四十一、大数据技术之Kafka3.x（4）

Daniel521-Spark2024-08-18 21:40

🌻🌻 目录

  • [一、Kafka 消费者](#一、Kafka 消费者)
    • [1.1 Kafka 消费方式](#1.1 Kafka 消费方式)
    • [1.2 Kafka 消费者工作流程](#1.2 Kafka 消费者工作流程)
      • [1.2.1 消费者总体工作流程](#1.2.1 消费者总体工作流程)
      • [1.2.2 消费者组原理](#1.2.2 消费者组原理)
      • [1.2.3 消费者重要参数](#1.2.3 消费者重要参数)
    • [1.3 消费者 API](#1.3 消费者 API)
      • [1.3.1 独立消费者案例（订阅主题）](#1.3.1 独立消费者案例（订阅主题）)
      • [1.3.2 独立消费者案例（订阅分区）](#1.3.2 独立消费者案例（订阅分区）)
      • [1.3.3 消费者组案例](#1.3.3 消费者组案例)
    • [1.4 生产经验------分区的分配以及再平衡](#1.4 生产经验——分区的分配以及再平衡)
      • [1.4.1 Range以及再平衡](#1.4.1 Range以及再平衡)
      • [1.4.2 RoundRobin以及再平衡](#1.4.2 RoundRobin以及再平衡)
      • [1.4.3 Sticky以及再平衡](#1.4.3 Sticky以及再平衡)
    • [1.5 offset 位移](#1.5 offset 位移)
      • [1.5.1 offset 的默认维护位置](#1.5.1 offset 的默认维护位置)
      • [1.5.2 自动提交 offset](#1.5.2 自动提交 offset)
      • [1.5.3 手动提交 offset](#1.5.3 手动提交 offset)
      • [1.5.4 指定 Offset 消费](#1.5.4 指定 Offset 消费)
      • [1.5.5 指定时间消费](#1.5.5 指定时间消费)
      • [1.5.6 漏消费和重复消费](#1.5.6 漏消费和重复消费)
    • [1.6 生产经验------消费者事务](#1.6 生产经验——消费者事务)
    • [1.7 生产经验------数据积压（消费者如何提高吞吐量）](#1.7 生产经验——数据积压（消费者如何提高吞吐量）)

一、Kafka 消费者

1.1 Kafka 消费方式

1.2 Kafka 消费者工作流程

1.2.1 消费者总体工作流程

1.2.2 消费者组原理

1.2.3 消费者重要参数

1.3 消费者 API

1.3.1 独立消费者案例（订阅主题）

1）需求：

创建一个独立消费者，消费first主题中数据。

注意：在消费者API代码中必须配置消费者组id。命令行启动消费者不填写消费者组id会被自动填写随机的消费者组id。

2）实现步骤

（1）创建包名：com.gansu.kafka.consumer

（2）编写代码：类名：CustomConsumer

java 复制代码 
package com.gansu.kafka.consumer;

import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.ArrayList;
import java.util.Properties;

public class CustomConsumer {

    public static void main(String[] args) {

        // 1.创建消费者的配置对象
        Properties properties = new Properties();
        // 2.给消费者配置对象添加参数
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.10.102:9092");
        // 配置序反列化 必须
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        // 配置消费者组（组名任意起名） 必须
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test");
        // 创建消费者对象
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);

        // 订阅主题 first 注册要消费的主题（可以消费多个主题）
        ArrayList<String> topics = new ArrayList<>();

        topics.add("first");
        kafkaConsumer.subscribe(topics);
        // 拉取数据打印
        while (true){
            // 设置1s中消费一批数据
            ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));

            for(ConsumerRecord<String, String> consumerRecord : consumerRecords) {

                System.out.println(consumerRecord);

            }
        }
    }
}

3）测试

（1）在IDEA中执行消费者程序。

（2）在Kafka集群控制台，创建Kafka生产者，并输入数据。

（3）在IDEA控制台观察接收到的数据。

① 使用服务器生产者发送

② 使用 idea 生产者发送

1.3.2 独立消费者案例（订阅分区）

1）需求：创建一个独立消费者，消费first主题0号分区的数据。

2）实现步骤

（1）代码编写。类名：CustomConsumerPartition

java 复制代码 
package com.gansu.kafka.consumer;

import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.ArrayList;
import java.util.Properties;

public class CustomConsumerPartition {

    public static void main(String[] args) {

        //配置 反序列化 必须
        Properties properties = new Properties();

