当前位置: 首页 > news >正文

【kafka】kafka概念,使用技巧go示例

1. Kafka基础概念

1.1 什么是Kafka?

Kafka是一个分布式流处理平台,用于构建实时数据管道和流式应用。核心特点:

  • 高吞吐量:每秒可处理百万级消息
  • 持久化存储:消息按Topic分区存储在磁盘
  • 分布式架构:支持水平扩展
  • 高可用性:通过副本机制保证数据不丢失
1.2 核心组件
  • Topic(主题):消息的逻辑分类,如user_loginorder_create
  • Partition(分区):Topic的物理分片,每个分区是有序的日志文件
  • Broker(代理):Kafka集群中的服务器节点
  • Producer(生产者):向Topic发送消息的应用
  • Consumer(消费者):从Topic接收消息的应用
  • Consumer Group(消费者组):多个消费者组成的组,共同消费Topic数据

2. Go语言操作Kafka

2.1 选择客户端库

Go语言中推荐使用confluent-kafka-go库,它基于librdkafka实现,性能优秀且功能完整:

go get -u github.com/confluentinc/confluent-kafka-go/kafka
2.2 生产者示例
package mainimport ("fmt""os""os/signal""syscall""github.com/confluentinc/confluent-kafka-go/kafka"
)func main() {// 配置生产者p, err := kafka.NewProducer(&kafka.ConfigMap{"bootstrap.servers": "localhost:9092",  // Kafka集群地址"acks":              "all",             // 所有副本确认"retries":           5,                 // 重试次数})if err != nil {panic(err)}defer p.Close()// 异步处理发送结果go func() {for e := range p.Events() {switch ev := e.(type) {case *kafka.Message:if ev.TopicPartition.Error != nil {fmt.Printf("Delivery failed: %v\n", ev.TopicPartition)} else {fmt.Printf("Delivered message to %v\n", ev.TopicPartition)}}}}()// 发送消息topic := "user_login"for i := 0; i < 10; i++ {value := fmt.Sprintf("Hello Kafka %d", i)p.Produce(&kafka.Message{TopicPartition: kafka.TopicPartition{Topic: &topic, Partition: kafka.PartitionAny},Value:          []byte(value),}, nil)}// 等待所有消息发送完成p.Flush(15 * 1000)  // 超时15秒// 优雅退出sigchan := make(chan os.Signal, 1)signal.Notify(sigchan, syscall.SIGINT, syscall.SIGTERM)<-sigchan
}
2.3 消费者示例
package mainimport ("fmt""os""os/signal""syscall""github.com/confluentinc/confluent-kafka-go/kafka"
)func main() {// 配置消费者c, err := kafka.NewConsumer(&kafka.ConfigMap{"bootstrap.servers": "localhost:9092","group.id":          "my-group","auto.offset.reset": "earliest",  // 从最早的消息开始消费})if err != nil {panic(err)}defer c.Close()// 订阅主题topic := "user_login"c.SubscribeTopics([]string{topic}, nil)// 处理信号,优雅退出sigchan := make(chan os.Signal, 1)signal.Notify(sigchan, syscall.SIGINT, syscall.SIGTERM)run := truefor run {select {case sig := <-sigchan:fmt.Printf("Caught signal %v: terminating\n", sig)run = falsedefault:ev := c.Poll(100)  // 轮询100msif ev == nil {continue}switch e := ev.(type) {case *kafka.Message:fmt.Printf("Message on %s: %s\n",e.TopicPartition, string(e.Value))// 手动提交偏移量c.CommitMessage(e)case kafka.Error:fmt.Fprintf(os.Stderr, "%% Error: %v\n", e)if e.Code() == kafka.ErrAllBrokersDown {run = false}default:// 忽略其他事件}}}fmt.Println("Closing consumer")
}

3. 高级特性与最佳实践

3.1 消息分区策略

Kafka通过分区实现并行处理,生产者可指定分区策略:

