【Kafka】Kafka的Broker概述

【Kafka】Kafka的Broker概述

文章目录

  • 【Kafka】Kafka的Broker概述
    • 1. Broker的工作流程
      • 1.1 Zookeeper存储的Kafka信息
      • 1.2 Broker 总体工作流程
      • 1.3 Broker重要参数
    • 2. 节点服役和退役
      • 2.1 服役新节点
      • 2.2 退役旧节点
    • 3. Kafka副本
      • 3.1 副本信息
      • 3.2 Leader选举流程
      • 3.3 Leader 和 Follower 故障处理细节
      • 3.4 分区副本分配
      • 3.5 手动调整分区副本存储
      • 3.6 Leader Partition 负载均衡
      • 3.7 增加副本因子
    • 4. 文件存储机制
      • 4.1 Topic 数据的存储
      • 4.2 文件清理策略
        • 4.2.1 delete 策略
        • 4.2.2 compact 策略
    • 5. 高效读写数据

1. Broker的工作流程

1.1 Zookeeper存储的Kafka信息

image-20230708163601517

1.2 Broker 总体工作流程

image-20230708163826939

1.3 Broker重要参数

参数名称描述
replica.lag.time.max.msISR 中，如果 Follower 长时间未向 Leader 发送通 信请求或同步数据，则该 Follower 将被踢出 ISR。 该时间阈值，默认 30s。
auto.leader.rebalance.enable默认是 true。 自动 Leader Partition 平衡。
leader.imbalance.per.broker.percentage默认是 10%。每个 broker 允许的不平衡的 leader 的比率。如果每个 broker 超过了这个值，控制器 会触发 leader 的平衡。
leader.imbalance.check.interval.seconds默认值 300 秒。检查 leader 负载是否平衡的间隔时间。
log.segment.bytesKafka 中 log 日志是分成一块块存储的，此配置是 指 log 日志划分 成块的大小，默认值 1G。
log.index.interval.bytes默认 4kb，kafka 里面每当写入了 4kb 大小的日志 （.log），然后就往 index 文件里面记录一个索引。
log.retention.hoursKafka 中数据保存的时间，默认 7 天。
log.retention.minutesKafka 中数据保存的时间，分钟级别，默认关闭。
log.retention.msKafka 中数据保存的时间，毫秒级别，默认关闭。
log.retention.check.interval.ms检查数据是否保存超时的间隔，默认是 5 分钟。
log.retention.bytes默认等于-1，表示无穷大。超过设置的所有日志总 大小，删除最早的 segment。
log.cleanup.policy默认是 delete，表示所有数据启用删除策略； 如果设置值为 compact，表示所有数据启用压缩策 略。
num.io.threads默认是 8。负责写磁盘的线程数。整个参数值要占 总核数的 50%。
num.replica.fetchers副本拉取线程数，这个参数占总核数的 50%的 1/3
log.flush.interval.messages强制页缓存刷写到磁盘的条数，默认是 long 的最 大值，9223372036854775807。一般不建议修改， 交给系统自己管理。
log.flush.interval.ms每隔多久，刷数据到磁盘，默认是 null。一般不建 议修改，交给系统自己管理。

2. 节点服役和退役

2.1 服役新节点

  1. 克隆集群中任意一个节点，以node3节点为例，关闭node3节点，克隆该节点为node4
  2. 开启node4，修改ip地址，修改主机名为node4
  3. 重启node3和node4
  4. 修改node4中的kafka的broker.id为3
  5. 删除node4中kafka目录下的data目录和logs目录
  6. 启动node1,node2,node3中的kafka集群
  7. 单独启动node4中的kafka，这样就完成了新节点的服役。

