主题模型(Topic)
消息队列 RocketMQ - 打造金融级消息服务 - 阿里云 https://www.aliyun.com/product/rocketmq
主题模型(Topic)
发布/订阅(Pub/Sub)
一对多消费模式,发布者可以将消息发送到主题,被一个或多个消费者同时消费,灵活,可扩展性强
集群消费
消息在集群内负载,确保每条消息只需要被集群内的任意一个订阅者处理即可(默认模式)
广播消费
消息在集群内广播,确保每条消息推送给集群内所有订阅者,确保消息被集群内的每个订阅者消费
消息路由
通过动态路由规则配置,解决消息的跨地域、远距离、毫秒级实时同步难题,确保地域之间的数据一致性与完整性
性能高,实时性强
高速通道百万级 TPS 传输能力,多维度消息路由规则,毫秒级实时同步
安全可靠
支持断点续传,任意节点故障,同步链路仍可秒级恢复
易用性
可视化任务管理界面,完整的监控链路,路由状态透明
消息类型丰富
丰富的消息类型,满足各种严苛场景下的高级特性需求,解决异步通知、系统(微服务)间解耦,削峰填谷,缓存同步,实时计算等
顺序消息
按照消息的发布顺序进行顺序消费(FIFO),支持全局顺序与分区顺序
分布式事务消息
类似 X/Open XA 的分布事务功能,既可做到系统间的解耦,又能保证数据的最终一致性
定时消息/延时消息
消息可在指定的时间点(如2019/01/01 15:00:00)或延迟时间(如30分钟后)进行投递
完善的运维配套
MQ 提供一整套完整的、金融级的产品运维工具,帮助用户快速发现、处理系统问题。
消息查询
支持 Topic、Message ID、Message Key 多维度方式查询消息详细信息
全链路消息轨迹
全程追踪消息在生产者、消息服务器、消费者之间的流动轨迹,并将数据进行汇聚分析后可视化输出
消息回溯
支持对已消费过的消息进行重新回放或清除堆积的消息,是帮助用户故障恢复的最佳利器
监控告警
实时统计消息的生产与消费,并可对消费延时、消息堆积等进行监控告警,帮助用户及时发现问题
Open API(RESTful)
完善的管控类 Open API 帮助用户实现自助资源管理和运维,采用 RESTful 标准,灵活便捷
功能与特性概述_功能与特性_产品简介_消息队列 RocketMQ 版-阿里云 https://help.aliyun.com/document_detail/155952.html
多协议接入
- HTTP 协议:采用 RESTful 风格,方便易用,快速接入,跨网络能力强。支持 Java、C++、.NET、Go、Python、Node.js 和 PHP 七种语言客户端。
- TCP 协议:区别于 HTTP 简单的接入方式,提供更为专业、可靠、稳定的 TCP 协议的 SDK 接入服务。支持的语言包括 Java、C/C++ 以及 .NET。
管理工具
- Web 控制台:支持 Topic 管理、Group 管理、消息查询、消息轨迹展示和查询、资源报表以及监控报警管理。
- OpenAPI:提供开放的 API 便于将消息队列 RocketMQ 版管理工具集成到自己的控制台。消息队列 RocketMQ 版的 API 详情请参见OpenAPI 参考。
消息类型
- 普通消息:消息队列 RocketMQ 版中无特性的消息,区别于有特性的定时和延时消息、顺序消息和事务消息。
- 事务消息:实现类似 X/Open XA 的分布事务功能,以达到事务最终一致性状态。
- 定时和延时消息:允许消息生产者对指定消息进行定时(延时)投递,最长支持 40 天。
- 顺序消息:允许消息消费者按照消息发送的顺序对消息进行消费。
特性功能
- 消息查询:消息队列 RocketMQ 版提供了三种消息查询的方式,分别是按 Message ID、Message Key 以及 Topic 查询。
- 查询消息轨迹:通过消息轨迹,能清晰定位消息从生产者发出,经由消息队列 RocketMQ 版服务端,投递给消息消费者的完整链路,方便定位排查问题。
