PulseMQ
面向金融行情与实时数据流的高性能消息中间件,基于 ZeroMQ ROUTER/DEALER 架构。
- Client/Server 架构 — 服务端双 ROUTER(数据面 + 控制面)集中路由;客户端 DEALER 发布/订阅
- PLAIN + bcrypt 认证 — ZAP 认证链:bcrypt 哈希凭据存储,随机 admin token 保护监控接口
- 类型保真 — DataFrame / dict / str / bytes 端到端保真(
_restore_type自动还原原始 Python 类型) - 低延迟数据面 — 独立同步线程转发,端到端 p50 可低至亚毫秒级
- 完整监控 — Web UI(ECharts)+ REST API + SSE 实时推送,流量趋势、延迟分位(P50/P95/P99)、丢弃统计、在线客户端、事件流
- 流控与丢弃监控 — 信用窗口流控 + DONTWAIT 非阻塞发送,消费端有界队列满时按 topic 统计丢弃
- 运行期重连 — 断线自动指数退避重连(1s → 2s → 4s … → 30s 封顶),订阅自动恢复
安装
Python >= 3.13
pip install pulse-mq
依赖项:pyzmq、msgspec、python-snappy、lz4、zstandard、pyarrow、pandas、bcrypt、loguru。
import pulsemq # Python 模块名(无连字符)
from pulsemq import Server
PyPI 分发名是
pulse-mq(pip install用),import 名是pulsemq(Python 标识符不允许连字符)。与python-dateutil→import dateutil同一模式。
快速开始
启动服务端
最简单的方式是直接用 CLI(零配置,首次启动自动生成默认 admin 用户,密码输出到 stderr):
pulsemq # 或: pulsemq-server(--help / --version 可用;9.2.6 起解析参数)
也可以在代码中启动(start() 是协程,需要 asyncio.run 包裹):
import asyncio
from pulsemq import Server
async def main():
srv = Server(
data_endpoint="tcp://0.0.0.0:5555",
control_endpoint="tcp://0.0.0.0:5556",
admin_endpoint="0.0.0.0:9090",
credentials={"user1": "pass1"}, # 或省略,用 credentials_file
)
await srv.start()
await srv.wait_for_shutdown() # Ctrl+C / srv.stop() 后返回
asyncio.run(main())
Server 构造参数:
| 参数 | 说明 |
|---|---|
data_endpoint |
数据面绑定地址(默认 tcp://0.0.0.0:5555) |
control_endpoint |
控制面绑定地址(默认 tcp://0.0.0.0:5556) |
admin_endpoint |
管理 HTTP 绑定地址(默认 0.0.0.0:9090) |
credentials |
显式明文 dict(内存态,哈希落值) |
credentials_file |
凭据 TOML 路径(默认 ./data/pulsemq_users.toml) |
config |
自定义 ServerConfig(覆盖各项默认) |
admin_token |
监控 token;传 "" 禁用校验 |
latency_sample_rate |
延迟采样率(0-1) |
用户管理是独立 CLI(pulsemq-users,不连 Server,直接读写凭据文件):
pulsemq-users add user1 --password pass1 --roles publisher,subscriber
pulsemq-users list
服务端内置定时推送
无需外部生产者客户端,直接在 Server 上注册定时回调:
import asyncio
from pulsemq import Server
async def main():
srv = Server(credentials={"u": "p"})
@srv.producer("market.tick", interval=2.0, serializer="msgpack")
async def gen_tick():
return {"symbol": "AAPL", "price": 180.5, "volume": 1000}
@srv.producer("market.quote", interval=0.5, serializer="pyarrow", compression="lz4")
async def gen_quote():
import pandas as pd
return pd.DataFrame({"price": [10, 20], "vol": [100, 200]})