但是我们发现，新节点服役之后，之前创建的topic还是只存在之前的节点中，于是我们创建一个要均衡的主题。

  1. 创建一个要均衡的主题。
[atguigu@hadoop102 kafka]$ vim topics-to-move.json//粘贴如下内容
{"topics": [{"topic": "first"}],"version": 1
}
  1. 生成一个负载均衡的计划。
[atguigu@hadoop102 kafka]$ bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --topics-to-move-json-file topics-to-move.json --broker-list "0,1,2,3" --generateCurrent partition replica assignment
{"version":1,"partitions":[{"topic":"first","partition":0,"replicas":[0,2,1],"log_dirs":["any","any","any"]},{"topic":"first","partition":1,"replicas":[2,1,0],"log_dirs":["any","any","any"]},{"topic":"first","partition":2,"replicas":[1,0,2],"log_dirs":["any","any","any"]}]
}Proposed partition reassignment configuration
{"version":1,"partitions":[{"topic":"first","partition":0,"replicas":[2,3,0],"log_dirs":["any","any","any"]},{"topic":"first","partition":1,"replicas":[3,0,1],"log_dirs":["any","any","any"]},{"topic":"first","partition":2,"replicas":[0,1,2],"log_dirs":["any","any","any"]}]
}
  1. 创建副本存储计划(所有副本存储在broker0、broker1、broker2、broker3 中)。
[atguigu@hadoop102 kafka]$ vim increase-replication-factor.json//粘贴如下内容
{"version":1,"partitions":[{"topic":"first","partition":0,"replicas":[2,3,0],"log_dirs":["any","any","any"]},{"topic":"first","partition":1,"replicas":[3,0,1],"log_dirs":["any","any","any"]},{"topic":"first","partition":2,"replicas":[0,1,2],"log_dirs":["any","any","any"]}]
}
  1. 执行副本存储计划
[atguigu@hadoop102 kafka]$ bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --execute
  1. 验证副本存储计划
[atguigu@hadoop102 kafka]$ bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --verifyStatus of partition reassignment:
Reassignment of partition first-0 is complete.
Reassignment of partition first-1 is complete.
Reassignment of partition first-2 is complete.Clearing broker-level throttles on brokers 0,1,2,3
Clearing topic-level throttles on topic first

2.2 退役旧节点

退役node4节点，退役旧节点操作如下：

  1. 创建一个要均衡的主题
[atguigu@hadoop102 kafka]$ vim topics-to-move.json{"topics": [{"topic": "first"}],"version": 1
}
  1. 创建执行计划
[atguigu@hadoop102 kafka]$ bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --topics-to-move-json-file topics-to-move.json --broker-list "0,1,2" --generateCurrent partition replica assignment
{"version":1,"partitions":[{"topic":"first","partition":0,"replicas":[2,0,1],"log_dirs":["any","any","any"]},{"topic":"first","partition":1,"replicas":[3,1,2],"log_dirs":["any","any","any"]},{"topic":"first","partition":2,"replicas":[0,2,3],"log_dirs":["any","any","any"]}]
}Proposed partition reassignment configuration
{"version":1,"partitions":[{"topic":"first","partition":0,"replicas":[2,0,1],"log_dirs":["any","any","any"]},{"topic":"first","partition":1,"replicas":[0,1,2],"log_dirs":["any","any","any"]},{"topic":"first","partition":2,"replicas":[1,2,0],"log_dirs":["any","any","any"]}]
}
  1. 创建副本存储计划（所有副本存储在 broker0、broker1、broker2 中）
[atguigu@hadoop102 kafka]$ vim increase-replication-factor.json{"version":1,"partitions":[{"topic":"first","partition":0,"replicas":[2,0,1],"log_dirs":["any","any","any"]},{"topic":"first","partition":1,"replicas":[0,1,2],"log_dirs":["any","any","any"]},{"topic":"first","partition":2,"replicas":[1,2,0],"log_dirs":["any","any","any"]}]
}
  1. 执行副本存储计划
[atguigu@hadoop102 kafka]$ bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --execute
  1. 验证副本存储计划
[atguigu@hadoop102 kafka]$ bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --verifyStatus of partition reassignment:
Reassignment of partition first-0 is complete.
Reassignment of partition first-1 is complete.
Reassignment of partition first-2 is complete.Clearing broker-level throttles on brokers 0,1,2,3
Clearing topic-level throttles on topic first
  1. 在退役节点上执行停止命令
bin/kafka-server-stop.sh

