分布式

【RabbitMQ #3】 | Go 客户端 + SpringAMQPAMQP（高级消息队列协议）：与语言、平台无关的消息协议，RabbitMQ 基于该协议。Spring AMQP 是基于 AMQP 协议封装的 API 规范，分为两部分：

【有源码】基于Spark的电商客户细分与盈利洞察分析系统-面向精准营销的电商客户细分模型构建与盈利能力可视化研究注意：该项目只展示部分功能，如需了解，文末咨询即可。发语言：python 采用技术：Spark、Hadoop、Django、Vue、Echarts等技术框架数据库：MySQL 开发环境：PyCharm

新思维软件

基于无线传输的地衡系统：三节点 LoRa 组网与 MQTT 上云的分布式称重方案本文面向希望复现或二次开发的读者，按「一、项目基本情况 → 二、系统架构设计 → 三、系统界面展示 → 四、系统视频展示 → 五、获取方法」组织。文中引脚分配取自项目原理图，通信参数与主题取自实机配置记录，界面数值取自系统实测截图，均未做推测性改写。

俊哥大数据

Flink1.20.3 实时消费 Kafka 数据并解析入湖 Paimon1.4.2 全流程实战场景：车联网 TBox 终端按国标 GB32960 协议上报报文，经网关接入 Kafka；Flink 以 Table API / SQL 直接将原始报文（Original）落湖 Paimon，形成 ODS 贴源层，供下游 Doris / Spark / Hive 查询与数仓分层加工。本文基于生产实战整理，涵盖架构、建模、代码、配置、Checkpoint、打包、DolphinScheduler 调度、Savepoint 平滑启停全链路，可直接落地复用。

宸津-代码粉碎机

OpenAI 连夜迎战 Grok Bot 和 Muse：AI 智能体从 “会聊天” 到 “能办事”，现在入场还来得及吗标签：AI 智能体｜Agent｜大模型工程｜Grok Bot｜Muse｜后端开发文章类型：技术实战 + 行业趋势分析

程序猿乐锅

【黑马点评 | 第八篇】Redisson分布式锁秒杀场景中，同一个用户可能同时发起多次下单请求。多个应用实例共同处理请求时，单机锁只能约束当前进程内的线程，无法保证所有实例使用同一把锁。Redis 分布式锁可以解决进程间互斥，但手写实现还要处理可重入、锁重试、锁续期和 Redis 故障切换等问题。

【RabbitMQ #7】 | 消息转换器简介：学习 RabbitMQ 消息转换器，对比 SpringAMQP 默认 JDK 序列化问题，使用 Go 语言实现等效消息转换器，实现 Java 与 Go 跨语言收发消息。

分布式事务：Seata AT/TCC/SAGA 的取舍与踩坑关键词标签：Seata、分布式事务、AT 模式、TCC、Saga、全局锁、回滚补偿一个容易被忽略的事实：Seata 的 AT 模式之所以能"无侵入"地回滚业务 SQL，靠的不是数据库事务，而是在业务库中额外维护一张 undo_log 表记录前后镜像，再加一把由 TC 维护的全局锁。这意味着——如果你的业务表没有主键、SQL 形态超出 Seata 解析器覆盖范围、或者把数据写进了 information_schema 这类系统表，AT 模式很可能在第一阶段就无法正确生成回滚信息。这不是 bug，是 AT 的

CS创新实验室

为什么三台机器就能选出一个“带头大哥“？——Raft 一致性算法，一次讲透你存进数据库的每一笔订单，其实都躺在不止一台机器上。那问题来了：其中一台突然宕机，剩下几台手里各有一份数据，到底听谁的？凭什么保证所有副本最后长得一模一样？

本人手速666+

企微开发API如何设计客户冻结状态？WeComApi 在删除、投诉和异常客户场景中的自动化边界企微客户管理中，很多系统只有“正常客户”和“删除客户”两个状态。但真实业务里，经常存在一类客户：关系还在；客户数据也需要保留；但暂时不适合继续执行普通自动化。