# burst_producer:无间隔连续推送,回调返回 None 即停止本 producer
seq = 0
@srv.burst_producer("bench", serializer="msgpack")
async def bench():
nonlocal seq
if seq >= 1000: # 发满 1000 条后停止
return None
seq += 1
return {"seq": seq}
await srv.start() # 注册的 producer 自动开始调度
await srv.wait_for_shutdown()
asyncio.run(main())
| 方法 | 参数 | 说明 |
|---|---|---|
srv.producer(topic, interval, serializer, compression) |
interval 秒 |
固定间隔定时推送 |
srv.burst_producer(topic, serializer, compression) |
无间隔 | 连续推送,回调返回 None 停止 |
回调返回值支持 DataFrame / dict / str / bytes,自动编码为协议帧并路由到所有匹配的消费者。
生产者
先创建用户(一次性),再运行示例(Server 必须已在运行):
pulsemq-users add publisher --password pass1 --roles publisher
pulsemq-users add subscriber --password pass2 --roles subscriber
import asyncio
from pulsemq.client import ProducerClient
async def main():
prod = ProducerClient(
"tcp://127.0.0.1:5555", "tcp://127.0.0.1:5556",
username="publisher", password="pass1",
)
await prod.start()
await prod.publish("market.stock.AAPL", {"price": 180.5, "volume": 1000})
await prod.stop()
asyncio.run(main())
消费者
import asyncio
from pulsemq.client import ConsumerClient
async def main():
cons = ConsumerClient(
"tcp://127.0.0.1:5555", "tcp://127.0.0.1:5556",
username="subscriber", password="pass2",
)
await cons.start()
def on_msg(msg):
print(msg.topic, msg.payload, msg.timestamp_ns)
await cons.subscribe("market.*", on_msg) # 可在 start 前预注册
await cons.run_forever() # 运行直到 Ctrl+C,重连致命错误自动抛出
asyncio.run(main())
subscribe 支持 header_only=True——回调只接收 FrameHeader(topic / record_count / timestamp_ns / seq),跳过完整反序列化,适合只需头部信息的低延迟场景:
await cons.subscribe("market.*", on_header, header_only=True)
动态退订(9.2.6 起)——立即停止本地分发并向服务端发送 UNSUBSCRIBE,幂等:
await cons.unsubscribe("market.*")
ProducerClient / ConsumerClient 分别屏蔽订阅 / 发布能力;通用 Client 同时支持两者。
架构速览
┌──────────────────────────┐
│ Server │
生产者 DEALER ────→ │ ┌─ 数据面 ────────────┐ │ ────→ 消费者 DEALER
│ │ ROUTER :5555 (同步线程)│ │
│ └──────────────────────┘ │
│ ┌─ 控制面 ────────────┐ │ ←──── DEALER(REGISTER/HEARTBEAT/…)
│ │ ROUTER :5556 (异步) │ │
│ └──────────────────────┘ │
│ ┌─ Admin ─────────────┐ │ ──── REST / SSE / Web UI
│ │ HTTP :9090 (独立线程)│ │
│ └──────────────────────┘ │
│ ZAP PLAIN (bcrypt) │
└──────────────────────────┘
| 端口 | 协议 | 用途 |
|---|---|---|
5555 |
