Dubbo的初步认识与安装使用的过程

本文介绍了随着网站应用规模扩大,从单一应用架构到分布式服务架构的演变过程,并详细讲解了Dubbo服务框架的使用方法,包括搭建环境、配置Zookeeper服务注册中心、创建Maven项目等步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Dubbo介绍

随着互联网的发展,网站应用的规模不断扩大,常规的垂直应用架构已无法应对,分布式服务架构以及流动计算架构势在必行,亟需一个治理系统确保架构有条不紊的演进。

这里写图片描述

  • 单一应用架构 
    当网站流量很小时,只需一个应用,将所有功能都部署在一起,以减少部署节点和成本。 
    此时,用于简化增删改查工作量的 数据访问框架(ORM) 是关键。

  • 垂直应用架构 
    当访问量逐渐增大,单一应用增加机器带来的加速度越来越小,将应用拆成互不相干的几个应用,以提升效率。 
    此时,用于加速前端页面开发的 Web框架(MVC) 是关键。

  • 分布式服务架构 
    当垂直应用越来越多,应用之间交互不可避免,将核心业务抽取出来,作为独立的服务,逐渐形成稳定的服务中心,使前端应用能更快速的响应多变的市场需求。 
    此时,用于提高业务复用及整合的 分布式服务框架(RPC) 是关键。

  • 流动计算架构 
    当服务越来越多,容量的评估,小服务资源的浪费等问题逐渐显现,此时需增加一个调度中心基于访问压力实时管理集群容量,提高集群利用率。 
    此时,用于提高机器利用率的 资源调度和治理中心(SOA) 是关键。

Dubbo的使用

首先看官方文档dubbo.io,它的大致项目结构为

1.dubbo-admin

我们抽取出dubbo-admin的部分,让它在本地环境中运行一遍,再打war包放到tomcat的webapp下运行。这样可以避免与本地jdk版本冲突的问题。因为dubbo-admin的默认端口是8080,然后还要改变tomcat的端口号,修改server.xml的transport,我这里改为了8090.

2.zookeeper

zookeeper是dubbo的服务注册中心,我们要先下载好zookeeper。这里为了方便就用的是win版的zk,下载完成后要记得修改conf目录下的zoo.cfg文件,改的内容如下

把dataDir和daraLogDir改成自己的安装目录,用来存储数据和日志文件。之后再点击zkService.cmd,看窗口的输出信息就完成了zk的启动。

3.代码示例

我们首先在eclipse里新建一个maven的父子工程:选定父工程类型为pom,然后在建立三个子工程,分别为dubbo-api,dubbo-provider,dubbo-consumer。

这里就分别是消费者和提供者,我们在xml文件里面引入阿里的dubbo的xsd头文件,在provider里面写入如下代码来暴露服务。


然后消费者consumer里面来完成服务订阅的功能


我们这里为了方便测试,就写main方法来进行测试



4.运行实例

我们首先打开zookeeper,那个黑窗口不要关,然后在eclipse里运行代码(提供者要在消费者之前启动),控制台会输出信息。然后我们打开tomcat,浏览器输入http://localhost:8090/dubbo-admin,就能看见我们的服务调用的信息了。


这是初步了解dubbo的第一步,关于这种rpc框架的服务远程调用,用的nio传输方式,dubbo底层也用的netty,现在我也正在看netty的资料。而现在比较火热的spring cloud,有时间的话也会去学习一下。

临近大三末,希望自己能找到个比较好的实习,在此勉励。

内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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