


Wujudkan teknologi caching masa nyata berdasarkan baris gilir mesej Kafka di Golang.
Dengan pembangunan berterusan teknologi Internet dan pengembangan berterusan senario aplikasi, teknologi caching masa nyata semakin menjadi kemahiran penting untuk syarikat Internet. Sebagai kaedah teknologi caching masa nyata, baris gilir mesej semakin digemari oleh pembangun dalam aplikasi praktikal. Artikel ini terutamanya memperkenalkan cara mewujudkan teknologi caching masa nyata berdasarkan baris gilir mesej Kafka di Golang.
Apakah baris gilir mesej Kafka?
Kafka ialah sistem pemesejan teragih yang dibangunkan oleh LinkedIn dan boleh mengendalikan berpuluh juta mesej. Ia mempunyai ciri daya pemprosesan tinggi, kependaman rendah, ketahanan dan kebolehpercayaan yang tinggi. Kafka mempunyai tiga komponen utama: pengeluar, pengguna dan topik Antaranya, pengeluar dan pengguna adalah bahagian teras Kafka.
Pengeluar menghantar mesej ke topik yang ditentukan, dan juga boleh menentukan partition dan kunci. Pengguna menerima mesej yang sepadan daripada topik tersebut. Di Kafka, pengeluar dan pengguna adalah bebas dan tidak mempunyai pergantungan antara satu sama lain Mereka hanya berinteraksi antara satu sama lain dengan berkongsi topik yang sama. Seni bina ini melaksanakan pemesejan teragih dan menyelesaikan keperluan baris gilir mesej secara berkesan dalam pelbagai senario perniagaan.
Gabungan Golang dan Kafka
Golang ialah bahasa pengaturcaraan yang popular dan cekap sejak beberapa tahun kebelakangan ini, ia semakin digunakan secara meluas kerana keselarasannya yang tinggi dan prestasi tinggi. Ia mempunyai kelebihan yang wujud apabila digabungkan dengan baris gilir mesej, kerana di Golang, bilangan goroutine mempunyai perhubungan satu dengan satu dengan bilangan utas kernel, yang bermaksud bahawa Golang boleh mengendalikan tugas serentak berskala besar dengan cekap dan lancar, manakala Kafka boleh Mengedarkan pelbagai mesej kepada nod broker yang berbeza mengikut peraturan partition yang boleh disesuaikan untuk mencapai pengembangan mendatar.
Dengan menggunakan sarama perpustakaan Kafka pihak ketiga di Golang, kami boleh melaksanakan interaksi dengan Kafka dengan mudah. Langkah-langkah pelaksanaan khusus adalah seperti berikut:
1 Memperkenalkan perpustakaan sarama ke dalam projek Golang:
import "github.com/Shopify/sarama"
2 Buat contoh pengirim mesej (Pengeluar):
config := sarama.NewConfig() config.Producer.Return.Successes = true producer, err := sarama.NewAsyncProducer([]string{"localhost:9092"}, config)
Antaranya, NewConfig() digunakan untuk membuat contoh fail konfigurasi baharu.Kejayaan bermakna maklumat kejayaan akan dikembalikan apabila setiap mesej berjaya dihantar untuk mencipta contoh rentetan mewakili Broker dalam kelompok Kafka Alamat IP dan nombor port nod.
3. Hantar mesej:
msg := &sarama.ProducerMessage{ Topic: "test-topic", Value: sarama.StringEncoder("hello world"), } producer.Input() <- msg
Antaranya, ProducerMessage mewakili struktur mesej, Topik mewakili topik yang menjadi milik mesej, dan Nilai mewakili kandungan mesej.
4. Buat contoh mesej pengguna (Pengguna):
config := sarama.NewConfig() config.Consumer.Return.Errors = true consumer, err := sarama.NewConsumer([]string{"localhost:9092"}, config)
Antaranya, NewConfig() digunakan untuk membuat contoh fail konfigurasi baharu dan Return.Error bermakna setiap kali mesej digunakan, Mengembalikan mesej ralat kegagalan penggunaan NewConsumer() digunakan untuk mencipta contoh pengguna.
5. Gunakan mesej:
partitionConsumer, err := consumer.ConsumePartition("test-topic", 0, sarama.OffsetNewest) for msg := range partitionConsumer.Messages() { fmt.Printf("Consumed message: %s ", string(msg.Value)) partitionConsumer.MarkOffset(msg, "") // 确认消息已被消费 }
Antaranya, ConsumePartition() digunakan untuk menentukan topik, partition dan lokasi penggunaan (mesej terkini atau mesej tertua), dan Messages() digunakan untuk dapatkan daripada Mesej yang digunakan dalam topik. Selepas menggunakan mesej, kita perlu menggunakan kaedah MarkOffset() untuk mengesahkan bahawa mesej telah digunakan.
Pelaksanaan cache masa nyata Kafka
