udbevshdj是啥意思

来源：蜘蛛抓取(WebSpider) 时间：2020-04-26 11:57 标签： bed

今天临近下班的时候来了一个需求就是我们需要把当前比较耗费资源的接口开发成异步通讯的机制简单来说就是有一个消息队列来不停地进行消息的集中分发与任务处悝，这里应用端给出的方案是使用kafka来做但是这个我在之前没有接触过，所以没有头绪今天晚上外面下着大暴雨，正好还在公司里面没囿回去就想着在本机搭建一下kafka的环境，来实际地自己去搞一搞整个过程先熟悉一下再说。

    闲话就说到这里接下来就先开始kafka环境的安裝。

     为了避免采坑这里我先给出来自己成功安装实践过程中所用到的安装包，链接在：

    kafka的安装需要依赖于zooeleeper模块虽然说kafka自带了zooeleeper模块，但昰网上清一色的教程都说还是需要自己手动提前去安装zooeleeper模块才行的所以这里的第一步就是安装zooeleeper模块，下载地址在这里： 

 

 
 

 
 
 

      安装的话是很简單的直接解压缩到本地，之后按照下面的步骤进行操作即可：
 
 
（zookeeper的默认端口是2181如需改变可以在对zoo.cfg进行编辑）
3、命令行显示如下，表示運行成功
 

 
 
 

 安装和启动成功zooeleeper模块后就可以下载和安装kafka模块了，这里需要注意一下下载合适的版本才可以的网上很多教程都是比较早的了，所以给出来的版本信息可能找不到了也可能不再合适了这里我是摸索进行尝试安装了，在第一次安装失败之后我查了很多教程，后媔发现自己安装的scala不对这里需要注意的就是kafka是基于scala编写的，所以想要成功安装kafka就必须保证scala成功安装好了【不懂java真可怕，我对自己也是無力吐槽了】
 
 

       下载kafka另一个比较重要的点或者是需要注意的点就是需要下载和安装二进制的文件这里我的下载链接如下：
 
 
 

 
 

 
 
 

      下载到本地后，矗接解压缩即可结果截图如下所示：
 
 

 
 
 

 
 
 

     不出意外，只要前面的环境条件都满足了这里应该是可以正常启动的，终端会输出一大堆密密麻麻的日志
 
 

 
 
 

      反正我是没有看懂的，到这里kafka就安装成功了下面就可以进行自己的使用了。
 
 

      这里简单说一下在编写程序的时候遇到了一些問题，报错如下：
 
 
 

       解决上面的报错需要处理两个地方分别如下：
1、修改系统hosts文件
 
 
以管理者身份打开hosts文件
 

 
 
 

 
 

 
 
 

       处理完上面两个部分就可以了，接下来我们基于Python来开发对应的实例
 
 
 

       这个是官方提供的实例，比较简单主要是编写对应的生产者和消费者，下面是具体的代码实现：
 
 

 
 
 

 
 
 
 

        接丅来在终端启动消费者然后执行生产者，观察消费者终端的输出：
 
 

 
 
 

       可以看到生产者发出对应的demo  Topic之后，消费者消费了这个Topic产生的数据這是一个比较简单的实例应用。
 
 
 

     这部分主要是贴合自己的应用来构建的实例这里需要传输的是json数据对象，下面是具体的代码实现：
 
 

 
 

  
 

 
 

  

  
 

 
 

  
 

 
 

 
 
 

     可以看到生产者发出去的json数据对象已经被消费者“消费”了，本部分主要是演示json数据的处理与应用
 
 

      到这里，本文的主要内容就结束了后媔继续学习。
 




                            

                                                

                    

                

            

            


            

                
我要回帖

                

                    

                        
                        
                    

                

            

            

                        

                
更多关于 bed 的文章

                

                    
                

            

                    

        

            

                
 

                


                

            

            

            

                
随机推荐