Thumper 技术文档
2024-12-20 20:35:14作者:伍霜盼Ellen
1. 安装指南
Thumper 是一个 PHP 库,旨在抽象 RabbitMQ 上可以实现的几种消息模式。要安装 Thumper,您可以使用 Composer。以下是安装步骤:
$ composer require php-amqplib/thumper
确保您的环境中已经安装了 Composer。
2. 项目的使用说明
Thumper 提供了多种消息模式的实现,包括 RPC、并行处理、简单的队列服务器和发布/订阅。在项目的 _examples_ 文件夹中,您可以看到如何实现这些模式的示例。
所有示例都假定 RabbitMQ 正在运行,并且已经使用 RabbitMQ 2.1.1 版本进行了测试。
- 队列服务器(Queue Server): 这个示例展示了如何创建一个生产者,它将发布作业到队列中,这些作业稍后会被消费者(或多个消费者)处理。
- RPC: 此示例展示了如何在 RabbitMQ 上实现 RPC。有一个 RPC 客户端发送请求到一个服务器,该服务器返回提供字符串的字符数。服务器代码位于
_parallel_processing文件夹中。 - 并行处理(Parallel Processing): 此示例基于 RPC 示例。在这种情况下,它展示了如何使用 PHP 实现并行执行。假设您有两个耗时的任务,一个需要 5 秒钟,另一个需要 10 秒钟。您可以选择顺序执行它们,等待总共 15 秒,或者并行发送请求,然后等待最慢的任务完成,这应该只需要 10 秒。
- 主题(Topic): 在这个案例中,可以看到如何使用 RabbitMQ 实现发布/订阅。示例是关于日志记录的。可以记录不同级别和主题的日志,然后有不同的消费者根据不同的日志级别进行相应的操作。
- 匿名消费者(Anonymous Consumers): 在
_topic文件夹中还有一个匿名消费者示例。这个想法适用于需要将队列连接到某些交换以“监视”其内容,但在退出程序时,您希望队列被自动删除的情况。可以使用未命名队列来实现这一点。
每个示例都有一个 README.md 文件,说明了如何执行它们。
3. 项目API使用文档
以下是 Thumper 库的一些基本 API 使用示例:
- 发布消息:
$producer = new Thumper\Producer($connection);
$producer->setExchangeOptions(array('name' => 'hello-exchange', 'type' => 'direct'));
$producer->publish($argv[1]);
- 消费消息:
$myConsumer = function($msg)
{
echo $msg, "\n";
};
$consumer = new Thumper\Consumer($connection);
$consumer->setExchangeOptions(array('name' => 'hello-exchange', 'type' => 'direct'));
$consumer->setQueueOptions(array('name' => 'hello-queue'));
$consumer->setCallback($myConsumer); //myConsumer 可以是任何有效的 PHP 回调
$consumer->consume(5); // 5 是要消费的消息数量
请参考官方文档或示例代码以获取更详细的 API 使用说明。
4. 项目安装方式
Thumper 可以通过 Composer 进行安装,这是 PHP 项目推荐的依赖管理工具。确保您已经在您的项目中安装了 Composer,然后运行以下命令:
$ composer require php-amqplib/thumper
以上命令将自动处理所有依赖项,并将 Thumper 库安装到您的项目中。
请注意,使用 Thumper 库之前,请确保您的系统中已经安装了 RabbitMQ,并且服务正在运行。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
492