Facebook开源Haxl:Haskell远程访问类库

  Haxl 是一个 Haskell 类库,它可以简化进入远程数据库和基于">Web服务器的步骤。Haxl可以自动:

  为相同的数据源批处理多个请求

  并发访问多个不同的数据源

  缓存先前的一个请求

  所有这些动作都是在后台操作的,此举意味着你的数据抓取代码可以比原本的代码更加干净、清晰。如果你没有优化数据抓取程序,Haxl可以帮你解决大麻烦。

  很多服务遵循一个共同的架构模式:一组是事实,另一组是想要回答这些事实问题的客户。在中间是一组如何回答特定问题的规则——真正的业务逻辑。

  在Facebook,Sigma服务负责将不同的内容进行分类。Sigma客户问一下高层问题,如“这篇文章是垃圾吗?”或“这个URL和恶意软件有联系吗?”Sigma则会回答“是的,阻止该帐户”或“不,继续”。

  Sigma规则目前都是用一个称为FXL的特定域名语言编写的,FXL还被当作是一种脚本语言来使用。

  多样的数据源

  Haxl数据源根据请求类型进行分类,你可以拥有任意数量的数据源共存于同一Haxl客户,每个数据源可能是用于获取不同类型的数据。GADT可以确保请求类型的安全,所以请求类型总是配上其结果类型。Typeable类所请求的不同数据源可以存储在Haxl请求存储库里。

  使用案例

  我们希望Haxl在接下来的商业App里能够发挥更多的用处:

  项目主页:https://code.facebook.com/projects/854888367872565/haxl/

  Github地址:https://github.com/facebook/Haxl

  原文链接:http://code.csdn.net/news/2820171

时间: 2024-09-14 01:54:48

Facebook开源Haxl:Haskell远程访问类库的相关文章

Facebook 开源新工具,可用于快速查询

https://yqfile.alicdn.com/34fa3818389a4589bff4c8dc9a8cfc39415d4b45.png" > Facebook 作为跟 Google 一样对开源有重大贡献的公司,经过几个月的时间的努力,开源了一个 Haskell 远程数据访问库 Haxl. Haxl 是一个 Haskell 库简化了远程数据的访问,例如数据库.Web 服务等.Haxl 可自动的处理: 批量多请求到同一个数据源 并发访问多个不同的数据源 缓存前一个请求 GitHub 地址

Facebook开源项目:我们为什么要用Fresco框架?

(Facebook开源项目)Fresco:一个新的Android图像处理类库  在Facebook的Android客户端上快速高效的显示图片是非常重要的.然而多年来,我们遇到了很多如何高效存储图片的问题.图片太大,而设备太小.一个像素点就占据了4个字节数据(分别代表R G B和alpha).如果在一个480*800尺寸的手机屏幕上,一张单独的全屏图片就会占据1.5MB的内存空间.通常手机的内存都非常小,而这些内存被多种多样的app划分占用.在一些设备上,Facebook app虽然只有16MB,

使用Facebook开源代码FBShimmering封装进度显示的ShimmeCircleView

使用Facebook开源代码FBShimmering封装进度显示的ShimmeCircleView 效果图: 静态图: 源码: ShimmeCircleView.h 与 ShimmeCircleView.m // // ShimmeCircleView.h // YouXianMingClock // // Created by YouXianMing on 14-10-13. // Copyright (c) 2014年 YouXianMing. All rights reserved. //

PhalApi-Xhprof -- Facebook开源的轻量级PHP性能分析工具

PhalApi-Xhprof -- Facebook开源的轻量级PHP性能分析工具 前言 Facebook开源的轻量级PHP性能分析工具,非常爽希望大家喜欢 附上: 官网地址:http://www.phalapi.net/ 开源中国Git地址:http://git.oschina.net/dogstar/PhalApi/tree/release 开源中国拓展Git地址:http://git.oschina.net/dogstar/PhalApi-Library 1. 安装 首先需要安装配置Xhp

Facebook 开源深度学习框架 Torchnet

Facebook开源深度学习框架Torchnet,加快A.I研究步伐 今天,在新发布的一篇学术报告中,Facebook 详细介绍了新的人工智能开源软件 Torchnet,用于简化深度学习. 深度学习是当下一种时髦的学习方式,涉及到培训人工神经网络处理大量的数据,如图片,然后让神经网络做出新数据的预测.与其建立一个全新的深度学习框架, Facebook 选择的是在 Torch 上编译一个开源库,Facebook 先前也曾致力于此. "这 使得它很容易实现完全隐藏 I/O(输入 / 输出)成本功能,

【原创】开源Math.NET基础数学类库使用(17)C#计算矩阵条件数

               本博客所有文章分类的总目录:[总目录]本博客博文总目录-实时更新  开源Math.NET基础数学类库使用总目录:[目录]开源Math.NET基础数学类库使用总目录 上个月对Math.NET的基本使用进行了介绍,主要内容有矩阵,向量的相关操作,解析数据格式,数值积分,数据统计,相关函数,求解线性方程组以及随机数发生器的相关内容.这个月接着深入发掘Math.NET的各种功能,并对源代码进行分析,使得大家可以尽可能的使用Math.NET在.NET平台下轻易的开发数学计算相

Facebook开源 PyTorch版 fairseq,准确性最高、速度比循环神经网络快9倍

今年5月,Facebook AI研究院(FAIR)发表了他们的研究成果fairseq,在fairseq中,他们使用了一种新型的卷积神经网络来做语言翻译,比循环神经网络的速度快了9倍,而且准确性也是现有模型中最高的.此外,他们在GitHub公布了fair序列建模工具包的源代码和训练好的系统,其他的研究者可以在此基础上建立自己的关于翻译.文本总结和其他任务的模型. 详情可参见快9倍!Facebook开源机器学习翻译项目fairseq一文. 日前,Facebook AI研究团队又在GitHub上开源了

开源Math.NET基础数学类库使用(01)综合介绍

原文:[原创]开源Math.NET基础数学类库使用(01)综合介绍 开源Math.NET基础数学类库使用系列文章总目录:   1.开源.NET基础数学计算组件Math.NET(一)综合介绍    2.开源.NET基础数学计算组件Math.NET(二)矩阵向量计算    3.开源.NET基础数学计算组件Math.NET(三)C#解析Matlab的mat格式   4.开源.NET基础数学类库使用Math.NET(四)C#解析Matrix Marke数据格式   5.开源.NET基础数学类库使用Mat

【原创】开源Math.NET基础数学类库使用(02)矩阵向量计算

               本博客所有文章分类的总目录:[总目录]本博客博文总目录-实时更新  开源Math.NET基础数学类库使用总目录:[目录]开源Math.NET基础数学类库使用总目录 前言 本文开始一一介绍Math.NET的几个主要子项目的相关功能的使用.今天先要介绍的是最基本Math.NET Numerics的最基本矩阵与向量计算. 如果本文章资源下载不了,或者文章显示有问题,请参考 本文原文地址:http://www.cnblogs.com/asxinyu/p/4265406.ht