- 相关博文
- 最新资讯
-
摘要 本文介绍了RabbitMQ工作队列的两种消息分配策略：轮训策略和公平策略。工作队列通过多个消费者共同处理同一队列的消息，解决"生产快、消费慢"的问题。轮训策略是RabbitMQ默认的分配方式，将消息依次轮流发送给每个消费者，不考虑处理速度差异。文章提供了完整的Java代码实现，包括消息生产者发送10条测试消息，以及两个消费者通过手动确认消息的方式接收处理。通过设置虚拟主机、关闭自动确认等配置，演示了如何构建可靠的工作队列消费模式。
-
本文基于 12 个城市的实战案例，详解 Java 大数据在智能停车诱导与车位共享中的应用。通过 “感知层 - 中枢层 - 应用层” 架构，结合 Flink 实时计算、Redis 缓存、匹配算法等技术，解决了找位难、车位闲置、共享壁垒等问题。某商圈改造后，平均找位时间从 23 分钟降至 4 分钟，车位周转率提升 217%；小区共享车位使业主月均增收 320 元。文中包含完整代码实现（如 Flink 实时处理、高德 API 对接、保险系统集成）、避坑指南及数据对比，为智能交通落地提供可操作方案。
-
- 青云交
- 昨天
-
-
本文深入讲解RabbitMQ交换机的核心概念与实战应用。首先分析了4种交换机类型（Direct/Fanout/Topic/Headers）的特点及适用场景，重点介绍了发布订阅模型中Fanout交换机的广播机制。通过Java代码示例演示了如何实现消息生产者发送广播消息，以及多个消费者同时接收消息的完整流程。文章包含详细的环境配置说明、参数解释和注意事项，帮助开发者快速掌握RabbitMQ的灵活消息路由能力。适用于需要实现消息广播、日志分发等场景的开发人员
-
摘要：全局设备效率（OEE）是衡量制造设备效能的核心指标，但其计算在工业场景中常因数据复杂、实时性要求高而难以落地。本文以制造业通用实践为基础，详解如何利用PySpark处理海量生产数据，构建OEE计算与生产节拍分析体系。内容涵盖OEE三大核心指标（时间开动率、性能开动率、合格品率）的算法设计，生产节拍稳定性分析，以及实时监控系统搭建。通过虚拟锂电池工厂案例，展示从数据预处理到优化决策的全流程，附完整PySpark代码与执行结果。
-
- AI_DL_CODE
- 昨天
-
-
路由模式是RabbitMQ中一种基于「标签匹配」的消息分发机制。消息通过指定的“路由键”（Routing Key），被交换机精准转发到绑定了相同键值的队列。与广播模式（Fanout）不同，路由模式不会“雨露均沾”——只有当消息的Routing Key与队列绑定的Binding Key完全匹配时，消息才会被投递。这种特性让它成为需要“定向处理消息”场景的理想选择。路由模式是RabbitMQ中实现“精准消息投递”的核心方案，尤其适合需要按消息类型/级别差异化处理的场景（如日志分级、订单状态通知等）。
-
最近联通元景万悟平台开源了，作为智能体平台，整体功能能力上对标dify设计简约，同时支持，代码基于。部署方便：个人电脑通过docker就能拉起平台，8C16G内存即可。
-
- grace_fool
- 23小时前
-
-
本文对比了鸿蒙开发、大数据开发、Java开发和前端开发四个方向的核心差异。从定义看，鸿蒙开发聚焦多设备协同，大数据开发处理海量数据，Java开发侧重后端系统，前端专注用户界面。技术栈方面，分别使用ArkTS/Java、Hadoop/Spark、Spring框架和React/Vue等。工作内容涉及设备适配、数据处理、接口开发和界面实现。应用场景包括IoT设备、推荐系统、电商平台和网页等。职业路径和适合人群也各有特点，鸿蒙适合新技术爱好者，大数据需要逻辑分析能力，Java偏重系统设计，前端注重交互体验。文章还提
-
- 大数据狂人
- 22小时前
-
-
注意：Git Bash不能使用ctrl+c和ctrl+v,可以用右键鼠标完成复制粘贴。但是还可以在Git Bash中，选中某个命令默认自动复制，按下鼠标滚轮即可粘贴。注意：add后面不加东西会报错，add后可以加文件名也可以加 .（代表所有文件），add后面有个空格。commitID为提交的ID号，通过git log查看。下图中的commit后面的即为commitID。如果有.git文件生成表示仓库创建成功。清除Git Bash中的内容。查看配置信息(注意空格)设置用户名和邮箱地址。
-
- 小了个白~
- 昨天
-
-
