企业官网建设流程全解析

openYuanrong 分布式编程入门：从安装到运行的完整教程

【免费下载链接】yuanrongopenYuanrong runtime：openYuanrong 多语言运行时提供函数分布式编程，支持 Python、Java、C++ 语言，实现类单机编程高性能分布式运行。项目地址: https://gitcode.com/openeuler/yuanrong

前往项目官网免费下载：https://ar.openeuler.org/ar/

想要快速掌握分布式计算开发吗？openYuanrong 多语言运行时为您提供了终极解决方案！作为一款强大的 Serverless 分布式计算引擎，openYuanrong 让您能够像编写单机程序一样轻松开发高性能分布式应用。无论您是 Python、Java 还是 C++ 开发者，都能通过这篇简单教程快速上手。🚀

什么是 openYuanrong？

openYuanrong 是一个创新的 Serverless 分布式计算引擎，它采用统一架构支持 AI、大数据、微服务等各类分布式应用。通过提供多语言函数编程接口，openYuanrong 让分布式应用开发变得像单机编程一样简单直观，同时提供分布式动态调度和数据共享等强大能力，实现高性能的分布式运行和高效的集群资源利用。

openYuanrong 由三个核心组件构成：

• 多语言函数运行时：支持 Python、Java、C++ 语言，实现类单机编程高性能分布式运行
• 函数系统：提供大规模分布式动态调度，支持函数实例极速弹性扩缩和跨节点迁移
• 数据系统：提供异构分布式多级缓存，支持 Object、Stream 语义，实现函数实例间高性能数据共享

环境准备与安装指南

系统要求

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux x86_64 或 aarch64 (ARM)
• Python 环境：Python 3.9-3.11（用于安装和 Python 应用开发）
• Java 环境：Java 8/17/21（可选，用于 Java 应用开发）
• C++ 环境：gcc≥10.3.0 且 stdc++≥14（可选，用于 C++ 应用开发）

一键安装 openYuanrong

安装 openYuanrong 非常简单，只需几行命令即可完成。以下是完整的安装步骤：

# 安装 openYuanrong 核心组件 pip install https://openyuanrong.obs.cn-southwest-2.myhuaweicloud.com/release/0.8.0/linux/x86_64/openyuanrong-0.8.0-cp39-cp39-manylinux_2_34_x86_64.whl pip install https://openyuanrong.obs.cn-southwest-2.myhuaweicloud.com/release/0.8.0/linux/x86_64/openyuanrong_runtime-0.8.0-cp39-cp39-manylinux_2_34_x86_64.whl pip install https://openyuanrong.obs.cn-southwest-2.myhuaweicloud.com/release/0.8.0/linux/x86_64/openyuanrong_datasystem-0.8.0-cp39-cp39-manylinux_2_34_x86_64.whl pip install https://openyuanrong.obs.cn-southwest-2.myhuaweicloud.com/release/0.8.0/linux/x86_64/openyuanrong_functionsystem-0.8.0-py3-none-manylinux_2_34_x86_64.whl # 可选：安装 C++ SDK（用于 C++ 应用开发） pip install https://openyuanrong.obs.cn-southwest-2.myhuaweicloud.com/release/0.8.0/linux/x86_64/openyuanrong_cpp_sdk-0.8.0-cp39-cp39-manylinux_2_34_x86_64.whl # 可选：安装函数服务组件（用于 Serverless 服务开发） pip install https://openyuanrong.obs.cn-southwest-2.myhuaweicloud.com/release/0.8.0/linux/x86_64/openyuanrong_faas-0.8.0-cp39-cp39-manylinux_2_34_x86_64.whl

安装完成后，您可以通过以下命令验证安装是否成功：

python3 -c "import yr; print('openYuanrong 安装成功！')"

快速上手：您的第一个分布式程序

Python 分布式编程示例

让我们从一个简单的 Python 示例开始，体验 openYuanrong 的强大功能：

# hello_yuanrong.py import yr # 定义一个简单的无状态函数 @yr.invoke def say_hello(name): return 'hello, ' + name # 初始化 openYuanrong 环境 yr.init() # 并行异步调用函数 - 感受分布式计算的魅力！ results_ref = [say_hello.invoke('yuanrong') for i in range(3)] print(yr.get(results_ref)) # 清理资源 yr.finalize()

运行这个程序：

python hello_yuanrong.py # 输出：['hello, yuanrong', 'hello, yuanrong', 'hello, yuanrong']

是不是很简单？🎉 您刚刚完成了一个分布式程序的编写和运行！openYuanrong 自动处理了所有的分布式调度和通信细节。

有状态函数的分布式计算

openYuanrong 不仅支持无状态函数，还支持有状态函数的分布式计算。让我们看一个计数器示例：

# counter_example.py import yr # 定义有状态函数 - 分布式计数器 @yr.instance class Counter: def __init__(self): self.value = 0 def increment(self): self.value += 1 return self.value def get_value(self): return self.value # 初始化环境 yr.init() # 创建三个分布式计数器实例 counters = [Counter.invoke() for i in range(3)] # 并行异步调用 - 每个计数器独立工作 for counter in counters: counter.increment.invoke() # 获取所有计数器的值 results = [counter.get_value.invoke() for counter in counters] print(f"计数器值：{yr.get(results)}") # 清理资源 [obj.terminate() for obj in counters] yr.finalize()

多语言支持：Java 和 C++ 开发

Java 分布式编程

openYuanrong 为 Java 开发者提供了完整的 SDK 支持。以下是 Java 版本的分布式计数器：

// Counter.java public class Counter { private int value = 0; public Counter(int initialValue) { this.value = initialValue; } public void increment() { this.value++; } public int getValue() { return this.value; } }

