消息队列基本原理和选型对比

消息队列选型:从RabbitMQ到Kafka实战对比 RabbitMQ定义:RabbitMQ是基于AMQP(高级消息队列协议)构建的开源消息中间件。特点:支持多种消息传递模式(如发布/订阅、路由、RPC等),提供灵活的消息路由机制。适用场景:中小规模的消息队列需求,需要复杂消息路由和多种消息传递模式的场景。Kafka定义:Kafka是由Apache开发的分布式流处理平台,专注于高吞吐量、低延迟的消息处理。特点:支持发布/订阅模式,提供高吞吐量和低延迟的消息传递能力。适用场景:大规模数据流处理,实时数据分析、日志收集等场景。 阅读详情

消息队列使用场景

消息队列中间件是分布式系统中重要的组件,主要解决应用耦合,异步消息,削峰填谷等问题。实现高性能、高可用、可伸缩和最终一致性架构。

  • 解耦:多个服务监听、处理同一条消息,避免多次 rpc 调用。

  • ​异步消息:消息发布者不用等待消息处理的的结果。

  • 削峰填谷:较大流量、写入场景,为下游 I/O 服务抗流量。当然大流量下就需要使用其他方案了。

  • 消息驱动框架:在事件总线中,服务通过监听事件消息驱动服务完成相应动作。

消息队列模式

点对点模式,不可重复消费

多个生产者可以向同一个消息队列发送消息,一个消息在被一个消息者消费成功后,这条消息会被移除,其他消费者无法处理该消息。如果消费者处理一个消息失败了,那么这条消息会重新被消费。

发布/订阅模式

发布订阅模式需要进行注册、订阅,根据注册消费对应的消息。多个生产者可以将消息写到同一个 Topic 中,多种消息可以被同一个消费者消费。一个生产者生产的消息,同样也可以被多个消费者消费,只要他们进行过消息订阅。

​选型参考

  • 消息顺序:发送到队列的消息,消费时是否可以保证消费的顺序;

  • 伸缩:当消息队列性能有问题,比如消费太慢,是否可以快速支持扩容;当消费队列过多,浪费系统资源,是否可以支持缩容。

  • 消息留存:消息消费成功后,是否还会继续保留在消息队列;

  • 容错性:当一条消息消费失败后,是否有一些机制,保证这条消息一定能成功,比如异步第三方退款消息,需要保证这条消息消费掉,才能确定给用户退款成功,所以必须保证这条消息消费成功的准确性;

  • 消息可靠性:是否会存在丢消息的情况,比如有 A/B 两个消息,最后只有 B 消息能消费,A 消息丢失;

  • 消息时序:主要包括“消息存活时间”和“延迟消息”;

  • 吞吐量:支持的最高并发数;

  • 消息路由:根据路由规则,只订阅匹配路由规则的消息,比如有 A/B 两者规则的消息,消费者可以只订阅 A 消息,B 消息不会消费。

【文章福利】另外小编还整理了一些C/C++后台开发教学视频,相关面试题,后台学习路线图免费分享,需要的可以自行添加:Q群:720209036 点击加入~ 群文件共享

小编强力推荐C++后台开发免费学习地址:C/C++Linux服务器开发高级架构师/C++后台开发架构师​icon-default.png?t=M666https://ke.qq.com/course/417774?flowToken=1013189

Kafka

Kafka 是由 Apache 软件基金会开发的一个开源流处理平台,由 Scala 和 Java 编写。该项目的目标是为处理实时数据提供一个统一、高吞吐、低延迟的平台。其持久化层本质上是一个“按照分布式事务日志架构的大规模发布/订阅消息队列”,这使它作为企业级基础设施来处理流式数据非常有价值。(维基百科)

基本术语

Producer:消息生产者。一般情况下,一条消息会被发送到特定的主题上。通常情况下,写入的消息会通过轮询将消息写入各分区。生产者也可以通过设定消息 key 值将消息写入指定分区。写入分区的数据越均匀 Kafka 的性能才能更好发挥。

Topic:Topic 是个抽象的虚拟概念,一个集群可以有多个 Topic,作为一类消息的标识。一个生产者将消息发送到 topic,消费者通过订阅 Topic 获取分区消息。