// 1. 轮询(默认):均匀分布消息到各分区
p.Produce(&kafka.Message{TopicPartition: kafka.TopicPartition{Topic: &topic, Partition: kafka.PartitionAny},Value:          []byte(value),
}, nil)// 2. 基于Key哈希:相同Key的消息发到同一分区
p.Produce(&kafka.Message{TopicPartition: kafka.TopicPartition{Topic: &topic, Partition: kafka.PartitionAny},Key:            []byte(userID),  // 根据用户ID哈希到固定分区Value:          []byte(value),
}, nil)
3.2 消费者组与分区分配
  • 同一消费者组内的消费者共同消费Topic的所有分区
  • 每个分区只能被组内一个消费者消费
  • 消费者数量超过分区数时,多余的消费者空闲
3.3 手动提交偏移量
// 配置手动提交
config := &kafka.ConfigMap{"bootstrap.servers": "localhost:9092","group.id":          "my-group","enable.auto.commit": false,  // 禁用自动提交
}// 消费消息后手动提交
for {msg, err := c.ReadMessage(-1)  // 阻塞读取if err == nil {fmt.Printf("Message on %s: %s\n", msg.TopicPartition, string(msg.Value))// 处理消息...// 手动提交当前消息的偏移量_, err := c.CommitMessage(msg)if err != nil {fmt.Printf("Failed to commit offset: %v\n", err)}}
}
3.4 事务处理
// 配置事务生产者
p, err := kafka.NewProducer(&kafka.ConfigMap{"bootstrap.servers": "localhost:9092","transactional.id":  "my-transactional-id",
})
if err != nil {panic(err)
}// 初始化事务
p.InitTransactions(10 * time.Second)// 开始事务
p.BeginTransaction()// 发送多条消息
p.Produce(&kafka.Message{TopicPartition: kafka.TopicPartition{Topic: &topic1}, Value: []byte("msg1")}, nil)
p.Produce(&kafka.Message{TopicPartition: kafka.TopicPartition{Topic: &topic2}, Value: []byte("msg2")}, nil)// 提交事务
err = p.CommitTransaction(10 * time.Second)
if err != nil {p.AbortTransaction(10 * time.Second)  // 回滚
}

4. 企业级实战案例

4.1 异步日志处理
// 生产者:收集应用日志发送到Kafka
func LogToKafka(level, message string) {p, _ := kafka.NewProducer(&kafka.ConfigMap{"bootstrap.servers": "kafka:9092"})defer p.Close()topic := "app_logs"msg := &kafka.Message{TopicPartition: kafka.TopicPartition{Topic: &topic, Partition: kafka.PartitionAny},Key:            []byte(level),Value:          []byte(message),}p.Produce(msg, nil)p.Flush(2 * 1000)  // 等待2秒
}// 消费者:从Kafka读取日志并存储到Elasticsearch
func ConsumeAndIndex() {c, _ := kafka.NewConsumer(&kafka.ConfigMap{"bootstrap.servers": "kafka:9092","group.id":          "log-consumer-group",})c.SubscribeTopics([]string{"app_logs"}, nil)for {msg, err := c.ReadMessage(-1)if err == nil {// 发送到ElasticsearchsendToES(string(msg.Key), string(msg.Value))}}
}
4.2 微服务间事件驱动通信
// 订单服务:创建订单后发送事件
func CreateOrder(userID, productID string, amount float64) {// 1. 创建订单orderID := generateOrderID()saveOrderToDB(orderID, userID, productID, amount)// 2. 发送订单创建事件到Kafkap, _ := kafka.NewProducer(&kafka.ConfigMap{"bootstrap.servers": "kafka:9092"})defer p.Close()topic := "order_created"event := fmt.Sprintf(`{"order_id": "%s", "user_id": "%s", "amount": %.2f}`, orderID, userID, amount)p.Produce(&kafka.Message{TopicPartition: kafka.TopicPartition{Topic: &topic, Partition: kafka.PartitionAny},Value:          []byte(event),}, nil)
}// 库存服务:监听订单创建事件并扣减库存
func StartInventoryService() {c, _ := kafka.NewConsumer(&kafka.ConfigMap{"bootstrap.servers": "kafka:9092","group.id":          "inventory-service-group",})c.SubscribeTopics([]string{"order_created"}, nil)for {msg, err := c.ReadMessage(-1)if err == nil {// 解析订单事件var orderEvent struct {OrderID string  `json:"order_id"`UserID  string  `json:"user_id"`Amount  float64 `json:"amount"`}json.Unmarshal(msg.Value, &orderEvent)// 扣减库存deductInventory(orderEvent.ProductID, 1)}}
}