Di Golang, adalah sangat mudah untuk mewujudkan cache masa nyata melalui baris gilir mesej Kafka. Kami boleh mencipta modul pengurusan cache dalam projek, menukar kandungan cache ke dalam struktur mesej yang sepadan mengikut keperluan sebenar, menghantar mesej ke topik yang ditentukan dalam kelompok Kafka melalui pengeluar, dan menunggu pengguna untuk menggunakan mesej daripada topik dan teruskan.
Berikut ialah langkah pelaksanaan khusus:
1 Tentukan struktur cache dan pembolehubah cache dalam projek:
type Cache struct { Key string Value interface{} } var cache []Cache
Antaranya, Kunci mewakili kunci cache ( Key), Nilai mewakili nilai cache (Nilai).
2. Tukar cache ke dalam struktur mesej yang sepadan:
type Message struct { Operation string // 操作类型(Add/Delete/Update) Cache Cache // 缓存内容 } func generateMessage(operation string, cache Cache) Message { return Message{ Operation: operation, Cache: cache, } }
Antaranya, Mesej mewakili struktur mesej, Operasi mewakili jenis operasi cache, dan generateMessage() digunakan untuk mengembalikan Mesej contoh.
3. Tulis penerbit dan hantar kandungan cache sebagai mesej ke topik yang ditentukan:
func producer(messages chan *sarama.ProducerMessage) { config := sarama.NewConfig() config.Producer.Return.Successes = true producer, err := sarama.NewAsyncProducer([]string{"localhost:9092"}, config) if err != nil { panic(err) } for { select { case msg := <-messages: producer.Input() <- msg } } } func pushMessage(operation string, cache Cache, messages chan *sarama.ProducerMessage) { msg := sarama.ProducerMessage{ Topic: "cache-topic", Value: sarama.StringEncoder(generateMessage(operation, cache)), } messages <- &msg }
Antaranya, producer() digunakan untuk mencipta contoh pengeluar dan menunggu mesej masuk daripada saluran paip yang akan dihantar , pushMessage() digunakan untuk menukar kandungan cache kepada contoh Mesej dan menghantarnya ke topik yang ditentukan menggunakan pengeluar.
4 Tulis pengguna, dengar topik yang ditentukan dan lakukan operasi yang sepadan apabila mesej tiba:
func consumer() { config := sarama.NewConfig() config.Consumer.Return.Errors = true consumer, err := sarama.NewConsumer([]string{"localhost:9092"}, config) if err != nil { panic(err) } partitionConsumer, err := consumer.ConsumePartition("cache-topic", 0, sarama.OffsetNewest) if err != nil { panic(err) } for msg := range partitionConsumer.Messages() { var message Message err := json.Unmarshal(msg.Value, &message) if err != nil { fmt.Println("Failed to unmarshal message: ", err.Error()) continue } switch message.Operation { case "Add": cache = append(cache, message.Cache) case "Delete": for i, c := range cache { if c.Key == message.Cache.Key { cache = append(cache[:i], cache[i+1:]...) break } } case "Update": for i, c := range cache { if c.Key == message.Cache.Key { cache[i] = message.Cache break } } } partitionConsumer.MarkOffset(msg, "") // 确认消息已被消费 } }
Antaranya, pengguna() digunakan untuk mencipta contoh pengguna dan mendengar topik yang ditentukan, gunakan Fungsi json.Unmarshal() menghuraikan medan Nilai mesej ke dalam struktur Mesej, dan kemudian melaksanakan operasi caching yang sepadan berdasarkan medan Operasi. Selepas menggunakan mesej, kita perlu menggunakan kaedah MarkOffset() untuk mengesahkan bahawa mesej telah digunakan.
Melalui langkah di atas, kami telah berjaya mewujudkan teknologi caching masa nyata berdasarkan baris gilir mesej Kafka menggunakan sarama, perpustakaan Kafka di Golang. Dalam aplikasi praktikal, kita boleh memilih konfigurasi gugusan Kafka yang berbeza dan peraturan partition mengikut keperluan sebenar untuk menghadapi pelbagai senario perniagaan secara fleksibel.
Atas ialah kandungan terperinci Wujudkan teknologi caching masa nyata berdasarkan baris gilir mesej Kafka di Golang.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Membaca dan menulis fail dengan selamat dalam Go adalah penting. Garis panduan termasuk: Menyemak kebenaran fail Menutup fail menggunakan tangguh Mengesahkan laluan fail Menggunakan tamat masa konteks Mengikuti garis panduan ini memastikan keselamatan data anda dan keteguhan aplikasi anda.