3. Kafka副本

3.1 副本信息

  • Kafka副本作用：提高数据可靠性
  • Kafka默认副本1个，生产环境一般配置2个，保证数据可靠性；太多副本会增加磁盘存储空间，增加网络上数据传输，降低效率。
  • Kafka中副本分为：Leader 和 Follower 。Kafka生产者只会把数据发往 Leader，然后 Follower 找 Leader 进行同步数据。
  • Kafka分区中所有副本统称为 AR(Assigned Replicas)。
    • AR=ISR+OSR
    • ISR：表示和Leader保持同步的Follower集合，如果Follower长时间未向Leader发送通信请求或同步数据，则该Follower将被踢出ISR。该时间阈值由 replica.lag.time.max.ms 参数设定，默认30s。Leader发生故障之后，就会从ISR中选举新的Leader
    • OSR：表示Follower与Leader副本同步时，延迟过多的副本。

3.2 Leader选举流程

Kafka集群中有一个broker的Controller会被选举为Controller Leader，负责管理集群broker的上下线，所有topic的分区副本分配和Leader选举等工作。

Controller的信息同步工作是依赖于Zookeeper的。

Leader选举流程如下：

  1. broker启动后依次在ZK中注册。
  2. 由第一个注册的broker中的Controller监听brokers节点的变化
  3. 由第一个Controller决定Leader的选举
    • 选举规则：在isr中存活作为前提，按照AR中排在前面的优先。例如ar[1,0,2]，isr[1,0,2]，那么leader就会按照1,0,2的顺序轮询。
  4. Controller将节点信息上传到ZK，其他broker的Controller从ZK中同步相关信息
  5. 假设Broker1中的Leader挂了，由于第一个Controller一直监听brokers节点的变化，于是拉取ISR进行新的Leader选举

image-20230708221527198

3.3 Leader 和 Follower 故障处理细节

  • LEO(Log End Offset)：每个副本的最后一个offset，LEO其实就是最新的offset + 1
  • HW(High Watermark)：所有副本中最小的LEO

image-20230708230138764

Follower故障：

  1. Follower发生故障后会被临时提出ISR
  2. 这个期间Leader和Follower继续接收数据
  3. 待该Follower恢复后，Follower会读取本地磁盘记录的上次的HW,并将log文件高于HW的部分截掉，从HW开始向Leader进行同步
  4. 等该Follower的LEO大于等于该Partition的HW，即Follower追上Leader之后，就可以重新加入ISR了。

Leader故障：

  1. Leader发生故障之后，会从ISR中选出一个新的Leader
  2. 为保证多个副本之间的数据一致性，其余的Follower会先将各自的log文件高于HW的部分截掉，然后从新的Leader同步数据

注意：这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。

3.4 分区副本分配

如果kafka服务器只有4个节点，那么设置kafka的分区数大于服务器台数，在kafka底层如何分配存储副本呢?

  1. 创建16个分区，3个副本
bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --partitions 16 --replication-factor 3 --topic second
  1. 查看分区和副本情况
[atguigu@hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic second
Topic: second4 Partition: 0  Leader: 0 Replicas: 0,1,2 Isr: 0,1,2
Topic: second4 Partition: 1  Leader: 1 Replicas: 1,2,3 Isr: 1,2,3
Topic: second4 Partition: 2  Leader: 2 Replicas: 2,3,0 Isr: 2,3,0
Topic: second4 Partition: 3  Leader: 3 Replicas: 3,0,1 Isr: 3,0,1Topic: second4 Partition: 4  Leader: 0 Replicas: 0,2,3 Isr: 0,2,3
Topic: second4 Partition: 5  Leader: 1 Replicas: 1,3,0 Isr: 1,3,0
Topic: second4 Partition: 6  Leader: 2 Replicas: 2,0,1 Isr: 2,0,1
Topic: second4 Partition: 7  Leader: 3 Replicas: 3,1,2 Isr: 3,1,2Topic: second4 Partition: 8  Leader: 0 Replicas: 0,3,1 Isr: 0,3,1
Topic: second4 Partition: 9  Leader: 1 Replicas: 1,0,2 Isr: 1,0,2
Topic: second4 Partition: 10 Leader: 2 Replicas: 2,1,3 Isr: 2,1,3
Topic: second4 Partition: 11 Leader: 3 Replicas: 3,2,0 Isr: 3,2,0Topic: second4 Partition: 12 Leader: 0 Replicas: 0,1,2 Isr: 0,1,2
Topic: second4 Partition: 13 Leader: 1 Replicas: 1,2,3 Isr: 1,2,3
Topic: second4 Partition: 14 Leader: 2 Replicas: 2,3,0 Isr: 2,3,0
Topic: second4 Partition: 15 Leader: 3 Replicas: 3,0,1 Isr: 3,0,1

