RabbitMq：什么是RabbitMq？ ①
routing key：一个路由规则，虚拟机根据他来确定如何路由 一条消息。RabbitMq是一个基于消息订阅发布的一款消息中间件。Queue：消息队列，用来存放消息的队列。交换机绑定一个或多个队列。
flink重温笔记（九）：Flink 高级 API 开发——flink 四大基石之WaterMark（Time为核心）
当 flink 以 EventTime 模式处理流数据时，它会根据数据里的时间戳来处理基于时间的算子。但是由于网络、分布式等原因，会导致数据乱序的情况。结论：只要使用 event time，就必须使用 watermark，在上游指定，比如：source、map算子后。Watermark 的核心本质
[Java 探索之路～大数据篇] 新时代大数据流处理入门指南
任何类型的数据都可以形成一种事件流。信用卡交易、传感器测量、机器日志、网站或移动应用程序上的用户交互记录，所有这些数据都形成一种流。数据可以被作为 无界 或者 有界 流来处理。事件驱动型应用是一类具有状态的应用，它从一个或多个事件流提取数据，并根据到来的事件触发计算、状态更新或其他外部动作。事件驱动
Spark3性能调优指南【官方版】
有时，当作业输入有大量的目录时，你可能还需要增加目录列表的并行性，否则这个过程可能会花费很长的时间，特别是在针对S3这样的对象存储时。Spark可以有效地支持短至200毫秒的任务，因为它在许多任务中重复使用一个执行器JVM，而且它的任务启动成本很低，所以你可以安全地将并行化水平提高到超过集群中的核心
52、Flink的应用程序参数处理-ParameterTool介绍及使用示例
系统介绍某一知识点，并辅以具体的示例进行说明。1、Flink 部署系列本部分介绍Flink的部署、配置相关基础内容。2、Flink基础系列本部分介绍Flink 的基础部分，比如术语、架构、编程模型、编程指南、基本的datastream api用法、四大基石等内容。3、Flik Table API和S
Flink join详解（含两类API及coGroup、connect详解）
join、regular join、interval join、temporal join、connect、coGroup
2.8日学习打卡----初学RabbitMQ（三）
之前我们使用原生JAVA操作RabbitMQ较为繁琐，接下来我们使用SpringBoot整合RabbitMQ，简化代码编写创建SpringBoot项目，引入RabbitMQ起步依赖
Flink对接Kafka的topic数据消费offset设置参数
在 Flink 的配置文件（如 flink-conf.yaml）中，，可以通过设置以下参数来配置。是 Flink 中用于设置消费 Kafka topic 数据的起始 offset 的配置参数之一。参数是用于 Flink 1.14 版本及以上。在更早的版本中，可以使用。参数来设置消费 Kafka 数据
后端接口如何提高性能？从MySQL、ES、HBASE等技术一起探讨下！(摘抄)
后端接口如何提高性能？从MySQL、ES、HBASE等技术一起探讨下！
大数据在社交媒体行业的应用：用户行为分析和内容推荐
1.背景介绍社交媒体是现代互联网行业的一个重要领域，其核心是让用户在线交流互动。随着互联网的普及和用户数量的增加，社交媒体平台上产生的数据量巨大，这些数据包括用户的个人信息、互动记录、内容等。大数据技术在社交媒体行业中发挥着重要作用，主要体现在用户行为分析和内容推荐等方面。本文将从大数据的角度深入探
RabbitMQ消息可靠性投递与ACK确认机制
deliveryTag介绍：表示消息投递序号，每次消费消息或者消息重新投递后，deliveryTag都会增加。basicNack和basicReject介绍。开启confirmCallback配置。RabbitMQ的ACK介绍。配置文件开启手动确认。
spring boot rabbitmq常用配置
【代码】spring boot rabbitmq常用配置。
用友U8 Cloud ArchiveVerify SQL注入漏洞复现
用友U8 Cloud ArchiveVerify接口处存在SQL注入漏洞，未授权的攻击者可通过此漏洞获取数据库权限，从而盗取用户数据，造成用户信息泄露。
flink数据源#
这两种情况之间的差异很小：在有界/批处理情况下，枚举器会生成一组固定的拆分，并且每个拆分必然是有限的。在无界流式处理情况下，两者之一不成立（拆分不是有限的，或者枚举器不断生成新的拆分）。一旦找到新文件，它就会为它们生成新的拆分，并可以将它们分配给可用的 SourceReaders。是源使用的数据的一
springCloud使用apache的http类和RestTemplate以及Eureka
然后访问Eureka的页面，
Nacos、Eureka、Zookeeper注册中心的区别
Nacos、Eureka和Zookeeper都是常用的注册中心，它们在功能和实现方式上存在一些不同。
hive的应用场景
hive的具体应用
Springboot教程（二）——过滤器、拦截器
这里要注意，过滤器最后应调用chain.doFilter(request, response)方法，将请求交给后一个过滤器。当然，有些时候不想交给后一个过滤器，也可以不写要启用过滤器，需要写一个配置类，用@Configuration标注。在配置类中，定义一个方法，用@Bean标注，这个方法需要先获取
2024-02-26（Spark，kafka）
1）SparkSQL和Hive都是用在大规模SQL分布式计算的计算框架，均可以运行在YARN上，在企业中被广泛应用。2）SparkSQL的数据抽象为：SchemaRDD（废弃），DataFrame（Python，R，Java，Scala），DataSet（Java，Scala）3）DataFrame
FlinkSQL处理Canal-JSON数据
在正常的操作环境下，Canal能够以exactly-once的语义投递每条变更事件，Flink能够正常消费Canal产生的变更事件。此时，Canal可能会投递重复的变更事件到Kafka中，当Flink从Kafka中消费的时候就会得到重复的事件，可能导致Flink query的运行得到错误的结果或者非
