microbee-http调用python API

super_qjl

框架支持java调用python代码，使用框架内工具类即可实现。

1.使用方法
1.1.虚拟环境配置

  通过server_conf.xml中的webRoot参数进行配置虚拟环境路径，程序将自动创建虚拟空间，在该目录下生成.python_embed_venv文件夹，python环境及第三方依赖存储在该文件夹下。

1.2.实例化

  实例化PythonEmbedCaller类，参数为：python文件地址/python代码段、python版本（python或python3，传空则默认使用python）；

1. 例：PythonEmbedCaller pythonEmbedCaller = new PythonEmbedCaller("/wwwdata/product/udso/dynamic/my_func.py", "python");

复制代码

1.3.调用1.3.1.方式1：无参函数 + 手动指定依赖

1. // 调用无参方法。参数：python方法名、依赖集合
   
2.     JsonNode result1 = pythonEmbedCaller.callPythonFunctionNoArgs("get_version", Collections.emptyList());
   
3.     System.out.println(result1.toPrettyString());

复制代码

1.3.2.方式2：有参函数 + 手动指定依赖

1. // 设置参数
   
2.     Map input = new HashMap<>();
   
3.     input.put("values", Arrays.asList(10.0, 20.0, 30.0));
   
4.     // 显式声明依赖：numpy 和 pandas
   
5.     List deps = Arrays.asList("numpy", "pandas");
   
6.     // 调用有参方法。参数：python方法名、参数、依赖集合
   
7.     JsonNode result2 = pythonEmbedCaller.callPythonFunctionWithArg("process", input, deps);
   
8.     System.out.println(result2.toPrettyString());

复制代码

1.3.3.方式3：自动探测并安装缺失依赖

1. // 设置参数
   
2.     Map input = new HashMap<>();
   
3.     input.put("values", Arrays.asList(1.5, 2.5, 3.5));
   
4.     // 不传任何依赖列表！系统自动处理。参数：python方法名、参数
   
5.     JsonNode result3 = pythonEmbedCaller.callPythonFunctionAutoDep("process", input);
   
6.     System.out.println(result3.toPrettyString());

复制代码

1.3.4.方式4：执行code而非文件并自动探测依赖

1. // 定义code
   
2.     String code =
   
3.           "def compute(data):n" +
   
4.                "    import mathn" +
   
5.                "    return {'sqrt': math.sqrt(data['x'])}n";
   
6.     // 设置参数
   
7.     Map input = new HashMap<>();
   
8.     input.put("x", 16.0);
   
9.     // 调用。参数：python代码段、python方法名、参数
   
10.     JsonNode result4 = pythonEmbedCaller.callPythonCode(code, "compute", input);
    
11.     System.out.println(result4.toPrettyString());

复制代码

2.python代码文件：my_func.py示例

注：.py文件需增加# -*- coding: utf-8 -*-指定utf-8

1. # -*- coding: utf-8 -*-
   
2.     import numpy as np
   
3.     import pandas as pd  # 故意加一个可能未安装的包
   
4.     import sys
   
5. 
   
6.     def get_version():
   
7.         return {"version": "2.0"}
   
8. 
   
9.     def process(data):
   
10.         arr = np.array(data["values"])
    
11.         df = pd.DataFrame({"x": arr})
    
12.         return {
    
13.             "sum": float(arr.sum()),
    
14.             "mean": float(arr.mean()),
    
15.             "rows": len(df)
    
16.         }
    
17. 
    
18.     def hello_with_progress(n):
    
19.         # 兼容 Python 2 和 Python 3
    
20.         if sys.version_info[0] < 3:
    
21.             print ">>> Python executable:", sys.executable
    
22.             print ">>> sys.prefix:", sys.prefix
    
23.         else:
    
24.            print(">>> Python executable:", sys.executable)
    
25.            print(">>> sys.prefix:", sys.prefix)
    
26.    
    
27.         import tqdm
    
28.         for i in tqdm.tqdm(range(n)):
    
29.             pass
    
30.         return {"status": "completed", "count": n}

复制代码