deva 3.0.0

智能数据处理平台 - Intelligent data processing platform with streaming and AI capabilities

---

Deva - 异步流式处理框架

v3.0.0 新特性: Admin UI 模块化重构 + 完整文档体系 (38+ 篇文档)

deva 是一个基于 Python 的异步流式处理框架，让编写实时数据流处理管道、事件驱动程序和异步函数变得简单易用。

🚀 核心理念

• 流式处理：用 Stream 表达数据流动，通过管道操作符组合处理逻辑

• 事件驱动：基于消息总线和路由机制实现松耦合组件通信

• 定时调度：内置定时器和调度器，轻松实现周期性任务和计划任务

• 持久化：集成 SQLite 存储，支持事件回放和状态持久化

• 可视化：一键生成 Web 监控页面，实时观察数据流状态

📦 典型应用场景

• 实时日志监控与告警

• 流式 ETL 和数据清洗

• 定时任务和数据采集

• 量化交易策略执行

• 事件驱动的微服务

• AI 工作流编排

⚡ 快速开始

1. 安装

pip install deva

2. 第一个流处理程序

from deva import Stream, log, Deva

# 创建数据流
source = Stream(name="numbers")

# 添加处理逻辑：乘 2 -> 过滤大于 3 的数 -> 输出日志
source.map(lambda x: x * 2).filter(lambda x: x > 3) >> log

# 启动流处理
source.start()

# 注入数据
for i in range(5):
    source.emit(i)

# 运行事件循环
Deva.run()

运行结果：

[2026-02-26 10:00:00] INFO: log: 4
[2026-02-26 10:00:00] INFO: log: 6
[2026-02-26 10:00:00] INFO: log: 8

3. 定时任务示例

from deva import timer, log, Deva
import time

# 每隔 1 秒获取当前时间并输出日志
timer(interval=1, func=lambda: time.strftime('%H:%M:%S'), start=True) >> log

Deva.run()

4. Web 可视化

from deva import timer, Deva

# 创建实时数据流
s = timer(interval=1, func=lambda: {'time': __import__('time').time()}, start=True)

# 一键生成 Web 页面
s.webview('/realtime')

Deva.run()

访问 http://127.0.0.1:9999/realtime 查看实时数据。

📚 主要功能模块

核心模块

• Stream - 流式处理核心，支持 map/filter/reduce/concat 等操作符

• Bus - 消息总线，支持发布/订阅模式

• Timer/Scheduler - 定时器和调度器

• Namespace (NB) - 命名空间数据存储

• DBStream - 持久化流，支持事件回放

Admin UI

• 策略管理 - 可视化创建和管理交易策略

• 数据源管理 - 配置和监控数据源

• 任务管理 - 任务调度和执行监控

• AI Studio - AI 代码生成和智能对话

• 文档中心 - 完整的在线文档

🔧 安装选项

基础安装

pip install deva

开发环境

pip install deva[dev]

📖 文档资源

• GitHub: https://github.com/sostc/deva

• PyPI: https://pypi.org/project/deva/

• 完整文档: https://github.com/sostc/deva/tree/master/docs

文档目录：

• 快速开始指南

• 安装指南

• 使用手册

• 最佳实践

• 故障排查

• API 参考

🤝 社区与支持

源代码仓库

• GitHub: https://github.com/sostc/deva

问题反馈

• Issue Tracker: https://github.com/sostc/deva/issues

📄 许可证

Copyright © 2018-2026 spark

本项目采用 MIT 许可证。详见 LICENSE 文件。