5. 性能优化与常见问题

5.1 生产者性能优化
  • 批量发送:设置batch.sizelinger.ms
  • 压缩消息:启用compression.type(如snappylz4
  • 异步发送:使用回调函数处理发送结果
5.2 消费者性能优化
  • 增加分区数:提高并行消费能力
  • 多消费者实例:通过消费者组水平扩展
  • 合理批量处理:批量拉取消息,批量提交偏移量
5.3 常见问题排查
问题原因解决方案
消息丢失acks配置不当、副本数不足设置acks=all,确保至少2个副本
消费滞后消费速度慢、分区数不足增加消费者、提高处理效率、增加分区数
重复消费偏移量提交时机不当处理完消息后再提交偏移量,或使用事务
生产者吞吐量低批处理参数不合理、网络延迟增大batch.sizelinger.ms,优化网络连接

6. 生产环境部署建议

  1. 多Broker集群:至少3个Broker,提高可用性
  2. 合理分区数:根据业务量预估,建议单个Topic分区数≥3
  3. 数据备份:定期备份Kafka日志
  4. 监控系统:集成Prometheus、Grafana监控Kafka性能
  5. 安全配置:启用SSL/TLS加密、SASL认证

总结:Go语言使用Kafka的最佳实践

  1. 生产者

    • 使用异步发送提高吞吐量
    • 合理配置acks和重试次数保证消息不丢失
    • 根据业务需求选择分区策略
  2. 消费者

    • 使用消费者组实现水平扩展
    • 手动提交偏移量确保消息处理可靠性
    • 处理消息失败时考虑重试或死信队列
  3. 性能与可靠性

    • 批量处理提高效率
    • 监控关键指标(如Lag、吞吐量)
    • 设计幂等消费逻辑应对重复消息

https://github.com/0voice

相关文章:

【kafka】kafka概念,使用技巧go示例

1. Kafka基础概念 1.1 什么是Kafka&#xff1f; Kafka是一个分布式流处理平台&#xff0c;用于构建实时数据管道和流式应用。核心特点&#xff1a; 高吞吐量&#xff1a;每秒可处理百万级消息持久化存储&#xff1a;消息按Topic分区存储在磁盘分布式架构&#xff1a;支持水平…...

计算机系统结构——Cache性能分析

一、实验目的 加深对Cache的基本概念、基本组织结构以及基本工作原理的理解。掌握Cache容量、相联度、块大小对Cache性能的影响。掌握降低Cache不命中率的各种方法以及这些方法对提高Cache性能的好处。理解LRU与随机法的基本思想以及它们对Cache性能的影响。 二、实验平台 实…...

Spring Web MVC————入门(2)

1&#xff0c;请求 我们接下来继续讲请求的部分&#xff0c;上期将过很多了&#xff0c;我们来给请求收个尾。 还记得Cookie和Seesion吗&#xff0c;我们在HTTP讲请求和响应报文的时候讲过&#xff0c;现在再给大家讲一遍&#xff0c;我们HTTP是无状态的协议&#xff0c;这次的…...

Adobe DC 2025安装教程

一.软件下载 点此下载 二.软件安装...