- 集群消费和广播消费:当使用集群消费模式时,消息队列 RocketMQ 版认为任意一条消息只需要被消费者集群内的任意一个消费者处理即可;当使用广播消费模式时,消息队列 RocketMQ 版会将每条消息推送给消费者集群内所有注册过的消费者,保证消息至少被每台机器消费一次。
- 重置消费位点:根据时间或位点重置消费进度,允许用户进行消息回溯或者丢弃堆积消息。
- 死信队列:将无法正常消费的消息储存到特殊的死信队列供后续处理。
- 全球消息路由:用于全球不同地域之间的消息同步,保证地域之间的数据一致性。
- 资源报表:消息生产和消费数据的统计功能。通过该功能,您可查询在一段时间范围内发送至某 Topic 的消息总量或者 TPS(消息生产数据),也可查询在一个时间段内某 Topic 投递给某 Group ID 的消息总量或 TPS(消息消费数据)。
- 监控报警:您可使用消息队列 RocketMQ 版提供的监控报警功能,监控某 Group ID 订阅的某 Topic 的消息消费状态并接收报警短信,帮助您实时掌握消息消费状态,以便及时处理消费异常。
rocketmq/docs/cn at master · apache/rocketmq https://github.com/apache/rocketmq/tree/master/docs/cn
Apache RocketMQ开发者指南
这个开发者指南是帮助您快速了解,并使用 Apache RocketMQ
1. 概念和特性
概念(Concept):介绍RocketMQ的基本概念模型。
特性(Features):介绍RocketMQ实现的功能特性。
2. 架构设计
架构(Architecture):介绍RocketMQ部署架构和技术架构。
设计(Design):介绍RocketMQ关键机制的设计原理,主要包括消息存储、通信机制、消息过滤、负载均衡、事务消息等。
3. 样例
- 样例(Example) :介绍RocketMQ的常见用法,包括基本样例、顺序消息样例、延时消息样例、批量消息样例、过滤消息样例、事务消息样例等。
4. 最佳实践
最佳实践(Best Practice):介绍RocketMQ的最佳实践,包括生产者、消费者、Broker以及NameServer的最佳实践,客户端的配置方式以及JVM和linux的最佳参数配置。
消息轨迹指南(Message Trace):介绍RocketMQ消息轨迹的使用方法。
权限管理(Auth Management):介绍如何快速部署和使用支持权限控制特性的RocketMQ集群。
Dledger快速搭建(Quick Start):介绍Dledger的快速搭建方法。
集群部署(Cluster Deployment):介绍Dledger的集群部署方式。
5. 运维管理
- 集群部署(Operation):介绍单Master模式、多Master模式、多Master多slave模式等RocketMQ集群各种形式的部署方法以及运维工具mqadmin的使用方式。
6. API Reference(待补充)
主题模型(Topic)的更多相关文章
- 我是这样一步步理解--主题模型(Topic Model)、LDA
1. LDA模型是什么 LDA可以分为以下5个步骤: 一个函数:gamma函数. 四个分布:二项分布.多项分布.beta分布.Dirichlet分布. 一个概念和一个理念:共轭先验和贝叶斯框架. 两个 ...
- lda 主题模型--TOPIC MODEL--Gibbslda++结果分析
在之前的博客中已经详细介绍了如何用Gibbs做LDA抽样.(http://www.cnblogs.com/nlp-yekai/p/3711384.html) 这里,我们讨论一下实验结果: 结果文件包括 ...
- 主题模型LDA及在推荐系统中的应用
1 关于主题模型 使用LDA做推荐已经有一段时间了,LDA的推导过程反复看过很多遍,今天有点理顺的感觉,就先写一版. 隐含狄利克雷分布简称LDA(latent dirichlet allocation ...