ROUTER(数据面) | 消息发布/接收 |
5556 |
ROUTER(控制面) | REGISTER / HEARTBEAT / SUBSCRIBE / UNSUBSCRIBE / DISCONNECT / LATENCY_REPORT |
9090 |
HTTP | 监控 Web UI + REST API + SSE |
数据流
生产者 DEALER ──encode→ 数据面 ROUTER decode_header match topic ──→ 消费者 DEALER
↓
TrafficStats.record LatencyStats.sample(半程)
服务端不解压、不反序列化 payload(decode_header 仅提取头部),转发后由消费者完整 decode 还原。
控制面命令
| 命令 | 方向 | 作用 |
|---|---|---|
REGISTER |
Client → Server | 注册上线(含用户名、角色、订阅列表),返回 OK / ALREADY_ONLINE |
HEARTBEAT |
Client → Server | 保活(每秒 1 次,6 秒超时自动下线);携带消费端丢弃量与剩余信用 |
SUBSCRIBE |
Client → Server | 订阅 topic 模式 |
UNSUBSCRIBE |
Client → Server | 取消订阅 |
DISCONNECT |
Client → Server | 优雅下线 |
LATENCY_REPORT |
Client → Server | consumer 回传端到端延迟(采样),fire-and-forget |
详细设计见 docs/ARCHITECTURE.md。
数据类型与序列化
支持的数据类型
| Python 类型 | 可用序列化器 | 默认 | record_count |
|---|---|---|---|
pd.DataFrame |
msgpack, json, pyarrow | pyarrow | 行数 |
dict |
msgpack, json | msgpack | 1 |
str |
str(仅此一种) | str | 1 |
bytes |
bytes(仅此一种) | bytes | 1 |
encode会自动推断data_type并选择默认序列化器,无需手动指定。DataFrame 在 msgpack/json 下先转list[dict](data_type=DATAFRAME),接收端_restore_type还原回 DataFrame;pyarrow 直接序列化 IPC 流。
序列化格式
| 格式 | 后端 | 适合 |
|---|---|---|
msgpack |
msgspec | 结构化小消息 ✅ |
json |
msgspec | 人类可读、跨语言 |
pyarrow |
pyarrow IPC | 列存 / DataFrame ✅(最快) |
str |
UTF-8 | 纯文本 |
bytes |
透传 | 二进制 |
压缩算法
| 算法 | 适用场景 |
|---|---|
none |
小消息,极速 |
snappy |
速度优先 |
lz4 |
批数据,平衡 |
zstd |
压缩比优先(带宽受限) |
auto |
自适应:< 256B 用 none,≥ 256B 用 lz4 |
小消息场景压缩通常是负收益(计算开销 > 传输节省);批量 DataFrame 场景 lz4/zstd 有明显效果。
客户端生命周期
首次启动
启动认证检测采用 ZMQ monitor 设计:
start()
├─ 数据面 DEALER + PLAIN + monitor → 等待认证裁定(超时 5s)
│ ├─ handshake_ok → 继续
│ ├─ auth_failed → AuthenticationError(exit 3)
│ └─ 超时 / 其他 → ClientStartupError(exit 4)
├─ 控制面 DEALER(复用数据面认证态,不开 monitor)
├─ REGISTER → OK / 超时(exit 4) / 被拒(exit 4)
├─ 恢复既有订阅(重连场景)
├─ recv_loop + heartbeat_loop(每秒)
└─ 切换到运行期 monitor(接管断线重连)
| 场景 | 异常 | exit code |
|---|---|---|
| 密码错误 | AuthenticationError |
3 |
| 服务器不可达 / 握手超时 | ClientStartupError |
4 |
| REGISTER 被拒 / 超时 | ClientStartupError |
4 |
运行期重连
断线后按指数退避自动重连(初始 1s,×2,封顶 30s):
disconnected → cancel bg tasks → 新 Transport → PLAIN 认证 → REGISTER(同 client_id)
├─ ALREADY_ONLINE → 退避重试(等心跳超时释放旧记录)
├─ auth_failed → 致命错误,exit 3
└─ OK → 恢复订阅 → 重启 recv/heartbeat