W1电力线载波通信技术

CK_Label_W1 产品型号&#xff1a;CK_Label_W1 尺寸&#xff1a;37*65*33.7mm 按键&#xff1a;1 指示灯&#xff1a;1 RGB灯(红/绿/蓝/黄/紫/白/青) 外观颜色&#xff1a;白色 合规认证&#xff1a;CE, RoHS 工作温度&#xff1a;0-50℃ 提示功能&#xff1a;蜂鸣器声音…...

现代 Web 自动化测试框架对比:Playwright 与 Selenium 的深度剖析

现代 Web 自动化测试框架对比&#xff1a;Playwright 与 Selenium 的深度剖析 摘要&#xff1a;本文对 Playwright 与 Selenium 在开发适配性、使用难度、场景适用性及性能表现等方面进行了全面深入的对比分析。通过详细的技术实现细节阐述与实测数据支撑&#xff0c;为开发者…...

第二章:CSS秘典 · 色彩与布局的力量

剧情承接&#xff1a;色彩失衡的荒原 林昊穿过 HTML 大门&#xff0c;眼前却是一片 灰白扭曲的荒原。所有页面元素如同幽灵般漂浮&#xff0c;没有色彩、没有结构&#xff0c;错乱无章。 “这是失控的样式荒原。” 零号导师的声音再次响起&#xff0c; “HTML 给了你骨架&…...

ubuntu studio 系统详解

Ubuntu Studio 系统详解&#xff1a;面向多媒体创作的专业 Linux 发行版 一、定位与目标用户 Ubuntu Studio 是 Ubuntu 的官方衍生版本&#xff08;Flavor&#xff09;&#xff0c;专为 音频、视频、图形设计、音乐制作、影视后期 等多媒体创作场景设计。目标用户包括&#x…...

在 Ubuntu 20.04.6 LTS 中将 SCons 从 3.1.2 升级到 4.9.1

在 Ubuntu 20.04.6 LTS 中将 SCons 从 3.1.2 升级到 4.9.1&#xff0c;可以通过以下步骤完成&#xff1a; 方法 1&#xff1a;使用 pip 安装&#xff08;推荐&#xff09; 步骤 1&#xff1a;卸载旧版本 SCons # 如果通过 apt 安装的旧版本&#xff0c;先卸载 sudo apt remov…...

边缘计算网关工业物联网应用:空压机远程运维监控管理

边缘计算网关在空压机远程运维监控管理中的工业物联网应用&#xff0c;主要体现在数据采集与处理、设备监控、故障诊断与预警、远程控制等方面&#xff0c;以下是具体介绍&#xff1a; 数据采集与处理 多源数据采集&#xff1a;边缘计算网关能连接空压机的各类传感器&#xf…...

【大模型面试每日一题】Day 18:大模型中KV Cache的作用是什么?如何通过Window Attention优化其内存占用?

【大模型面试每日一题】Day 18&#xff1a;大模型中KV Cache的作用是什么&#xff1f;如何通过Window Attention优化其内存占用&#xff1f; &#x1f4cc; 题目重现 &#x1f31f;&#x1f31f; 面试官:大模型中KV Cache的作用是什么&#xff1f;如何通过Window Attention优…...

Spring的 @Validate注解详细分析

在 Spring Boot 中&#xff0c;参数校验是保证数据合法性的重要手段。除了前面提到的NotNull、Size等基础注解外&#xff0c;JSR-303&#xff08;Bean Validation 1.0&#xff09;、JSR-349&#xff08;Bean Validation 1.1&#xff09;和 JSR-380&#xff08;Bean Validation …...

现代计算机图形学Games101入门笔记(三)

三维变换 具体形式缩放&#xff0c;平移 特殊点旋转。这里涉及到坐标系&#xff0c;先统一定义右手坐标系&#xff0c;根据叉乘和右手螺旋判定方向。这里还能法线Ry Sina 正负与其他两个旋转不一样。这里可以用右手螺旋&#xff0c;x叉乘z&#xff0c;发现大拇指朝下&#xff0…...