Bagaimana untuk mengkonfigurasi pengumpulan sambungan untuk sambungan pangkalan data Go? Gunakan jenis DB dalam pakej pangkalan data/sql untuk membuat sambungan pangkalan data untuk mengawal bilangan maksimum sambungan serentak;

Rangka kerja Go menyerlah kerana kelebihan prestasi tinggi dan konkurensinya, tetapi ia juga mempunyai beberapa kelemahan, seperti agak baharu, mempunyai ekosistem pembangun yang kecil dan kekurangan beberapa ciri. Selain itu, perubahan pantas dan keluk pembelajaran boleh berbeza dari rangka kerja ke rangka kerja. Rangka kerja Gin ialah pilihan popular untuk membina API RESTful kerana penghalaan yang cekap, sokongan JSON terbina dalam dan pengendalian ralat yang berkuasa.

Perbezaan antara rangka kerja GoLang dan rangka kerja Go ditunjukkan dalam seni bina dalaman dan ciri luaran. Rangka kerja GoLang adalah berdasarkan perpustakaan standard Go dan meluaskan fungsinya, manakala rangka kerja Go terdiri daripada perpustakaan bebas untuk mencapai tujuan tertentu. Rangka kerja GoLang lebih fleksibel dan rangka kerja Go lebih mudah digunakan. Rangka kerja GoLang mempunyai sedikit kelebihan dalam prestasi dan rangka kerja Go lebih berskala. Kes: gin-gonic (rangka Go) digunakan untuk membina REST API, manakala Echo (rangka kerja GoLang) digunakan untuk membina aplikasi web.

Data JSON boleh disimpan ke dalam pangkalan data MySQL dengan menggunakan perpustakaan gjson atau fungsi json.Unmarshal. Pustaka gjson menyediakan kaedah kemudahan untuk menghuraikan medan JSON dan fungsi json.Unmarshal memerlukan penuding jenis sasaran kepada data JSON unmarshal. Kedua-dua kaedah memerlukan penyediaan pernyataan SQL dan melaksanakan operasi sisipan untuk mengekalkan data ke dalam pangkalan data.

Amalan terbaik: Cipta ralat tersuai menggunakan jenis ralat yang ditakrifkan dengan baik (pakej ralat) Sediakan lebih banyak butiran Log ralat dengan sewajarnya Sebarkan ralat dengan betul dan elakkan menyembunyikan atau menyekat ralat Balut seperti yang diperlukan untuk menambah konteks

Fungsi FindStringSubmatch mencari subrentetan pertama dipadankan dengan ungkapan biasa: fungsi mengembalikan hirisan yang mengandungi subrentetan yang sepadan, dengan elemen pertama ialah keseluruhan rentetan dipadankan dan elemen berikutnya ialah subrentetan individu. Contoh kod: regexp.FindStringSubmatch(teks,corak) mengembalikan sekeping subrentetan yang sepadan. Kes praktikal: Ia boleh digunakan untuk memadankan nama domain dalam alamat e-mel, contohnya: e-mel:="user@example.com", pattern:=@([^\s]+)$ untuk mendapatkan padanan nama domain [1].

Laluan Pembelajaran Backend: Perjalanan Eksplorasi dari Front-End ke Back-End sebagai pemula back-end yang berubah dari pembangunan front-end, anda sudah mempunyai asas Nodejs, ...
