Oink 项目技术文档
1. 安装指南
首先,将 Oink 添加到您的 Gemfile 中:
gem "oink"
然后执行以下命令来安装依赖项:
bundle install
在大多数 Rails 环境中,这样做就足够了,Oink 将通过 bundler 被自动加载。如果没有,请在您的应用程序中添加一个 require 'oink' 的语句。
2. 项目使用说明
Oink 是一个 Rails 插件和日志分析器,用于帮助缩小 Rails 应用程序中内存使用增加的源。
作为中间件,Oink 在应用程序运行时添加内存和 Active Record 实例化信息到 Rails 日志中,并提供一个可执行文件来帮助分析增强的日志。
配置中间件
推荐使用 initializer 来配置 Oink 中间件:
Rails.application.middleware.use Oink::Middleware
默认情况下,Oink 中间件会将日志条目写入应用程序根目录下的 log/oink.log 文件。您也可以通过传递一个可选的日志实例来初始化它,使 Oink 日志条目写入应用程序的默认日志文件:
Rails.application.middleware.use( Oink::Middleware, :logger => Rails.logger )
您可以配置 Oink 来记录内存和 Active Record 使用情况。使用 :instruments 选项来指定:
-
仅内存使用情况:
Rails.application.middleware.use( Oink::Middleware, :instruments => :memory ) -
仅 Active Record 实例化计数:
Rails.application.middleware.use( Oink::Middleware, :instruments => :activerecord )
请注意,之前配置 Oink 的方式,即将一组模块包含到 Rails 控制器中,已经被弃用。
3. 项目 API 使用文档
使用 Oink 可执行文件分析日志文件。以下是命令行选项:
Usage: oink [options] files
-t, --threshold [INTEGER] 内存阈值为 MB
-f, --file filepath 输出到文件
--format FORMAT 选择格式 (ss,v,s,verbose,short-summary,summary)
-m, --memory 检查内存阈值(默认)
-r, --active-record 检查 Active Record 阈值
Oink 查找超过给定阈值的请求。在 "memory" 模式下(默认),阈值代表从前一个请求开始的内存增加量。在 "active record" 模式下(通过传递 --active-record 开关激活),阈值代表一个请求期间实例化的 Active Record 对象数量。
例如,要查找所有增加堆大小超过 75 MB 的操作,假设日志文件位于 /tmp/logs/:
$ oink --threshold=75 /tmp/logs/*
4. 项目安装方式
请参考上述 "安装指南" 部分。
本文档提供了 Oink 项目的安装、配置和使用方法。如需进一步的帮助,请参考项目 GitHub 仓库和 Wiki。
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