RabbitMQ的死信队列和延迟队列
一般用在较为重要的业务队列中，确保未被正确消费的消息不被丢弃，一般发生消费异常可能原因主要有由于消息信息本身存在错误导致处理异常，处理过程中参数校验异常，或者因网络波动导致的查询异常等等，当发生异常时，当然不能每次通过日志来获取原消息，然后让运维帮忙重新投递消息。先把订单消息设置好 15 分钟过期时
RabbitMQ控制界面详解
RabbitMQ控制界面详解
Iceberg从入门到精通系列之二十一：Spark集成Iceberg
Spark 支持通过指定catalog-impl 属性来加载自定义Iceberg Catalog 实现。
Eureka和Nacos
Spring Cloud提供了多种服务注册和发现的解决方案，Eureka和Nacos是其中两个非常流行的选项。下面，我们将深入探索这两种注册中心的工作原理、配置和使用方法。
Kafka 入门介绍
Kafka 最初由 Linkedin 公司开发，是一个分布式、支持分区的（Partition）、多副本的（Replica），基于 Zookeeper 协调的分布式消息系统，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景，比如基于 Hadoop 的批处理系统、低延迟的实时系统、Storm/
消息队列-RabbitMQ：MQ作用分类、RabbitMQ核心概念及消息生产消费调试
RabbitMQ 的概念RabbitMQ 是一个消息中间件，它接受并转发消息。你可以把它当做一个快递站点，当你要发送一个包裹时，你把你的包裹放到快递站，快递员最终会把你的快递送到收件人那里，按照这种逻辑 RabbitMQ 是 一个快递站，一个快递员帮你传递快件。RabbitMQ 与快递站的主要区别在
Hbase集群的搭建
hadoop、zookeeper集群已正常安装。
Kafka 命令行操作
Kafka常用命令行操作，Shell，.sh
RabbitMQ-业务的幂等性
消费者拿到id之后，保存到数据库，后续消费时，需要查数据库进行比较，因此这种方案的缺点就是有业务的入侵，对性有一定的影响。
HBase的数据库与Apache Atlas的集成
1.背景介绍HBase是一个分布式、可扩展、高性能的列式存储系统，基于Google的Bigtable设计。它是Hadoop生态系统的一部分，可以与HDFS、Hive、Pig等其他组件集成。Apache Atlas是一个元数据管理系统，用于管理、发现和搜索Hadoop生态系统中的元数据。在大数据时代，
Zookeeper与ApacheFlink的集成与优化
1.背景介绍1. 背景介绍Apache Flink 是一个流处理框架，用于实时数据处理和分析。它可以处理大量数据，并在实时性和性能方面表现出色。然而，在分布式环境中，Flink 需要一个可靠的集群管理系统来保证数据的一致性和可用性。这就是 Zookeeper 发挥作用的地方。Zookeeper 是一
大数据StarRocks(五) ：数据类型
StarRocks 支持数据类型：数值类型、字符串类型、日期类型、半结构化类型、其他类型。您在建表时可以指定以下类型的列，向表中导入该类型的数据并查询数据。5.1 数值类型SMALLINT 2 字节有符号整数，范围 [-32768, 32767]INT 4 字节有符号整数，范围 [-21474836
Flink基础篇｜001_Flink是什么
我们通常说的Flink是来Apache Flink，他是由Apache软件基金会开发的开源流处理框架，其核心是用Java和Scala编写的分布式流数据流引擎。Flink以数据并行和流水线方式执行任意流数据程序，Flink的流水线运行时系统可以执行批处理和流处理程序。此外，Flink的运行时本身也支持
RabbitMQ 消息中间件与集群的部署
Kafka是LinkedIn开源的分布式发布-订阅消息系统，目前归属于Apache顶级项目。Kafka主要特点是基于Pull的模式来处理消息消费，追求高吞吐量，一开始的目的就是用于日志收集和传输。0.8版本开始支持复制，不支持事务，对消息的重复、丢失、错误没有严格要求，适合产生大量数据的互联网服务的
「Kafka」消费者篇
Kafka 消费方式、Kafka 消费者工作流程、生产经验—分区的分配以及再平衡、offset 位移、生产经验—消费者事务、生产经验—数据积压（消费者如何提高吞吐量）等内容。
【Flink-1.17-教程】-【五】Flink 中的时间和窗口（1）窗口（Window）
在批处理统计中，我们可以等待一批数据都到齐后，统一处理。但是在实时处理统计中，我们是来一条就得处理一条，那么我们怎么统计最近一段时间内的数据呢？引入“窗口”。所谓的“窗口”，一般就是划定的一段时间范围，也就是“时间窗”；对在这范围内的数据进行处理，就是所谓的窗口计算。所以窗口和时间往往是分不开的。接
kafka如何保证消息不丢？
我们知道Kafka架构如下，主要由 Producer、Broker、Consumer 三部分组成。一条消息从生产到消费完成这个过程，可以划分三个阶段，生产阶段、存储阶段、消费阶段。产阶段: 在这个阶段，从消息在 Producer 创建出来，经过网络传输发送到 Broker 端。存储阶段: 在这个阶段
Kafka_03_Consumer详解
Consumer详解以及实现原理解析
如何使用Hive或者HadoopMR访问表格存储中的表
更新时间：2023-12-14 09:58本文主要为您介绍如何使用Hive或者HadoopMR访问表格存储中的表。
面试:大数据和深度学习之间的关系是什么?
大数据的定义与特点:大数据指的是规模(数据量)、多样性(数据类型)和速度(数据生成及处理速度)都超出了传统数据处理软件和硬件能力范围的数据集。它具有四个主要特点，通常被称为4V:Volume(体量)、Velocity(速度)Variety(多样性)和Veracity(真实性)大数据与深度学习的关系，
