.NET 高性能 HTTP 客户端库 Oryx 的最佳实践
1. 项目介绍
Oryx 是一个高性能的 .NET 跨平台功能 HTTP 请求处理器库,使用 F# 语言编写。它旨在用于创建 HTTP 客户端以及编排 Web 请求。Oryx currently 被用于 .NET SDK 中,以便与 Cognite Data Fusion (CDF) 进行交互。它借鉴了 AsyncRx 和 Giraffe 框架的设计理念,将这些理念应用于客户端发起的 Web 请求处理。
2. 项目快速启动
在您的项目中使用 Oryx 非常简单。首先,您需要通过 NuGet 包管理器安装 Oryx 包。
使用 NuGet 包管理器控制台执行以下命令:
Install-Package Oryx
或者,如果您使用 .NET CLI,可以执行:
dotnet add package Oryx
接下来,您可以使用以下示例代码快速启动一个 HTTP 请求:
open System.Net.Http
open System.Text.Json
open FSharp.Control.Tasks.V2
open Oryx
open Oryx.SystemTextJson.ResponseReader
[<Literal>]
let Url = "https://en.wikipedia.org/w/api.php"
let options = JsonSerializerOptions()
let query term = [
struct ("action", "opensearch")
struct ("search", term)
]
let asyncMain argv = task {
use client = new HttpClient()
let request term =
httpRequest
|> GET
|> withHttpClient client
|> withUrl Url
|> withQuery (query term)
|> fetch
|> json options
let! result = request "F#"
printfn "Result: %A" result
}
[<EntryPoint>]
let main argv =
asyncMain argv
|> Async.AwaitTask
|> ignore
0 // 返回一个整数退出码
确保您已经正确处理了异步操作,并在适当的地方使用 await。
3. 应用案例和最佳实践
编写 HTTP 请求处理器
Oryx 的核心是 HttpContext 和 HttpHandler。HttpContext 包含了发起请求所需的所有状态,以及从远程服务器接收的任何响应元数据,如头部信息、响应代码等。
type Context = {
Request: HttpRequest
Response: HttpResponse
}
type IHttpNext<'TSource> = abstract member OnSuccessAsync: ctx: HttpContext * content: 'TSource -> Task<unit>
abstract member OnErrorAsync: ctx: HttpContext * error: exn -> Task<unit>
abstract member OnCancelAsync: ctx: HttpContext -> Task<unit>
type HttpHandler<'TSource> = IHttpNext<'TSource> -> Task<unit>
您可以组合不同的 HTTP 处理器来创建复杂的请求流程。例如,使用 withBearerToken 添加认证信息,或者使用 cache 来缓存请求结果。
处理 HTTP 响应
处理响应时,您可以使用如 parseAsync 方法将响应流异步解析为指定的类型:
let! result = request
|> parseAsync<MyResponseType> // 解析为自定义类型
确保您已经定义了相应的数据类型来匹配 JSON 响应的结构。
4. 典型生态项目
在 Oryx 生态中,您可以找到一些常用的 HTTP 处理器,如缓存、错误处理、并发请求等。这些处理器可以作为构建复杂 HTTP 客户端的基础模块。
例如,使用 concurrent 处理器可以并发运行多个 HTTP 请求:
let concurrentRequest =
httpRequest
|> concurrent [requestA; requestB; requestC]
|> withHttpClient client
在这里,requestA、requestB 和 requestC 是之前定义的 HTTP 请求处理器。
以上是使用 Oryx 的基础介绍和最佳实践。在实际项目中,您可以根据具体需求调整和组合不同的处理器,以实现高效的 HTTP 请求管理。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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