TBMQ 开源项目教程
1. 项目的目录结构及介绍
TBMQ 项目的目录结构如下:
tbmq/
├── application/
│ ├── common/
│ ├── dao/
│ ├── docker/
│ ├── img/
│ ├── k8s/
│ ├── msa/
│ ├── packaging/
│ │ └── java/
│ └── ui-ngx/
├── .gitignore
├── LICENSE
├── README.md
├── license-header-template.txt
├── pom.xml
├── pull_request_template.md
└── security.md
目录结构介绍
-
application/: 包含项目的核心代码和模块。
- common/: 公共代码库,包含项目中通用的工具类和函数。
- dao/: 数据访问对象(DAO)层,负责与数据库交互。
- docker/: Docker 相关文件,用于容器化部署。
- img/: 项目中使用的图片资源。
- k8s/: Kubernetes 相关配置文件,用于 Kubernetes 部署。
- msa/: 微服务架构相关代码。
- packaging/: 打包相关文件,包含 Java 打包配置。
- ui-ngx/: 前端代码,使用 Angular 框架。
-
.gitignore: Git 忽略文件,指定哪些文件或目录不需要被 Git 管理。
-
LICENSE: 项目许可证文件,采用 Apache 2.0 许可证。
-
README.md: 项目介绍文件,包含项目的基本信息和使用说明。
-
license-header-template.txt: 许可证头模板文件,用于代码文件的许可证声明。
-
pom.xml: Maven 项目配置文件,定义项目的依赖和构建配置。
-
pull_request_template.md: Pull Request 模板文件,用于规范代码提交。
-
security.md: 安全相关文档,包含项目的安全策略和注意事项。
2. 项目的启动文件介绍
TBMQ 项目的启动文件主要位于 application/ 目录下。以下是主要的启动文件及其功能介绍:
-
application/Application.java: 这是项目的入口文件,负责启动整个应用程序。它包含了主类的定义和初始化代码。
-
application/config/ApplicationConfig.java: 应用程序的配置文件,定义了各种配置项,如数据库连接、日志配置等。
-
application/server/Server.java: 服务器启动文件,负责启动 MQTT 服务器并监听客户端连接。
3. 项目的配置文件介绍
TBMQ 项目的配置文件主要位于 application/config/ 目录下。以下是主要的配置文件及其功能介绍:
-
application.properties: 这是项目的主要配置文件,包含了各种配置项,如数据库连接信息、服务器端口、日志级别等。
-
logback.xml: 日志配置文件,定义了日志的输出格式、级别和存储位置。
-
docker-compose.yml: Docker 配置文件,定义了 Docker 容器的启动配置,包括服务依赖、网络配置等。
-
kubernetes.yaml: Kubernetes 配置文件,定义了 Kubernetes 部署的相关配置,如 Pod 配置、服务配置等。
通过以上配置文件,用户可以根据自己的需求对 TBMQ 项目进行定制化配置,以满足不同的应用场景。
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-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