- 综合排序
- 最热优先
- 最新优先
- 来自专栏24k
rabbitmq创建多队列以及监听多队列和起别名解决方案
image.png 监听多队列调用方式 @RabbitListener(queues =("#{rabbitmqConfig.queueNames(rabbitmqConfig.elemeterReport.get
1.3K30发布于 2020-11-12 - 来自专栏爪哇缪斯
多图详解阻塞队列——SynchronousQueue
一、阻塞队列BlockingQueue概述 在线程池（ThreadPoolExecutor）的构造函数中，有一个代表阻塞队列的入参——BlockingQueue，它是一个接口，只要实现了这个接口的所有实现类 ，都可以作为阻塞队列而应用在线程池中。 本篇我们就针对SynchronousQueue这个阻塞队列进行源码解析。如下是阻塞队列的不同具体实现类： 二、为什么要解析SynchronousQueue呢？ 那么阻塞队列的具体实现是什么，就会影响到这个任务的处理逻辑。而newCachedThreadPool采用的阻塞队列就是SynchronousQueue。 “很奇怪的队列”、“都不能叫队列”、“没有存储空间”、“必须结伴而行”……，what are you 弄啥咧？
2K21编辑于 2023-05-10 - 来自专栏余林丰
11.并发包阻塞队列之LinkedBlockingQueue
extends E> c ) { 10 this(Integer.MAX_VALUE); 11 final ReentrantLock putLock = this.putLock; 12 ，一个是出队锁上的等待队列，一个是入队锁上的等待队列。 在ArrayBlockingQueue也有两个等待队列，一个是非空等待队列，另一个则是非满等待队列，在这一点上两者一致。 put(e)//队列未满时，直接插入没有返回值；队列满时会阻塞等待，一直等到队列未满时再插入。 = new Node(e); 9 final ReentrantLock putLock = this.putLock;//插入锁 10 putLock.lock();//获得插入锁 11
95490发布于 2018-01-12 - 来自专栏程序猿的栖息地
python多线程多队列（BeautifulSoup网络爬虫）
程序大概内容如下： 程序中设置两个队列分别为queue负责存放网址，out_queue负责存放网页的源代码。 ThreadUrl线程负责将队列queue中网址的源代码urlopen，存放到out_queue队列中。 "http://apple.com", "http://ibm.com","http://www.amazon.cn"] queue = Queue.Queue()#存放网址的队列 out_queue = Queue.Queue()#存放网址页面的队列 class ThreadUrl(threading.Thread): def __init__(self,queue t.setDaemon(True)#设置为守护线程 t.start() #将网址都存放到queue队列中 for host in hosts
49510编辑于 2022-04-29 - 来自专栏艳艳代码杂货店
python多线程多队列（BeautifulSoup网络爬虫）
程序大概内容如下： 程序中设置两个队列分别为queue负责存放网址，out_queue负责存放网页的源代码。 ThreadUrl线程负责将队列queue中网址的源代码urlopen，存放到out_queue队列中。 http://apple.com", "http://ibm.com","http://www.amazon.cn"] queue = Queue.Queue()#存放网址的队列 out_queue = Queue.Queue()#存放网址页面的队列 class ThreadUrl(threading.Thread): def __init__(self, main(): for i in range(5): t = ThreadUrl(queue,out_queue)#线程任务就是将网址的源代码存放到out_queue队列中
60430发布于 2021-11-01 - 来自专栏代码伴一生
python多线程多队列（BeautifulSoup网络爬虫）
程序大概内容如下： 程序中设置两个队列分别为queue负责存放网址，out_queue负责存放网页的源代码。 ThreadUrl线程负责将队列queue中网址的源代码urlopen，存放到out_queue队列中。 http://apple.com", "http://ibm.com","http://www.amazon.cn"] queue = Queue.Queue()#存放网址的队列 out_queue = Queue.Queue()#存放网址页面的队列 class ThreadUrl(threading.Thread): def __init__(self, main(): for i in range(5): t = ThreadUrl(queue,out_queue)#线程任务就是将网址的源代码存放到out_queue队列中