业务无感:订阅自动恢复,消息继续接收,业务层无需重新 subscribe()。
多进程消费模型(9.2.4 起唯一模式)
消费端只有一种模式——多进程消费池,默认 workers=1(一个主进程接收 + 一个 worker 进程处理):
主进程:批量排空 recv(一次唤醒连收多帧,9.2.7)→ header 解码 + 延迟采样 + 缺口检测 → key 路由 → 共享内存环写入
worker 进程 ×N:出环 → 完整 decode → 用户回调(真并行,绕开 GIL)
c = ConsumerClient(..., workers=4, key="symbol") # 4 个 worker 按 payload.symbol 路由
key:默认None= 最短队列(worker 等速时即轮询,慢 worker 自动降载, 不保序);"topic"同 topic 恒定落同 worker 且保序(jump hash,worker 数 变化仅 ~1/n 换位);payload 字段名;或callable(payload, topic) -> str(运行在主进程,lambda 可用)。- key 拆分(字段名/callable)仅支持 dict / str 载荷,且必须精确 topic
订阅(通配符在
subscribe()时报错,9.2.9):dict 按字段值路由、 callable 收到 dict/str 本身、str 载荷的消息内容本身即 key。路由粒度是 整帧——DataFrame 不支持 key 拆分(帧内多股票不会按列拆分到多 worker)。多股票 DataFrame 想按 symbol 并行 + 同股保序,请在发布端 按列 groupby 拆分后逐组发布(dict 带 symbol 字段,消费端key="symbol"; 或每 symbol 一个 topic,消费端key="topic");行级独立的处理也可key=None+ worker 回调内自行 groupby。消费端收到 DataFrame 等不支持 载荷时显式 WARNING 并回退按 topic 路由(同 topic 保序、不再静默 退化成单 worker),回退计数经心跳上报(/api/v1/clients的key_fallback字段)。 - 回调必须是模块级可导入函数(同步或异步均可):跨进程按引用传递,
lambda/闭包在
subscribe()时即报错;worker 进程内不共享主进程内存, 回调副作用请写入文件/队列等进程外介质。 - 心跳上报 credit(全部环空闲量)与丢帧(环满 drop-new 计数); worker 每 1s 上报处理速率/耗时与处理时 e2e 延迟(出环时刻−生产时间戳, 含环内排队,Web UI 客户端卡片可见 avg/max)、per-worker 明细与发布端 confirm 统计(9.2.8)。
监控
Web UI
浏览器打开 http://localhost:9090/?token=<admin_token> 查看实时面板:
- 指标卡片:活跃主题、消息量/秒、流量/秒、运行时间
- 客户端卡片:在线用户、生产者数、消费者数、订阅数
- ECharts 流量趋势折线图(分钟级,1H/8H 切换,最多 5 topic 叠加)+ msg/s、bytes/s sparkline
- 延迟趋势曲线(P50/P95/P99 时间序列,半程/全程可切换)+ 端到端延迟列表
- 实时事件流(认证 / 连接 / 断线 / 订阅)
- topic 卡片含丢弃指示;在线 Client 详情
- 对账面板(9.2.8):per-topic 发布 vs 处理/缺失/丢弃累计 + 在途估算
- 服务端健康面板(9.2.8):数据面循环耗时/收发速率/EAGAIN/信用拦截 chips
- 心跳到达间隔表与踢线计数
告警(9.2.8)
内置阈值规则:丢弃突增 / 缺口突增 / 缓冲积压变老 / 信用窗口持续拦截 /
数据面循环停顿 / 心跳踢线。配置 PULSEMQ_ALERT_WEBHOOK 后告警 POST JSON
到 webhook,未配置时降级为日志 WARNING;各阈值经 PULSEMQ_ALERT_* 环境变量
调整,设 0 关闭对应规则。
REST API
# 实时指标(topics / latency / drops / 在线计数 / 最近事件
# + 9.2.8:dataplane 数据面健康 / heartbeat 心跳质量 / reconciliation 对账)
curl 'http://localhost:9090/api/v1/stats/realtime?token=<token>'
# 主题列表
curl 'http://localhost:9090/api/v1/topics?token=<token>'
# 主题分钟级历史(内存 + SQLite 合并)
curl 'http://localhost:9090/api/v1/topics/market.tick/history?minutes=60&token=<token>'
# 延迟历史(kind=half 半程 / e2e 全程)
curl 'http://localhost:9090/api/v1/latency/topics/market.tick/history?minutes=60&kind=e2e&token=<token>'
