Qakka 技术文档
1. 安装指南
系统要求
在单个区域或数据中心中运行 Qakka 的最低要求如下:
- 运行 Java 8 和 Apache Tomcat 7 或 8 的一个或多个计算机
- 运行 Cassandra 2.1.x 版本的 Apache Cassandra 集群
安装步骤
-
安装 Java 8:确保每个计算机都安装了 Java 8。
-
安装 Tomcat 7 或 8:在每台计算机上安装 Apache Tomcat 7 或 8。
-
部署 Qakka WAR 文件:将 Qakka 的 WAR 文件放置在 Tomcat 的
webapps目录下。 -
配置 qakka.properties:在 Tomcat 的
lib目录下创建一个qakka.properties文件,用于配置 Qakka、Cassandra 连接和 Usergrid 集群。参考配置文件:qakka.properties
-
安装 Cassandra 2.1.x:在每台计算机上安装 Cassandra 2.1.x。
-
验证集群状态:确保 Cassandra 集群正常工作。
2. 项目的使用说明
Qakka 是 Apache Usergrid 中内置的分布式和多区域队列系统的独立版本。它是一个 Java Web 应用程序,结合了 Usergrid Actor System 和 Queue 模块以及基于 Jersey JAX-RS 的 REST API。
功能
- 支持多个命名队列
- 分布式和多区域
- 队列消息可以发送到多个区域
- 队列读取始终从本地区域进行
- 未确认的队列消息超时
- 无模式队列消息负载,支持 JSON 或 BLOB 格式的任何内容类型
- 支持 REST 和 Java API
3. 项目 API 使用文档
Qakka 提供了 REST API 用于与队列服务交互。目前,我们还没有关于 Qakka REST API 使用的示例,但提供了 Swagger 生成的文档:
4. 项目安装方式
Qakka 尚未公开发布,如果您想使用它,需要自行编译。以下是编译 Qakka 的步骤:
- 确保安装了 Java 8 JDK 和 Maven 3。
- 如果要运行 JUnit 测试,还需要安装 Cassandra 2.1.x。
-
编译 Usergrid "Stack":
- 克隆 Apache Usergrid 仓库,并在
/stack目录下运行mvn -DskipTests=true install。 - 这将把 Usergrid jar 文件放入本地 Maven 仓库,以便 Qakka 可以找到它们。
- 克隆 Apache Usergrid 仓库,并在
-
编译 Qakka:
- 克隆 Apache Usergrid Qakka 仓库,并在 Qakka 的目录下运行
mvn -DskipTests=true install。
- 克隆 Apache Usergrid Qakka 仓库,并在 Qakka 的目录下运行
如果想要运行 Qakka 的 JUnit 测试,需要确保 Cassandra 2.1.x 在本地计算机上运行(默认设置,例如端口 9160),然后可以使用 mvn test 命令运行测试。Qakka 的测试只针对 REST API;Usergrid 队列模块中有更多的 Qakka 测试。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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