42920发布于 2021-11-01 - 来自专栏皮振伟的专栏
网卡多队列对vm exit的影响
分析： 1，网卡多队列 enp130s0f0是Intel Corporation Ethernet Controller 10-Gigabit X540-AT2网卡，一块物理网卡使用了12个msi类型的 如果在CPU小于64的时候，会选择CPU数量的多列数目，也就意味着每个CPU都会产生external irq。
2.5K60发布于 2018-04-09 - 来自专栏光城(guangcity)
如何实现一个线程安全多生产多消费者队列？
如何实现一个线程安全多生产多消费者队列？ 大家好，我是光城，在内容之前，举一个非常有趣的例子，如何实现一个线程安全的多生产多消费者对列呢？ 如果让你手撕一个，可以写出来吗？里面有哪些细节？ 引入之前，我们需要先写一个线程安全的队列，然后才能写出一个多生产多消费。 所以，第一个部分先写一个线程安全的队列，不考虑多生产多消费者情况。 如果是这么简单，我就不必赘述这么多了，之前在面试的时候也遇到过这么一个问题：面试官问我，如何保证empty线程安全，如何保证队列线程安全？等等，这不就是这里的问题嘛，如何写一个线程安全的队列？ false; } fronted_value = q_.front(); return true; } 此时，我们的queue的front、pop都是线程安全的，但是问题又来了，如何实现多生产多消费呢 notify_one(); 对于生产者，在消费的时候，例如使用了pop即可，那么需要进行等待： while (q_.empty()) { cv_.wait(lock); } 至此，我们便得到了一个线程安全且支持多生产多消费的队列
37110编辑于 2024-05-17 - 来自专栏腾讯云中间件的专栏
腾讯云消息队列产品11月产品动态
11月动态 消息队列 RocketMQ 版 【新功能】支持调整节点规格和存储规格，如当前的集群规格不满足您的业务需求，可以在控制台上提升节点规格、节点数量和存储规格。 消息队列 Pulsar 版 Pulsar 专业版商业化，多租户物理隔离，提供丰富的规格供选择，适合于对稳定性和资源隔离性要求高、业务流量大的生产环境。 死信队列新增消息数量的指标和告警。 支持开源自建的集群无缝迁移到共享版的虚拟集群上。 消息队列 RabbitMQ 版 专享集群控制台集成更多开源控制台能力，灵活适配社区使用体验。 消息队列 CMQ 版 CMQ 专享版商业化，多租户物理隔离，适合于对稳定性和资源隔离性要求高、业务流量大的生产环境。 更多功能，敬请期待。 解锁超多鹅厂周边！ 戳原文，查看更多 消息队列 RabbitMQ 版 的信息！ 点个在看你最好看
2.3K20编辑于 2022-12-06 - 来自专栏运维开发王义杰
Go并发设计：RabbitMQ多队列消费者模式
在处理大规模的消息流时，一个常见的场景是从多个RabbitMQ队列中获取并处理消息。 在这篇文章中，我们将讨论如何使用Go并发地从30个不同的RabbitMQ队列中接收消息，并为每个消息类型设计特定的处理程序。 接下来，我们需要并发地从多个RabbitMQ队列中接收消息。 ("Failed to shut down consumer cleanly: %v", err) } } }() select {} } 这样，我们就可以同时处理多个队列的消息了 handler.Handle(message) } else { // handle the error } } 我们的设计有几个优点： 使用Go协程可以让我们并发地处理多个队列的消息
1.3K10编辑于 2023-08-10 Yarn调度器及生产环境如何使用多队列
,先进先出，生产环境不会用； 容量调度器:支持多队列，保证先进入的任务有限执行； 公平调度器:支持多队列,保证每个任务公平享有队列资源，资源不够时可以按照缺额分配。 (4)在生产环境怎么创建队列？ 调度器默认就1个default队列，不能满足生产要求； 按照框架:hive/spark/flink每个框架的任务方队指定的队列(企业用的不是特别多) 按照业务模块:登录注册、购物车、下单、业务部门1 、业务部门2 创建多队列的好处？ （2）实现任务的降级使用，特殊时期保证重要的任务队列资源充足。 业务部门1（重要）=》业务部门2（比较重要）=》下单（一般）=》购物车（一般）=》登录注册（次要）
11610编辑于 2025-12-23- 来自专栏算法之名