AI时代的弯道超车之第八章:具体分享几个AI实际操作方法和案例

在这个AI重塑世界的时代,你还在原地观望吗?是时候弯道超车,抢占先机了! 李尚龙倾力打造——《AI时代的弯道超车:用人工智能逆袭人生》专栏,带你系统掌握AI知识,从入门到实战,全方位提升认知与竞争力! 内容亮点: AI基础 + 核心技术讲解 职场赋能 + 创业路径揭秘 打破…...

企业网络新选择:软件定义架构下的MPLS

随着现代企业园区网络和运营商级基础设施的不断发展&#xff0c;多协议标签交换 &#xff08;MPLS&#xff09; 已成为一项基础技术&#xff0c;这要归功于其高效的数据包转发、高级流量工程功能以及对多租户环境的强大支持。 什么是MPLS&#xff1f; MPLS&#xff08;多协议…...

SparkSQL操作Mysql

&#xff08;一&#xff09;准备mysql环境 我们计划在hadoop001这台设备上安装mysql服务器&#xff0c;&#xff08;当然也可以重新使用一台全新的虚拟机&#xff09;。 以下是具体步骤&#xff1a; 使用finalshell连接hadoop001.查看是否已安装MySQL。命令是: rpm -qa|grep…...

【论文阅读】UNIT: Backdoor Mitigation via Automated Neural Distribution Tightening

ECCV2024 https://github.com/Megum1/UNIT 我们的主要贡献总结如下&#xff1a; 我们引入了UNIT&#xff08;“AUtomated Neural DIstribution Tightening”&#xff09;&#xff0c;这是一种创新的后门缓解方法&#xff0c;它为每个神经元近似独特的分布边界&#xff0c;用于…...

Android逆向学习(十) IDA逆向编辑Android so文件

Android逆向学习&#xff08;十&#xff09; IDA逆向编辑Android so文件 一、 写在前面 这是吾爱破解论坛正己大大的第10个教程 native code在我之前的博客中讲到过&#xff0c;所以这里就不讲了 简单来说&#xff0c;native code就是在android中使用c或c语言进行开发 这样…...

OpenCV + PyAutoGUI + Tkinter + FastAPI + Requests 实现的远程控制软件设计方案

以下是基于 OpenCV PyAutoGUI Tkinter FastAPI Requests 实现的远程控制软件设计方案。该方案分为 被控端&#xff08;服务端&#xff09; 和 控制端&#xff08;客户端&#xff09;&#xff0c;支持屏幕实时查看、键盘映射和鼠标操作。 1. 系统架构 ------------------- …...

C++.神经网络与深度学习(赶工版)(会二次修改)

神经网络与深度学习 1. 神经网络基础1.1 神经元模型与激活函数1.2 神经网络结构与前向传播2.1 损失函数与优化算法均方误差损失函数交叉熵损失函数梯度下降优化算法 2.2 反向传播与梯度计算神经元的反向传播 3.1 神经元类设计与实现神经元类代码实现代码思路 3.2 神经网络类构建…...

砷化镓太阳能电池:开启多元领域能源新篇

砷化镓太阳能电池作为一种高性能的光伏产品&#xff0c;具有诸多独特优势。其中&#xff0c;锗衬底砷化镓太阳能电池表现尤为突出&#xff0c;它具备高转化效率、耐辐照和高电压等特性。在空间供电电源领域&#xff0c;这些优势使其成为人造卫星、太空站、太空探测器和登陆探测…...

[Linux] vim及gcc工具

目录 一、vim 1.vim的模式 2.vim的命令集 (1):命令模式 (2):底行模式 3.vim配置 二、gcc 1.gcc格式及选项 2.工作布置 三、自动化构建工具makefile 1.基本使用方法 2.配置文件解析 3.拓展 在linux操作系统的常用工具中&#xff0c;常用vim来进行程序的编写&#xff1b…...

java加强 -stream流

Stream流是jdk8开始新增的一套api&#xff0c;可以用于操作集合或数组的内容。 Stream流大量的结合了Lambda的语法风格来编程&#xff0c;功能强大&#xff0c;性能高效&#xff0c;代码简洁&#xff0c;可读性好。 体验Stream流 把集合中所有以三开头并且三个字的元素存储到…...

