RocketMQ学习系列

SpringCloud微服务实战——搭建企业级开发框架（三十六）：使用Spring Cloud Stream实现消息中间件功能

  在以往消息队列的使用中，我们通常使用集成消息中间件开源包来实现对应功能，而消息中间件的实现又有多种，比如目前比较主流的ActiveMQ、RocketMQ、RabbitMQ、Kafka，Stream等
·2024-02-11 17:42

2.10日学习打卡----初学RocketMQ（一）

2.10日学习打卡对于MQ(Messagequeue)消息队列的一些解释可以看我原来写的文章初学RabbitMQ各大MQ产品比较一.RocketMQ概述发展历程RocketMQ概念术语生产者和消费者生产者负责生产消息
中北萌新程序员·2024-02-11 14:50

机器学习系列（8）——提升树与GBDT算法

本文介绍提升树模型与GBDT算法。0x01、提升树模型提升树是以分类树或回归树为基本分类器的提升方法。提升树被认为是统计学习中性能最好的方法之一。提升方法实际采用加法模型（即基函数的线性组合）与前向分步算法，以决策树为基函数的提升方法称为提升树（boostingtree）。对分类问题决策树是二叉分类树，对回归问题决策树是二叉回归树。提升树模型可以表示为决策树的加法模型：其中，表示决策树，为决策树的
陌简宁·2024-02-11 14:40

Java并发包源码学习系列：阻塞队列实现之LinkedBlockingDeque源码解析

文章目录LinkedBlockingDeque概述类图结构及重要字段linkFirstlinkLastunlinkFirstunlinkLastunlink总结参考阅读系列传送门：Java并发包源码学习系列
天乔巴夏丶·2024-02-11 14:37

RocketMQ 分布式事务消息

一、什么是事务事务是将一次执行过程中所涉及的所有操作纳入到一个不可分割的执行单元，组成事务的所有操作只有在所有操作均能正常执行的情况下才能提交，只要其中任一操作执行失败，都将导致整个事务的回滚。一句话来说，就是保证多个操作要么都做，要么都不做。同时一旦事务提交，则其所做的修改会永久保存到数据库。二、事务的四个特性（ACID）A:原子性(Atomicity)一个事务(transaction)中的所有
AYSAML·2024-02-11 12:13

消息队列原理和选型：Kafka、RocketMQ 、RabbitMQ 和 ActiveMQ

我有时会问同事，为啥你用RabbitMQ，不用Kafka，或者RocketMQ呢，他给我的回答“因为公司用的就是这个，大家都这么用”，如果你去面试，直接就被Pass，今天这篇文章，告诉你如何回答。
90后小伙追梦之路·2024-02-11 11:56

RabbitMQ学习笔记

简单了解衡量标准服务性能数据存储集群架构ActiveMQ适用于中小型企业，但在高并发情况下效率较低，不适用与并发Kafka高吞吐、速度快，但不支持事务，不能保证消息的可靠性一般用于日志传输，不适用于事务场景RocketMQ
努力变优秀的Z·2024-02-11 06:05

RocketMQ 源码分析 —— 集成 Spring Boot

源码精品专栏原创|Java2020超神之路，很肝~中文详细注释的开源项目RPC框架Dubbo源码解析网络应用框架Netty源码解析消息中间件RocketMQ源码解析数据库中间件Sharding-JDBC
公众号-芋道源码·2024-02-11 06:33

RocketMQ使用

文章目录简介专业术语消息生产方式生产普通消息可靠同步发送(reliablesynchronous)可靠异步发送(reliableasynchronous)单向发送(one-waytransmission)生产顺序消息分布式事务消息延时发送消息批量发送使用log发送消息消费消费方式pull消费push消费消费类型广播消费（BROADCASTING）集群消费（CLUSTERING）消息过滤标签过滤SQ
Chocolyte·2024-02-11 04:13