        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.10.102:9092");
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        //配置消费组 必须 名字任意起
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test");
        //创建消费
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);
        //消费某个主题的 某个分区数据
        ArrayList<TopicPartition> topicPartitions = new ArrayList<>();

        //这里如果配置主题 分区为 1则对应的消费主题分区 是收不到消息的
        topicPartitions.add(new TopicPartition("first",0));

        kafkaConsumer.assign(topicPartitions);

        while (true){

            ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));

            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {

                System.out.println(consumerRecord);

            }
        }
    }
}

3）测试

（1）在IDEA中执行消费者程序。

（2）在IDEA中执行前面创建的生产者程序CustomProducterCallbackPartitions在控制台观察生成几个0号分区的数据，如果是1，再次查看消费者是否还能接收到数据。

（3）在IDEA控制台，观察接收到的数据，只能消费到0号分区数据表示正确。

1.3.3 消费者组案例

1）需求：测试同一个主题的分区数据，只能由一个消费者组中的一个消费。

2）案例实操

（1）复制一份基础消费者的代码，在IDEA中同时启动，即可启动同一个消费者组中的两个消费者。

（2）启动代码中的生产者发送消息，在IDEA控制台即可看到两个消费者在消费不同分区的数据（如果只发生到一个分区，可以在发送时增加延迟代码Thread.sleep(2);）。

这里消费者没有出现，我直接把集群修改成了单体的

再次查看测试：

（3）重新发送到一个全新的主题中，由于默认创建的主题分区数为1，可以看到只能有一个消费者消费到数据。

1.4 生产经验------分区的分配以及再平衡

1.4.1 Range以及再平衡

1）Range分区策略原理

2）Range分区分配策略案例

  • （1）修改主题first为7个分区。
    注意：分区数可以增加，但是不能减少。
xml 复制代码 
bin/kafka-topics.sh --bootstrap-server linux-102:9092 --alter --topic second --partitions 7
  • （2）复制CustomConsumer类，创建CustomConsumer2。这样可以由三个消费者CustomConsumer、CustomConsumer1、CustomConsumer2组成消费者组，组名都为"test"，同时启动3个消费者。

（3）启动CustomProducer生产者，发送500条消息，随机发送到不同的分区。

说明：Kafka默认的分区分配策略就是Range + CooperativeSticky，所以不需要修改策略。

（4）观看3个消费者分别消费哪些分区的数据。

3）Range分区分配再平衡案例

  • （1）停止掉0号消费者 ，快速重新发送消息观看结果（45s以内，越快越好）。
    1号消费者 ：消费到3、4号分区数据。
    2号消费者 ：消费到5、6号分区数据。
    0号消费者的任务会整体被分配到1号消费者或者2号消费者。

说明：0号消费者挂掉后，消费者组需要按照超时时间45s来判断它是否退出，所以需要等待，时间到了45s后，判断它真的退出就会把任务分配给其他broker执行。

  • （2）再次重新发送消息观看结果（45s以后）。
    1号消费者 ：消费到0、1、2、3号分区数据。
    2号消费者：消费到4、5、6号分区数据。

说明：消费者0已经被踢出消费者组，所以重新按照range方式分配。

1.4.2 RoundRobin以及再平衡

1）RoundRobin分区策略原理

2）RoundRobin分区分配策略案例

（1）依次在CustomConsumer、CustomConsumer1、CustomConsumer2三个消费者代码中修改分区分配策略为RoundRobin。并修改分区策略组。

官网 ctrl+f RoundRobinAssignor

java 复制代码 
// 修改分区分配策略
properties.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG,"org.apache.kafka.clients.consumer.RoundRobinAssignor");

（2）重启3个消费者，重复发送消息的步骤，观看分区结果。（我只启动了1，2）

3）RoundRobin分区分配再平衡案例

  • （1）停止掉0号消费者，快速重新发送消息观看结果（45s以内，越快越好）。
    1号消费者：消费到2、5号分区数据
    2号消费者：消费到4、1号分区数据
    0号消费者的任务会按照RoundRobin的方式，把数据轮询分成0 、6和3号分区数据，分别由1号消费者或者2号消费者消费。