RHCE认证通过率

红帽RHCE考试总体通过率38%&#xff08;2023年数据&#xff09;&#xff0c;细分数据显示自学者通过率18%&#xff0c;参加官方培训者47%&#xff0c;企业团体考生53%。通过率差异由备考资源和考试策略决定。 RHCE考试重点考Ansible自动化运维&#xff0c;需在3.5小时内完成12…...

OpenEvidence AI临床决策支持工具平台研究报告

平台概述 OpenEvidence是一个专为医疗专业人士设计的临床决策支持工具,旨在通过整合各类临床计算器和先进的人工智能技术,提高医生的诊疗决策效率和准确性。作为一款综合性医疗平台,OpenEvidence将复杂的医学计算流程简化,同时提供个性化的临床建议,使医生能够更快、更准…...

gd32e230c8t6 keil6工程模板

下载固件gd32e230c8t6固件官方下载&#xff08;需登录&#xff09; 或 蓝奏云 新建一个文件夹&#xff0c;把固件压缩包里的里的Firmware和Template拖进去 keil新建gd32e230c8工程 必须勾选CMSIS-CORE 新建一个文件夹&#xff0c;双击任意改名 点击manage project it…...

正向代理与反向代理区别及应用

正向代理和反向代理是两种常见的代理服务器类型&#xff0c;它们在网络架构中扮演不同角色&#xff0c;核心区别在于代理对象和使用场景。 1. 正向代理&#xff08;Forward Proxy&#xff09; 定义&#xff1a;正向代理是客户端&#xff08;如浏览器&#xff09;主动配置的代理…...

自然语言处理入门级项目——文本分类

文章目录 前言1.数据预处理1.1数据集介绍1.2数据集抽取1.3划分数据集1.4数据清洗1.5数据保存 2.样本的向量化表征2.1词汇表2.2向量化2.3自定义数据集2.4备注 结语 前言 本篇博客主要介绍自然语言处理领域中一个项目案例——文本分类&#xff0c;具体而言就是判断评价属于积极还…...

UOS专业版上通过源码安装 Python 3.13 并保留系统默认版本

在 UOS 专业版上通过源码安装 Python 3.13 并保留系统默认版本&#xff0c;可按照以下步骤操作&#xff1a; 1. 安装依赖 首先安装编译 Python 所需的依赖库&#xff1a; sudo apt update sudo apt install -y build-essential zlib1g-dev libncurses5-dev \ libgdbm-dev li…...

【论文笔记】ViT-CoMer

【题目】&#xff1a;ViT-CoMer: Vision Transformer with Convolutional Multi-scale Feature Interaction for Dense Predictions 【引用格式】&#xff1a;Xia C, Wang X, Lv F, et al. Vit-comer: Vision transformer with convolutional multi-scale feature interaction…...

kaggle薅羊毛

参考&#xff1a;https://pytorch-tutorial.readthedocs.io/en/latest/tutorial/chapter05_application/5_1_kaggle/#512-kaggle https://github.com/girls-in-ai/Girls-In-AI/blob/master/machine_learning_diary/data_analysis/kaggle_intro.md 1&#xff0c;code training…...

Python 之 Flask 入门学习

安装 Flask 在开始使用 Flask 之前&#xff0c;需要先安装它。可以通过 pip 命令来安装 Flask&#xff1a; pip install Flask创建第一个 Flask 应用 创建一个简单的 Flask 应用&#xff0c;只需要几行代码。以下是一个最基本的 Flask 应用示例&#xff1a; from flask imp…...