image-20230708233201671

这样分配的目的是为了负载均衡，让每个节点均匀分配副本

3.5 手动调整分区副本存储

在生产环境中，每台服务器的配置和性能不一致，但是Kafka只会根据自己的代码规则创建对应的分区副本，就会导致个别服务器存储压力较大。所以需要手动调整分区副本的存储。

需求：创建一个新的topic，4个分区，2个副本，名称为three。将该topic的所有副本都存储到broker0和broker1两台服务器上。

image-20230708235131193

手动调整分区副本存储的步骤如下:

  1. 创建一个新的topic，名称为three
bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --partitions 4 --replication-factor 2 --topic three
  1. 查看分区副本存储情况
bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic three
  1. 创建副本存储计划(所有副本都指定存储在broker0，broker1中)
vim increase-replication-factor.json//粘贴如下内容
{"version":1,"partitions":[{"topic":"three","partition":0,"replicas":[0,1]},{"topic":"three","partition":1,"replicas":[0,1]},{"topic":"three","partition":2,"replicas":[1,0]},{"topic":"three","partition":3,"replicas":[1,0]}]
}
  1. 执行副本存储计划
bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --execute
  1. 验证副本存储计划
bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --verify
  1. 查看分区副本存储情况
bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic three

3.6 Leader Partition 负载均衡

正常情况下，Kafka本身会自动把Leader Partition均匀分散在各个机器上，来保证每台机器的读写吞吐量都是均匀的。但是如果某些broker宕机，会导致Leader Partition过于几种在其他少部分几台broker上，这会导致少数几台broker的读写请求压力过高，其他宕机的broker重启之后都是follower partition，读写请求很低，造成集群负载不均衡。

image-20230709000709353

  • auto.leader.rebalance.enable，默认是true。自动Leader Partition平衡。
  • leader.imbalance.per.broker.percentage，默认是10%。每个broker允许的不平衡的leader的比率。如果每个broker超过了这个值，控制器会触发leader的平衡。
  • leader.imbalance.check.interval.seconds,默认值300s，检查leader负载是否平衡的间隔时间。

假设集群只有一个主题如下图所示：

image-20230709001027408

针对broker0节点，分区2的AR优先副本是0节点，但是0节点却不是Leader节点，所以不平衡数加1，AR副本总数是4，所以broker0节点不平衡率为1/4>10%,需要重平衡。

broker2、broker3节点和broker0不平衡率一样，需要再平衡。Broker1的不平衡数为0，不需要再平衡。

参数名称描述
auto.leader.rebalance.enable默认是 true。 自动 Leader Partition 平衡。生产环 境中，leader 重选举的代价比较大，可能会带来 性能影响，建议设置为 false 关闭。
leader.imbalance.per.broker.percentage默认是 10%。每个 broker 允许的不平衡的 leader 的比率。如果每个 broker 超过了这个值，控制器 会触发 leader 的平衡。
leader.imbalance.check.interval.seconds默认值 300 秒。检查 leader 负载是否平衡的间隔时间。