Partition:Partition 是个物理概念,一个 Topic 对应一个或多个 Partition。新消息会以追加的方式写入分区里,在同一个 Partition 里消息是有序的。Kafka 通过分区,实现消息的冗余和伸缩性,以及支持物理上的并发读、写,大大提高了吞吐量。

Replicas:一个 Partition 有多个 Replicas 副本。这些副本保存在 broker,每个 broker 存储着成百上千个不同主题和分区的副本,存储的内容分为两种:master 副本,每个 Partition 都有一个 master 副本,所有内容的写入和消费都会经过 master 副本;follower 副本不处理任何客户端的请求,只同步 master 的内容进行复制。如果 master 发生了异常,很快会有一个 follower 成为新的 master。

Consumer:消息读取者。消费者订阅主题,并按照一定顺序读取消息。Kafka 保证每个分区只能被一个消费者使用。

Offset:偏移量是一种元数据,是不断递增的整数。在消息写入时 Kafka 会把它添加到消息里。在分区内偏移量是唯一的。消费过程中,会将最后读取的偏移量存储在 Kafka 中,消费者关闭偏移量不会丢失,重启会继续从上次位置开始消费。

Broker:独立的 Kafka 服务器。一个 Topic 有 N 个 Partition,一个集群有 N 个 Broker,那么每个 Broker 都会存储一个这个 Topic 的 Partition。如果某 topic 有 N 个 partition,集群有(N+M)个 broker,那么其中有 N 个 broker 存储该 topic 的一个 partition,剩下的 M 个 broker 不存储该 topic 的 partition 数据。如果某 topic 有 N 个 partition,集群中 broker 数目少于 N 个,那么一个 broker 存储该 topic 的一个或多个 partition。在实际生产环境中,尽量避免这种情况的发生,这种情况容易导致 Kafka 集群数据不均衡。

系统框架

第一个 topic 有两个生产,新消息被写入到 partition 1 或者 partition 2,两个分区在 broker1、broker2 都有备份。有新消息写入后,两个 follower 分区会从两个 master 分区同步变更。对应的 consumer 会从两个 master 分区根据现在 offset 获取消息,并更新 offset。第二个 topic 只有一个生产者,同样对应两个 partition,分散在 Kafka 集群的两个 broker 上。有新消息写入,两个 follower 分区会同步 master 变更。两个 Consumer 分别从不同的 master 分区获取消息。

优点

高吞吐量、低延迟:kafka 每秒可以处理几十万条消息,它的延迟最低只有几毫秒;

可扩展性:kafka 集群支持热扩展;

持久性、可靠性:消息被持久化到本地磁盘,并且支持数据备份防止数据丢失;

容错性:允许集群中节点故障,一个数据多个副本,少数机器宕机,不会丢失数据;

高并发:支持数千个客户端同时读写。

缺点

分区有序:仅在同一分区内保证有序,无法实现全局有序;

无延时消息:消费顺序是按照写入时的顺序,不支持延时消息

重复消费:消费系统宕机、重启导致 offset 未提交;

Rebalance:Rebalance 的过程中 consumer group 下的所有消费者实例都会停止工作,等待 Rebalance 过程完成。

使用场景

日志收集:大量的日志消息先写入 kafka,数据服务通过消费 kafka 消息将数据落地;

消息系统:解耦生产者和消费者、缓存消息等;

用户活动跟踪:kafka 经常被用来记录 web 用户或者 app 用户的各种活动,如浏览网页、搜索、点击等活动,这些活动信息被各个服务器发布到 kafka 的 topic 中,然后消费者通过订阅这些 topic 来做实时的监控分析,亦可保存到数据库;

运营指标:记录运营、监控数据,包括收集各种分布式应用的数据,生产各种操作的集中反馈,比如报警和报告;

流式处理:比如 spark streaming。

RabbitMQ

RabbitMQ 是实现了高级消息队列协议(AMQP)的开源消息代理软件(亦称面向消息的中间件(英语:Message-oriented middleware)。RabbitMQ 服务器是用 Erlang 语言编写的,而群集和故障转移是构建在开放电信平台框架上的。所有主要的编程语言均有与代理接口通讯的客户端函式库。(维基百科)