SpringBoot Vue MySQL酒店民宿预订系统源码(支付宝沙箱支付)+代码讲解视频

&#x1f497;博主介绍&#x1f497;&#xff1a;✌在职Java研发工程师、专注于程序设计、源码分享、技术交流、专注于Java技术领域和毕业设计✌ 温馨提示&#xff1a;文末有 CSDN 平台官方提供的老师 Wechat / QQ 名片 :) Java精品实战案例《700套》 2025最新毕业设计选题推荐…...

Oracle日期计算跟Mysql计算日期差距问题-导致两边计算不一致

Oracle数据库对日期做加法时&#xff0c;得到的时间是某天的12:00:00 例&#xff1a; Oracle计算 select (TO_DATE(2025-04-14, YYYY-MM-DD)1.5*365) from dual; 结果&#xff1a;2026/10/13 12:00:00Mysql计算 select DATE_ADD( str_to_date( 2025-04-14, %Y-%m-%d ), INTER…...

多线程(三)

上一期关于线程的执行&#xff0c;咱们说到线程是 “ 随机调度&#xff0c;抢占式执行 ”。所以我们对于线程之间执行的先后顺序是难以预知的。 例如咱们打篮球的时候&#xff0c;球场上的每一位运动员都是一个独立的 “ 执行流 ”&#xff0c;也可以认为是一个线程&#xff0…...

微服务商城(1)开篇、服务划分

参考&#xff1a;https://mp.weixin.qq.com/s?__bizMzg2ODU1MTI0OA&mid2247485597&idx1&sn7e85894b7847cc50df51d66092792453&scene21#wechat_redirect 为什么选择go-zero go-zero 为我们提供了许多高并发场景下的实用工具&#xff0c;比如为了降低接口耗时…...

刘强东 “猪猪侠” 营销:重构创始人IP的符号革命|创客匠人热点评述

当刘强东身着印有外卖箱猪猪侠的 T 恤漫步东京涩谷街头时&#xff0c;这场看似荒诞的行为艺术实则揭开了互联网商业竞争的新篇章。这位曾经以严肃企业家形象示人的京东创始人&#xff0c;正通过二次元 IP 的深度绑定&#xff0c;完成从商业领袖到文化符号的华丽转身。 一、IP …...

MQ消息队列的深入研究

目录 1、Apache Kafka 1.1、 kafka架构设 1.2、最大特点 1.3、功能介绍 1.4、Broker数据共享 1.5、数据一致性 2、RabbitMQ 2.1、架构图 2.2、最大特点 2.3、工作原理 2.4、功能介绍 3、RocketMQ 3.1、 架构设计 3.2、工作原理 3.3、最大特点 3.4、功能介绍 3…...

填涂颜色(bfs)

归纳编程学习的感悟, 记录奋斗路上的点滴, 希望能帮到一样刻苦的你! 如有不足欢迎指正! 共同学习交流! 🌎欢迎各位→点赞 👍+ 收藏⭐ + 留言​📝 含泪播种的人一定能含笑收获! 题目描述 由数字 0 0 0 组成的方阵中,有一任意形状的由数字 1 1 1 构成的闭合圈。现…...

FFplay 音视频同步机制解析:以音频为基准的时间校准与动态帧调整策略

1.⾳视频同步基础 1.2 简介 看视频时&#xff0c;要是声音和画面不同步&#xff0c;体验会大打折扣。之所以会出现这种情况&#xff0c;和音视频数据的处理过程密切相关。音频和视频的输出不在同一个线程&#xff0c;就像两个工人在不同车间工作&#xff0c;而且不一定会同时…...

【Linux笔记】——进程信号的捕捉——从中断聊聊OS是怎么“活起来”的

&#x1f525;个人主页&#x1f525;&#xff1a;孤寂大仙V &#x1f308;收录专栏&#x1f308;&#xff1a;Linux &#x1f339;往期回顾&#x1f339;&#xff1a;【Linux笔记】——进程信号的保存 &#x1f516;流水不争&#xff0c;争的是滔滔不息 一、信号捕捉的流程二、…...