本文通过具体示例展示了Qwen-Rerank模型的完整处理流程。以查询"什么是人工智能？"和候选文档"人工智能是计算机科学的分支..."为例，详细解析了5个关键步骤：1)输入序列构造的特殊模板格式；2)模型前向计算中[EOS]位置的logits提取；3)关键token("yes"/"no")的分数定位；4)二元分数矩阵构建；5)通过LogSoftmax计算相关性概率。结果显示该文档获得99.997%的相关性评分，并辅以数学公式和
-
- m0_57122591
- 昨天
-
-
DCO机器人检测到PR中有2个提交缺少签名行(Signed-off-by)。修复方法：1)本地执行git rebase HEAD~2 --signoff补签名；2)使用--force-with-lease强制推送分支。需要注意：a)仅适用于个人分支且无他人协作时；b)HTTPS推送需生成GitHub PAT作为密码；c)若仍有提示需扩大rebase范围(如HEAD~3)。同步建议：先stash本地改动，rebase对齐主干后再补签名推送。（149字）
-
- eduics
- 昨天
-
-
对于项目上报的数据，如果需要监控多个维度，可以在Prometheus UI新建多个query，但是很不直观。（3）输入topk(2, sum by (uri) (api_request_total)) # 按URI分组，显示访问次数最多的前2个。（1）输入api_request_total可以看到总览。（2）filter拦截HTTP请求并上报数据。进入Prometheus UI页面。启动本地Prometheus ，访问。使用Cursor自动生成代码。更多预览方法参考官方说明。启动项目发现在自动上报。
-
- w_t_y_y
- 前天
-
-
消息队列核心作用与Kafka架构解析 摘要： 消息队列主要实现系统解耦、异步通信和流量削峰三大功能。Kafka作为高性能消息队列，其集群架构包含生产者、Broker集群（含Leader/Follower副本）和消费者组。Kafka通过分区顺序I/O、零拷贝技术和页缓存优化实现超高吞吐，根本原因在于其仅进行两次数据拷贝（优于RocketMQ的三次）。消息可靠性通过生产者ACK确认、Broker副本同步和消费者手动提交三重保障。顺序消费则需依赖分区机制，通过相同Key确保消息进入同一分区，并由单线程消费该分区实
-
- wuxuanok
- 昨天
-
-
大数据的数据倾斜数据倾斜是指在并行进行数据处理的时候，由于单个partition的数据显著多余其他部分，分布不均匀，导致大量数据集中分布到一台或者某几台计算节点上，使得该部分的处理速度远低于平均计算速度，成为整个数据集处理的瓶颈，从而影响整体计算性能。当数据出现数据倾斜的时候，某机器计算耗时远高于其他机器，带来的主要问题有两点：一是整体耗时过大，不能充分发挥分布式系统的并行计算优势；二是部分机器处理的数据量过大，可能导致内存不足，任务失败。
-
- qq_44750507
- 昨天
-
-
Git 是现代软件开发中广泛使用的版本控制工具，而 GitHub 则是最流行的远程仓库托管平台之一。理解如何在本地与远程仓库之间进行高效的同步操作，对于团队协作和代码管理至关重要。在开始之前，请确保你已具备以下条件：可选：配置 SSH key 以免每次都输入密码（推荐）同步操作流程3.1 创建远程仓库如果你还没有远程仓库，首先在 GitHub 上创建：首次使用远程仓库时，使用 命令将其克隆到本地：HTTPS 方式：SSH 方式（推荐）：如果你有现有的本地项目需要关联到新的远程仓库：3.
-
- 水杉i
- 16小时前
-
加载中...
-
Apache Kafka 是一个快速、可扩展的、高吞吐的、可容错的分布式“发布-订阅”消息系统， 使用 Scala 与 Java 语言编写，能够将消息从一个端点传递到另一个端点。
-
从提取层、处理层、基础结构入手，带你了解Spark和Kafka！
电子商务市场中典型的一天是这样的：每分钟发生1万个事件流，并且要选择合适的工具对其进行处理。
-
Apache Kafka 是一个快速、可扩展的、高吞吐的、可容错的分布式“发布-订阅”消息系统， 使用 Scala 与 Java 语言编写，能够将消息从一个端点传递到另一个端点，较之传统的消息中 间件(例如 ActiveMQ、RabbitMQ)，Kafka 具有高吞吐量、内置分区、支持消息副本和高容 错的特性，非常适合大规模消息处理应用程序。
-
-
本文主要列举一些 Kafka 的常用工具，以及举了一些例子来帮助理解。有需要的小伙伴，可以 Mark 起来再看。
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