机器学习系列——（十三）多项式回归

引言在机器学习领域，线性回归是一种常见且简单的模型。然而，在某些情况下，变量之间的关系并不是线性的，这时候我们就需要使用多项式回归来建模非线性关系。多项式回归通过引入高次项来扩展线性回归模型，从而更好地拟合数据。本文将详细介绍多项式回归的原理、应用场景和实现步骤，并通过一个实际案例演示如何使用多项式回归进行预测。一、原理多项式回归是一种形式上为多项式的函数与自变量之间的线性回归关系。其基本原理是通
飞影铠甲·2024-02-10 21:06

RocketMQ生产常见问题

RocketMQ如何保证消息不丢失1、哪些环节会有丢消息的可能？其中，1，2，4三个场景都是跨网络的，而跨网络就肯定会有丢消息的可能。
山鸟与鱼！·2024-02-10 16:47

RocketMQ事务消息

事务消息应用场景：事务消息是RocketMQ非常有特色的一个高级功能。他的基础诉求是通过RocketMQ的事务机制，来保证上下游的数据一致性。
山鸟与鱼！·2024-02-10 16:17

SpringBoot整合RocketMQ

目录引入依赖配置文件使用RocketMQTemplate发送消息使用@RocketMQMessageListener消费消息@ExtRocketMQTemplateConfiguration()事务消息引入依赖
山鸟与鱼！·2024-02-10 16:17

RocketMQ Broker消息存储结构图

1、CommitLog与ConsumerQueue、CommitLog与IndexFile映射关系。2、消息检索过程。
乐观男孩·2024-02-10 14:53

RocketMQ IndexFile（索引文件）

目录说明索引建立过程IndexFile文件结构总结说明RocketMQ支持根据消息的key进行消息查询，由于消息都是顺序存在MapperFile上，当需要根据指定的key进行消息查找时，只能对所有的消息进行遍历
乐观男孩·2024-02-10 14:23

RabbitMQ消息中间件

当下主流的中间件有：RabbitMQ、Kafka、ActiveMQ、RocketMQ等消息中间件的优点：能够在客户端和服务器之间进行同步和异步的连接，并且在任何时刻都可以将消息进行传送和转发，是分布式系
四季三餐，有趣有盼·2024-02-10 12:37

机器学习系列——（二十二）结语

随着我们的机器学习系列的探索画上句号，我们不禁感慨于这一领域的广阔和深邃。从最初的基础概念到复杂的算法，从理论的探讨到实际应用的示例，我们一起经历了一段非凡的旅程。
飞影铠甲·2024-02-10 11:53

机器学习系列——（二十一）神经网络

引言在当今数字化时代，机器学习技术正日益成为各行各业的核心。而在机器学习领域中，神经网络是一种备受瞩目的模型，因其出色的性能和广泛的应用而备受关注。本文将深入介绍神经网络，探讨其原理、结构以及应用。一、简介神经网络是一种受到人类神经系统启发而设计的计算模型。它由大量的人工神经元组成，这些神经元之间通过连接进行信息传递和处理。神经网络的主要目标是从数据中学习规律，并能够进行预测、分类、识别等任务。二
飞影铠甲·2024-02-10 11:23

机器学习系列——（二十）密度聚类

引言在机器学习的无监督学习领域，聚类算法是一种关键的技术，用于发现数据集中的内在结构和模式。与传统的基于距离的聚类方法（如K-Means）不同，密度聚类关注于数据分布的密度，旨在识别被低密度区域分隔的高密度区域。这种方法在处理具有复杂形状和大小的聚类时表现出色，尤其擅长于识别噪声和异常值。本文将详细介绍密度聚类的概念、主要算法及其应用。一、概述密度聚类基于一个核心思想：聚类可以通过连接密度相似的点
飞影铠甲·2024-02-10 11:53

机器学习系列——（十九）层次聚类

引言在机器学习和数据挖掘领域，聚类算法是一种重要的无监督学习方法，它试图将数据集中的样本分组，使得同一组内的样本相似度高，不同组间的样本相似度低。层次聚类（HierarchicalClustering）是聚类算法中的一种，以其独特的层次分解方式，在各种应用场景中得到广泛应用，如生物信息学、图像分析、社交网络分析等。一、概述层次聚类算法主要分为两大类：凝聚的层次聚类（AgglomerativeHie
飞影铠甲·2024-02-10 07:47