说明：0号消费者挂掉后，消费者组需要按照超时时间45s来判断它是否退出，所以需要等待，时间到了45s后，判断它真的退出就会把任务分配给其他broker执行。

  • （2）再次重新发送消息观看结果（45s以后）。
    1号消费者：消费到0、2、4、6号分区数据
    2号消费者：消费到1、3、5号分区数据

说明：消费者0已经被踢出消费者组，所以重新按照RoundRobin方式分配。

1.4.3 Sticky以及再平衡

粘性分区定义：可以理解为分配的结果带有"粘性的"。即在执行一次新的分配之前，考虑上一次分配的结果，尽量少的调整分配的变动，可以节省大量的开销。

  • 粘性分区是Kafka从0.11.x版本开始引入这种分配策略，首先会尽量均衡的放置分区到消费者上面，在出现同一消费者组内消费者出现问题的时候，会尽量保持原有分配的分区不变化。

1）需求

  • 设置主题为first，7个分区；准备3个消费者，采用粘性分区策略，并进行消费，观察消费分配情况。然后再停止其中一个消费者，再次观察消费分配情况。

2）步骤

  • （1）修改分区分配策略为粘性。
    注意：3个消费者都应该注释掉，之后重启3个消费者，如果出现报错，全部停止等会再重启，或者修改为全新的消费者组。

官网 ctrl+f StickyAssignor

java 复制代码 
properties.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG,"org.apache.kafka.clients.consumer.StickyAssignor");
  • （2）使用同样的生产者发送500条消息。
    可以看到会尽量保持分区的个数近似划分分区。



3）Sticky分区分配再平衡案例

  • （1）停止掉0号消费者，快速重新发送消息观看结果（45s以内，越快越好）。
    1号消费者：消费到2、5、3号分区数据。
    2号消费者：消费到4、6号分区数据。
    0号消费者的任务会按照粘性规则，尽可能均衡的随机分成0和1号分区数据，分别由1号消费者或者2号消费者消费。

说明：0号消费者挂掉后，消费者组需要按照超时时间45s来判断它是否退出，所以需要等待，时间到了45s后，判断它真的退出就会把任务分配给其他broker执行。

  • （2）再次重新发送消息观看结果（45s以后）。
    1号消费者：消费到2、3、5号分区数据。
    2号消费者：消费到0、1、4、6号分区数据。

说明：消费者0已经被踢出消费者组，所以重新按照粘性方式分配。

1.5 offset 位移

1.5.1 offset 的默认维护位置

__consumer_offsets主题里面采用key和value的方式存储数据。key是group.id+topic+分区号，value就是当前offset的值。每隔一段时间，kafka内部会对这个topic进行compact，也就是每个group.id+topic+分区号就保留最新数据。

1）消费offset案例

  • （0）思想：__consumer_offsets为Kafka中的topic，那就可以通过消费者进行消费。
  • （1）在配置文件config/consumer.properties中添加配置exclude.internal.topics=false，
    默认是true，表示不能消费系统主题。为了查看该系统主题数据，所以该参数修改为false。

官网 ctrl+f exclude.internal.topics

xml 复制代码 
cd /usr/local/kafka/config

vi consumer.properties

①

②

再无需重启 kafka

（2）采用命令行方式，创建一个新的topic。

xml 复制代码 
bin/kafka-topics.sh --bootstrap-server linux-102:9092 --create --topic Daniel88  --partitions 1 --replication-factor 1

（3）启动生产者往Daniel88生产数据。

（4）启动消费者消费Daniel88 数据。

注意：指定消费者组名称，更好观察数据存储位置（key是group.id+topic+分区号）。

（5）查看消费者消费主题__consumer_offsets。

xml 复制代码 
bin/kafka-console-consumer.sh --topic __consumer_offsets --bootstrap-server linux-102:9092 --consumer.config config/consumer.properties --formatter "kafka.coordinator.group.GroupMetadataManager\$OffsetsMessageFormatter" --from-beginning


1.5.2 自动提交 offset

参数名称 描述
enable.auto.commit 默认值为true，消费者会自动周期性地向服务器提交偏移量。
auto.commit.interval.ms 如果设置了 enable.auto.commit 的值为true， 则该值定义了消费者偏移量向Kafka提交的频率，默认5s。

