HireFire 技术文档
1. 安装指南
1.1 环境要求
- Ruby on Rails 环境
- Heroku 平台
- Delayed Job 或 Resque 作为后台任务处理库
1.2 安装步骤
在 Ruby on Rails 环境中,首先需要在 Gemfile 中添加以下内容:
gem 'rails'
# gem 'delayed_job' # 如果使用 Delayed Job,取消注释此行
# gem 'resque' # 如果使用 Resque,取消注释此行
gem 'hirefire'
注意: 顺序很重要,确保 Delayed Job 或 Resque 在 HireFire 之前。
接下来,设置 Heroku 环境变量,以便 HireFire 可以管理你的 worker:
heroku config:add HIREFIRE_EMAIL=<your_email> HIREFIRE_PASSWORD=<your_password>
这些是你在 Heroku 网页界面中用于管理 worker 的邮箱和密码。你也可以使用 Heroku API 令牌作为 HIREFIRE_PASSWORD 的值。你可以通过 Heroku UI 或 CLI 命令 heroku auth:token 获取 API 令牌。
2. 项目的使用说明
2.1 默认配置
完成上述安装步骤后,默认配置已经设置完成。你可能需要根据应用程序的需求调整自动扩展配置。创建一个初始化文件(或在启动时加载的类似配置文件),并配置 HireFire 的扩展行为:
# Rails.root/config/initializers/hirefire.rb
HireFire.configure do |config|
config.environment = nil # 生产环境默认为 :heroku,开发环境默认为 :noop
config.max_workers = 5 # 默认值为 1
config.min_workers = 0 # 默认值为 0
config.job_worker_ratio = [
{ :jobs => 1, :workers => 1 },
{ :jobs => 15, :workers => 2 },
{ :jobs => 35, :workers => 3 },
{ :jobs => 60, :workers => 4 },
{ :jobs => 80, :workers => 5 }
]
end
2.2 配置解释
上述配置确保你最多同时运行 5 个 worker (config.max_workers = 5)。然后我们定义了一个哈希数组,表示 job 与 worker 的比例关系。例如:
- 当队列中有 1-14 个 job 时,启动 1 个 worker
- 当队列中有 15-34 个 job 时,启动 2 个 worker
- 当队列中有 35-59 个 job 时,启动 3 个 worker
- 当队列中有 60-79 个 job 时,启动 4 个 worker
- 当队列中有 80 个以上 job 时,启动 5 个 worker
当队列中的所有 job 处理完毕后,所有 worker 将被关闭,下次有新 job 入队时,重新启动一个 worker。
2.3 非 Ruby on Rails 环境
在非 Ruby on Rails 环境中,设置几乎相同,只是需要在 Delayed Job 或 Resque 加载完成后手动初始化 HireFire:
require 'delayed_job'
# require 'delayed_job' # 如果使用 Delayed Job,取消注释此行
# require 'resque' # 如果使用 Resque,取消注释此行
HireFire::Initializer.initialize!
注意: 顺序同样重要,确保 Delayed Job 或 Resque 在 HireFire 之前。
3. 项目 API 使用文档
3.1 配置 API
HireFire 提供了灵活的配置 API,允许你根据应用程序的需求自定义扩展行为。以下是一些常用的配置选项:
config.environment: 设置环境,默认为:heroku(生产环境)或:noop(开发环境)。config.max_workers: 设置最大 worker 数量,默认为 1。config.min_workers: 设置最小 worker 数量,默认为 0。config.job_worker_ratio: 定义 job 与 worker 的比例关系。
3.2 动态配置
你还可以使用 Lambda 表达式动态定义 job 与 worker 的比例关系:
HireFire.configure do |config|
config.max_workers = 5
config.job_worker_ratio = [
{ :when => lambda {|jobs| jobs < 15 }, :workers => 1 },
{ :when => lambda {|jobs| jobs < 35 }, :workers => 2 },
{ :when => lambda {|jobs| jobs < 60 }, :workers => 3 },
{ :when => lambda {|jobs| jobs < 80 }, :workers => 4 }
]
end
4. 项目安装方式
4.1 通过 Gemfile 安装
在 Ruby on Rails 项目中,通过 Gemfile 安装 HireFire:
gem 'hirefire'
然后运行 bundle install 安装依赖。
4.2 手动安装
在非 Ruby on Rails 环境中,可以通过以下命令手动安装 HireFire:
gem install hirefire
然后在应用程序中手动初始化 HireFire。
5. 常见问题解答
-
问题: 当有新 job 入队时,是否会立即启动 worker?
- 回答: 是的,一旦有新 job 入队,HireFire 会立即计算所需的 worker 数量并启动相应数量的 worker。
-
问题: 当没有 job 需要处理时,是否会立即停止 worker?
- 回答: 是的,每个 worker 都会自动检测是否有 job 需要处理。如果没有 job 需要处理,所有 worker 将立即停止。
-
问题: 如何节省成本?
- 回答: 根据 Heroku 的文档,Worker(与 Dyno 相同)是按秒计费的。例如,如果有 10 个 job 入队,启动一个 worker 处理这些 job 并在一分钟内完成,理论上你只需支付 $0.0008。
-
问题: 如果 job 设置为在未来某个时间运行,worker 是否会保持启动状态等待该 job?
- 回答: 不会,因为如果你将一个 job 设置为 3 小时后运行,worker 可能会在这 3 小时内无所事事。建议避免在未来时间调度 job。
-
问题: 是否会从 5 个 worker 缩减到 4 个 worker?
- 回答: 不会,因为无法确定哪个 worker 正在处理 job,可能会终止正在处理 job 的 worker,导致 job 处理中断。此外,job 会更快处理完毕,一旦队列为空,所有 worker 都会被终止。
通过本文档,你应该能够顺利安装、配置并使用 HireFire 来管理你的 Heroku worker,从而实现自动扩展和成本优化。
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