算法学习系列（三十三）：线性DP

目录引言一、数字三角形二、最长上升子序列三、最长公共子序列引言这个线性DP其实也就是一种描述吧，有的是一维、二维、多维的，就是这个动规方程是按顺序来的，所以叫做线性，然后还是得按题目来看，把每种题都见过才能有思路，才会写，DP其实没啥思想规范，就是做题见题，才会做题。一、数字三角形思路：把这个三角形看成二维的，横着的代表行，斜着的代表列，则f[i][j]=max(f[i−1][j−1],f[i−1
lijiachang030718·2024-02-10 05:42

算法学习系列（三十二）：背包问题

目录引言一、01背包1.二维代码模板2.一维代码模板二、完全背包1.朴素代码模板2.二维优化代码模板3.一维代码模板三、多重背包1.朴素做法2.优化版本四、分组背包1.朴素做法2.一维优化引言从这一篇文章开始，就开始学习动态规划了，也就是DP了，然后就是DP可以说是整个算法中的最难学的部分之一，好写是非常的好写的，每道题也只有很短的代码量，但是主要是它这个动归方程不好想，也不好推导出来，而且这类题
lijiachang030718·2024-02-10 05:12

Excel百万级数据导入导出，EasyExcel 才是 yyds

每天14:00更新文章，每天掉亿点点头发...源码精品专栏原创|Java2021超神之路，很肝~中文详细注释的开源项目RPC框架Dubbo源码解析网络应用框架Netty源码解析消息中间件RocketMQ
Java基基·2024-02-09 16:28

深入了解RocketMQ消息中间件：架构、特性和应用场景

深入了解RocketMQ消息中间件：架构、特性和应用场景引言在当今的软件开发和系统架构中，消息中间件扮演着至关重要的角色。
一休哥助手·2024-02-09 11:42

机器学习系列——（十七）聚类

引言在当今数据驱动的时代，机器学习已经成为了解锁数据潜能的关键技术之一。其中，聚类作为机器学习领域的一个重要分支，广泛应用于数据挖掘、模式识别、图像分析等多个领域。本文旨在深入探讨聚类技术的原理、类型及其应用，为读者提供一个全面而深入的了解。一、什么是聚类？聚类是一种无监督学习（UnsupervisedLearning）技术，它的目标是将相似的对象分组到一起，形成簇（Cluster）。与有监督学习
飞影铠甲·2024-02-09 09:08

Rust 格式化输出

操作符循环打印前言Rust学习系列-本文根据教程学习Rust的格式化输出，包括fmt::Debug，fmt::Display等。一、format!宏在Rust中，可以使用format!
TE-茶叶蛋·2024-02-09 09:57

机器学习系列——（十八）K-means聚类

引言在众多机器学习技术中，K-means聚类以其简洁高效著称，成为了数据分析师和算法工程师手中的利器。无论是在市场细分、社交网络分析，还是图像处理等领域，K-means都扮演着至关重要的角色。本文旨在深入解析K-means聚类的原理、实现方式、优缺点及其应用，以期为读者提供全面而深入的理解。一、K-means聚类简介K-means是一种基于划分的聚类算法，它的目标是将n个对象根据属性分为k个簇，使
飞影铠甲·2024-02-09 08:04

Kubernetes有状态应用管理——PetSet

目录贴：Kubernetes学习系列1、介绍在Kubernetes中，大多数的Pod管理都是基于无状态、一次性的理念。
zyydd_·2024-02-09 06:39

消息中间件之RocketMQ源码分析(八)

RocketMQ中的消息过滤RocketMQ设计了消息过滤，来解决大量无意义流量的传输:即对于客户端不需要的消息，Broker就不会传输给客户端，以免浪费宽带，RocketMQ4.2.0支持Tag过滤、
coffee_babe·2024-02-09 02:36

