- 相关博文
- 最新资讯
-
本文介绍了RabbitMQ的三个高级特性：TTL（消息存活时间）、死信队列和延迟队列。TTL支持队列级和消息级两种配置方式，可自动清理过期消息；死信队列用于存储异常或过期消息，避免数据丢失；而延迟队列则通过TTL+死信队列的组合实现定时任务功能，如订单超时关闭等场景。文章详细解析了各特性的工作原理、配置方法及适用场景，并附有流程图帮助理解，是掌握RabbitMQ高级应用的实用指南。
-
本文介绍了一个基于Python Django框架的新冠肺炎疫情实时监控系统开发实践。系统采用B/S架构和MySQL数据库，实现了用户管理、疫情数据管理、留言交流等功能模块。研究背景分析了传统管理方式向线上迁移的必要性，关键技术部分阐述了Python、Django、Vue等技术特点。系统设计包括功能模块划分和数据库设计，实现部分详细描述了用户和管理员的操作界面。通过系统测试验证了功能完整性，结论部分总结了开发过程中知识整合的经验体会，并指出未来优化方向。该系统将传统疫情管理迁移至线上，提高了管理效率和安全性。
-
- Java_IoT 攻诚狮
- 前天
-
-
本文探讨了RabbitMQ消息可靠性投递机制，重点分析了消息投递路径中的关键控制点。主要内容包括： 生产者到交换机的ConfirmCallback确认机制 交换机到队列的ReturnCallback路由失败处理 队列持久化和消费者ACK机制保障消息不丢失 SpringBoot环境下的实战配置与代码示例 通过ConfirmCallback和ReturnCallback双重保障，结合消息持久化与消费者确认机制，可构建完整的消息可靠性投递方案，确保分布式系统中的消息不丢失。文章还提供了异常场景模拟和具体的补偿处理
-
本文介绍了RabbitMQ消息确认机制（ACK）的核心原理与实战应用。ACK机制通过要求消费者处理完消息后主动发送确认信号，有效解决了消息丢失问题。文章详细讲解了ACK的工作流程、Unacked状态的作用，并对比了自动确认与手动确认的适用场景（推荐生产环境使用手动确认）。关键实战部分包括DeliveryTag的作用说明，以及通过Spring Boot实现手动ACK的代码示例，展示了如何正确处理消息确认、拒绝和异常情况，确保消息可靠投递。
-
本文提出了一种基于MongoDB+Elasticsearch的酒店数据聚合解决方案，旨在解决多源异构数据整合难题。针对不同渠道数据格式差异、高频更新等挑战，采用MongoDB存储清洗后的全量主数据，利用Elasticsearch提供高性能检索服务。系统通过数据采集、清洗聚合、存储和搜索四层架构实现，核心包括多线程并发采集、模糊匹配合并策略、批量写入优化等技术。该方案有效解决了酒店数据重复、不一致等问题，实现了毫秒级检索响应，为酒店行业数据聚合提供了可行方案。
-
- 机灵猫
- 20小时前
-
-
随着城市化进程的不断加速，道路交通问题越来越严重，给城市交通管理和居民出 行带来了巨大挑战。为了更好地分析和优化城市道路交通，本文致力于构建并实现一个 基于大数据的智能交通流量监控和优化系统 。此系统依托 Hadoop 的分布式计算优势，融合大数据技术，完成了道路交通数据的采集、存储、处理、预测和分析。通过对道路 交通数据的分析，可以提取出道路路况和平均速度等关键信息，为交通管理部门和车辆 驾驶者提供决策支持。本平台一方面通过采集的道路交通数据对未来交通路况进行预测， 另一方面也可以将未来道路平均
-
- 李小陆工作室(B站同名)
- 昨天
-
-
本文探讨了LabVIEW应用程序的多语言本地化实现方案。文章首先分析了LabVIEW对多语言的支持现状，指出其默认仅支持ANSI编码，对Unicode支持有限，且仅适配中英法德日韩六种语言。然后重点介绍了JKISimpleLocalization工具包的使用方法，该工具能导出/导入JSON词典文件，实现界面语言的实时切换。文章还结合实际工程案例，分析了该方案的局限性：部分控件不可翻译、切换速度较慢（33个界面需50秒）、小语种支持不足等。最后提供了完整的应用流程和工具包附件，包括词典文件转换工具和工程案例。
-
- 认知卡
- 昨天
-
-
获取的岗位数量非0的URL的占比越高，对比旧版写入效率提升就越明显，例如参数配置为 全国373个地级市/县/区（区域选择全选）、关键词为‘大数据’、其余参数均为‘不限’，那么URL数量 = 373 × 1（求职类型） × 1（薪资待遇） × 10（页码）= 3730众所周知，大数据相关岗位的数量只有在较发达的城市才较可观，所以会有不少的URL获取的数据为0，但好在占比不是太极端，在这样的情况下测试显示普通版平均每分钟有效写入17.28条，并发版则是29.85条，效率提高。
-
- luol_-
- 昨天
-
-
