SST 开源项目安装与使用指南
2024-08-07 19:25:34作者:裘晴惠Vivianne
目录结构及介绍
在 SST 开源项目中, 典型的目录结构可能看起来像这样:
├── README.md # 项目说明文档
├── LICENSE # 许可证文件
├── .git # 版本控制相关配置如工作流、issues模板等
│ ├── workflows # 版本控制工作流配置
├── examples # 示例代码目录
│ └── hello-world # 最简单的示例应用
├── constructs # 构建器, 定义了 SST Stack 的核心组件
│ ├── api.js # API Gateway 构造块定义
│ ├── database.js # 数据库构造块定义
└── clients # 客户端代码
└── ts-client # TypeScript 客户端生成工具
README.md
项目的主要介绍性文档. 包含了如何安装、设置、运行的步骤以及项目的核心特性和使用案例.
.git/workflows
版本控制工作流配置目录. 这些 YAML 文件用来自动化构建、测试、部署流程。
examples/hello-world
一个简单的 SST 应用实例, 用于展示基本概念和功能.
constructs/api.js, constructs/database.js
这些文件描述了如何构建云资源, 使用 SST 框架, 通过编写函数来创建数据库或API网关服务.
clients/ts-client
提供了与 SST 构建的应用交互的类型安全客户端.
启动文件介绍
SST 没有单一的启动脚本. SST 是构建于 AWS 和其他云服务之上的应用框架. 因此,"启动"通常指的是部署应用到云端的过程。这可以通过运行以下命令实现:
sst deploy
在这个过程中,SST 将基于你的应用程序中的定义自动创建并部署所有必要的 AWS 资源.
对于本地开发环境设置和模拟云环境, 可以使用以下命令:
sst start-local
此外,在开发阶段调试特定的功能时, 可以使用以下命令进行局部的堆栈部署:
sst deploy <stack-name>
配置文件介绍
尽管 SST 不像传统程序那样有配置文件的概念,但它有一些重要的文件用于控制部署、环境变量和其他关键特性.
sst.json
这个 JSON 或 JS 文件是 SST 应用的核心配置点。它包含了整个应用的基本设置信息和默认值, 如 AWS Region、账号ID 等.
环境变量管理
项目可以依赖 .env 类型文件或特殊的 AWS 参数存储系统来处理环境变量。这些变量用于控制运行时行为, 例如数据库连接字符串或外部API密钥.
总结起来, 在 SST 中, 主要关注点是利用 CloudFormation 样式声明性配置去设计和构建云上应用和服务. 这种方式消除了传统的配置文件需求, 取而代之的是逻辑清晰且自述性强的 JavaScript 或 TypeScript 模块.
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
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
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1