.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。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0134AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选