消息队列技术选型指南：主流产品对比分析 RabbitMQ：适合中小系统，支持复杂路由和可靠性要求高的场景，轻量但吞吐量有限。 Kafka：大数据场景首选，超高吞吐量，适合日志采集和实时计算，但配置复杂。 RocketMQ：企业级核心业务适用，支持事务消息，高可用且易于运维。 Pulsar：云原生架构，多协议兼容，适合混合云和长期存储需求。 轻量级方案：ZeroMQ(低延迟进程通信)/NSQ(分布式实时消息)。 选型关键：根据业务规模(吞吐量)、场景需求(可靠性/延迟)和运维成本综合考量。
-
- 阿1不摆烂
- 昨天
-
-
AMQP（Advanced Message Queuing Protocol，高级消息队列协议）是一种开放的应用层协议，定义了消息中间件之间消息的格式、传输、路由和确认机制。它标准化了消息的生产、发送、接收和处理流程，确保不同厂商和平台的消息队列系统能够互操作。RabbitMQ 就是基于 AMQP 协议实现的消息队列服务器，它支持 AMQP 的各种特性，比如交换机、队列、绑定、路由键、消息确认、事务等。AMQP 是一种消息队列通信的标准协议，它定义了消息如何格式化、发送、路由和确认。
-
- 途经六月的绽放
- 昨天
-
-
Flink SQL 将 SQL 查询转换为 Flink 的执行计划，利用 Flink 强大的分布式计算能力和流批一体化处理能力，高效地执行查询操作，实现对大规模数据的实时处理和分析。而 Flink SQL 作为 Flink 提供的一种高层次查询语言接口，基于 SQL 标准，让开发者能够使用熟悉的 SQL 语法对数据流和批数据进行处理，进一步降低了大数据处理的门槛，提高了开发效率，成为众多企业进行大数据实时处理和分析的首选工具之一。例如，优化器可以更智能地选择最优的执行计划，减少不必要的数据扫描和计算。
-
- 会敲代码的树
- 昨天
-
-
本文总结Java核心概念：1. Spring容器对比：BeanFactory(懒加载基础容器)与ApplicationContext(预加载高级容器)，后者支持更多企业级功能。2. ZAB协议解析：ZooKeeper的核心算法，通过消息广播/崩溃恢复模式保证分布式一致性，依赖ZXID和Leader选举机制。3. 对象拷贝机制：浅拷贝(共享引用)与深拷贝(完全独立)的区别及实现方式。4. 线程安全方案：对比volatile(轻量级可见性)和synchronized(原子性互斥锁)的适用场景及底层原理。5. v
-
- a58769
- 20小时前
-
-
临床智能决策支持系统（CDSS）正推动医疗决策从人工检索向智能推送转变，通过整合多源异构医疗数据（文本、影像、生理参数等），构建可解释的算法模型，为诊疗提供循证建议。上海瑞金医院的实践展示了AI在复杂手术规划中的应用价值，通过"双层解释"机制（影像特征可视化+指南循证）增强决策透明度。在肿瘤治疗场景，CDSS整合基因组数据实现精准用药推荐；在急诊分诊中，则通过实时风险评估优化救治流程。未来，CDSS将向医院级操作系统演进，融合大语言模型、联邦学习等技术，在保障隐私安全的前提下提升医疗质量
-
- 老余专栏
- 昨天
-
加载中...
-
日前，ASPLOS 2020公布了计算机界最新科技成果，其中包括阿里云提交的名为《High-density Multi-tenant Bare-metal Cloud》的论文，该论文阐述了阿里云自研的神龙服务器架构如何解决困扰云计算行业多年的虚拟化性能损耗问题，打破物理机的性能神话，让云服务器突破性能极限。
-
让服务器突破性能极限 阿里云神龙论文入选计算机顶会ASPLOS
日前，ASPLOS 2020公布了计算机界最新科技成果，其中包括阿里云提交的名为《High-density Multi-tenant Bare-metal Cloud》的论文，该论文阐述了阿里云自研的神龙服务器架构如何解决困扰云计算行业多年的虚拟化性能损耗问题，打破物理机的性能神话，让云服务器突破性能极限。此次入选意味着全球计算机顶会对阿里云自研技术的认可，也意味着中国创新技术在全球计算机界争得了一席之地。
-
近年来超融合在国内迎来快速增长，根据IDC最新发布的报告，2019上半年中国超融合市场增长率达56.7%，大幅超越去年同期。Gartner发布的最新报告，到2023年我国超融合市场依旧保持23%的快速增长。超融合覆盖范围正在进一步扩大，不仅服务的客户在向大规模企业扩张，应用场景也从服务器虚拟化、VDI扩展到数据库、私有云等关键业务。
-
活动
-
2021-11-10
-
2021-03-09
-
2020-12-16
独家定制
-
-
3500人的专业安全团队与你同在
-
-
CSDN云计算在线公开课
-
-
IaaS市场高速增长，历久弥新
精品推荐
关于我们
关注「云计算」
转载 & 投稿：songhui@csdn.net
商务合作：zhangjing@csdn.net