初识消息队列

简介:

wKiom1gvHqeSrGAEAAGgZ8qZQ04755.png

wKioL1gvHqiBGlgOAAK5paYkncU276.png

wKiom1gvHqnixTUAAAFvDp5SxlI466.png

一对一

wKiom1gvHqvDhMA6AASCvZtE4Hg409.png

点对点模型特性:消息只有在处理成功后才会删除,失败时不会删除,这样下次取时,队列中还会有

wKioL1gvHqzjASRYAAJ0mXH27zA140.png


wKiom1gvHq_g7sn5AAWuA9dGR6M629.png

发布-订阅模型特性(3、可以理解为过期时间)

wKioL1gvHrCRqE88AAHW_FQpO28620.png

发布订阅模型(3非持久订阅:保持长链接-——持久订阅:消费者产生的消息,会把消息存在消息中间件中,当消费者宕机后,消息中间件会不停的向消费者发送信息,直到成功接收)

wKiom1gvHrHBXDpFAALoxNhZ4xs053.png

交易系统,对实时性较高,所以用推的方式。

wKioL1gvHrLTr2pFAAKyNAsFLmM628.png

延迟消息发送和暂存(通过tcp-copy方式复制一份消息队列,复制出的消息队列先不释放,暂存队列中,可以很好的模拟用户并发,再一次性释放出来)pull较好

wKiom1gvHrPxTlkgAAJlG31G7h4911.png

11、消息广播(例:消费者购物,商品价格为100,突然有一天,变为105,但消费者看到的依然是100,这时便会出现数据不一致,可以用消息中间件来解决,给消费者(cache)缓存数据同步更新来解决【但还有一种情况,消息中间件给cache同步时,同步较慢(正好赶上数据同步),一刷100,再一刷105的情况,但最终是105,可以用租约的方式去解决。给每个数据加一个时间戳,数据在某一时间会过期,当然必须保证服务器时间是同步的】对实时性要求较高,所以用推较好pull

wKioL1gvHrSDRO19AAHD0YcOPfQ104.png

wKioL1gvHrWA6W9YAAOX2jxpxR4856.png

消息中间件分类(发布订阅用的push较多一些,(立马同步到消费者(实时性比较高)pull 更多适用于点对点模型)

wKiom1gvHrbweY_TAAFBgZGn3ec765.png

14、数据复制立案----对时间的限制对比是用pull还是用push

wKiom1gvHrfyvEBzAAIh5FjaUEs229.png

metaq(根据磁盘顺序来写,典型pull模型)