基本术语

Broker:接收客户端链接实体,实现 AMQP 消息队列和路由功能;

Virtual Host:是一个虚拟概念,权限控制的最小单位。一个 Virtual Host 里包含多个 Exchange 和 Queue;

Exchange:接收消息生产者的消息并将消息转发到队列。发送消息时根据不同 ExchangeType 的决定路由规则,ExchangeType 常用的有:direct、fanout 和 topic 三种;

Message Queue:消息队列,存储为被消费的消息;

Message:由 Header 和 Body 组成,Header 是生产者添加的各种属性,包含 Message 是否持久化、哪个 MessageQueue 接收、优先级。Body 是具体的消息内容;

Binding:Binding 连接起了 Exchange 和 Message Queue。在服务器运行时,会生成一张路由表,这张路由表上记录着 MessageQueue 的条件和 BindingKey 值。当 Exchange 收到消息后,会解析消息中的 Header 得到 BindingKey,并根据路由表和 ExchangeType 将消息发送到对应的 MessageQueue。最终的匹配模式是由 ExchangeType 决定;

Connection:在 Broker 和客户端之间的 TCP 连接;

Channel:信道。Broker 和客户端只有 tcp 连接是不能发送消息的,必须创建信道。AMQP 协议规定只有通过 Channel 才能执行 AMQP 命令。一个 Connection 可以包含多个 Channel。之所以需要建立 Channel,是因为每个 TCP 连接都是很宝贵的。如果每个客户端、每个线程都需要和 Broker 交互,都需要维护一个 TCP 连接的话是机器耗费资源的,一般建议共享 Connection。RabbitMQ 不建议客户端线程之前共享 Channel,至少保证同一 Channel 发小消息是穿行的;

Command:AMQP 命令,客户端通过 Command 来完成和 AMQP 服务器的交互。

系统框架

​一条 Message 经过信道到达对应的 Exchange,Exchange 收到消息后解析出消息 Header 内容,获取消息 BindingKey 并根据 Binding 和 ExchangeType 将消息转发到对应的 MessageQueue,最后通过 Connection 将消息传送的客户端。

ExchangeType

Direct:精确匹配

  • 只有 RoutingKey 和 BindingKey 完全匹配的时候,消息队列才可以获取消息;

  • Broker 默认提供一个 Exchange,类型是 Direct 名字是空字符串,绑定到所有的 Queue(这里通过 Queue 名字来区分)。

Fanout:订阅、广播

​这个模式会将消息转发到所有的路由的 Queue 中

Topic:通配符模式

  • RoutingKey 为一个句点号“. ”分隔的字符串(将被句点号“. ”分隔开的每一段独立的字符串称为一个单词),如“quick.orange.rabbit”。BindingKey 与 RoutingKey 一样;

  • Bindingkey 中的两个特殊字符"#"和“_”用于模糊匹配,“#”用于匹配多个单次,“_”用来匹配单个单词(包含零个)。

优点

  • 基于 AMQP 协议:除了 Qpid,RabbitMQ 是唯一一个实现了 AMQP 标准的消息服务器;

  • 健壮、稳定、易用;

  • 社区活跃,文档完善;

  • 支持定时消息;

  • 可插入的身份验证,授权,支持 TLS 和 LDAP;

  • 支持根据消息标识查询消息,也支持根据消息内容查询消息。

缺点

  • erlang 开发源码难懂,不利于做二次开发和维护;

  • 接口和协议复杂,学习和维护成本较高。

总结

  • erlang 有并发优势,性能较好。虽然源码复杂,但是社区活跃度高,可以解决开发中遇到的问题;

  • 业务流量不大的话可以选择功能比较完备的 RabbitMQ。

Pulsar

Apache Pulsar 是 Apache 软件基金会顶级项目,是下一代云原生分布式消息流平台,集消息、存储、轻量化函数式计算为一体,采用计算与存储分离架构设计,支持多租户、持久化存储、多机房跨区域数据复制,具有强一致性、高吞吐、低延时及高可扩展性等流数据存储特性,被看作是云原生时代实时消息流传输、存储和计算最佳解决方案。Pulsar 是一个 pub-sub (发布-订阅)模型的消息队列系统。(百科)

