Beetle 项目技术文档
2024-12-20 19:27:53作者:齐添朝
1. 安装指南
环境准备
在安装 Beetle 之前,请确保您的系统满足以下要求:
- 至少 2 个 AMQP 服务器(推荐使用 RabbitMQ)
- 至少 1 个 Redis 服务器(推荐使用主从配置)
- MySQL 数据库(用于测试)
- Ruby 环境
- Go 环境(用于编译和运行集成测试)
依赖安装
Beetle 依赖多个 Ruby 和 Go 库,您可以使用 bundler 来管理 Ruby 依赖。首先,确保您已经安装了 bundler:
gem install bundler
然后,在项目根目录下运行以下命令来安装所有依赖:
bundle install
对于 Go 依赖,您可以通过以下命令编译 Beetle 的 Go 二进制文件:
make
测试环境设置
为了运行测试,您需要设置 MySQL 和 Redis 环境。首先,创建一个名为 beetle_test 的 MySQL 数据库:
mysql -e 'create database beetle_test;'
然后,启动 Redis 服务器:
redis-server
使用 Docker 启动测试环境
如果您希望使用 Docker 来启动测试环境,可以运行以下命令:
docker-compose pull
docker-compose up
这将启动 MySQL、两个 Redis 服务器、两个 RabbitMQ 实例和一个 Consul 开发节点。
2. 项目使用说明
配置
首先,您需要配置 Beetle 的运行环境。可以通过以下代码进行配置:
Beetle.config do |config|
config.servers = "broker1:5672, broker2:5672"
config.redis_server = "redis1:6379"
end
实例化客户端
配置完成后,您可以实例化一个 Beetle 客户端:
b = Beetle::Client.new
配置交换机、队列、绑定、消息和处理器
接下来,您需要配置交换机、队列、绑定、消息和处理器:
b.configure do
queue :test
message :test
handler(:test) { |message| puts message.data }
end
发布消息
使用以下代码发布消息:
b.publish :test, "I'm a test message"
订阅消息
使用以下代码订阅消息:
b.listen_queues
3. 项目 API 使用文档
Beetle::Client
Beetle::Client 是 Beetle 的核心类,提供了以下主要方法:
new: 创建一个新的 Beetle 客户端实例。configure: 配置交换机、队列、绑定、消息和处理器。publish: 发布消息到指定的队列。listen_queues: 订阅并监听队列中的消息。
Beetle.config
Beetle.config 用于配置 Beetle 的运行环境,支持以下配置项:
servers: 指定 AMQP 服务器的地址和端口。redis_server: 指定 Redis 服务器的地址和端口。
4. 项目安装方式
通过 RubyGems 安装
您可以通过 RubyGems 安装 Beetle:
gem install beetle
从源码安装
您也可以从源码安装 Beetle。首先,克隆项目仓库:
git clone https://github.com/xing/beetle.git
然后,进入项目目录并安装依赖:
cd beetle
bundle install
最后,编译 Go 二进制文件:
make
运行测试
在安装完成后,您可以运行测试来验证安装是否成功:
rake test
如果您希望运行集成测试,可以使用以下命令:
cucumber
通过以上步骤,您应该能够成功安装并使用 Beetle 项目。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
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
343
146