RocketMQ下载安装及基本使用

目录消息队列的作用消息队列的优势应用解耦异步提速削峰填谷RocketMQ介绍RocketMQ特点RocketMQ安装下载(4.9.5版本)RocketMQ启动可视化管理服务RocketMQ实现基本消息收发消息队列的作用队列是一种
山鸟与鱼！·2024-02-09 01:37

RocketMq源码篇-消息偏移持久化

一、发起持久化消息偏移的持久化是消费者客户端的行为，在client启动的时候会设定定时任务，默认间隔5sMQClientInstance#startScheduledTask//持久化所有的消费者offsetthis.scheduledExecutorService.scheduleAtFixedRate(newRunnable(){@Overridepublicvoidrun(){try{MQC
sky_5395·2024-02-08 23:09

C++基础入门（七）—— 指针

C++系列内容的学习目录→\rightarrow→C++学习系列内容汇总。
大彤小忆·2024-02-08 15:27

神经网络与深度学习 Neural Networks and Deep Learning 课程笔记 第一周

NeuralNetworksandDeepLearning课程笔记第一周文章目录神经网络与深度学习NeuralNetworksandDeepLearning课程笔记第一周深度学习简介什么是神经网络使用神经网络进行监督学习为什么神经网络会兴起本文是吴恩达深度学习系列课程的学习笔记
林间得鹿·2024-02-08 09:21

RocketMQ（二）

目录六：SpringBoot中整合Rocket的事务消息七：SpringCloudStream整合RocketMQ八：RocketMQ的核心概念1.消息模型2.消息生产者3.消息消费者4.主题(Topic
etcEriksen·2024-02-08 07:47

机器学习系列——（十五）随机森林回归

引言在机器学习的众多算法中，随机森林以其出色的准确率、对高维数据的处理能力以及对训练数据集的异常值的鲁棒性而广受欢迎。它是一种集成学习方法，通过构建多个决策树来进行预测和分类。本文将重点介绍随机森林在回归问题中的应用，即随机森林回归(RandomForestRegression)。一、概念随机森林回归是基于决策树的集成学习技术。在这个模型中，我们构建多个决策树，并将它们的预测结果合并来得到最终的回
飞影铠甲·2024-02-08 06:37

机器学习系列——（十六）回归模型的评估

引言在机器学习领域，回归模型是一种预测连续数值输出的重要工具。无论是预测房价、股票价格还是天气温度，回归模型都扮演着不可或缺的角色。然而，构建模型只是第一步，评估模型的性能是确保模型准确性和泛化能力的关键环节。本文将详细介绍几种常用的回归模型评估方法。一、均方误差（MeanSquaredError,MSE）均方误差是最常用的回归评估指标之一，它计算了预测值与真实值之间差异的平方的平均值。公式如下：
飞影铠甲·2024-02-08 06:31

rocketmq源码调试

github上下载源码rocketmq源码：https://github.com/apache/rocketmq.git更改namesrv和broker的配置路径namesrv启动类NamesrvStartup
齐云先生·2024-02-08 05:49

消息队列使用的四种场景介绍

使用较多的消息队列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ。二、消息队列应用场景以下介绍消息队列在实际应用中常用的使用场景。
Bin哥厉害7·2024-02-08 03:19

ChatGPT学习大纲

2月份左右开始使用ChatGPT时，就被它强大的理解能力和应答效果所折服，这期间一直在断断续续的学习和使用，也没形成一个完整的学习过程，最近刚好有空，就寻思着好好再学习总结一下，故写出了ChatGPT学习系列的文章
冷暖从容·2024-02-07 19:34

roketmq启动异常sendDefaultImpl call timeout； nested exception is org.apache.rocketmq.remoting.exception

前言：mq发送消息异常，最最简单的方式就是用telnet端口是否通畅。这个前面一篇rabbitMq有介绍。当然还有一种情况mq被墙了，或者物理隔绝了需要映射的情况也有。如果你设计时将mq部署在数据库服务器，不排除某些未知端口被限制了导致消息发不出去。如果检查各项配置后还是没有排查出问题直接部署一套到运用服务。抱拳：现在将一些常规的检查方法介绍一下，不当之处大家一笑而过。当然有高手兄能够指点一下，感
童龙辉·2024-02-07 17:20