3.7 增加副本因子

在生产环境中，由于某个主题的重要等级需要提升，我们考虑增加副本。副本数的增加需要先制定计划，然后根据计划执行。

1）创建topic

bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --partitions 3 --replication-factor 1 --topic four

2）手动增加副本存储

（1）创建副本存储计划（所有副本都指定存储在broker0，broker1，broker2中）。

vim increase-replication-factor.json//粘贴如下内容
{"version":1,"partitions":[{"topic":"four","partition":0,"replicas":[0,1,2]},{"topic":"four","partition":1,"replicas":[0,1,2]},{"topic":"four","partition":2,"replicas":[0,1,2]}]
}

​ （2）执行副本存储计划

bin/kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file increase-replication-factor.json --execute

4. 文件存储机制

4.1 Topic 数据的存储

Topic是逻辑上的概念，而partition是物理上的概念，每个partition对应于一个log文件，该log文件中存储的就是 Producer 生产的数据。Producer生产的数据会被不断追加到该log文件末端，为防止log文件过大导致数据定位效率低下，Kafka采用分片和索引机制，将每个partition分为多个segment。

每个segment包括：“.index”文件、“.log”文件和".timeindex“文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号，例如：first-0.

image-20230709144014723

Topic数据到底存储在什么位置？

  1. 启动生产者，并发送消息。
bin/kafka-console-producer.sh --bootstrap-server hadoop102:9092 --topic first
>hello world
  1. 查看任意节点上的/opt/module/kafka/datas/first-1路径下的文件。
[atguigu@hadoop104 first-1]$ ls
00000000000000000092.index
00000000000000000092.log
00000000000000000092.snapshot
00000000000000000092.timeindex
leader-epoch-checkpoint
partition.metadata
  1. 直接查看log日志，发现是乱码
[atguigu@hadoop104 first-1]$ cat 00000000000000000092.log 
\CYnF|©|©ÿ"hello world
  1. 通过工具查看index和log信息
[atguigu@hadoop104 first-1]$ kafka-run-class.sh kafka.tools.DumpLogSegments --files ./00000000000000000000.index 
Dumping ./00000000000000000000.index
offset: 3 position: 152

[atguigu@hadoop104 first-1]$ kafka-run-class.sh kafka.tools.DumpLogSegments --files ./00000000000000000000.log
Dumping datas/first-0/00000000000000000000.log
Starting offset: 0
baseOffset: 0 lastOffset: 1 count: 2 baseSequence: -1 lastSequence: -1 producerId: -1 
producerEpoch: -1 partitionLeaderEpoch: 0 isTransactional: false isControl: false position: 
0 CreateTime: 1636338440962 size: 75 magic: 2 compresscodec: none crc: 2745337109 isvalid: 
true
baseOffset: 2 lastOffset: 2 count: 1 baseSequence: -1 lastSequence: -1 producerId: -1 
producerEpoch: -1 partitionLeaderEpoch: 0 isTransactional: false isControl: false position: 
75 CreateTime: 1636351749089 size: 77 magic: 2 compresscodec: none crc: 273943004 isvalid: 
true
baseOffset: 3 lastOffset: 3 count: 1 baseSequence: -1 lastSequence: -1 producerId: -1 
producerEpoch: -1 partitionLeaderEpoch: 0 isTransactional: false isControl: false position: 
152 CreateTime: 1636351749119 size: 77 magic: 2 compresscodec: none crc: 106207379 isvalid: 
true
baseOffset: 4 lastOffset: 8 count: 5 baseSequence: -1 lastSequence: -1 producerId: -1 
producerEpoch: -1 partitionLeaderEpoch: 0 isTransactional: false isControl: false position: 
229 CreateTime: 1636353061435 size: 141 magic: 2 compresscodec: none crc: 157376877 isvalid: 
true
baseOffset: 9 lastOffset: 13 count: 5 baseSequence: -1 lastSequence: -1 producerId: -1 
producerEpoch: -1 partitionLeaderEpoch: 0 isTransactional: false isControl: false position: 
370 CreateTime: 1636353204051 size: 146 magic: 2 compresscodec: none crc: 4058582827 isvalid: 
true

index文件和log文件详解

image-20230709144841299

说明：日志存储参数配置

参数描述
log.segment.bytesKafka 中 log 日志是分成一块块存储的，此配置是指 log 日志划分 成块的大小，默认值 1G。
log.index.interval.bytes默认 4kb，kafka 里面每当写入了 4kb 大小的日志（.log），然后就 往 index 文件里面记录一个索引。 稀疏索引。

