乐刻运动:基于 RocketMQ + MQTT 实现健身产业数字化升级

作者:吉宪、稚柳

乐刻运动:助推数字经济与健身产业深度融合发展

乐刻运动,2015 年创立于杭州的健身产业互联网平台,以让每个人平等享有运动健康的资源和权利为使命,以每天响应 1 亿人次的运动健康需求为愿景。乐刻以用户运营为核心,构建数智中台,打通场景、用户、教练、服务,对健身产业进行数字化升级改造,提高运营效率和供应链管理能力,搭建健身服务新零售生态,助推数字经济与健身产业深度融合发展。截至 2024 年 12月,乐刻运动已在全国 30 多个城市开设超过 1700 家门店。

乐刻运动在数字化升级中的挑战

在数字化升级过程中,乐刻运动计划在各门店部署物联网设备,覆盖用户进门、签到以及运动器材等场景,以便实时、持续地收集相关信息并对其进行维护管理,从而进一步提升门店运营效率和服务质量。然而,随着业务规模的持续扩大,终端设备数量也在不断增加,带来了以下挑战:

  1. 高并发连接与实时监控: 鉴于健身房门店众多,且设备种类和数量繁多,需要一个能够支持大规模并发连接的可靠通信架构,确保所有终端设备的状态被及时监测,并迅速响应任何异常情况。
  2. 轻量低带宽的消息传输: 由于网络资源的限制,在客户端设备与服务端之间的连接上,需要采用一种轻量级、低带宽的消息传输协议,以优化数据传输效率并减少对现有网络基础设施的压力。
  3. 高效的消息处理机制: 在业务高峰期时,客户端上报数据量大且频率高,需要一套高效的消息处理机制,来避免因服务器应用有限,无法及时消费,而造成消息堆积的问题。

结合 RocketMQ 与 MQTT 的高效解决方案

为应对上述挑战,乐刻运动采用 RocketMQ 与 MQTT 协议相结合的解决方案,显著提升了整体架构的稳定性和可扩展性,提高了消息处理效率,确保了高并发场景下的业务连续性,最终优化了用户体验。

  1. MQTT - 海量终端数据实时收集: 通过 MQTT 协议,系统能够实时收集健身房内各类物联网设备上报的数据,满足高并发需求,确保数据传输的高效与可靠。
  2. RocketMQ - 消息缓存与负载均衡: 将 MQTT 的消息流出挂载到 RocketMQ,通过 RocketMQ 对客户端采集到的大量消息进行消息缓存和负载均衡,从而有效缓解服务端的压力,确保系统的稳定运行。

云消息队列助力乐刻运动数字化升级

在实施上述方案的过程中,乐刻运动选择了阿里云的云消息队列 RocketMQ 版和云消息队列 MQTT 版作为核心消息中间件,这两个产品在实际生产环境中展现出显著的优势和价值。

1. 产品简介

  • 云消息队列 RocketMQ 版:云消息队列 RocketMQ 版是阿里云基于 Apache RocketMQ 构建的低延迟、高并发、高可用、高可靠的分布式“消息、事件、流”统一处理平台。
  • 云消息队列 MQTT 版:云消息队列 MQTT 版是专为移动互联网(MI)、物联网(IoT)领域设计的消息产品,覆盖直播互动、金融支付、智能餐饮、即时聊天、移动 Apps、智能设备、车联网等多种应用场景;通过对 MQTT、WebSocket 等协议的全面支持,连接端云之间的双向通信,实现 C2C、C2B、B2C 等业务场景之间的消息通信,可支撑千万级设备与消息并发。

2. 实际生产环境中的优势和价值

  • 实时数据处理:云消息队列 MQTT 版通过 MQTT 协议实现终端设备与服务器之间的实时通信,利用发布/订阅模式,确保设备状态和用户行为的及时监控和响应,从而实现高效的实时数据处理能力。
  • 高度可扩展性:云消息队列 MQTT 版具备强大的横向扩展能力,能够轻松支持海量终端设备和传感器的接入,能够轻松应对健身房规模不断扩大带来的设备接入需求。
  • 可靠性和稳定性:云消息队列 MQTT 版的 MQTT 协议支持多种服务质量(QoS)级别,可以根据业务需求选择合适的级别,确保消息可靠传递,防止数据丢失。
  • 性能表现卓越:服务端应用之间隐含着对等和任务分摊的关系,云消息队列 RocketMQ 版的集群消费模式提供原生的负载均衡机制,能够提升系统的整体性能,确保高并发场景下的高效稳定运行。

乐刻运动通过采用阿里云的云消息队列 RocketMQ 版和云消息队列 MQTT 版,不仅提升了系统的实时数据处理能力,还增强了系统的可扩展性、可靠性和性能,为业务的持续发展和流畅的用户体验,提供了坚实的技术支持,进一步推动了数字经济与健身产业的深度融合。