小样本学习系列工作（持续更新）

小样本学习系列工作有关小样本学习的各类文章通常会将其方法分成几个大类：基于度量学习的小样本方法、基于数据增强的小样本学习方法和基于模型初始化的小样本学习方法。
MingchenS·2024-02-07 16:10

【埋点学习系列】02如何设计数据埋点方案

数据埋点是数据采集的关键一环，目前的数据采集方式归结为可视化/全埋点、代码埋点三类。可视化/全埋点使用这种方案，必须在产品中嵌入SDK，等于做了一个统一的埋点，因此“无埋点”的叫法实际上是“全埋点”的代名词。代码埋点代码埋点又分为前端代码埋点和后端代码埋点。前端代码埋点类似于全埋点，都是在前端嵌入SDK的方式，所不同的是，对于每一个关键行为，我们都需要调用SDK代码，将必要的事件名、属性字段等写入
tricking紫枫·2024-02-07 15:54

Failed to start RocketMQ push consumer

参考地址：电脑死机后，项目启动报错——rocketmq相关
一只努力的程序猿·2024-02-07 08:13

RocketMQ消息发送的设计

前言在前面所介绍的RocketMQ的文章中，介绍了RocketMQ的消息发送方式有3种：同步、异步和单向。
NullzzZ·2024-02-07 07:53

arcgis学习系列11--绘制不自己交叉的Polygon

概述本文演示如何阻止用户使用Draw画子线交叉的线。Draw操作使用视图事件生成一组坐标，可以从中创建不同类型的几何图形。每种几何类型都有一个对应的drawaction类。实例化Draw之后，调用draw.create()方法将返回一个drawAction的引用。在这一篇文章中，draw.create()方法被调用，并传递polyline作为参数，我们监听PolylineDrawAction的相关
naturessdfsafagf·2024-02-07 07:10

机器学习系列——（十四）正则化回归

引言在机器学习领域，正则化回归是一种常用的技术，旨在解决过拟合问题，提高模型的泛化能力。本文将简单探讨正则化回归的概念、类型和应用，帮助读者更好地理解和运用这一重要技术。一、概念正则化回归是一种通过引入额外信息（约束或惩罚项）来调整模型复杂度的方法，从而防止过拟合，提高模型的泛化能力。简单来说，正则化就是在模型训练过程中加入一个正则项，以限制模型参数的大小。那么，为什么需要正则化？在机器学习中，模
飞影铠甲·2024-02-07 06:28

RocketMQ源码分析（四）消息的发送

消息发送的主要步骤为：验证消息，查找路由，消息发送（包含异常机制处理）我们以DefaultMQProducer#send为切入口：以下代码为验证消息publicSendResultsend(Messagemsg)throwsMQClientException,RemotingException,MQBrokerException,InterruptedException{//校验消息（主要是长度是
甘_·2024-02-07 04:01

深度解析kafka broker网络模型运行原理

原创不易，转载请注明出处文章目录前言1.kafka网络模型运行原理2.对比一下RocketMQ的网络模型总结前言本文将介绍下kafkabroker端的网络模型，会从宏观角度介绍下kafkabroker网络模型是啥样子的
$码出未来·2024-02-07 02:59

RocketMQ启动报错解决：Using the DefNew young collector with the CMS collector is deprecated and will likely

启动nameserver报错了，如下[root@localhost~]#mqnamesrvJavaHotSpot(TM)64-BitServerVMwarning:UsingtheDefNewyoungcollectorwiththeCMScollectorisdeprecatedandwilllikelyberemovedinafuturereleaseJavaHotSpot(TM)64-Bit
fyihdg·2024-02-06 19:00

深度强化学习系列【1】- 强化学习的背景、基础理论等

深度强化学习系列【1】-强化学习的背景、基础理论等1.深度强化学习的背景、发展与理论变迁1.1序1.2AlphaGo的崛起1.3Waymo(谷歌收购)加州公共道路无人驾驶项目获批1.4关于生物的神经元数
cnjs1994·2024-02-06 17:52
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他