Apache ActiveMQ Artemis Native 项目下载与安装教程
2024-11-29 00:33:33作者:管翌锬
1. 项目介绍
Apache ActiveMQ Artemis Native 是一个用于Apache ActiveMQ Artemis消息队列服务的本地库。它是一个薄层库,用于与Linux的异步I/O库(lib AIO)接口,作为代理在支持AIO日志功能时的日记特性的一部分。该库使得ActiveMQ Artemis能够利用Linux内核的异步I/O支持,从而提高性能。
2. 项目下载位置
项目托管在GitHub上,您可以从以下位置克隆或下载项目源码:
https://github.com/apache/activemq-artemis-native.git
3. 项目安装环境配置
在开始安装之前,您需要配置以下环境:
- GNU编译器集合(包括C和C++编译器)
- GNU C库
- 对应Linux发行版的libaio包
- JDK(完整版)
以下是在Fedora Linux上安装所需依赖的示例(请根据您的实际环境调整命令):
sudo dnf install glibc-devel libaio-devel gcc gcc-g++ java-1.8.0-openjdk-devel
4. 项目安装方式
安装方式有两种:使用容器(Docker或Podman)或者裸机编译。
使用容器编译
您可以使用Maven的-Pdocker或-Ppodman配置文件来编译项目:
mvn install -Pdocker
# 或者
mvn install -Ppodman
或者直接运行相关脚本来仅执行容器内本地代码的编译:
./scripts/compile-using-docker.sh
# 或者
./scripts/compile-using-podman.sh
裸机编译
确保安装了所有依赖后,您可以使用以下方式编译:
mvn generate-sources
./scripts/compile-native.sh
或者使用Maven的bare-metal配置文件:
mvn install -Pbare-metal
5. 项目处理脚本
项目中的compile-native.sh脚本可用于在裸机上编译本地库。在使用该脚本之前,请确保运行了mvn generate-sources来生成必要的头文件。
以上就是Apache ActiveMQ Artemis Native项目的下载与安装教程。遵循上述步骤,您应该能够成功安装并开始使用该本地库。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
573
3.87 K
Ascend Extension for PyTorch
Python
392
472
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++
898
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
358
217
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
123
160
🎉 (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
1.38 K
784
昇腾LLM分布式训练框架
Python
122
147
暂无简介
Dart
811
199
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
533
235
React Native鸿蒙化仓库
JavaScript
312
363