Couchbase Java SDK 技术文档
2024-12-24 18:28:46作者:咎岭娴Homer
1. 安装指南
1.1 通过 Maven 安装
最简单的安装方式是通过 Maven 下载 jar 包及其依赖项。在项目的 pom.xml 文件中添加以下依赖:
<dependency>
<groupId>com.couchbase.client</groupId>
<artifactId>java-client</artifactId>
<version>2.7.23</version>
</dependency>
1.2 其他安装方式
你可以在 这里 找到旧版本的安装信息以及其他下载方式。
2. 项目的使用说明
2.1 连接到 Couchbase 集群
首先,创建一个 Couchbase 集群的引用,并连接到指定的 Bucket:
// 创建一个集群引用
CouchbaseCluster cluster = CouchbaseCluster.create("127.0.0.1");
// 连接到默认的 Bucket
Bucket bucket = cluster.openBucket("default");
2.2 存储和检索文档
你可以创建一个 JSON 文档并将其存储在 Couchbase 中,然后检索并打印文档内容:
// 创建一个 JSON 文档并存储它,ID 为 "helloworld"
JsonObject content = JsonObject.create().put("hello", "world");
JsonDocument inserted = bucket.upsert(JsonDocument.create("helloworld", content));
// 读取文档并打印 "hello" 字段
JsonDocument found = bucket.get("helloworld");
System.out.println("Couchbase is the best database in the " + found.content().getString("hello"));
2.3 执行 N1QL 查询
你可以执行 N1QL 查询来从 Couchbase 中获取数据:
N1qlQueryResult result = bucket.query(N1qlQuery.simple("SELECT DISTINCT(country) FROM `travel-sample` WHERE type = 'airline' LIMIT 10"));
for (N1qlQueryRow row : result) {
System.out.println(row.value());
}
2.4 关闭连接
使用完毕后,记得关闭 Bucket 和集群连接:
// 关闭所有 Bucket 并断开连接
cluster.disconnect();
3. 项目 API 使用文档
3.1 集群管理 API
CouchbaseCluster.create(String hostname): 创建一个 Couchbase 集群的引用。cluster.openBucket(String bucketName): 打开指定的 Bucket。cluster.disconnect(): 断开与集群的连接。
3.2 Bucket API
bucket.upsert(JsonDocument document): 插入或更新一个文档。bucket.get(String id): 根据文档 ID 获取文档。bucket.query(N1qlQuery query): 执行 N1QL 查询。
3.3 文档操作 API
JsonObject.create(): 创建一个空的 JSON 对象。jsonObject.put(String key, Object value): 向 JSON 对象中添加键值对。JsonDocument.create(String id, JsonObject content): 创建一个带有指定 ID 和内容的 JSON 文档。
4. 项目安装方式
4.1 Maven 安装
如前所述,通过 Maven 安装是最简单的方式。只需在 pom.xml 中添加依赖即可。
4.2 手动下载
你也可以手动下载 jar 包并将其添加到项目的 classpath 中。
4.3 其他构建工具
如果你使用的是 Gradle 或其他构建工具,可以参考相应的依赖管理文档进行配置。
通过以上文档,你应该能够顺利安装、使用和理解 Couchbase Java SDK 的基本功能。如果有更多问题,可以参考官方文档或社区论坛获取帮助。
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.69 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
165
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
228
仓颉编译器源码及 cjdb 调试工具。
C++
123
664
🎉 (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
1.06 K
615
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
72
仓颉编程语言测试用例。
Cangjie
36
665