1）消费者自动提交offset

复制之前的的类 CustomConsumer 重命名为一份为 CustomConsumerAutoOffset

java 复制代码 
//是否自动提交offset
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,true);
properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,1000);

测试：

1.5.3 手动提交 offset

1）同步提交 offset

由于同步提交offset有失败重试机制，故更加可靠，但是由于一直等待提交结果，提交的效率比较低。以下为同步提交offset的示例。

2）异步提交offset

虽然同步提交offset更可靠一些，但是由于其会阻塞当前线程，直到提交成功。因此吞吐量会受到很大的影响。因此更多的情况下，会选用异步提交offset的方式。

以下为异步提交offset的示例：

复制前面的类CustomConsumer 重命名为 CustomConsumerByHandSync

java 复制代码 
package com.gansu.kafka.consumer;

import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.ArrayList;
import java.util.Properties;

public class CustomConsumerByHandSync {

    public static void main(String[] args) {

        // 1.创建消费者的配置对象
        Properties properties = new Properties();
        // 2.给消费者配置对象添加参数
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.10.102:9092");
        // 配置序反列化 必须
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        // 配置消费者组（组名任意起名） 必须
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test5");
        // 修改分区分配策略
        properties.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG,
                "org.apache.kafka.clients.consumer.StickyAssignor");

        //关闭自动提交
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,false);
        // 创建消费者对象
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);
        // 订阅主题 first 注册要消费的主题（可以消费多个主题）
        ArrayList<String> topics = new ArrayList<>();
        topics.add("second");
        kafkaConsumer.subscribe(topics);
        // 拉取数据打印
        while (true){
            // 设置1s中消费一批数据
            ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));
            for(ConsumerRecord<String, String> consumerRecord : consumerRecords) {

                System.out.println(consumerRecord);
            }
            //同步提交offset
            //kafkaConsumer.commitSync();
            //异步提交 offset
            kafkaConsumer.commitAsync();
        }
    }
}

1.5.4 指定 Offset 消费

auto.offset.reset = earliest | latest | none 默认是latest。

  • 当Kafka中没有初始偏移量（消费者组第一次消费）或服务器上不再存在当前偏移量时（例如该数据已被删除），该怎么办？
  • （1）earliest：自动将偏移量重置为最早的偏移量，--from-beginning。
  • （2）latest（默认值）：自动将偏移量重置为最新偏移量。
  • （3）none：如果未找到消费者组的先前偏移量，则向消费者抛出异常。

（4）任意指定offset位移开始消费

注意：每次执行完，需要修改消费者组名；

创建类：CustomConsumerSeek

java 复制代码 
package com.gansu.kafka.consumer;

import com.gansu.kafka.producter.CustomProducter;
import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.internals.Topic;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.*;

public class CustomConsumerSeek {

    public static void main(String[] args) {
        // 0  配置信息
        Properties properties = new Properties();
        // 连接  key value反序列化
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.10.102:9092");
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test66");
        // 1 创建一个消费者
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);
        // 2 订阅一个主题
        ArrayList<String> topics = new ArrayList<>();
        topics.add("second");
        kafkaConsumer.subscribe(topics);

        Set<TopicPartition> assignment= new HashSet<>();
        while (assignment.size() == 0) {
            kafkaConsumer.poll(Duration.ofSeconds(1));
            // 获取消费者分区分配信息（有了分区分配信息才能开始消费）
            assignment = kafkaConsumer.assignment();
        }
        // 遍历所有分区，并指定offset从1700的位置开始消费
        for (TopicPartition tp: assignment) {
            kafkaConsumer.seek(tp, 0);
        }

        // 3 消费该主题数据
       while (true){

           ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));

           for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {

               System.out.println(consumerRecord);

           }
       }

    }
}

指定offSet 从400开始消费

1.5.5 指定时间消费

需求：在生产环境中，会遇到最近消费的几个小时数据异常，想重新按照时间消费。例如要求按照时间消费前一天的数据，怎么处理？

操作步骤：

复制类：CustomConsumerSeek 重命名为 CustomConsumerSeekTime

java 复制代码 
package com.gansu.kafka.consumer;

import com.gansu.kafka.producter.CustomProducter;
import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.internals.Topic;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.*;

public class CustomConsumerSeekTime{

    public static void main(String[] args) {
        // 0  配置信息
        Properties properties = new Properties();
        // 连接  key value反序列化
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.10.102:9092");
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test6");
        // 1 创建一个消费者
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);
        // 2 订阅一个主题
        ArrayList<String> topics = new ArrayList<>();
        topics.add("second");
        kafkaConsumer.subscribe(topics);

