Qusion 技术文档
2024-12-23 05:46:02作者:胡易黎Nicole
1. 安装指南
在开始使用 Qusion 前,您需要安装以下依赖:
- Erlang
- RabbitMQ
- AMQP Ruby 库
安装 Erlang 和 RabbitMQ 请参考相应的官方文档。以下是安装 AMQP Ruby 库的命令:
(sudo) gem install amqp
然后,您可以通过以下命令将 Qusion 作为插件安装到您的项目中:
script/plugin install git://github.com/danielsdeleo/qusion.git
2. 项目的使用说明
在 config/environment.rb 文件中,添加以下代码以配置 EventMachine 和 AMQP:
config.gem "eventmachine"
config.gem "amqp"
config.after_initialize do
Qusion.start # 如果使用 config/amqp.yml 或默认设置,无需提供任何选项
end
现在,您可以在控制器或模型中像平常一样使用 AMQP 功能。例如:
MQ.new.queue("my-work-queue").publish("do work, son!")
这将正常工作。
3. 项目API使用文档
Qusion 提供了一个通道池功能,以避免频繁创建新的 AMQP 通道。使用 Qusion.channel 替代 MQ.new。以下是一些使用示例:
# 创建队列:
Qusion.channel.queue("my-worker-queue")
# 主题:
Qusion.channel.topic("my-topic-exchange")
# 等。
默认的通道池大小是 5,您可以通过以下方式在 environment.rb 中修改它:
Qusion.channel_pool_size(3)
4. 项目安装方式
除了通过 Git 插件安装外,您还可以将 Qusion 作为依赖添加到您的项目 Gemfile 中,然后执行 bundle install:
gem 'qusion', git: 'https://github.com/danielsdeleo/qusion.git'
Qusion 支持使用 YAML 配置文件来配置 AMQP 服务器详细信息。如果使用 Rails 或 Merb,可以在 config/amqp.yml 中设置开发、测试和生产环境的配置。以下是配置示例:
# config/amqp.yml
development:
host: localhost
port: 5672
user: guest
pass: guest
vhost: /
timeout: 3600
logging: false
ssl: false
test:
host: localhost
port: 5672
...
production:
host: localhost
port: 5672
...
如果使用其他框架,如 Sinatra 或 Ramaze,可以指定配置文件路径:
Qusion.start("/path/to/amqp.yml")
如果不提供配置文件,Qusion 会使用默认选项。此外,您也可以直接传递选项给 Qusion.start() 方法:
Qusion.start(:host => "my-amqp-broker.mydomain.com", :user => "me", :pass => "am_I_really_putting_this_in_VCS?")
以上就是关于 Qusion 的技术文档,希望对您有所帮助。如果您在使用过程中遇到任何问题或需要添加新功能,请随时在 GitHub 上进行反馈。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.76 K
Ascend Extension for PyTorch
Python
348
413
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++
889
609
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
338
185
暂无简介
Dart
778
193
deepin linux kernel
C
27
11
🎉 (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
1.34 K
758
React Native鸿蒙化仓库
JavaScript
303
357
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896