【RabbitMQ #4】 | Work 任务模型Work Queues 任务模型：多个消费者绑定同一个队列，共同消费队列中的消息。场景：消息量较大，单个消费者处理不过来，启动多个消费者分担任务，提升消息处理速度。

程序猿乐锅

【黑马点评 | 第七篇】Redis 分布式锁的两种实现优惠券“一人一单”要求同一个用户的下单操作不能并发执行。如果服务只运行在一个 JVM 中，可以用 Java 锁控制线程；服务部署到多台机器后，各 JVM 的锁互不可见，就需要一把所有实例都能访问的锁。Redis 可以提供非阻塞的加锁与释放，Lua 脚本则可以解决释放锁时的竞态问题。

千里码aicood

基于Hadoop的机票价格波动分析系统的设计与实现摘要针对传统机票价格分析方法无法高效处理海量数据的问题，本研究设计并实现了一套轻量化机票价格波动分析系统。系统采用Hadoop单机模式存储航班数据，通过Python爬虫获取公开航班信息，利用MapReduce清洗异常记录并归一化价格数据。基于TensorFlow框架搭建单层LSTM模型，输入连续7天历史价格预测未来一周趋势，预测误差控制在15%以内。前端通过ECharts生成交互式图表，展示航线价格对比、航司市场份额及中转方案成本分析。测试结果表明，系统在普通笔记本电脑环境下可处理1万条数据，清洗耗时约

第21课：PyTorch｜GPU多卡训练与分布式训练基础【让多卡并行成为你的加速引擎】在第11课到第20课中，我们一直在单张GPU上进行模型训练。对于MNIST这样的小数据集，单卡训练完全够用。但当模型和数据规模增长时，单GPU会面临两大瓶颈：

库存消息消费的正确性设计——从幂等窗口到批量流水线库存系统每天处理大量到货消息。商品入库、调拨、退货，每一步都产生库存变更消息。但并不是所有 SKU 都需要监控到货量——只有白名单内的 SKU 才纳入累加计算，写入分布式缓存供下游查询。白名单主要在预售及初期阶段使用，随活动变化动态调整。流量不小，每分钟原始消息量在百万级，但白名单命中率约 10%，真正需要处理的只有十几万条。

【大数据处理与分析】数据仓库Hive：04 数据仓库Hive概述【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈大数据技术原理与应用 ⌋ ⌋ ⌋专栏系统介绍大数据的相关知识，分为大数据基础篇、大数据存储与管理篇、大数据处理与分析篇、大数据应用篇。内容包含大数据概述、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、MapReduce、Hadoop再探讨、数据仓库Hive、Spark、流计算、Flink、图计算、数据可视化，以及大数据在互联网领域、生物医学领域的应用和大数据的其他应用。【GitCode

Hadoop/YARN 集群缩容：下线DN节点核心原理：HDFS 支持优雅退役 (decommission) 下线 DN，不是直接关机。执行退役后，NameNode 会把该 DN 上所有数据块，复制迁移到其他存活 DataNode，数据多副本保证不丢失。

Kafka 集群安装与运维实战：消费组排查、Offset 重置与副本重分配Kafka 的日常运维里，真正让人头疼的往往不是「怎么启动」，而是三件事：消费组积压了怎么定位、位移（Offset）乱了怎么重置、__consumer_offsets 这种内部主题副本数不够怎么改。这三件事各自都有坑，而且坑基本都藏在客户端工具的版本差异和参数语义里。

Harness 工程：让 Agent 真正把任务做完一个模型会调用工具，并不等于它已经是可靠的 Agent。最简单的 Agent 循环并不复杂：把任务交给模型，模型选择工具，系统执行工具，再把结果送回模型。循环持续到模型认为任务已经完成。