# 丢弃 / 缺口分钟历史(9.2.8;?topic= 可选,缺省为全量合计)
curl 'http://localhost:9090/api/v1/stats/drops/history?minutes=60&token=<token>'
curl 'http://localhost:9090/api/v1/stats/gaps/history?topic=market.tick&token=<token>'
# 在线客户端明细(含 per-worker 细分、confirm 统计、credit 视图)
curl 'http://localhost:9090/api/v1/clients?token=<token>'
# 生命周期事件
curl 'http://localhost:9090/api/v1/events?limit=50&token=<token>'
# 系统状态(uptime / pid / 线程数 / RSS)
curl 'http://localhost:9090/api/v1/system/status?token=<token>'
# Prometheus 指标 exposition(9.2.8,支持 Bearer token 抓取)
curl -H 'Authorization: Bearer <token>' http://localhost:9090/metrics
# 健康检查(无需 token)
curl http://localhost:9090/healthz
token 通过 ?token=... 或 Authorization: Bearer ... 传递。
SSE 实时流
curl -N 'http://localhost:9090/api/v1/stats/stream?token=<token>'
每 1 秒推送一帧 JSON,包含 topics / latency_half / latency_e2e / drops / online_users / sse_events / server_time / start_time 等。
协议帧格式
单 bytes 帧(非 ZMQ 多帧,通过 DEALER/ROUTER 传输;9.2.5 起 v3 唯一格式):
magic(2) ver(1) msg_type(1) flags(1) data_type(1) topic_len(1)
seq(8 BE) ts(8 BE ns) record_count(4 BE) [ack_token(4)] topic(N) payload(变长) [CRC32?(4)]
magic="PM",ver=0x03msg_type= DATA(0x01) / CONTROL(0x02)seq(8B)恒在帧内:生产者占位 0,服务端按固定偏移 7 改写为 per-topic 单调序号ack_token(4B,可选,flags bit 6):确认发布回执编号flags位域:序列化器(bit 0-2)+ 压缩算法(bit 3-4)+ ack_token(bit 6)+ CRC(bit 7)+ reserved(bit 5)data_type= UNKNOWN(0x00) / DICT(0x01) / DATAFRAME(0x02) / STR(0x03) / BYTES(0x04)topic上限 255 字节(1B topic_len);record_count上限 1,000,000;单帧上限 256MB- CRC 可选(由 flags bit 7 指示,默认关闭)
位级布局与 flags 编码细节见 docs/ARCHITECTURE.md。
凭据管理
CLI
用户管理是独立入口 pulsemq-users(不连 Server,直接读写凭据文件,密码自动 bcrypt 哈希):
# 添加用户(密码自动 bcrypt 哈希;--password 可省略,改为交互输入)
pulsemq-users add trader1 --password secret123 --roles publisher,subscriber
# 列出所有用户
pulsemq-users list
# 禁用 / 启用用户
pulsemq-users disable trader1
pulsemq-users enable trader1
# 修改密码
pulsemq-users passwd trader1 --password new_secret
# 热加载凭据(向 Server 进程发 SIGHUP;需 PULSEMQ_PID 环境变量,仅 POSIX)
pulsemq-users reload
启动服务端用另一个入口 pulsemq(等价于 pulsemq-server):
pulsemq # 启动 Server,Ctrl+C 优雅关闭
指定凭据文件:把
--file <path>放在子命令前后均可(如pulsemq-users list --file /etc/pulsemq/users.toml)。
文件格式(pulsemq_users.toml)
[users.admin]
hashed_password = "$2b$12$..."