RabbitMQ使用多路由，多队列来破除流控
流控机制是我们在使用RabbitMQ最头疼的问题，一旦并发激增时，消费者消费队列消息就像滴水一样慢。 现在我们下单后，需要给通知中心发送消息，让通知中心通知服务商收取订单，并确认提供服务。 ，交换机，和路由 public interface OwnerCarCenterMq { /** * 队列名 */ String ORDER_QUEUE = "order List<Queue> orderQueues() { List<Queue> queues = new ArrayList<>(); for (int i = 1;i < 11 Binding> bindingOrders() { List<Binding> bindings = new ArrayList<>(); for (int i = 1;i < 11 ThreadLocalRandom.current(); this.rabbitTemplate.convertAndSend(exchange,routingKey + "_" + random.nextInt(1,11
1.3K20发布于 2019-09-08 - 来自专栏非著名运维
企业实战（11）消息队列之Docker安装部署RabbitMQ实战
为何用消息队列 从上面的描述中可以看出消息队列是一种应用间的异步协作机制，那什么时候需要使用 MQ 呢？ 4.高可用（Highly Available Queues） 队列可以在集群中的机器上进行镜像，使得在部分节点出问题的情况下队列仍然可用。 3.Exchange 交换器，用来接收生产者发送的消息并将这些消息路由给服务器中的队列。 4.Binding 绑定，用于消息队列和交换器之间的关联。 一个消息可投入一个或多个队列。消息一直在队列里面，等待消费者连接到这个队列将其取走。 6.Connection 网络连接，比如一个TCP连接。 15672:15672 -p 5672:5672 rabbitmq:management 8232a3af368dad3f7f193c650c29e7668e67ce04489933ee3c26b0d11e1df26a
1.2K30编辑于 2022-06-22 - 来自专栏历史专栏
【愚公系列】2023年11月 数据结构(五)-队列
一、队列1.基本思想队列是一种线性数据结构，它的基本思想是先进先出（First In First Out，FIFO），即最先进入队列的元素最先被删除。队列主要包括两个基本操作：入队和出队。 入队操作就是将元素插入到队列的尾部，而出队操作则是删除队列的第一个元素。实现队列可以使用数组或链表等不同的数据结构，一般用数组实现的队列称为顺序队列，用链表实现的队列称为链式队列。 队列的应用场景非常广泛，如消息队列、进程调度、路由算法等。队列可以保证先进入队列的元素先被处理，具有较好的时间复杂度和空间复杂度，是一种非常实用的数据结构。 2.队列常用操作C#中队列的常用操作包括：Enqueue(object obj)：将一个元素添加到队列的末尾。Dequeue()：将队列的第一个元素移除并返回该元素。 队列只允许在队列的前端添加元素，在队列的后端删除元素。这种限制意味着无法随机访问元素（例如查找第k个元素）。需要额外的空间。队列需要额外的指针或数组来存储队列中的元素，这会导致额外的空间开销。
48421编辑于 2023-11-04 - 来自专栏林德熙的博客
dotnet X11 获取多屏 edid 信息
具体的方法如下 通过 XRRGetMonitors 方法获取当前设备的每个显示器屏幕信息，其方法定义代码如下 const string libX11Randr = "libXrandr.so .2"; [DllImport(libX11Randr)] public static extern XRRMonitorInfo* XRRGetMonitors(IntPtr \Screens\X11Screen.Providers.cs public class Randr15ScreensImpl { public Randr15ScreensImpl(nint 0, 0, 1, 1, 0, IntPtr.Zero, IntPtr.Zero); return win; } [DllImport(libX11 /FelocerebeWirolerco 文件夹，即可获取到源代码 更多 X11 技术博客，请参阅 博客导航
34010编辑于 2025-08-12 - 来自专栏仙士可博客
使用easyswoole开发多进程多协程队列式爬虫