VCS X-PROP建模以及在方针中的应用

VCS X-PROP建模以及在方针中的应用 摘要&#xff1a;VCS X-Prop&#xff08;X-Propagation&#xff09;是 Synopsys VCS 仿真工具中的一种高级功能&#xff0c;用于增强 X 态&#xff08;未知态&#xff09;和 Z 态&#xff08;高阻态&#xff09;在 RTL 仿真中的建模和传播能力…...

OpenSHMEM 介绍和使用指南

OpenSHMEM 介绍和使用指南 什么是 OpenSHMEM&#xff1f; OpenSHMEM 是一个用于并行计算的标准化 API&#xff0c;它提供了一种分区全局地址空间 (PGAS) 编程模型。OpenSHMEM 最初由 Cray 公司开发&#xff0c;后来成为一个开源项目&#xff0c;旨在为高性能计算提供高效的通…...

Electron入门指南:用前端技术打造桌面应用

&#x1f31f; 目录速览 什么是Electron&#xff1f;为什么要用Electron&#xff1f;核心概念三分钟掌握快速创建第一个应用典型应用场景开发注意事项常见问题解答 一、什么是Electron&#xff1f;&#x1f914; Electron就像魔法转换器&#xff0c;它能将你熟悉的&#xff1…...

机器学习第十讲:异常值检测 → 发现身高填3米的不合理数据

机器学习第十讲&#xff1a;异常值检测 → 发现身高填3米的不合理数据 资料取自《零基础学机器学习》。 查看总目录&#xff1a;学习大纲 关于DeepSeek本地部署指南可以看下我之前写的文章&#xff1a;DeepSeek R1本地与线上满血版部署&#xff1a;超详细手把手指南 一、幼儿…...

【Redis】缓存穿透、缓存雪崩、缓存击穿

1.缓存穿透 是指客户端请求的数据在缓存中和数据库中都不存在&#xff0c;这样缓存永远不会生效&#xff0c;导致请求直接穿透缓存到达数据库&#xff0c;给数据库带来压力的情况。 常见的解决方案有两种&#xff1a; 缓存空对象&#xff1a;实现简单&#xff0c;维护方便&am…...

科学养生指南:打造健康生活

在快节奏的现代生活中&#xff0c;健康养生成为人们关注的焦点。科学养生无需复杂理论&#xff0c;掌握以下几个关键要素&#xff0c;就能为身体构筑坚实的健康防线。​ 合理饮食是健康的基础。世界卫生组织建议&#xff0c;每天应摄入至少 5 份蔬菜和水果&#xff0c;保证维生…...

解锁健康生活:现代养生实用方案

早上被闹钟惊醒后匆忙灌下咖啡&#xff0c;中午用外卖应付一餐&#xff0c;深夜刷着手机迟迟不肯入睡 —— 这样的生活模式&#xff0c;正在不知不觉侵蚀我们的健康。科学养生并非遥不可及的目标&#xff0c;只需从生活细节入手&#xff0c;就能逐步改善身体状态。​ 饮食管理…...

深入解析JVM字节码解释器执行流程(OpenJDK 17源码实现)

一、核心流程概述 JVM解释器的核心任务是将Java字节码逐条翻译为本地机器指令并执行。其执行流程可分为以下关键阶段&#xff1a; 方法调用入口构建&#xff1a;生成栈帧、处理参数、同步锁等。 字节码分派&#xff08;Dispatch&#xff09;&#xff1a;根据字节码跳转到对应…...

【HCIA】BFD

前言 前面我们介绍了浮动路由以及出口路由器的默认路由配置&#xff0c;可如此配置会存在隐患&#xff0c;就是出口路由器直连的网络设备并不是运营商的路由器&#xff0c;而是交换机。此时我们就需要感知路由器的存活状态&#xff0c;这就需要用到 BFD&#xff08;Bidirectio…...