APN Sender 技术文档
2024-12-20 20:02:35作者:史锋燃Gardner
1. 安装指南
1.1 使用 Gemfile 安装
在你的 Rails 应用的 Gemfile 中添加以下代码:
gem 'apn_sender', require: 'apn'
然后执行以下命令来安装 gem:
$ bundle
1.2 手动安装
你也可以手动安装 apn_sender gem:
$ gem install apn_sender
1.3 添加 Rake 任务
为了使用一些有用的 Rake 任务来运行 worker,请在你的 Rakefile 中添加以下代码:
require 'apn/tasks'
2. 项目的使用说明
2.1 使用后台处理器
apn_sender 支持使用 Resque 或 Sidekiq 来发送异步消息。强烈建议使用 Sidekiq,因为它使用连接池来管理 Apple 的 socket 连接。
2.2 从应用程序中排队消息
要从你的 Rails 应用程序中排队发送消息到 Apple 的推送通知服务,可以使用以下代码:
APN.notify_async(token, opts_hash)
其中 token 是接收通知的 iPhone 的唯一标识符,opts_hash 可以包含以下键:
:alert:要发送的提醒内容。:badge:要发送的徽章数字。:sound:要播放的声音文件,或true以播放默认声音。:content_available:使远程通知作为“静默”通知。
如果包含其他键,它们将被作为自定义数据传递给应用程序。
2.3 发送排队消息
将你的 apn_development.pem 和 apn_production.pem 证书从 Apple 放置在 RAILS_ROOT/config/certs 目录中。
你还可以配置一些额外的设置:
APN.root = 'RAILS_ROOT/config/certs' # 证书文件夹的根目录
APN.certificate_name = 'apn_production.pem' # 证书文件名
APN.host = 'apple host (开发环境中默认使用沙盒 URL)'
APN.password = 'certificate_password'
APN.pool_size = 1 # 连接池中的连接数
APN.pool_timeout = 5 # 连接池的超时时间(秒)
APN.logger = Logger.new(File.join(Rails.root, 'log', 'apn_sender.log'))
APN.truncate_alert = true # 启用对超出最大允许字节的提醒进行截断
APN.backend = :sidekiq # 使用 sidekiq 后台处理器
检查 logs/apn_sender.log 文件以进行调试输出。
2.4 检查 Apple 的反馈服务
由于推送通知是“发送即忘”的操作,Apple 需要一种方式来确保他们的网络不会被无效消息堵塞。因此,他们提供了反馈服务。
你可以通过以下代码连接到 Apple 的反馈服务并获取失效的设备令牌:
feedback = APN::Feedback.new()
tokens = feedback.tokens # 设备令牌数组
tokens.each do |token|
# 自定义逻辑以停止向此令牌发送通知
end
如果你需要知道 Apple 确定每个令牌失效的确切时间,可以使用以下代码:
items = feedback.data # APN::FeedbackItem 元素数组
items.each do |item|
item.token
item.timestamp
# 自定义逻辑
end
3. 项目 API 使用文档
3.1 APN.notify_async(token, opts_hash)
token:接收通知的 iPhone 的唯一标识符。opts_hash:包含通知选项的哈希表。
3.2 APN::Feedback.new()
- 返回一个
APN::Feedback对象,用于连接 Apple 的反馈服务并获取失效的设备令牌。
3.3 feedback.tokens
- 返回一个包含失效设备令牌的数组。
3.4 feedback.data
- 返回一个包含
APN::FeedbackItem元素的数组,每个元素包含失效的设备令牌和失效时间。
4. 项目安装方式
4.1 通过 Gemfile 安装
在 Gemfile 中添加 gem 'apn_sender', require: 'apn',然后运行 bundle 命令。
4.2 手动安装
运行 gem install apn_sender 命令手动安装。
4.3 添加 Rake 任务
在 Rakefile 中添加 require 'apn/tasks' 以启用 Rake 任务。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
629
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++
947
887
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
303
🎉 (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
1.56 K
909
暂无简介
Dart
921
228
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
1.07 K
559
昇腾LLM分布式训练框架
Python
143
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381