文章
mac 使用 docker 搭建 kafka 集群
Kafka搭建:建立Zookeeper容器:这里我们用最简单的方式创建一个独立的Zookeeper节点,如果要考虑zookeeper的高可用,可以将其做成一个集群,最好是能有多台机器。<blockquote$dockerrundnamezooke
Kafka 重平衡机制
<blockquote微信公众号「后端进阶」,专注后端技术分享:Java、Golang、WEB框架、分布式中间件、服务治理等等。</blockquote当集群中有新成员加入,或者某些主题增加了分区之后,消费者是怎么进行重新分配消费的?这里就涉及到重平衡(Rebalance)的概念,下面我就给
Knative 实战:基于 Kafka 实现消息推送
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/cfe330f7e3de190545ee9e11d28f23a0.png)<blockquote<strong导读:</strong当前在Knative中已经提
Kafka源码系列之Broker的IO服务及业务处理
一、kafka角色<pre<codeKafka源码系列主要是以kafka0.8.2.2源码为例。以看spark等源码的经验总结除了一个重要的看源码的思路:先了解部件角色和功能角色,然后逐个功能请求序列画图分析,最后再汇总。那么,下面再啰嗦一下,kafka的角色。kafka在生产中的使
Kafka消息体大小设置的一些细节
<blockquote微信公众号「后端进阶」,专注后端技术分享:Java、Golang、WEB框架、分布式中间件、服务治理等等。</blockquote还记得前几天有个小伙伴跟我反馈发送消息时提示请求数据过大的异常吗?经过调整max.request.size的大小之后,又报了了如下异常:
Knative 实战:基于 Kafka 实现消息推送
!1(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/2449b442b7be6c0160bfc1aa17c5033d.png)作者| 元毅 阿里云智能事业群高级开发工程师<blockquote<strong导读
流处理引擎:ksql
在阅读该文之前,我已经假设你已经对kafka的broker、topic、partition、consumer等概念已经有了一定的了解。流处理 流数据是一组顺序、大量、快速、连续到达的数据序列,一般情况下,数据流可被视为一个随时间延续而无限增长的动态数据集合。Con
Flink Kafka Connector 与 Exactly Once 剖析
FlinkKafkaConnector是Flink内置的Kafka连接器,它包含了从KafkaTopic读入数据的FlinkKafkaConsumer以及向KafkaTopic写出数据的FlinkKafkaProducer,除此之外FlinkKafaCo
大数据开发最火技术Kafka背后的“黑科技”
Kafka是由Apache软件基金会开发的一个开源流处理平台,被广泛地应用在数据缓冲、异步通信、汇集日志、系统解耦等方面。相比较于其他常见消息系统,Kafka在保障了大部分功能特性的同时,还在高吞吐、低延迟等方面有很突出的表现。这篇文章不同于其他介绍Kafka使用或实现的文章,只是谈谈Kafka用了
Knative 实战:基于阿里云 Kafka 实现消息推送
在Knative中已经提供了对Kafka事件源的支持,那么如何在阿里云上基于Kafka实现消息推送,本文给大家解锁这一新的姿势。背景消息队列forApacheKafka是阿里云提供的分布式、高吞吐、可扩展的消息队列服务。消息队列forApacheKafka
已加载文章中没有匹配内容,试试其他关键词或清空搜索。