Rin:ASP.NET Core 的请求/响应中间件调试利器
在开发和调试ASP.NET Core应用程序时,你是否曾为追踪HTTP请求和响应的细节而感到困扰?是否希望有一个工具能够实时监控和分析这些数据,以便快速定位问题?Rin 正是为此而生!
项目介绍
Rin 是一个专为ASP.NET Core设计的请求/响应中间件,类似于Glimpse,但它提供了更为强大和灵活的功能。Rin能够捕获HTTP请求和响应的详细信息,包括头部、主体、日志和未处理的异常,并通过一个直观的Web界面实时展示这些数据。无论是调试Web站点还是API应用,Rin都能为你提供极大的帮助。
项目技术分析
Rin的核心功能是通过中间件捕获HTTP请求和响应,并将其存储在内存中。它支持多种日志记录系统,如Microsoft.Extensions.Logging.ILogger和log4net,能够捕获请求处理过程中的所有日志信息。此外,Rin还提供了丰富的客户端工具,包括一个基于Web的实时查看器,支持多种数据格式的预览,如JSON、图像、HTML和JavaScript等。
Rin的技术栈主要包括:
- ASP.NET Core:作为中间件的基础框架。
- WebSocket:用于实时数据传输。
- React:用于构建前端界面。
- TypeScript:用于前端代码的类型安全。
项目及技术应用场景
Rin适用于以下场景:
- Web应用调试:在开发过程中,实时监控HTTP请求和响应,快速定位问题。
- API调试:捕获API请求和响应的详细信息,确保数据传输的正确性。
- 性能分析:记录视图渲染和动作执行的时间,帮助优化应用性能。
- 日志分析:捕获并查看请求处理过程中的所有日志信息,辅助故障排查。
项目特点
1. 实时监控与查看
Rin提供了一个基于Web的实时查看器,你可以在浏览器中实时查看捕获的请求和响应数据,包括头部、主体、日志和异常信息。
2. 多种数据格式支持
Rin支持多种数据格式的预览,包括JSON、图像、HTML和JavaScript等,方便你快速查看和分析数据。
3. 日志集成
Rin能够与多种日志记录系统集成,如Microsoft.Extensions.Logging.ILogger和log4net,捕获请求处理过程中的所有日志信息。
4. 请求重放
Rin支持将请求和响应保存为文件,并提供cURL和C#代码的复制功能,方便你重放请求进行进一步的调试。
5. 与ASP.NET Core MVC集成
Rin提供了与ASP.NET Core MVC的深度集成,包括视图渲染和动作执行的时间记录,以及在视图中嵌入的调试工具。
快速开始
安装NuGet包
你可以通过以下方式安装Rin:
- 使用Visual Studio:在
Dependencies中选择Manage NuGet Packages...,搜索并安装Rin和Rin.Mvc(如果你的项目基于ASP.NET Core MVC)。 - 使用dotnet命令:
dotnet add package Rin dotnet add package Rin.Mvc - 使用Package Manager:
Install-Package Rin Install-Package Rin.Mvc
配置Rin
在Program.cs和Startup.cs中进行必要的配置,确保Rin中间件在HTTP管道中处于正确的位置。
启动应用并打开Inspector
启动应用后,打开浏览器访问http://[Host:Port]/rin/,即可看到Rin Inspector界面。
结语
Rin作为一款专为ASP.NET Core设计的调试工具,不仅功能强大,而且易于集成和使用。无论你是Web开发者还是API开发者,Rin都能为你提供极大的帮助,让你的调试工作更加高效和便捷。赶快尝试一下吧!
项目地址:GitHub - mayuki/Rin
许可证:MIT License
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00