pubsub简单多主题发布-订阅库技术文档
2024-12-29 07:36:47作者:劳婵绚Shirley
1. 安装指南
在开始使用pubsub库之前,您需要先安装它。安装过程非常简单,只需在命令行中运行以下命令:
go get github.com/cskr/pubsub/v2
这将自动下载并安装pubsub库及其依赖项。
2. 项目的使用说明
pubsub是一个简单的多主题发布-订阅库。它允许您创建多个主题,并为每个主题添加订阅者。当消息被发布到某个主题时,所有订阅该主题的订阅者都会接收到消息。
以下是一个简单的使用示例:
package main
import (
"fmt"
"github.com/cskr/pubsub/v2"
)
const topic = "topic"
func main() {
ps := pubsub.New[string, string](0)
ch := ps.Sub(topic)
go func() {
for {
msg := "message"
ps.Pub(msg, topic)
}
}()
for i := 1; i < 5; i++ {
if msg, ok := <-ch; ok {
fmt.Printf("Received %s %d times\n", msg, i)
} else {
break
}
}
ps.Unsub(ch, topic)
}
在上面的代码中,我们首先创建了一个PubSub实例,并为一个名为topic的主题添加了一个订阅者。然后,我们在一个goroutine中发布消息到该主题,并在主goroutine中接收这些消息。最后,我们取消订阅并退出程序。
3. 项目API使用文档
以下是pubsub库的主要API函数及其用途:
func New[T comparable, M any](capacity int) *PubSub[T, M]:创建一个新的PubSub实例。func (ps *PubSub[T, M]) AddSub(ch chan M, topics ...T):向指定的channel添加订阅。func (ps *PubSub[T, M]) AddSubOnceEach(ch chan M, topics ...T):向指定的channel添加一次性的订阅。func (ps *PubSub[T, M]) Close(topics ...T):关闭所有订阅了指定主题的channel。func (ps *PubSub[T, M]) Pub(msg M, topics ...T):将消息发布到所有订阅了指定主题的订阅者。func (ps *PubSub[T, M]) Shutdown():关闭所有订阅的channel并终止处理goroutine。func (ps *PubSub[T, M]) Sub(topics ...T) chan M:返回一个channel,从中可以接收到发布到指定主题的消息。func (ps *PubSub[T, M]) SubOnce(topics ...T) chan M:与Sub类似,但只接收订阅后的第一条消息。func (ps *PubSub[T, M]) SubOnceEach(topics ...T) chan M:为每个主题返回一个channel,每个channel最多接收一条消息。func (ps *PubSub[T, M]) TryPub(msg M, topics ...T):如果主题有缓冲空间,则发布消息。func (ps *PubSub[T, M]) Unsub(ch chan M, topics ...T):取消指定channel的订阅。
4. 项目安装方式
项目的安装方式已在“1. 安装指南”中详细说明,您可以使用go get命令来安装pubsub库:
go get github.com/cskr/pubsub/v2
以上是关于pubsub库的简要技术文档,希望对您有所帮助。
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869