C++ 分布式编程

对于 C++ 开发者，openYuanrong 同样提供了强大的支持：

#include <iostream> #include "yr/yr.h" // 定义有状态函数 class Counter { public: Counter(int initialValue) : value(initialValue) {} void Increment() { value++; } int GetValue() { return value; } YR_STATE(value); private: int value; }; YR_INVOKE(Counter::Counter, &Counter::Increment, &Counter::GetValue);

部署模式选择

openYuanrong 支持多种部署方式，满足不同场景需求：

1. 进程模式部署（推荐用于开发和测试）

在单台 Linux 主机上以进程方式部署，适合学习和开发环境。这种模式简单快捷，无需复杂的容器编排。

2. Kubernetes 部署（推荐用于生产环境）

在 Kubernetes 集群上以容器方式部署，适合生产环境。这种模式提供了更好的可扩展性和高可用性。

实战案例：分布式机器学习任务

让我们看一个更实际的例子 - 分布式机器学习任务处理：

import yr import numpy as np # 定义数据处理函数 @yr.invoke def process_batch(data_batch, model_params): # 模拟机器学习批处理 processed = [] for item in data_batch: # 这里可以是任何机器学习处理逻辑 result = item * model_params['factor'] + model_params['bias'] processed.append(result) return processed # 定义模型训练函数 @yr.instance class ModelTrainer: def __init__(self, initial_params): self.params = initial_params self.loss_history = [] def train_batch(self, batch_data): # 模拟训练过程 loss = np.mean((batch_data - self.params['prediction'])**2) self.loss_history.append(loss) # 更新参数 self.params['prediction'] = np.mean(batch_data) return loss def get_params(self): return self.params # 主程序 def main(): yr.init() # 准备数据 data = [np.random.randn(100) for _ in range(10)] initial_params = {'factor': 1.0, 'bias': 0.0, 'prediction': 0.0} # 创建分布式训练器 trainers = [ModelTrainer.invoke(initial_params) for _ in range(3)] # 并行处理数据 processed_results = [] for i, batch in enumerate(data): trainer = trainers[i % len(trainers)] loss = trainer.train_batch.invoke(batch) processed_results.append(loss) # 收集结果 losses = yr.get(processed_results) print(f"训练损失：{losses}") # 清理 [t.terminate() for t in trainers] yr.finalize() if __name__ == "__main__": main()

监控与调试

openYuanrong 提供了强大的监控和调试工具，帮助您更好地理解分布式应用的运行状态：

通过 Dashboard，您可以实时查看：

• 集群资源使用情况
• 函数实例运行状态
• 任务执行进度
• 系统性能指标

最佳实践与技巧

1. 资源管理技巧 💡

# 良好的资源管理实践 import yr def distributed_task(): yr.init() try: # 您的分布式代码 # ... pass finally: yr.finalize() # 确保资源被正确释放 # 使用 with 语句自动管理资源 with yr.context(): # 在这个上下文中自动管理资源 result = some_distributed_function.invoke() print(yr.get(result))

2. 错误处理策略

import yr @yr.invoke def safe_operation(data): try: # 可能失败的操作 result = process_data(data) return {'success': True, 'data': result} except Exception as e: return {'success': False, 'error': str(e)} # 批量处理时的容错 tasks = [safe_operation.invoke(item) for item in data_items] results = yr.get(tasks) # 过滤成功的结果 successful_results = [r for r in results if r['success']]

3. 性能优化建议

• 批量操作：尽量减少远程调用的次数
• 数据本地性：尽量让计算靠近数据
• 异步编程：充分利用 openYuanrong 的异步特性
• 资源复用：重用有状态函数实例，避免频繁创建销毁

常见问题解答

Q: openYuanrong 支持哪些编程语言？

A: openYuanrong 原生支持 Python、Java 和 C++ 三种主流编程语言。

Q: 需要多少台机器才能使用 openYuanrong？

A: openYuanrong 支持单机部署用于开发和测试，也支持多机集群部署用于生产环境。

Q: 如何迁移现有的单机程序到 openYuanrong？

A: 通常只需添加@yr.invoke装饰器或@yr.instance装饰器，即可将普通函数或类转换为分布式版本。

Q: openYuanrong 的性能如何？

A: openYuanrong 提供了接近本地调用的性能，同时支持自动的负载均衡和故障转移。

下一步学习路径

掌握了 openYuanrong 的基础使用后，您可以进一步探索：

1. 高级特性：深入了解数据系统、函数系统的高级功能
2. 生产部署：学习如何在 Kubernetes 集群上部署 openYuanrong
3. 性能调优：掌握分布式应用的性能优化技巧
4. 监控运维：学习如何使用 openYuanrong 的监控工具

总结

openYuanrong 为分布式计算开发带来了革命性的简化。通过这篇教程，您已经学会了：

✅ openYuanrong 的基本安装和配置 ✅ 如何编写分布式 Python 程序 ✅ 多语言开发支持 ✅ 不同部署模式的选择 ✅ 最佳实践和性能优化技巧

现在就开始您的分布式编程之旅吧！openYuanrong 让复杂的分布式系统开发变得简单直观，让您能够专注于业务逻辑，而不是底层基础设施。🌟

记住，分布式计算的未来就在这里，而 openYuanrong 是您通往这个未来的最佳桥梁。立即开始您的第一个分布式项目，体验高效、简单的分布式编程！

【免费下载链接】yuanrongopenYuanrong runtime：openYuanrong 多语言运行时提供函数分布式编程，支持 Python、Java、C++ 语言，实现类单机编程高性能分布式运行。项目地址: https://gitcode.com/openeuler/yuanrong