基本术语

Property:代表租户,每个 property 都可以代表一个团队、一个功能、一个产品线。一个 property 可包含多个 namesapce,多租户是一种资源隔离手段,可以提高资源利用率;

Namespace:Pulsar 的基本管理单元,在 namaspace 级别可设置权限、消息 TTL、Retention 策略等。一个 namaspace 里的所有 topic 都继承相同的设置。命名空间分为两种:本地命名空间,只在集群内可见、全局命名空间对多个集群可见集群命名空间;

​Producer:数据生产方,负责创建消息并将消息投递到 Pulsar 中;

Consumer:数据消费方,连接到 Pulsar 接收消息并进行相应的处理;

Broker:无状态 Proxy 服务,负责接收消息、传递消息、集群负载均衡等操作,它对 client 屏蔽了服务端读写流程的复杂性,是保证数据一致性与数据负载均衡的重要角色。Broker 不会持久化保存元数据。可以扩容但不能缩容;

BookKeeper:有状态,负责持久化存储消息。当集群扩容时,Pulsar 会在新增 BookKeeper 和 Segment(即 Bookeeper 的 Ledger),不需要像 kafka 一样在扩容时进行 Rebalance。扩容结果是 Fragments 跨多个 Bookies 以带状分布,同一个 Ledger 的 Fragments 分布在多个 Bookie 上,导致读取和写入会在多个 Bookies 之间跳跃;

ZooKeeper:存储 Pulsar 、 BookKeeper 的元数据,集群配置等信息,负责集群间的协调、服务发现等;

Topic:用作从 producer 到 consumer 传输消息。Pulsar 在 Topic 级别拥有一个 leader Broker,称之为拥有 Topic 的所有权,针对该 Topic 所有的 R/W 都经过该 Broker 完成。Topic 的 Ledger 和 Fragment 之间映射关系等元数据存储在 Zookeeper 中,Pulsar Broker 需要实时跟踪这些关系进行读写流程;

Ledger:即 Segment,Pulsar 底层数据以 Ledger 的形式存储在 BookKeeper 上。是 Pulsar 删除的最小单位;

Fragment :每个 Ledger 由若干 Fragment 组成。

系统框架

​上面框架图分别演示了扩容、故障转移两种情况。扩容:因业务量增大扩容新增 Bookie N,后续写入的数据 segment x、segment y 写入新增 Bookie 中,为保持均衡扩容结果如上图绿色模块所示。故障转移:Bookie 2 的 segment 4 发生故障,Pulasr 的 Topic 会立马从新选择 Bookie 1 作为处理读写的服务。

Broker 是无状态的服务,只服务数据计算不存储,所以 Pulsar 可以认为是一种基于 Proxy 的分布式系统。

优点

  • 灵活扩容

  • 无缝故障恢复

  • 支持延时消息

  • 内置的复制功能,用于跨地域复制如灾备

  • 支持两种消费模型:流(独享模式)、队列(共享模式)

RocketMQ

RocketMQ 是一个分布式消息和流数据平台,具有低延迟、高性能、高可靠性、万亿级容量和灵活的可扩展性。RocketMQ 是 2012 年阿里巴巴开源的第三代分布式消息中间件。(维基百科)

基本术语

Topic:一个 Topic 可以有 0 个、1 个、多个生产者向其发送消息,一个生产者也可以同时向不同的 Topic 发送消息。一个 Topic 也可以被 0 个、1 个、多个消费者订阅;

Tag:消息二级类型,可以为用户提供额外的灵活度,一条消息可以没有 tag;

Producer:消息生产者;

Broker:存储消息,以 Topic 为纬度轻量级的队列;转发消息,单个 Broker 节点与所有的 NameServer 节点保持长连接及心跳,会定时将 Topic 信息注册到 NameServer;

Consumer:消息消费者,负责接收并消费消息;