roles = ["admin"]
enabled = true
created_at = "2026-06-27T00:00:00Z"
文件采用原子写(临时文件 + rename),用户名/角色做准入校验(仅字母数字 _ -),阻断危险字符流入 TOML 防注入。
Admin Token
优先级:显式 admin_token= 参数 > 配置文件 > 环境变量 PULSEMQ_ADMIN_TOKEN > token 文件。
未显式指定时:读取 ./data/pulsemq_admin.token 已有 token 直接复用(9.2.8 起,重启不再换 token);文件不存在才生成 32 字节随机 base64url 写入(POSIX 下 0600 权限)并在 stderr 输出一次。Web UI 和 REST API 通过 ?token=... 或 Authorization: Bearer ... 传递。
日志
日志输出到 data/logs/ 目录,每日滚动,保留 30 天:
data/logs/
├── pulsemq_2026-08-01.log
├── pulsemq_2026-08-02.log
└── ...
stderr 同步输出(容器/交互可见)。
性能基准
仓库自带多套基准脚本:
# 1. 单进程快速基准(Server + Producer + Consumer 同进程)
python scripts/bench_simple.py --duration 5
python scripts/bench_simple.py --duration 5 --records-per-frame 1000 --serializer pyarrow --compression lz4
# 可选:--serializer {msgpack,json,pyarrow,str,bytes}
# --compression {none,snappy,lz4,zstd}
# 2. 全面基准(协议层微基准 + 端到端矩阵 + 扇出,单进程)
python scripts/bench_full.py # 跑全部
python scripts/bench_full.py --duration 10 --part 2 # 只跑 Part 2(端到端矩阵)
# 3. 多进程基准(生产端/服务端/消费端独立进程,28 组合全覆盖)
python scripts/bench_multiprocess.py # 跑全部 28 组合
python scripts/bench_multiprocess.py --count 3000 --data-type dict
# 4. 跨机器基准(远程 Linux 跑 Server,本地跑 Producer/Consumer)
python scripts/bench_dist.py --remote <ip> --ssh root@<ip>
python scripts/bench_dist.py --part a # 只跑 Part A
脚本输出帧/记录吞吐量与 p50/p90/p99/max 帧延迟。
性能特征(可从实现推断,实际数值请自行运行脚本获取):
- DataFrame + msgpack/json:encode 限速、无积压,端到端延迟最低(p50 常在亚毫秒级)
- 小消息(dict/str/bytes):吞吐最高(可达 10 万+ f/s),但 burst 发送易致队列积压,p50 较高
- pyarrow:encode 快,但 consumer 端
to_pandas()转换是延迟瓶颈 - zstd:对大 payload 压缩比最优,对 < 200B 小消息通常为负收益
- 数据面同步线程:转发路径无 asyncio 调度,路由匹配有结果缓存
配置
环境变量
| 变量 | 说明 | 默认 |
|---|---|---|
PULSEMQ_DATA_ENDPOINT |
数据面绑定地址 | tcp://0.0.0.0:5555 |
PULSEMQ_CONTROL_ENDPOINT |
控制面绑定地址 | tcp://0.0.0.0:5556 |
PULSEMQ_ADMIN_BIND |
管理 HTTP 绑定地址 | 0.0.0.0:9090 |
PULSEMQ_CREDENTIALS_FILE |
凭据 TOML 路径 | ./data/pulsemq_users.toml |
PULSEMQ_ADMIN_TOKEN |
监控 token(覆盖随机生成) | 自动生成 |
PULSEMQ_ADMIN_PASSWORD |
首次生成默认 admin 的密码 | 随机 |
PULSEMQ_SNDHWM |
ZMQ 发送高水位(帧数) | 10000 |
PULSEMQ_RCVHWM |
ZMQ 接收高水位(帧数) | 10000 |
PULSEMQ_HEARTBEAT_TIMEOUT |
心跳超时(秒) | 6.0 |
PULSEMQ_LATENCY_SAMPLE_RATE |
延迟采样率(0-1) | 0.01 |
PULSEMQ_RETENTION_DAYS |
SQLite 统计保留天数 | 7 |
PULSEMQ_BCRYPT_COST |
bcrypt 代价因子 | 12 |
PULSEMQ_SSE_INTERVAL |
SSE 推送间隔(秒) | 1.0 |
PULSEMQ_STATS_RETENTION_MINUTES |
内存统计窗口(分钟) | 480 |
PULSEMQ_ALERT_WEBHOOK |
告警 webhook URL(空=仅日志) | — |
PULSEMQ_ALERT_COOLDOWN_S |
告警每规则冷却(秒) | 60 |