4.2 文件清理策略

Kafka中默认的日志保存时间为7天，可以通过调整如下参数修改保存时间：

  • log.retention.hours，最低优先级小时，默认7天
  • log.retention.minutes，分钟，优先级比小时高
  • log.retention.ms，最高优先级毫秒
  • log.retention.check.interval.ms，负责设置检查周期，默认5分钟

那么日志一旦超过了设置的时间，怎么处理呢？

Kafka中提供的日志清理策略有 delete 和 compact 两种。

4.2.1 delete 策略

delete日志删除：将过期数据删除

  • log.cleanup.policy = delete ,所有数据启用删除策略
    • 基于时间：默认打开。以 segment 中所有记录中的最大时间戳作为该文件时间戳。
    • 基于大小(不推荐)：默认关闭。超过设置的所有日志总大小，删除最早的segment。log.retention.bytes，默认等于-1，表示无穷大。

4.2.2 compact 策略

compact日志压缩：对于相同key的不同value值，只保留最后一个版本

  • log.cleanup.policy=true，所有数据启用压缩策略

image-20230709152408710

压缩之后的offset可能是不连续的，比如上图中没有6，当从这些offset消费消息时，将会拿到比这个offset大的offset对应的消息，实际上会拿到offset为7的消息，并从这个位置开始消费。

这种策略只适合特殊场景，比如消息的key是用户id，value是用户的资料，通过这种压缩策略，整个消息集里就保存了所有用户最新的资料。

5. 高效读写数据

  1. Kafka本身是分布式集群，可以采用分区技术，并行度高
  2. 读数据采用稀疏索引，可以快速定位要消费的数据
  3. 顺序写磁盘

Kafka的 producer 生产数据，要写入到log文件中，写的过程一直追加到文件末端，为顺序写。

官网有数据表明，同样的磁盘，顺序写能到600M/s,而随机写只有100K/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。

image-20230709162258472

  1. 页缓存 + 零拷贝技术

零拷贝：Kafka的数据加工处理操作交由Kafka生产者和Kafka消费者处理。Kafka Broker应用层不关心存储的数据，所以就不用走应用层，传输效率高。

PageCache 页缓存：Kafka重度依赖底层操作系统提供的PageCache功能。当上层有写操作时，操作系统只是将数据写入PageCache。当读操作发生时，先从PageCache中查找，如果找不到，再去磁盘中读取。实际上PageCache是把尽可能多的空闲内存 都当做了磁盘缓存来使用。

image-20230709162909244

参数描述
log.flush.interval.messages强制页缓存刷写到磁盘的条数，默认是 long 的最大值， 9223372036854775807。一般不建议修改，交给系统自己管 理。
log.flush.interval.ms每隔多久，刷数据到磁盘，默认是 null。一般不建议修改， 交给系统自己管理。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/15253.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

2023全新UI 哈希玛特HashMart全开源盲盒系统源码下载

2023全新UI 哈希玛特HashMart全开源盲盒系统源码下载

ashMart（哈希玛特）是首款开源的面向生产的高性能、易开发的盲盒系统。它包含：首页看板、商品管理、订单管理、盲盒管理、系统管理、会员管理、权限管理、记录管理，并且拥有完善的搭建使用手册和接口文档。是帮助您快速落地盲盒商城…
阅读更多...
基础IO及文件系统