MessageQueue:消息的物理管理单位,一个 Topic 可以有多个 Queue,Queue 的引入实现了水平扩展的能力;

NameServer:负责对原数据的管理,包括 Topic 和路由信息,每个 NameServer 之间是没有通信的;

Group:一个组可以订阅多个 Topic,ProducerGroup、ConsumerGroup 分别是一类生产者和一类消费者;

Offset:通过 Offset 访问存储单元,RocketMQ 中所有消息都是持久化的,且存储单元定长。Offset 为 Java Long 类型,理论上 100 年内不会溢出,所以认为 Message Queue 是无限长的数据,Offset 是下标;

Consumer:支持 PUSH 和 PULL 两种消费模式,支持集群消费和广播消费。

系统框架

​优点

支持发布/订阅(Pub/Sub)和点对点(P2P)消息模型:

  • 顺序队列:在一个队列中可靠的先进先出(FIFO)和严格的顺序传递;支持拉(pull)和推(push)两种消息模式;

  • 单一队列百万消息的堆积能力;

  • 支持多种消息协议,如 JMS、MQTT 等;

  • 分布式横向扩展架构;

  • 满足至少一次消息传递语义;

  • 提供丰富的 Dashboard,包含配置、指标和监控等;

  • 支持的客户端,目前是 java、c++及 golang

缺点

  • 社区活跃度一般;

  • 延时消息:开源版不支持任意时间精度,仅支持特定的 level。

使用场景

  • 为金融互联网领域而生,对于可靠性要求很高的场景。

参考资料

推荐一个零声教育C/C++后台开发的免费公开课程,个人觉得老师讲得不错,分享给大家:C/C++后台开发高级架构师,内容包括Linux,Nginx,ZeroMQ,MySQL,Redis,fastdfs,MongoDB,ZK,流媒体,CDN,P2P,K8S,Docker,TCP/IP,协程,DPDK等技术内容,立即学习

原文地址:消息队列基本原理和选型对比

消息队列原理和选型:RabbitMQ、Kafka、RocketMQ和ActiveMQ RabbitMQ、Kafka、RocketMQ和ActiveMQ,肝了我一个月,原理是什么,如何选型,本文会告诉你答案。 往期精选: 如何看待程序员35岁职业危机? Java全套学习资料(14W字),耗时半年整理 消息队列:从选型到原理,一文带你全部掌握 MySQL:资料大放送,告诉你如何学习MySQL 我肝了三个月,为你写出了GO核心手册 更多... 消息队列中间件重要吗?面试必问问题之一,你说重不重要。我有时会问同事,为啥你用Rabb... 阅读详情

相关推荐

使用通配符批量消费Kafka的Topic - Flume系列

Flume是一个用于收集、聚合和移动大量日志数据的工具,它使用可靠的、高容错的机制将数据从各种源(包括Kafka)传输到目的地。启动Flume代理后,它将开始从指定的Kafka Topic中消费数据,并将数据传输到配置的Logger Sink中。在上面的配置文件中,我们定义了一个名为"agent1"的Flume代理,该代理将从Kafka的"topic1"、"topic2"和"topic3"中消费数据。本文将介绍如何使用Flume来批量消费Kafka中的Topic,并提供相应的源代码。

2301_79366177的博客 801

Kafka、RabbitMQ、Pulsar、RocketMQ原理和选型

介绍了常见消息队列的基本原理、消息队列选型建议

DouJiangMs的博客 1461

flume系列之:使用通配符批量消费kafka的Topic

flume使用通配符批量消费kafka的Topic #指定kafka topic使用注释的这个 #kafka_topics: "optics-production-data" #flume使用通配符 kafka_topics_regex: "optics-(.*)"

zhengzaifeidelushang的博客 1735

消息队列对比

什么是消息队列消息队列是分布式应用间交换信息的重要组件,消息队列可驻留在内存或磁盘上, 队列可以存储消息直到它们被应用程序读走。通过消息队列,应用程序可以在不知道彼此位置的情况下独立处理消息,或者在处理消息前不需要等待接收此消息。所以消息队列可以解决应用解耦、异步消息、流量削锋等问题,是实现高性能、高可用、可伸缩和最终一致性架构中不可以或缺的一环。消息队列是分布式系统中重要的中间件,在高性能、高可用、低耦合等系统架构中扮演着重要作用。