这里我推荐http://www.querylist.cc/ 可使用jq的语法选择html页面的元素，非常好用 使用消息队列 我们现在已经知道了整个爬虫的步骤了，下一步是如何运行这个代码。 这样会造成代码的难以控制，不好维护待爬取页面，我们可以使用队列的形式进行处理 1：初始页面存入分析队列 2：分析初始页面1，获取5个待爬取页面链接，存入分析队列 3：分析页面1的结果，存入结果队列 4： 分析队列出列页面2，获取5个待爬取页面链接，存入分析队列 5：分析页面2的结果，存入结果队列 使用队列的情况下，逻辑将会非常的清晰，只需要每次将分析的页面出入队列，然后取出继续分析即可 同样，结果队列只需要新增一个结果消费进程 ，进行处理结果数据即可 实战 本人已经写好了基础的爬虫框架，基于easyswoole，使用redis队列进行消费。 \App\Spider\RedisLogic::clearProduceList();//清除生产队列 //新增默认队列 \App\Spider\RedisLogic::addProduce
1.9K20发布于 2019-12-19 Linux | CentOS 7 多队列盘分配 CPU 不均问题分析
Linux多队列（Multi-Queue）机制LinuxKernel会为硬盘的每个队列（mq）各自分配一个cpu_list，如下所示：mq0绑定到CPU0-7，mq1绑定到CPU8-15。 LinuxKernel多队列映射逻辑分析CentOS7的长期支持（LTS）内核基于Linux3.10，而Multi-Queue（blk-mq）特性在3.13版本引入。 CPU0，因此执行map[i]=map[first_sibling];将当前CPU1也映射到mq0；在详细分析blk_mq_update_queue_map函数的逻辑后，我们发现就算存在超线程，CPU在多队列间应该也是均衡的 总结从多盘性能问题定位到SPDK核间压力不均，再子机中盘队列映射的CPU异常；从怀疑虚拟化的影响，到进一步分析LinuxKernel感知超线程核的优化，为多队列盘分配CPU的逻辑；最终定位到CentOS 内核在某些超线程场景下多队列盘CPU映射异常的原因。
21710编辑于 2025-12-24- 来自专栏历史专栏
【愚公系列】2023年11月 数据结构(六)-双向队列
队列（Queue）：是一种先进先出（FIFO）的数据结构，它可以在队尾插入元素，在队头删除元素。队列通常用于数据的缓存、消息队列和网络通信等场景。 一、双向队列1.基本思想双向队列是一种具有前后端两个指针的特殊队列，可以在两端进行入队和出队操作。其基本思想是，使用两个指针指向双向队列的头尾，通过对头部和尾部的指针进行灵活的操作，实现对队列的操作。 Count：返回队列中元素的个数。Clear()：清空队列中所有元素。Contains(item)：判断队列中是否包含元素item。 双向队列难以维护某些特定的性质，例如优先队列的排序特性，需要额外的实现方式。5.应用场景双向队列可以在以下情况下被应用：在需要同时在队列的前面和后面添加或删除元素的情况下，双向队列是一个很好的选择。 例如，一个任务队列，需要在队列头部添加新任务，同时在队列尾部移除已完成任务时，双向队列就非常适合。双向队列常用于存储、访问和管理数据的情况下。
79391编辑于 2023-11-05 - 来自专栏林德熙的博客
dotnet X11 的多屏触摸行为测试
故事的背景是我在给 Avalonia 加上触摸尺寸的支持时，代码审查过程中大佬提出了在多屏上的 X11 行为问题，为此我找了两个触摸屏进行测试 X11 的多屏触摸行为。 /etc/debian_version 获取 debian 版本号，输出信息如下 >$ cat /etc/debian_version bullseye/sid bullseye 是 debian 11 18950.00/10000 = 1.895 米 由于 CVT 的设备报告的逻辑值和物理值都是相同的最大值最小值，因此以上代码我不确定拿到的是逻辑值还是物理值 通过以上代码也可以看到，我无法直接获取到正确的多屏不同尺寸的设备的多个屏幕的物理尺寸 文档，所获取的是椭圆长轴，将其当成触摸宽度是不准确的 校准屏幕 在我的设备上，发现触摸屏的触摸输入和对应的屏幕显示没有对齐，需要根据以下大佬们的博客进行修复 Linux处理多触屏的终极解决方案 香风家的火柴盒 github.com/lindexi/lindexi_gd.git git pull origin dedfc0ec3a3c8d04e7bec5276fe5bcaa926fe6e9 获取代码之后，进入 X11
40110编辑于 2024-07-31 - 来自专栏沉浸式AI
告别DeepSeek卡顿，直接提速11倍多
DeepSeek 提出的NSA（原⽣稀疏注意⼒机制），像给模型装上了“智能滤网”，既能抓住关键信息，又大幅降低了计算负担，速度直接提升 11.6 倍。
71410编辑于 2025-02-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号