23、存储和服务总线的消息传递与队列

存储和服务总线的消息传递与队列

在现代的分布式系统中,消息传递和队列是实现系统解耦、异步通信和提高系统可扩展性的重要手段。本文将详细介绍如何使用Azure存储队列和服务总线队列来接收消息,以及如何实现发布/订阅模式。

1. 使用存储队列接收消息

Azure存储库中的 CloudQueue 类提供了同步和异步方法来从队列中检索消息。 GetMessage() 方法用于从队列中检索一条消息,而 GetMessages() 方法一次最多可检索32条消息。 GetMessages() 方法可以减少访问队列所需的存储操作次数,从而提高Azure云服务的可扩展性。

消息在被检索后会有一个可见性超时时间,在此期间,其他对Azure队列服务的调用无法再次检索该消息。消息的最大可见性超时时间为7天,默认值为30秒。这个可见性超时机制增强了托管服务的持久性。如果消费者在处理消息时失败,可见性超时到期后,消息将再次在队列中可见,其他消费者可以检索并处理它。

然而,可见性超时也可能带来一些问题。如果消费者在可见性超时到期之前未能处理完消息,另一个消费者可能会检索并开始处理该消息。如果消息处理不是幂等的(即每次处理消息都产生相同的结果),这可能会导致问题。

队列服务还使用乐观并发来管理消息删除。当检索消息时,会包含一个弹出收据(pop receipt),删除消息时必须提供该收据。即使可见性超时到期,只要消息未被再次检索,弹出收据仍然有效。在Azure存储客户端库中,可以使用 CloudQueue.DeleteMessage()

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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