faoids的博客 1761

MQ消息队列 全方位对比

本文对Kafka、RabbitMQ、RocketMQ等MQ消息队列进行全方位对比,涵盖开发语言、支持协议、消息存储、事务、负载均衡等方面。如Kafka追求高吞吐量,适合日志收集;RabbitMQ基于AMQP协议,适用于企业系统;RocketMQ高吞吐量、高可用,在阿里广泛应用。

26857259 1794

ptrade量化策略之沪深300指数增强

本策略的核心是在沪深300股票池中选股,选择的股票都是市值比较大,业绩比较好的白马股,根据市场相对位置以及基本面因子来选择股票

qq_29301281的博客 1193

消息队列原理和选型:Kafka、RocketMQ 、RabbitMQ 和 ActiveMQ

是可读性很差,不想让这篇文章被埋没,五一特意花了 7 个小时重新整理。消息队列中间件重要吗?面试必问问题之一,你说重不重要。我有时会问同事,为啥你用 RabbitMQ,不用 Kafka,或者 RocketMQ 呢,他给我的回答 “因为公司用的就是这个,大家都这么用”,如果你去面试,直接就被 Pass,今天这篇文章,告诉你如何回答。这篇文章,我重点突出消息队列选型,弱化每种队列内部的实现细节,精华提炼,可读性更强!常用的消息队列主要这 4 种,分别为 Kafka、RabbitMQ、RocketMQ 和 Act

weixin_70730532的博客 226

华大HC32F460 TCP Server实验

华大HC32F460 TCP Server实验

ZhuoWuKeJi的博客 1273

基于 Java 的消息队列选型年度总结:RabbitMQ、RocketMQ、Kafka 实战对比

消息队列技术选型分析:RabbitMQ、RocketMQ与Kafka对比 本文从实战角度对三大主流消息队列进行多维度对比分析。RabbitMQ基于AMQP协议,提供灵活路由和图形化管理,适合中小型系统;RocketMQ由阿里开发,具备金融级高可靠性和高吞吐特性;Kafka则专为高吞吐流处理设计,与大数据生态深度集成。三者各具特色:RabbitMQ路由灵活但吞吐有限,RocketMQ在事务消息和顺序消息方面表现优异,Kafka则在大规模数据处理上优势明显。文章通过架构图、性能指标表和典型场景分析,为开发者提供

千淘万漉虽辛苦,吹尽狂沙始到金 2万+

NCCL分布式训练中ibv_reg_mr_iova2内存分配失败的3种解决方案(附详细排查流程)

本文深入探讨了NCCL分布式训练中ibv_reg_mr_iova2内存分配失败的3种解决方案,包括快速临时修复、标准系统配置和PAM模块根治方案。详细分析了错误原因,提供了完整的排查流程和性能优化建议,帮助开发者高效解决RDMA网络环境下的内存锁定问题。

nut55的博客 627

Shopee商品详情页反爬实战:手把手逆向x-sap-Ri和x-sap-Sec请求头加密

本文详细解析了Shopee商品详情页反爬机制中x-sap-Ri和x-sap-Sec请求头参数的加密逻辑,通过JS逆向技术手把手教你定位加密入口、分析哈希算法与对称加密实现,并提供完整实战案例和应对反爬策略的高级技巧,助力开发者突破电商平台数据采集难点。

weixin_27875131的博客 1831

【kafka】消息队列选型对比

‌Kafka‌:副本同步机制(ISR 集合)+ 消息持久化存储(分段日志)‌RabbitMQ‌:ACK 确认机制 + 持久化队列 + 镜像队列冗余。‌ActiveMQ‌:基于 LevelDB 的持久化存储 + 主从复制。‌RocketMQ‌:同步刷盘策略 + 分布式事务(两阶段提交。

一只调皮可爱的小summy 820

Halcon实战:5种边缘检测算子对比(Sobel、Roberts、Prewitt、Kirsch、Canny)

