Brighter 框架技术文档
2024-12-24 19:30:18作者:裴锟轩Denise
1. 安装指南
NuGet 包安装
Brighter 框架可以通过 NuGet 包管理器进行安装。在 Visual Studio 中,您可以使用以下方法之一:
-
使用 NuGet 包管理器控制台:
Install-Package Paramore.Brighter -
在项目文件中添加以下 XML 节点:
<PackageReference Include="Paramore.Brighter" Version="最新版本" /> -
使用 Paket 命令行工具:
paket add Paramore.Brighter --version 最新版本 -
在 F# Interactive 或 Polyglot Notebook 中使用以下指令:
#r "nuget: Paramore.Brighter, 最新版本"
您可以从 NuGet 官网 下载最新版本的 NuGet 包。
Docker Compose 测试
我们提供了一个 Docker Compose 文件,用于运行测试套件,而不需要本地安装预置条件,如代理或数据库。要运行它,您需要将 redis sentinel 扩展到至少 3 个节点,并使用至少两个 redis 从节点。例如:
docker-compose up -d --build --scale redis-slave=2 --scale redis-sentinel=3
这样可以让您尽可能轻松地开始使用 Brighter 进行开发。
请注意,如果您本地安装了这些服务,您需要停止它们或编辑本地版本的 docker compose 文件。
2. 项目的使用说明
Brighter 是一个用于构建消息应用的框架,支持 .NET 和 C#。它可以用内存总线或在微服务架构中通过多种中间件传输进行进程间通信。
使用场景
-
实现清洁架构(端口和适配器)时,如何实现交互器或端口层(有时称为中介者)是一个问题。
- 一种常见的解决方案是使用命令模式实现交互器(端口)或从该模式派生的模式。
- Brighter 使用命令调度器模式提供了一个交互器(端口)的实现。
- 您可以编写一个命令,然后由您编写的处理器进行调度。
- 或者,您可以编写一个事件,然后由零个或多个您编写的处理器进行调度。
- Brighter 还支持命令处理器模式,允许您在发送者和处理器之间添加中间件。
- 处理器通过属性标记以包含其管道中的中间件。
- 提供了用于日志记录和 Polly(重试和断路器)的即插即用中间件。
-
在使用消息传递集成两个微服务时,如何抽象开发者发送和接收消息的代码,以便编写领域代码是一个问题。
- 一种常见的解决方案是消息泵,它获取消息、翻译消息并将其调度到用户代码。
- Brighter 提供了一个服务激活器,实现了消息泵。
- 消息泵通过 Brighter 的命令调度器/处理器将消息调度到用户代码。
- 这隐藏了消息泵的复杂性;开发者只需编写一个订阅消息的处理器。
- 这隐藏了消息传递的复杂性,开发者只需编写命令/事件和处理器。
- 开发者可以在处理消息时充分利用 Brighter 的中间件管道。
- Brighter 可以配置为使用多种传输,包括 RabbitMQ 和 SNS+SQS。
3. 项目API使用文档
详细的 API 文档可以在项目的 GitBook 页面上找到:Paramore Brighter 文档。
4. 项目安装方式
请参考上述“安装指南”部分,了解如何通过 NuGet 包管理器或 Docker Compose 安装 Brighter 框架。
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
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
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
1.03 K
481
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
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++
649
271
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
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
212