基础IO及文件系统

一、系统接口介绍 1. open()命令 模式下：ctrlv进入visual block模式，然后选择J、K，然后输入大写i，然后输入//，最后按ESC，即可完成批量注释，按u取消。ctrl v 进入块选择模式，选中你要…
阅读更多...
安装ps显示找不到MSVCP140.dll，三个修复方法可解决

安装ps显示找不到MSVCP140.dll，三个修复方法可解决

在安装photoshop软件的时候，电脑报错“安装ps显示找不到MSVCP140.dll，无法继续执行此代码”，这个是由于Windows系统中的MSVCP140.dll文件丢失或者损坏，MSVCP140.dll是一种动态链接库文件，它是由Microsoft Visual C的编…
阅读更多...
阿里云轻量服务器和ecs区别（最新更新）

阿里云轻量服务器和ecs区别（最新更新）

阿里云服务器ECS和轻量应用服务器有什么区别？云服务器ECS是明星级云服务器，轻量应用服务器可以理解为简化版的云服务器ECS，轻量适用于单机应用，云服务器ECS适用于集群类高可用高容灾应用，阿里云百科来详细说下阿里云轻…
阅读更多...
STM32网络通信Web Server中SSI和CGI的应用

STM32网络通信Web Server中SSI和CGI的应用

介绍 最近由于项目功能需要，开始研究STM32 WebServer通信以及SSI和CGI应用方法。项目结束后，主要总结浏览器与STM32之间进行通行，STM32作为服务器而浏览器做为客户端进行通行。 文件介绍 此部分的代码是根据ST官方的Web Server例程的基础上…
阅读更多...
微服务的划分姿势分享

微服务的划分姿势分享

微服务是一种理念，没有确切的定义和边界，好比设计原则，是属于抽象的概念。在定义不明确的情况下谈划分也是一种各说各话，具体问题需要具体分析。 微服务的划分矛盾在于粒度，如果粒度太大了，分和不分似乎都差…
阅读更多...
ActiveMQ消息中间件应用场景

ActiveMQ消息中间件应用场景

一、ActiveMQ简介 ActiveMQ是Apache出品，最流行的，能力强劲的开源消息总线。ActiveMQ是一个完全支持JMS1.1和J2EE1.4规范的JMS Provide实现。尽管JMS规范出台已经是很久的事情了，但是JMS在当今的J2EE应用中仍然扮演这特殊的地位。 二、Active…
阅读更多...
Sublime Text，灵感犹如星辰，点亮创作之路

Sublime Text，灵感犹如星辰，点亮创作之路

目录 引言Sublime Text的优点Sublime Text的缺点总结 Sublime Text 官方网站 引言 在这个快速发展的数字时代，创作者们面临着越来越多的选择，以提高他们的生产力和工作效率。而在众多的编辑软件中， Sublime Text 独树一帜，被誉为创…
阅读更多...
Leetcode-每日一题【21.合并两个有序链表】

Leetcode-每日一题【21.合并两个有序链表】

题目 将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。 示例 1： 输入：l1 [1,2,4], l2 [1,3,4]输出：[1,1,2,3,4,4] 示例 2： 输入：l1 [], l2 []输出：…
阅读更多...
Golang指针

Golang指针

最近在学习底层知识，一直在说，值类型，引用类型，指针类型，指针，指针变量，搞的迷迷糊糊的，感觉也是似懂非懂，现在系统的学习归纳整理一下。 a : 10 a是一个值类型的变量&a…
阅读更多...
【MySQL】内置函数详解

【MySQL】内置函数详解

【MySQL】内置函数详解 日期函数字符串函数数学函数加密函数与其它 日期函数 --获取当前日期 mysql> select current_date(); ---------------- | current_date() | ---------------- | 2023-07-09 | ---------------- --获取当前时间 mysql> select current_time();…
阅读更多...
github搜索技巧笔记

github搜索技巧笔记

一、了解 GitHub Watch按钮 Watch可以理解为关注的意思，默认情况下是Not watching，当选择Watch后，你会收到这个GitHub项目的所有动态。比如：有人发起pull request或者issue等。接收动态方式包括个人通知中心或者邮箱。 如果某个…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023