分析rocketMq

代码地址: git@github.com:tuyf/kafka.git

 

主要四个实例:

 

第一个: Java访问rocketMq

见类 Producer 和 Consumer

 

第二个: Spring整合rocketMq

见类SpringProducer和SpringConsumer

 

第三个: 基于rocketMq的消息顺序处理

在order package下的代码,重点介绍它的顺序消费。

rocketMq中的顺序消费,一般指的是局部顺序,不是全局顺序。

默认的情况下,消息生产者采用轮询的方式来选择具体的队列 发送消息, 要想满足顺序消费的要求,必须保证 按照业务上的顺序 把消息发送到Broker上的同一个队列中; 因为不保证其他生产者 也会发消息到该队列,所以还需要消费者 对接收到的消息 做一些过滤。

顺序消费存在的问题:

1 无法利用集群的FailOver特性, 如果某个master宕机,无法重试。

2 顺序消费的消费并行度 依赖队列的数量。

3 遇到消费失败的消息不能跳过,只能暂停当前队列的消费。

4 实现顺序消息时,把选择发送的路由 交给业务侧实现, 可能会由于哈希不均 导致消息过多 使某些队列中数据多,造成消息堆积。

实现顺序消费, 主要是在 消费者consumer端,注册的消息监听器是 MessageListenerOrderly

 

 

第四个: 基于rocketMq的分布式事务      

这个与前面的基于 activeMq的分布式事务 对比记忆。(activeMq的分布式事务 是把分布式事务 拆成了 两个本地事务来处理;此处的话,是把分布式事务 拆成了一个消息事务(系统A的本地事务+发消息) + 系统B的本地事务), 可以少创建两张event表。

 

RocketMQ 4.3 中的事务消息在设计上 借鉴了 2PC的理论,交互图如下:

 

 

 

 

消息重试:

生产者端重试:

 

消费者端重试:

 

消息重复:

MQ产品 投递消息面临三种模式的选择:

至少一次

最多一次

只有一次

遗留问题:rocketMq的集群模式下,再均衡的具体实现;

类MessageListenerOrderly 底层是 如何实现顺序消费的

 

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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