PULSEMQ_ALERT_DROP_PER_MIN |
丢弃突增阈值(帧/分钟,0=关) | 1000 |
PULSEMQ_ALERT_GAP_PER_MIN |
缺口突增阈值(帧/分钟,0=关) | 1000 |
PULSEMQ_ALERT_BUFFER_AGE_S |
缓冲积压告警阈值(秒,0=关) | 5.0 |
PULSEMQ_ALERT_STARVED_PER_S |
信用拦截告警阈值(次/秒,0=关) | 100 |
PULSEMQ_ALERT_LOOP_STALL_MS |
数据面循环停顿阈值(ms,0=关) | 1000 |
PULSEMQ_USERNAME |
客户端用户名 | — |
PULSEMQ_PASSWORD |
客户端密码 | — |
PULSEMQ_PID |
Server PID(供 pulsemq-users reload 发 SIGHUP) |
— |
配置文件(TOML)
更多参数(stats_db、event_ring_size、stats_archive_batch_size、admin_thread、ui_enabled 等)通过 TOML 配置文件设置。在 Server(config=...) 传入自定义 ServerConfig,或调用 load_server_config(path) / load_client_config(path) 加载。完整字段见 ServerConfig / ClientConfig。
ServerConfig 默认值:零配置即可启动。
许可证
Metadata
Release files for pulse-mq 9.2.9
For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.
Source distribution (sdist)
| File | Size | Uploaded | Provenance | Actions |
|---|---|---|---|---|
| pulse_mq-9.2.9.tar.gz | 625.4 kB | Without provenance | Details for pulse_mq-9.2.9.tar.gz |
Built distribution (wheel)
| File | Interpreter | ABI | Platform | Actions Reset |
|---|---|---|---|---|
| pulse_mq-9.2.9-py3-none-any.whl | Python 3 | none | any | Details for pulse_mq-9.2.9-py3-none-any.whl |
Total release size: 1.1 MB
Release files / pulse_mq-9.2.9.tar.gz
| Download URL | pulse_mq-9.2.9.tar.gz |
|---|---|
| Size | 625.4 kB |
| Tags | Source |
|
SHA-256 checksum How to use checksums |
216ac882ae8a335ec1965101f08470bb438d8f6130607a46918e30f742cf539c
|
|
BLAKE2b-256 checksum How to use checksums |
05665245202775ccdbb386fc4fdcddf05bcd6bf33a7d4c7ea3f03efd7f3bf7e7
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
twine/7.0.0 CPython/3.13.12
|
Release files / pulse_mq-9.2.9-py3-none-any.whl
| Download URL | pulse_mq-9.2.9-py3-none-any.whl |
|---|---|
| Size | 477.0 kB |
| Tags | Python 3 |
|
SHA-256 checksum How to use checksums |
858f5f2c94dbe85079cf4cae1c045febda00d50358fd80621e3dba5b08e3bcc3
|
|
BLAKE2b-256 checksum How to use checksums |
985e0ef656b2353a82401a8490a4833fccfa3e654c2c89c684644617b8d89f37
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
twine/7.0.0 CPython/3.13.12
|
Security for pulse-mq 9.2.9
Provenance
Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.
No provenance found
None of the files in this release were uploaded with provenance metadata.
A note on package security
PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.
To learn more about protecting yourself from malicious actors, visit our package security documentation.