eixx - Erlang C++ 接口库技术文档
2024-12-23 03:40:40作者:温玫谨Lighthearted
1. 安装指南
依赖项
- Boost库:eixx 依赖于 Boost 库,请确保系统中已安装 Boost。
- erl_interface:eixx 依赖于 Erlang 的 erl_interface 库,该库是 Erlang 发行版的一部分。
下载
可以通过 Git 克隆项目仓库:
$ git clone git@github.com:saleyn/eixx.git
构建
-
自定义构建配置: 如果需要自定义 Boost 的位置或安装前缀,可以创建一个名为
.cmake-args.${HOSTNAME}的文件。例如:$ cat > .cmake-args.${HOSTNAME} DIR:BUILD=/tmp/@PROJECT@/build DIR:INSTALL=/opt/pkt/@PROJECT@/@VERSION@ ENV:BOOST_ROOT=/opt/pkg/boost/current ENV:BOOST_LIBRARYDIR=/opt/pkg/boost/current/gcc/lib PKG_ROOT_DIR=/opt/pkg -
运行构建命令:
$ make bootstrap [toolchain=gcc|clang] [build=Debug|Release] \ [generator=make|ninja] [prefix=/usr/local] [verbose=true] $ make [verbose=true] $ make install # 默认安装路径为 /usr/local -
构建调试版本: 如果需要构建调试版本,可以按照以下步骤操作:
$ make bootstrap build=debug $ make src/libeixx_d.so $ make rebootstrap build=release $ make $ make install -
清理与重新构建: 如果需要清理当前构建并重新运行 bootstrap,可以使用以下命令:
$ make distclean $ make rebootstrap [toolchain=gcc|clang] [build=Debug|Release]
2. 项目使用说明
术语封送处理
eixx 库提供了方便的 Erlang 术语封送处理功能,支持以下特性:
- 编码/解码嵌套术语:通过单个函数调用实现(
eterm::encode()和eterm::eterm()构造函数)。 - 全局原子表:用于快速操作原子。
- 自定义内存分配器:允许用户提供自定义的内存分配器。
- 引用计数智能指针:用于复杂术语,简单术语(如整数、双精度、布尔值、原子)则按值复制。
分布式节点连接
连接库实现了比 erl_interface 更丰富的功能,完全支持进程链接和监控。该库是完全异步的,允许在一个操作系统线程中处理多个连接和邮箱。
示例代码
以下是一个简单的示例,展示了如何操作 Erlang 术语:
eterm i = 10;
eterm s = "abc";
eterm a = atom("ok");
eterm t = {20.0, i, s, a}; // 构造一个元组
eterm e = list{}; // 构造一个空列表
eterm l = list{i, 100.0, s, {a, 30}, list{}}; // 构造一个列表
3. 项目 API 使用文档
术语操作 API
- eterm::encode():用于编码 Erlang 术语。
- eterm::eterm():用于解码 Erlang 术语。
- eterm::format():实现表达式解析器,用于格式化术语。
分布式连接 API
- otp_mailbox:用于处理邮箱中的消息。
- otp_connection:用于连接到 Erlang 节点。
- otp_node:用于管理节点连接和邮箱。
4. 项目安装方式
安装步骤
-
克隆仓库:
$ git clone git@github.com:saleyn/eixx.git -
构建与安装:
$ make bootstrap $ make $ make install -
安装调试版本: 如果需要安装调试版本,请按照以下步骤操作:
$ make bootstrap build=debug $ make src/libeixx_d.so $ make rebootstrap build=release $ make $ make install
通过以上步骤,您可以成功安装并使用 eixx 库,进行 Erlang 术语的封送处理和分布式节点连接。
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
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219