler
使用 Warbler 是最简单的将 JRuby-Rack 与 Java 服务器一起使用的方法。Warbler 依赖于最新版本的 JRuby-Rack,并确保在构建 WAR 文件时将其包含在内。
手动安装
如果使用其他方式手动构建 WAR 文件,可以安装 jruby-rack gem。它提供了一个方法来定位 jar 文件:
require 'jruby-rack'
FileUtils.cp JRubyJars.jruby_rack_jar_path, '.'
否则,需要下载最新的 jar 发行版,将其放入 WEB-INF/lib 目录中,并在应用程序的 web.xml 中配置 RackFilter(见以下示例)。
使用基于 JRuby-Rack 的服务器
也可以使用基于 JRuby-Rack 的服务器,例如 Trinidad,它具有默认设置,无需配置部署描述符。
2. 项目使用说明
Rails 项目配置
以下是 Rails 项目 web.xml 配置的示例。请注意环境和运行时参数。对于 多线程(即 threadsafe!)Rails,如果使用单个运行时,将 min/max 都设置为 1。否则,根据需要定义运行时池的大小。
<context-param>
<param-name>rails.env</param-name>
<param-value>production</param-value>
</context-param>
<context-param>
<param-name>jruby.min.runtimes</param-name>
<param-value>1</param-value>
</context-param>
<context-param>
<param-name>jruby.max.runtimes</param-name>
<param-value>1</param-value>
</context-param>
<filter>
<filter-name>RackFilter</filter-name>
<filter-class>org.jruby.rack.RackFilter</filter-class>
<!-- 可选的过滤器配置初始化参数 -->
<init-param>
<param-name>resetUnhandledResponse</param-name>
<param-value>true</param-value>
</init-param>
<init-param>
<param-name>addsHtmlToPathInfo</param-name>
<param-value>true</param-value>
</init-param>
<init-param>
<param-name>verifiesHtmlResource</param-name>
<param-value>false</param-value>
</init-param>
</filter>
<filter-mapping>
<filter-name>RackFilter</filter-name>
<url-pattern>/*</url-pattern>
</filter-mapping>
<listener>
<listener-class>org.jruby.rack.rails.RailsServletContextListener</listener-class>
</listener>
其他 Rack 应用程序配置
使用非 Rails Rack 应用程序的主要区别是 JRuby-Rack 在 WEB-INF/config.ru 或 WEB-INF/*/config.ru 中查找名为 config.ru 的 "rackup" 文件。以下是一个 web.xml 配置示例:
<filter>
<filter-name>RackFilter</filter-name>
<filter-class>org.jruby.rack.RackFilter</filter-class>
<!-- 可选的过滤器配置初始化参数(见上文) -->
</filter>
<filter-mapping>
<filter-name>RackFilter</filter-name>
<url-pattern>/*</url-pattern>
</filter-mapping>
<listener>
<listener-class>org.jruby.rack.RackServletContextListener</listener-class>
</listener>
如果您的应用程序中没有 config.ru 文件或不想在 Web 应用程序中包含它,可以直接在 web.xml 中嵌入它(以下示例使用 Sinatra):
<context-param>
<param-name>rackup</param-name>
<param-value>
require 'rubygems'
gem 'sinatra', '~> 1.3'
require './lib/app'
set :run, false
set :environment, :production
run Sinatra::Application
</param-value>
</context-param>
确保对 XML 转义角括号!
3. 项目 API 使用文档
JRuby-Rack 的主要操作模式是作为过滤器。这允许静态内容请求通过并由应用程序服务器服务。动态请求仅发生在没有相应文件的 URL 上,与许多 Ruby/Rack 应用程序的期望相似。推荐的默认过滤器是 org.jruby.rack.RackFilter,该过滤器支持以下可选初始化参数:
responseNotHandledStatuses:哪些状态(当过滤器链返回时)应被视为未处理的响应(默认值:"403,404,405"),应作为 Rack 应用程序分发。resetUnhandledResponse:未处理的响应是否重置(接受值 "true"、"false" 和 "buffer" 仅重置缓冲区),默认为 "true"。addsHtmlToPathInfo:控制是否在检查请求是否为静态页面时将 .html 后缀添加到 URI。verifiesHtmlResource:与上一个参数一起使用,确保请求的静态资源存在,然后再添加 .html 请求 URI 后缀。
应用程序还可以配置为通过 servlet 而不是过滤器进行分发,servlet 类名为 org.jruby.rack.RackServlet。
4. 项目安装方式
请按照以下步骤安装 JRuby-Rack:
- 使用 Warbler 进行一键安装。
- 手动安装 jruby-rack gem 并将 jar 文件复制到项目的
WEB-INF/lib目录中。 - 使用基于 JRuby-Rack 的服务器,如 Trinidad,无需配置部署描述符。
请遵循上述指南以确保正确安装和使用 JRuby-Rack。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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