Granian项目中的应用工厂模式支持探讨
2025-06-24 22:15:14作者:姚月梅Lane
在Python Web开发领域,应用工厂模式是一种常见的设计模式,它允许开发者通过函数调用来创建和配置应用实例。这种模式在Flask等框架中被广泛使用,提供了更大的灵活性和可测试性。本文将探讨Granian项目对应用工厂模式的支持现状及解决方案。
应用工厂模式的优势
应用工厂模式主要带来以下好处:
- 配置隔离:可以在不同环境下创建不同配置的应用实例
- 延迟初始化:只有在需要时才创建应用实例
- 测试便利:可以轻松创建多个独立的应用实例用于测试
- 依赖注入:可以灵活地注入不同的依赖项
Granian当前的支持情况
目前Granian的CLI接口尚未原生支持直接调用应用工厂函数的方式。与Uvicorn等服务器不同,Granian不能直接通过类似"module:create_app()"的语法来调用工厂函数创建应用。
现有解决方案
虽然CLI不支持,但开发者可以通过以下两种方式实现类似功能:
1. 使用Python代码直接运行
Granian提供了Python API,可以通过自定义target_loader参数来实现工厂模式:
from granian import Granian
def create_app():
app = MyAPP()
return app
if __name__ == "__main__":
Granian("module:create_app()", target_loader=lambda: create_app()).serve()
2. 创建中间运行文件
更简单的做法是创建一个run.py文件作为中间层:
from myapp import create_app
app = create_app()
然后通过Granian CLI运行:
granian run:app
未来可能的改进方向
虽然目前可以通过变通方式实现,但原生支持应用工厂模式无疑会提升开发体验。可能的改进方向包括:
- 在CLI中增加
--factory参数 - 支持直接解析
"module:factory_func()"格式的目标参数 - 提供更灵活的应用加载机制
总结
虽然Granian目前没有直接支持应用工厂模式的CLI接口,但通过Python API或中间文件的方式完全可以实现相同的功能。对于需要高度可配置性的项目,这些方法提供了足够的灵活性。随着项目的发展,未来可能会加入对工厂模式的直接支持,进一步简化开发流程。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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