wKioL1gvHrjQgx9bAAFfBoUiEws275.png

wKiom1gvHrqDnCmmAATsJK8WTf8821.png

wKioL1gvHrui8WuoAAE4dVxjPLg129.png

1、topic:可看作队列的名字

2、offset:偏移,主要对消费者使用,给消费者使用,消费者存在的偏移,就是在消息中间件中的一个起始位置。

3、broker:存储消息的一个点

4、依次定位,减少磁盘寻道时间。

wKiom1gvHr3zOxVRAAN5m_ucNeA646.png

wKioL1gvHr6yEyKGAAJV5IqSdk0296.png

wKioL1gvHsDxiCdmAAPUQ861948864.png

wKiom1gvHsCjCe-NAAFitPchWjo590.png

wKioL1gvHsGTP1LAAAGPKwhq6kM435.png

wKiom1gvHsLiSOnvAAD7s-ZcOto529.png

本文转自silence博客51CTO博客,原文链接http://blog.51cto.com/silencezone/1874475如需转载请自行联系原作者


a120518129

相关文章
|
网络安全
编译原理复习二:Top-Down分析LL(1)文法的判断与LL(1)分析表的构造(附题目与答案 超详细)
编译原理复习二:Top-Down分析LL(1)文法的判断与LL(1)分析表的构造(附题目与答案 超详细)
1476 1
|
9月前
|
人工智能 算法 搜索推荐
Geo优化“两大核心+四轮驱动”的深度解读与实践要点
本文将深度解读“两大核心+四轮驱动”Geo优化方式的优化要点,旨在为内容创作者和企业营销人员提供一套专业、可信、有深度的实践指南。
493 6
|
8月前
|
存储 编解码 Cloud Native
全链路解析:基于云原生架构的 Bilibili 视频下载引擎实现
本文深入解析基于云原生架构的B站视频下载引擎,涵盖DASH协议分析、音视频分片下载、FFmpeg无损合成及阿里云Serverless部署。结合异步任务编排、OSS存储与反爬策略,实现高效、合规的全链路流媒体解析,适用于离线学习与弱网播放场景。(238字)
|
10月前
|
人工智能 运维 安全
阿里云专有云全维度满分
国际数据公司IDC发布《中国专有云运营平台技术能力评估,2025》,阿里云是唯一在七个维度全部获得满分的厂商,体现了飞天企业版全面领先的技术实力与产品先进性。
|
机器学习/深度学习 人工智能 资源调度
MicroNAS:面向MCU的零样本神经架构搜索——论文阅读
MicroNAS是一种专为微控制器单元(MCU)设计的零样本神经架构搜索(NAS)框架,无需训练即可通过理论驱动的性能指标评估网络架构。相比传统NAS方法,其搜索效率提升高达1104倍,同时兼顾精度与硬件效率,适用于边缘计算场景。该框架结合神经切线核(NTK)条件数、线性区域计数及硬件感知延迟模型,实现快速、高效的架构搜索,为资源受限设备上的AI部署提供了新思路。
696 2
MicroNAS:面向MCU的零样本神经架构搜索——论文阅读
|
机器学习/深度学习 算法 Ubuntu
dlib
【6月更文挑战第13天】
475 4
|
机器人 API 调度
Weibo微博自动发帖机器人,新浪微博自动发帖脚本,微博自动发布工具分享
这个微博机器人系统包含完整的OAuth2.0认证流程、定时任务调度、多种内容类型发布和自动回复功能
|
机器学习/深度学习 弹性计算 人工智能
在阿里云ECS上一键部署DeepSeek-R1
Open WebUI 和 Ollama 的联合,通过集成 DeepSeek-R1 的强大功能,赋予每一位用户使用尖端 AI 技术的能力,使得复杂的 AI 技术不再是遥不可及的梦想。无论是研究人员、开发者,还是企业用户,您都能从这一创新中获得新的灵感和增长点。本文介绍通过计算巢一键部署和使用DeepSeek-R1。
在阿里云ECS上一键部署DeepSeek-R1
|
存储 人工智能 索引
Python数据结构:列表、元组、字典、集合
Python 中的列表、元组、字典和集合是常用数据结构。列表(List)是有序可变集合,支持增删改查操作;元组(Tuple)与列表类似但不可变,适合存储固定数据;字典(Dictionary)以键值对形式存储,无序可变,便于快速查找和修改;集合(Set)为无序不重复集合,支持高效集合运算如并集、交集等。根据需求选择合适的数据结构,可提升代码效率与可读性。
1270 1
|
人工智能 数据可视化 数据处理
【2025低代码前瞻】:平台赋能的无限可能
低代码平台正成为企业数字化转型的核心工具,2025年将通过可视化开发、核心引擎升级、模型驱动、数据处理增强、AI融合、插件生态丰富、开放架构和强化企业功能等趋势,大幅提升开发效率与灵活性。可视化开发实现全员参与,拖拽式组件、实时预览和多人协作等功能显著提高开发速度;核心引擎如SQL引擎、功能引擎等的智能化升级支持高效开发;模型驱动自动生成高质量代码,智能优化逻辑并确保跨平台兼容;数据处理能力增强,支持跨数据库操作与实时流处理;丰富的插件生态覆盖多行业需求;开放架构结合微服务与开源框架提升扩展性;低代码平台将在2025年为企业带来更高效率、更低成本和更强创新能力。
739 32