DataSketches Java Memory 组件技术文档
2024-12-23 18:20:13作者:范垣楠Rhoda
以下是对DataSketches Java Memory组件的详细技术文档,包含安装指南、使用说明和API使用文档。
1. 安装指南
环境要求
- Java Development Kit (JDK) 版本 17 或更高版本。
Maven构建
- 克隆项目到本地目录。
- 确保你的Maven配置正确,并且安装了JDK 17。
- 运行以下命令构建项目:
mvn clean install -DskipTests=true
构建过程将会生成以下JAR包:
datasketches-memory-X.Y.Z.jar:编译后的主类文件。datasketches-memory-X.Y.Z-tests.jar:编译后的测试类文件。datasketches-memory-X.Y.Z-sources.jar:主源代码文件。datasketches-memory-X.Y.Z-test-sources.jar:测试源代码文件。datasketches-memory-X.Y.Z-javadoc.jar:压缩的Javadoc文档。
注意事项
- 在构建时,确保编译命令行包含JVM参数
--add-modules=jdk.incubator.foreign。 - 此组件不是作为Java模块设计的,因此JAR文件应该是应用程序类路径的一部分。
2. 项目的使用说明
DataSketches Java Memory组件提供了对以下四种不同类型内存资源的访问API:
- 通过原始数组在Java堆上构建的连续字节(只读)。
- 通过原始数组在Java堆上构建的连续字节(可写)。
- 通过ByteBuffer在Java堆上构建的连续字节(只读和可写)。
- 通过直接分配在Java堆外构建的连续字节(只读和可写)。
- 通过内存映射文件在Java堆外构建的连续字节(只读和可写)。
以下是一些示例:
Java堆上的连续字节
通过原始数组
- 只读:
Memory.wrap(primitive[]) - 可写:
WritableMemory.allocate(int) - 可写(包装):
WritableMemory.writableWrap(primitive[])
通过ByteBuffer
- 只读:
Memory.wrap(ByteBuffer.wrap(byte[])) - 可写:
WritableMemory.writableWrap(ByteBuffer.allocate(int))
Java堆外的连续字节
通过直接分配
- 可写:
WritableMemory.allocateDirect(long)
通过ByteBuffer
- 可写:
WritableMemory.writableWrap(ByteBuffer.allocateDirect(int))
通过内存映射文件
- 只读:
Memory.map(File) - 可写:
WritableMemory.writableMap(File)
3. 项目API使用文档
Memory类
-
用于访问不同类型的内存资源。
-
Memory.wrap(primitive[]):将原始数组包装为Memory对象(只读)。 -
Memory.wrap(ByteBuffer.wrap(byte[])):将ByteBuffer包装为Memory对象(只读)。 -
Memory.map(File):从文件创建Memory对象(只读)。
WritableMemory类
-
用于可写操作。
-
WritableMemory.allocate(int):在Java堆上分配内存。 -
WritableMemory.allocateDirect(long):直接分配堆外内存。 -
WritableMemory.writableWrap(primitive[]):将原始数组包装为WritableMemory对象。 -
WritableMemory.writableWrap(ByteBuffer.allocate(int)):将ByteBuffer包装为WritableMemory对象。 -
WritableMemory.writableMap(File):从文件创建WritableMemory对象。
请注意,DataSketches Java Memory组件不是线程安全的。
4. 项目安装方式
项目的安装方式已在“安装指南”部分详细说明。使用Maven构建和安装项目是最推荐的方式。确保遵循构建指南中的步骤,并正确配置Maven环境。安装完成后,生成的JAR包可以直接用于开发或部署。
登录后查看全文
热门项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
530
3.74 K
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
336
177
Ascend Extension for PyTorch
Python
338
401
React Native鸿蒙化仓库
JavaScript
302
355
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++
885
595
暂无简介
Dart
770
191
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
114
139
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
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
246