        Set<TopicPartition> assignment = new HashSet<>();
        while (assignment.size() == 0) {
            kafkaConsumer.poll(Duration.ofSeconds(1));
            // 获取消费者分区分配信息（有了分区分配信息才能开始消费）
            assignment = kafkaConsumer.assignment();
        }
        HashMap<TopicPartition, Long> timestampToSearch = new HashMap<>();
        // 封装集合存储，每个分区对应一天前的数据
        for (TopicPartition topicPartition : assignment) {
            timestampToSearch.put(topicPartition, System.currentTimeMillis() - 1 * 24 * 3600 * 1000);
        }
        // 获取从1天前开始消费的每个分区的offset
        Map<TopicPartition, OffsetAndTimestamp> offsets = kafkaConsumer.offsetsForTimes(timestampToSearch);
        // 遍历每个分区，对每个分区设置消费时间。
        for (TopicPartition topicPartition : assignment) {
            OffsetAndTimestamp offsetAndTimestamp = offsets.get(topicPartition);
            // 根据时间指定开始消费的位置
            if (offsetAndTimestamp != null){
                kafkaConsumer.seek(topicPartition, offsetAndTimestamp.offset());
            }
        }

        // 3 消费该主题数据
       while (true){

           ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));

           for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {

               System.out.println(consumerRecord);

           }
       }

    }
}

1.5.6 漏消费和重复消费

  • 重复消费：已经消费了数据，但是offset没提交。
  • 漏消费：先提交offset后消费，有可能会造成数据的漏消费。

思考：怎么能做到既不漏消费也不重复消费呢？详看消费者事务。

1.6 生产经验------消费者事务

1.7 生产经验------数据积压（消费者如何提高吞吐量）

参数名称 描述
fetch.max.bytes 默认Default: 52428800（50 m）。消费者获取服务器端一批消息最大的字节数。如果服务器端一批次的数据大于该值（50m）仍然可以拉取回来这批数据，因此，这不是一个绝对最大值。一批次的大小受message.max.bytes （broker config）or max.message.bytes （topic config）影响。
max.poll.records 一次poll拉取数据返回消息的最大条数，默认是500条
相关推荐
武子康1 小时前
大数据-258 离线数仓 - Griffin架构 配置安装 Livy 架构设计 解压配置 Hadoop Hive
java·大数据·数据仓库·hive·hadoop·架构
lucky_syq3 小时前
Flume和Kafka的区别？
大数据·kafka·flume
观测云3 小时前
Confluent Cloud Kafka 可观测性最佳实践
kafka·confluent
攻心的子乐3 小时前
Kafka可视化工具 Offset Explorer (以前叫Kafka Tool)
分布式·kafka
AI_NEW_COME3 小时前
构建全方位大健康零售帮助中心：提升服务与体验
大数据·人工智能
it噩梦4 小时前
es 中 terms set 使用
大数据·elasticsearch
中科岩创4 小时前
中科岩创边坡自动化监测解决方案
大数据·网络·物联网
DolphinScheduler社区5 小时前
作业帮基于 Apache DolphinScheduler 3_0_0 的缺陷修复与优化
大数据
SeaTunnel5 小时前
京东科技基于 Apache SeaTunnel 复杂场景适配 #数据集成
大数据
喝醉酒的小白6 小时前
Elasticsearch 配置文件
大数据·elasticsearch·搜索引擎
热门推荐
0119个Web前端交互式3D JavaScript框架和库02ARM学习（31）编译器对overlay方式的支持03玄机平台应急响应—webshell查杀04RAG 实践- Ollama+RagFlow 部署本地知识库05【一文读懂】NTN（非地面网络）技术介绍06(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明07ZZ038 物联网应用与服务赛题第J套08组基轨迹建模 GBTM的介绍与实现（Stata 或 R）09Docker 夺命连环 15 问10VSCode插件 —— Cody AI （免费AI助手！）