快速开始

    你可以使用以下的单行命令来安装 WasmEdge。 你的系统必须预先安装 和 curl。

    如果你正在使用Windows 10，你可以使用Windows Package Manager Client (也称winget.exe)来安装WasmEdge。

    1. winget install wasmedge

    如果你希望一并安装 ，请执行以下命令。它将尝试在你的系统上安装 Tensorflow 和图像共享库。

    1. curl -sSf https://raw.githubusercontent.com/WasmEdge/WasmEdge/master/utils/install.sh | bash -s -- -e all

    执行以下命令能使已安装的二进制文件在当前会话中可用。

    1. source $HOME/.wasmedge/env

    这里有几个 WebAssembly 字节码的示例供您试用新安装的 WasmEdge CLI。

    hello.wasm 这个 WebAssembly 程序中包含一个 main() 函数。 它将打印 hello，以及所有的命令行参数。

    1. $ wasmedge hello.wasm second state
    2. hello
    3. second
    4. state

    add.wasm 这个 WebAssembly 程序包含一个 add() 函数。 我们在反应器模式下使用 WasmEdge 来调用 add()，并给它 2 个整数作为输入参数。

    1. $ wasmedge --reactor add.wasm add 2 2
    2. 4

    我们手动创建了 fibonacci.wat 程序，并使用了 编译器来构建 fibonacci.wasm 这个 WebAssembly 程序。 它包含了一个 fib() 函数，这个函数以一个整数作为输入参数。我们在反应器模式下使用 WasmEdge 来调用这个导出函数。

    1. $ wasmedge --reactor fibonacci.wasm fib 10
    2. 89

    CLI工具支持 --gas-limit 标志，用于控制执行的成本。

    2. # gas 足够时
    3. $ wasmedge --enable-all-statistics --gas-limit 20425 hello.wasm second state
    4. hello
    5. second
    6. state
    7. [2021-12-09 16:03:33.261] [info] ====================  Statistics  ====================
    8. [2021-12-09 16:03:33.261] [info]  Total execution time: 268266 ns
    9. [2021-12-09 16:03:33.261] [info]  Wasm instructions execution time: 251610 ns
    10. [2021-12-09 16:03:33.261] [info]  Host functions execution time: 16656 ns
    11. [2021-12-09 16:03:33.261] [info]  Executed wasm instructions count: 20425
    12. [2021-12-09 16:03:33.261] [info]  Gas costs: 20425
    13. [2021-12-09 16:03:33.261] [info]  Instructions per second: 81177218
    14. [2021-12-09 16:03:33.261] [info] =======================   End   ======================
    16. # gas 不足时
    17. $ wasmedge --enable-all-statistics --gas-limit 20 hello.wasm second state
    18. [2021-12-23 15:19:06.690] [error] Cost exceeded limit. Force terminate the execution.
    19. [2021-12-23 15:19:06.690] [error]     In instruction: ref.func (0xd2) , Bytecode offset: 0x00000000
    21. [2021-12-23 15:19:06.690] [error]     At AST node: element segment
    22. [2021-12-23 15:19:06.690] [error]     At AST node: element section
    23. [2021-12-23 15:19:06.690] [info] ====================  Statistics  ====================
    24. [2021-12-23 15:19:06.690] [info]  Total execution time: 0 ns
    25. [2021-12-23 15:19:06.690] [info]  Wasm instructions execution time: 0 ns
    26. [2021-12-23 15:19:06.690] [info]  Host functions execution time: 0 ns
    27. [2021-12-23 15:19:06.690] [info]  Executed wasm instructions count: 21
    28. [2021-12-23 15:19:06.690] [info]  Gas costs: 20

    WasmEdge 也可以作为一个高性能、安全、可扩展、易于部署且 的 JavaScript 运行时。

    qjs.wasm 是一个被编译为 WebAssembly 的 JavaScript 解释器。 是一个非常简单的 JavaScript 程序。

    1. $ wasmedge --dir .:. qjs.wasm hello.js 1 2 3
    2. Hello 1 2 3

    qjs_tf.wasm 则是一个 WebAssembly 版本的 JavaScript 解释器（带有 ）。 要想运行 qjs_tf.wasm，你必须使用 wasmedge-tensorflow-lite 这个命令行工具；这个工具里内置了包含 Tensorflow 扩展的 WasmEdge 构建版本。 你可以下载一个来对图像进行分类。

    1. # Download the Tensorflow example
    2. $ wget https://raw.githubusercontent.com/second-state/wasmedge-quickjs/main/example_js/tensorflow_lite_demo/aiy_food_V1_labelmap.txt
    3. $ wget https://raw.githubusercontent.com/second-state/wasmedge-quickjs/main/example_js/tensorflow_lite_demo/food.jpg
    4. $ wget https://raw.githubusercontent.com/second-state/wasmedge-quickjs/main/example_js/tensorflow_lite_demo/lite-model_aiy_vision_classifier_food_V1_1.tflite
    5. $ wget https://raw.githubusercontent.com/second-state/wasmedge-quickjs/main/example_js/tensorflow_lite_demo/main.js
    7. $ wasmedge-tensorflow-lite --dir .:. qjs_tf.wasm main.js
    9. confidence: 0.8941176470588236