- 概率主题模型简介 Introduction to Probabilistic Topic Models
此文为David M. Blei所写的<Introduction to Probabilistic Topic Models>的译文,供大家参考. 摘要:概率主题模型是一系列旨在发现隐藏在 ...
- 转:概率主题模型简介 --- ---David M. Blei所写的《Introduction to Probabilistic Topic Models》的译文
概率主题模型简介 Introduction to Probabilistic Topic Models 转:http://www.cnblogs.com/siegfang/archive/2 ...
- LDA( Latent Dirichlet Allocation)主题模型 学习报告
1 问题描述 LDA由Blei, David M..Ng, Andrew Y..Jordan于2003年提出,是一种主题模型,它可以将文档集中每篇文档的主题以概率分布的形式给出,从而通过分析一 ...
- Gensim LDA主题模型实验
本文利用gensim进行LDA主题模型实验,第一部分是基于前文的wiki语料,第二部分是基于Sogou新闻语料. 1. 基于wiki语料的LDA实验 上一文得到了wiki纯文本已分词语料 wiki.z ...
- [综] Latent Dirichlet Allocation(LDA)主题模型算法
多项分布 http://szjc.math168.com/book/ebookdetail.aspx?cateid=1&§ionid=983 二项分布和多项分布 http:// ...
- Latent Dirichlet Allocation 文本分类主题模型
文本提取特征常用的模型有:1.Bag-of-words:最原始的特征集,一个单词/分词就是一个特征.往往一个数据集就会有上万个特征:有一些简单的指标可以帮助筛选掉一些对分类没帮助的词语,例如去停词,计 ...
随机推荐
- Autofac的基本使用---2、普通类型
Autofac的基本使用---目录 准备 使用的表是Student,创建相关的IDAL.DAL.IBLL.BLL层. 使用EF,创建一个Model层,存放edmx文件. 控制台程序的使用 using ...
- MD5,BASE64Encoder加密
package com.cn.peitest; import java.io.UnsupportedEncodingException; import java.security.MessageDig ...
- nginx二级域名配置[CentOS]
目录 背景 域名配置 服务器配置 Nginx配置 页面访问生效 背景 只有一台云服务器,部署了自己写的后端管理系统,又需要部署下自己的个人博客平台,但是只有一个域名,想要合理的利用下二级域名. 域名配 ...
- java内部类对象使用.this,.new
public class InnerClass { class Content { private int i; public int getVlaue() { return i; } } class ...
- TCP三次握手(通俗易懂)
一--导读 前不久中国和外国RPEC协议的签订,标志着东亚自贸区的建立成功.现在韩国和日本要做贸易.日本一直监听着韩国总统的一举一动,但他又不会主动.(服务器的监听状态)只是被动的等着韩国总统先开口. ...
- oracle11g数据库安装采坑记录
第一处坑: 解决方案: 原文:https://blog.csdn.net/yhj198927/article/details/49178279 1.打开oracle的"Net Manager ...
- 改进你的c#代码的5个技巧(三)
本文完全独立于前两篇文章.如果你喜欢它们,我希望你也会喜欢这个.在上一篇文章中,我展示了哪种方法更快,并比较了代码的执行速度.在本文中,我将展示不同代码片段的内存消耗情况.为了显示内存映射和分配图,我 ...
- mac安装Navicat Premium Mac 12 破解版
参考:https://www.cnblogs.com/lyfstorm/p/11123159.html 激活后:
- 映泰主板H100系列安装win7的各种坑
自100系列主板发布以来,windows7好像就被遗弃一样,原因就在于安装win7的时候,会出现USB设备无法使用导致无法安装的问题.主要在于Win7系统没有整合USB的XHCI驱动,而100系列芯片 ...
- 攻防世界 - Crypto(一)
base64: 根据题目base64可知编码方式,下载附件发现是一个txt文件,把内容用工具解码就彳亍了,即可得到flag, flag: cyberpeace{Welcome_to_new_World ...