本文深入对比了Halcon中Sobel、Roberts、Prewitt、Kirsch和Canny五大边缘检测算子的实战表现与核心差异。通过工业图像实例与代码解析,提供了基于噪声水平、边缘连续性及实时性要求的场景化选型指南,帮助工程师精准选择最适合的算子以优化视觉检测流程。

weixin_29266007的博客 394

RocketMQ - vs Kafka:分布式消息队列选型对比

本文对比了RocketMQ与Kafka两大主流分布式消息队列的核心特性与架构设计。RocketMQ由阿里巴巴开源,采用轻量级NameServer和主从同步机制,支持顺序消息和事务消息;Kafka源自LinkedIn,依赖ZooKeeper协调,通过分区与副本机制保证高可用性。两者均支持消息顺序性,但实现方式不同:RocketMQ通过顺序键确保同一队列消息有序,Kafka则保证分区内有序。文章通过代码示例展示了二者的顺序消息实现,为开发者技术选型提供参考。全文150字,涵盖架构特点、核心功能及实现差异。

千淘万漉虽辛苦,吹尽狂沙始到金 2万+

MMI分束器仿真优化:用Lumerical FDTD实现95%耦合效率的实战技巧

本文详细介绍了使用Lumerical FDTD软件对MMI分束器进行仿真优化的实战技巧。通过构建高保真模型、精确配置光源与边界条件,并重点优化波导结构与taper设计,系统性地将器件的耦合效率提升至95%以上。文章还分享了利用参数扫描、varFDTD加速等高级方法,帮助硅光芯片设计工程师高效实现高性能MMI分束器设计。

rainy的博客 778

Supreme小程序自动化抢购终端——源码架构与执行流程全解析

本系统是一套基于开发的桌面端小程序自动化抢购终端。把只有开发者能跑的脚本,包装成普通用户也能操作的桌面工具。参数自动捕获 → 商品多关键词检索 → sku/尺码/库存映射 → 多商品任务队列 → 定时/立即抢购 → 订单创建 → 支付参数拉取 → 本地服务生成支付链接 → 手机微信扫码付款这套 Supreme 抢购终端,表面上看是一个"下单工具"。但从工程角度审视,它已经具备了一个小型桌面自动化系统GUI 层:CustomTkinter 现代化界面,线程安全业务层:多商品队列、定时调度、任务编排。

猫敷雪 208

MQ消息队列的优缺点介绍以及对比选型

详细介绍了MQ消息队列的有点和缺点,以及MQ消息队列的选型。

终生学习践行者 6401

【AI技术赋能有限元分析应用实践】Abaqus有限元分析与深度学习结合20个案例与有限元分析数据来源方法说明

结合 Abaqus 和深度学习,数据的获取和处理是关键的一步。通过从仿真、实验、公开数据库或合成数据中获取数据,经过预处理后,可以将其用于训练深度学习模型。最终,将训练好的深度学习模型与 Abaqus 集成,用于材料行为预测、结构优化、非线性分析、损伤预测等任务,从而提升仿真效率和精度。

源代码杀手的博客 3213

消息队列ActiveMQ、RabbitMQ、RocketMQ、Kafka对比分析和选型

传统企业系统:金融/支付系统:电商/高并发交易:大数据/日志处理:物联网(IoT):

宋发元 2185

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

选型消息队列(MQ):ActiveMQ、RabbitMQ、RocketMQ、Kafka对比

ActiveMQ:适合轻量级消息传输,适用于传统企业应用。RabbitMQ:适用于高可靠性、低延迟的金融支付、IM、订单管理等业务。RocketMQ:兼顾高吞吐和高可靠性,适合电商、互联网金融、日志分析。Kafka:以高吞吐和低延迟著称,适用于日志分析、流式计算、大数据处理。希望本文能帮助你在不同场景下做出最佳 MQ 选型决策,提升系统的稳定性和扩展性。

郝开的博客 2159

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

上一篇: Linux C/C++后台开发高级架构师进阶指南-剑指腾讯T9
下一篇: 学习总结-网关 架构演进
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值