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/880856.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

AI 在软件测试中的应用

软件测试人员,在工作中的任务流程: 测试计划-测试用例设计(脚本)-测试执行-测试报告一个新的技术, 带来的变革分为四种:替代,加强, 修改, 重塑 目前AI并不能替代软件测试人员, 但可以对测试流程进行加强, 修改, 和重塑 加强:把AI当做测试助手, 帮助解决一些测试…

30N06-ASEMI中低压N沟道MOS管30N06

30N06-ASEMI中低压N沟道MOS管30N06编辑:ll 30N06-ASEMI中低压N沟道MOS管30N06 型号:30N06 品牌:ASEMI 封装:TO-252 批号:最新 最大漏源电流:30A 漏源击穿电压:60V RDS(ON)Max:24mΩ 引脚数量:3 芯片个数: 沟道类型:N沟道MOS管、中低压MOS管 漏电流:ua 特性:N沟道…

P5266 【深基17.例6】学籍管理(map)

首先要注意score的范围,所以要用long long int,其次OK两个字母都是大写,并且插入和修改后都要输出Ok #include<iostream> #include<set> #include<map> #define int long long using namespace std; signed main() {map<string, int>mapstudent;int…

Rust编程Bug解决

Brainfuck工程,遇到版本以来错误: https://github.com/mohanson/brainfuck/tree/master1. cargo update 的详细解释 cargo update 是 Cargo(Rust 的包管理器)的一个命令,用于更新项目的依赖版本。以下是它的具体行为和作用: (1) 更新 Cargo.lock 文件Rust 项目有两个关键…

唯品会联盟唯享客-各种广告平台推广下的DeepLink链接与UniversalLink链接生成及下单转化归因ROI联调等对接技术的实现

唯品会联盟&唯享客-各种广告平台推广下的DeepLink链接与UniversalLink链接生成及下单转化归因ROI联调等对接技术的实现。 唯品会电商作为国内第四大电商平台,以做品牌为主,佣金相当与淘宝京东拼多多较高一些。但是限制也较多点。比如不允许投流推广,发现了轻则警告扣除部…

.Net9中通过HttpClient简单调用Ollama中的DeepSeek R1模型

本文主要使用.Net9中的HttpClient组件,调用本地部署的Ollama提供的API接口,获取对应的问答信息。1、🥇测试环境VS2022;.Net9控制台程序;HttpClient组件;本地部署的Ollama环境DeepSeek R1模型(deepseek-r1:1.5b)关于本地部署的Ollama环境,可参见文章【通过Ollama本地部…

变革管理的黄金法则:五大模型+工具,助你轻松应对项目管理挑战

变革模型与项目管理工具的结合运用可以形成一个系统化、高效化的变革管理体系。通过明确变革需求与目标、执行变革计划、评估与反馈以及持续优化改进等步骤,可以确保变革的顺利实施和成功落地。项目管理中的变革模型是指一系列指导和管理组织内部变革过程的框架和方法。这些模…

ollama部署本地模型的一些坑

1.ollama pull时进度回退:不知是否最近太多人下载导致服务器问题,下载大点的模型经常进度条往回退,解决方法就是每隔一会关闭进程重新下载,断点续传可以继续下载# 用法:python .\run.py 模型名字import subprocess import time import os import sys import signaldef run…

P5250 【深基17.例5】木材仓库(set)

由于题目保证木材的长度互不相同所以很自然的想到要用set op=1时 使用find函数查找length 如果it==s.end(),说明仓库里没有该长度的木材,应该insert 反之输出“Already Exist” op=2时 使用lower_bound 函数查找第一个大于等于length的木材,如果*it=length说明该仓库中有与…

海外泼天流量丨浅谈全球化技术架构

全球化是对技术架构的终极挑战,面临的不仅仅是技术的问题,而是包含了经济、文化等多因素差异的用户关系问题。积极借助遍布全球的云计算基础设施和云原生的架构设计原则,将能更加高效的构建高可用的全球化技术架构,支持全球业务的持续增长。作者:唐三、望宸,白玙、榆松、…

d2l-CV-微调

动手学深度学习-计算机视觉-微调微调(fine tuning)是计算机视觉中非常重要的一种技术。 微调的作用:让在大数据集上训练得到的模型,能够提高在小数据集上任务的精度(例如用ImageNet上训练的模型去识别热狗数据集) 微调是迁移学习(transfer learning)中的一种技术,将从 源数…

“爆款”批量生成,如何实现一键创作 AI 有声绘本?

有声读物作为备受欢迎的内容形式之一,已在教育、影视、文化及娱乐等多个领域广泛应用。本方案通过云原生应用开发平台 CAP、函数计算 FC 和百炼模型服务,实现了有声绘本读物的自动化创作,解决了传统制作中步骤繁琐、周期长和高技术门槛的问题,显著提高了创作效率。作者:寒…