第三章介绍|学习笔记

简介: 快速学习第三章介绍

开发者学堂课程【RocketMQ 知识精讲与项目实战(第三阶段)第三章介绍】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/704/detail/12446


第三章介绍

 

课题引入:

在 rocketMQ 中主要讲解两大块,即高级功能和源码分析。在高级功能中主要分为以下几个部分:

1. 消息存储:包括消息存储介质的选择,性能的对比以及 rocketMQ 最终到底选择哪种机制,进行分析。消息的存储和发送:在 rocketMQ 中如何提高消息存储和消息发送的效率。介绍消息存储的结构,课程主要介绍 commitLog 和 commitQueue 以及 indexfile 。刷盘机制:包括同步、异步、配置。整体消息存储之后,介绍高可用性机制:主要分为三个方面即,消息消费的高可用、消息发送的高可用、消息储存复制保证高可用复制的一种方式。负载平衡主要涉及到 producer 和 consumer 两者。其中若消息消费失败 rocketMQ 允许消息的重试,分为:顺序消息的重试和无序消息的重试,若消息重试的次数超过预订的次数,消息会进入到死信队列,主要学习死信队列的特征以及如何使用工作台查看死信队列。接下来内容为消息幂等性,因为 rocketMQ 不保证幂等性,需要客户端自己去保证幂等性,本节介绍幂等性的处理方式。

2.在源码分析方面,先搭建环境,主要讲解如何拉取源码?如何导入 IDEA ?如何进行正常的调试?之后是 nameserver 、producer 内容,针对消息存储分析其中重要的代码以及消息的消费方如何进行消费,涉及到的代码进行重点分析。

内容介绍:

1. 高级功能

1.1消息存储

1.2高可用性机制

1.3负载平衡

1.4消息重试

1.5死信队列

1.6消息幂等

2. 源码分析

2.1环境搭建

2.2nameserver

2.3produer

2.4消息存储

2.5consumer

相关实践学习
快速体验阿里云云消息队列RocketMQ版
本实验将带您快速体验使用云消息队列RocketMQ版Serverless系列实例进行获取接入点、创建Topic、创建订阅组、收发消息、查看消息轨迹和仪表盘。
消息队列 MNS 入门课程
1、消息队列MNS简介 本节课介绍消息队列的MNS的基础概念 2、消息队列MNS特性 本节课介绍消息队列的MNS的主要特性 3、MNS的最佳实践及场景应用 本节课介绍消息队列的MNS的最佳实践及场景应用案例 4、手把手系列:消息队列MNS实操讲 本节课介绍消息队列的MNS的实际操作演示 5、动手实验:基于MNS,0基础轻松构建 Web Client 本节课带您一起基于MNS,0基础轻松构建 Web Client
相关文章
|
Java Go Windows
新年快乐,我们一起GOGOGO!
手把手教你Go安装与环境配置(附第一个 Go 程序)
184 0
|
5天前
|
存储 弹性计算 人工智能
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
2025年9月24日,阿里云弹性计算团队多位产品、技术专家及服务器团队技术专家共同在【2025云栖大会】现场带来了《通用计算产品发布与行业实践》的专场论坛,本论坛聚焦弹性计算多款通用算力产品发布。同时,ECS云服务器安全能力、资源售卖模式、计算AI助手等用户体验关键环节也宣布升级,让用云更简单、更智能。海尔三翼鸟云服务负责人刘建锋先生作为特邀嘉宾,莅临现场分享了关于阿里云ECS g9i推动AIoT平台的场景落地实践。
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
|
4天前
|
云安全 人工智能 自然语言处理
阿里云x硅基流动:AI安全护栏助力构建可信模型生态
阿里云AI安全护栏:大模型的“智能过滤系统”。
|
4天前
|
人工智能 自然语言处理 自动驾驶
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
|
Linux 虚拟化 iOS开发
VMware Workstation Pro 25H2 for Windows & Linux - 领先的免费桌面虚拟化软件
VMware Workstation Pro 25H2 for Windows & Linux - 领先的免费桌面虚拟化软件
1022 0
|
7天前
|
存储 机器学习/深度学习 人工智能
大模型微调技术:LoRA原理与实践
本文深入解析大语言模型微调中的关键技术——低秩自适应(LoRA)。通过分析全参数微调的计算瓶颈,详细阐述LoRA的数学原理、实现机制和优势特点。文章包含完整的PyTorch实现代码、性能对比实验以及实际应用场景,为开发者提供高效微调大模型的实践指南。
648 2