Ohm 项目技术文档
2024-12-23 21:04:11作者:翟江哲Frasier
1. 安装指南
1.1 安装 Redis
首先,确保你已经安装了 Redis。在大多数平台上,安装 Redis 非常简单,只需下载源码并运行 make,然后将 redis-server 二进制文件放入你的 PATH 中。
1.2 安装 Ohm
如果你还没有安装 Ohm,可以通过以下命令进行安装:
$ [sudo] gem install ohm
或者,你可以从 GitHub 上获取代码:
$ git clone https://github.com/soveran/ohm.git
2. 项目的使用说明
2.1 连接到 Redis 数据库
Ohm 使用一个轻量级的 Redis 客户端 Redic 来连接 Redis 数据库。你可以通过 Ohm.redis= 方法设置连接,URL 格式为 redis://:<passwd>@<host>:<port>/<db>。例如:
require "ohm"
Ohm.redis = Redic.new("redis://127.0.0.1:6379")
Ohm.redis.call "SET", "Foo", "Bar"
Ohm.redis.call "GET", "Foo"
# => "Bar"
默认情况下,Ohm 会连接到 redis://127.0.0.1:6379。
2.2 创建和使用模型
Ohm 的核心功能是将对象映射到 Redis 数据库中。以下是一个简单的模型示例:
class Event < Ohm::Model
attribute :name
reference :venue, :Venue
set :participants, :Person
counter :votes
index :name
end
class Venue < Ohm::Model
attribute :name
collection :events, :Event
end
class Person < Ohm::Model
attribute :name
end
你可以通过以下方式与模型进行交互:
event = Event.create :name => "Ohm Worldwide Conference 2031"
event.id
# => 1
# 查找事件
event == Event[1]
# => true
# 更新事件
event.update :name => "Ohm Worldwide Conference 2032"
# => #<Event:0x007fb4c35e2458 @attributes={:name=>"Ohm Worldwide Conference"}, @_memo={}, @id="1">
# 查找不存在的对象
Event[2]
# => nil
# 查找所有事件
Event.all.to_a
# => [<Event:1 name='Ohm Worldwide Conference 2032'>]
3. 项目API使用文档
3.1 属性类型
Ohm 提供了以下几种属性类型:
Ohm::Model.attribute:用于存储字符串类型的值。Ohm::Model.set:用于存储无序集合,适合快速查找成员。Ohm::Model.list:用于存储有序列表,适合队列和保持元素顺序。Ohm::Model.counter:用于存储计数器,支持原子操作。Ohm::Model.reference:用于引用另一个模型。Ohm::Model.collection:用于查找所有引用当前模型的对象。
3.2 跟踪键
你可以指示 Ohm 跟踪任意键,并将其与对象的生命周期绑定。例如:
class Log < Ohm::Model
track :text
def append(msg)
redis.call("APPEND", key[:text], msg)
end
def tail(n = 100)
redis.call("GETRANGE", key[:text], -(n), -1)
end
end
3.3 持久化策略
attribute 类型的属性只有在调用 save 方法后才会持久化。list、set 和 counter 类型的属性操作会立即执行。
4. 项目安装方式
4.1 通过 RubyGems 安装
最简单的安装方式是通过 RubyGems:
$ [sudo] gem install ohm
4.2 从 GitHub 安装
你也可以从 GitHub 上克隆项目并手动安装:
$ git clone https://github.com/soveran/ohm.git
$ cd ohm
$ gem build ohm.gemspec
$ [sudo] gem install ohm-<version>.gem
通过以上步骤,你就可以成功安装并使用 Ohm 项目了。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
315
2.74 K
deepin linux kernel
C
24
7
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++
639
246
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
Ascend Extension for PyTorch
Python
155
178
暂无简介
Dart
606
136
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
240
85
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
364
3.02 K
React Native鸿蒙化仓库
JavaScript
238
310