在Huma框架中管理服务依赖的最佳实践
2025-06-27 15:12:39作者:吴年前Myrtle
Huma是一个用于构建RESTful API的Go语言框架,它提供了强大的路由和OpenAPI支持。在实际开发中,我们经常需要在路由处理器中使用数据库客户端、S3存储服务等外部依赖。本文将探讨在Huma框架中管理这些服务依赖的最佳实践。
传统Chi路由中的依赖管理
在传统的Chi路由中,开发者通常会创建一个应用结构体来集中管理所有服务依赖:
type application struct {
config config
db *database.DB
s3Client *s3.S3
logger *slog.Logger
}
func (app *application) getBooks(w http.ResponseWriter, r *http.Request) {
book, err := app.db.getBook(id)
// ...
}
这种方式通过将依赖注入到应用结构体中,使所有处理器方法都能访问这些共享资源。
Huma框架中的依赖管理
Huma框架的创始人Daniel G. Taylor推荐了一种类似但更结构化的方法。我们可以为每个功能模块创建一个"服务器"结构体,专门管理该模块所需的依赖:
type HelloServer struct {
DB DBType
S3 S3Type
Log *slog.Logger
}
func NewHelloServer(db DBType, s3 S3Type, log *slog.Logger) *HelloServer {
return &HelloServer{
DB: db,
S3: s3,
Log: log,
}
}
注册路由处理器
在Huma中,我们可以为每个功能模块创建独立的注册方法,这些方法能够访问服务器结构体中的依赖:
func (s *HelloServer) RegisterHello(api huma.API) {
huma.Register(api, huma.Operation{
OperationID: "get-greeting",
Summary: "Get a greeting",
Method: http.MethodGet,
Path: "/greeting/{name}",
}, func(ctx context.Context, input *GreetingInput) (*GreetingOutput, error) {
// 使用依赖如s.DB或s.S3
s.Log.Info("Processing greeting request")
data, err := s.DB.Get(input.Name)
// ...
return nil, nil
})
}
主程序中的初始化
在主程序中,我们可以初始化所有依赖并注册各个功能模块:
func main() {
db := NewDB()
s3 := NewS3()
logger := slog.New(...)
hello := NewHelloServer(db, s3, logger)
router := chi.NewMux()
api := humachi.New(router, huma.DefaultConfig("My API", "1.0.0"))
huma.AutoRegister(api, hello)
http.ListenAndServe(":8888", router)
}
优势分析
这种架构设计有几个显著优势:
- 模块化:每个功能模块有自己的服务器结构体,职责清晰
- 依赖注入:便于单元测试时替换为mock对象
- 可扩展性:新增功能模块不会影响现有代码
- 资源管理:集中管理数据库连接等资源
测试友好性
这种设计特别适合测试驱动开发(TDD)。我们可以轻松地为处理器编写单元测试:
func TestGreetingHandler(t *testing.T) {
mockDB := &MockDB{}
mockS3 := &MockS3{}
logger := slog.New(...)
server := NewHelloServer(mockDB, mockS3, logger)
// 设置mock预期
mockDB.On("Get", "test").Return("Hello test", nil)
// 调用处理器函数并验证结果
// ...
}
总结
在Huma框架中,通过创建模块化的服务器结构体来管理服务依赖是一种清晰、可维护且测试友好的架构模式。这种方法结合了传统Chi路由的依赖管理优点,同时充分利用了Huma框架的特性,为构建生产级API服务提供了坚实的基础。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
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
296
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143