Couchbase Java SDK 技术文档
2024-12-24 06:38:59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
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
416
3.2 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
🔥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
暂无简介
Dart
682
160
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
664
React Native鸿蒙化仓库
JavaScript
265
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
259