Ichor:C++微服务框架的新选择
项目介绍
Ichor,源自希腊神话中的“神之血”,是一款专为微服务设计的C++框架/中间件。它允许在多个微服务中复用服务和组件,极大地支持大型团队的开发流程。Ichor不仅支持多线程环境中的推理,还通过线程隔离减少了数据竞争的可能性。简而言之,Ichor提供了类似Node.js的事件循环、协程和依赖注入,但它是用C++实现的。
项目技术分析
Ichor借鉴了Rust的“无畏并发”概念,并引入了线程隔离机制。它通过定义C++类实例在特定线程上运行,并鼓励仅从该线程访问和修改内存,从而避免了原子操作和互斥锁的使用。此外,Ichor还提供了依赖注入功能,支持服务生命周期管理,确保在运行时依赖关系发生变化时,相关服务能够被自动清理。
项目及技术应用场景
Ichor适用于需要高性能、低延迟的微服务架构。其多线程管理和依赖注入机制特别适合大型团队协作开发,能够有效减少数据竞争和代码耦合。Ichor还支持多种操作系统(如Linux、Windows和部分OSX),并兼容多种编译器(如GCC、Clang和MSVC),适用于广泛的应用场景。
项目特点
- 线程隔离:通过定义线程运行环境,减少数据竞争,简化多线程编程。
- 依赖注入:支持服务生命周期管理,确保依赖关系在运行时动态变化时,服务能够自动清理。
- 高性能设计:充分利用C++20的特性,如协程和概念,提供高性能的事件循环和消息传递机制。
- 丰富的功能:除了核心功能外,Ichor还提供了多种可选服务,如WebSocket、HTTP/HTTPS、日志记录、TCP通信等。
- 跨平台支持:支持Linux、Windows和部分OSX,适用于多种开发环境。
快速开始
Ichor提供了多个示例项目,帮助开发者快速上手。例如,minimal example展示了如何启动事件循环、配置日志记录器并优雅地退出程序。realtime example则展示了如何在实时优先级下运行程序,并使用Ichor的优先级机制。
未来路线图
Ichor的开发团队正在积极推进多个新功能和改进,包括EDF调度、WCET测量、Pubsub接口、远程服务支持等。此外,Ichor还计划引入代码生成器,以减少样板代码的编写。
支持与贡献
Ichor是一个开源项目,欢迎开发者通过GitHub提交问题和拉取请求。开发者还可以通过Discord与项目维护者交流。商业咨询可以直接发送至michael@volt-software.nl。
常见问题
- 非自愿抢占调度器:Ichor默认使用互斥锁管理事件队列,因此不支持非自愿用户空间调度。
- 完全基于栈的内存分配:Ichor推荐使用mimalloc,以避免内存分配的性能问题。
- FreeRTOS、VxWorks Wind River、Baremetal支持:这些平台需要额外的实现和编译器支持,目前尚未完全支持。
许可证
Ichor采用MIT许可证,允许自由使用、修改和分发。
Ichor为C++开发者提供了一个强大且灵活的微服务框架,特别适合需要高性能和低延迟的应用场景。无论你是个人开发者还是大型团队,Ichor都能帮助你更高效地构建和管理微服务。立即尝试Ichor,体验C++微服务开发的全新方式!
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