Java技术栈总结:kafka篇

一、# 基础知识

1、安装

  • 部署一台ZooKeeper服务器;
  • 安装jdk;
  • 下载kafka安装包;
  • 上传安装包到kafka服务器上:/usr/local/kafka;
  • 解压缩压缩包;
  • 进入到config目录,修改server.properties配置信息:
#broker.id属性在kafka集群中必须要是唯⼀
broker.id=0

#kafka部署的机器ip和提供服务的端⼝号
listeners=PLAINTEXT://192.168.65.60:9092

#kafka的消息存储⽂件
log.dir=/usr/local/data/kafka-logs

#kafka连接zookeeper的地址
zookeeper.connect=192.168.65.60:2181
  • 进入到bin目录,使用命令启动kafka服务器(带配置文件)
  • ./kafka-server-start.sh -daemon ../config/server.properties
  • 检查kafka是否启动成功:
进入到zk内查看是否有kafka节点:
/brokers/ids/0

2、基本概念

名称

说明

Broker

消息中间件处理节点,一个kafka节点为一个broker,一个或者多个broker组成一个kafka集群

Topic

消息主题。kafka根据topic对消息进行分类,发布到kafka集群的每条消息都需要指定一个topic

PartitionTopic在物理上的分区,一个Topic可以分为多个Partition,每个Partition是一个有序的记录序列。
ReplicaPartition的副本

Producer

消息生产者。向broker发送消息的客户端。

Consumer

消息消费者。从broker读取消息的客户端。

Consumer Group消费组。一个消费组可以包含一个或者多个消费者,每条消息只能被消费组的某个消费者消费

3、主题创建

  • 通过kafka命令向zk中创建一个主题
./kafka-topics.sh --create --zookeeper 172.16.253.35:2181 --replicationfactor 1 --partitions 1 --topic test
  • 查看当前zk中所有的主题
./kafka-topics.sh --list --zookeeper 172.16.253.35:2181 test

4、发送消息

把消息发送给broker的某个topic,打开一个kafka发送消息的客户端,然后开始用客户端向kafka服务器发送消息。

./kafka-console-consumer.sh --bootstrap-server 172.16.253.38:9092 --topic test

5、消费消息

打开一个消费消息的客户端,向kafka服务器的某个主题消费消息。

生产者将消息发送给broker,broker会将消息保存到本地的日志文中。/usr/local/kafka/data/kafka-logs/主题-分区/00000000.log;消息的保存是有序的,通过offset偏移量来描述消息的有序性;消费者消费消息时也是通过offset来描述所要消费消息的位置。

  • 方式一:从当前主题中的最后一条消息的offset + 1 开始消费:
./kafka-console-consumer.sh --bootstrap-server 172.16.253.38:9092 --topic test
  • 方式二:从当前主题的第一条消息开始消费
./kafka-console-consumer.sh --bootstrap-server 172.16.253.38:9092 --from-beginning --topic test

6、单播&&多播消息

如果多个消费者在同一个消费组,那么只有一个消费者可以订阅到topic中的消息。即,同一个消费组中只能有一个消费者收到一个topic中的消息。

不同的消费组订阅同一个topic,那么不同消费组中各只有一个消费者能收到消息。

./kafka-console-consumer.sh --bootstrap-server 172.16.253.38:9092 --consumer-property group.id=testGroup1 --topic test
./kafka-console-consumer.sh --bootstrap-server 172.16.253.38:9092 --consumer-property group.id=testGroup2 --topic test

7、查看消费组信息

/kafka-consumer-groups.sh --bootstrap-server 172.16.253.38:9092 --describe --group testGroup
  • current-offset: 最后被消费的消息的偏移量;
  • Log-end-offset: 消息总量(最后⼀条消息的偏移量);
  • Lag:积压了多少条消息。


二、主题与分区

1、主题 topic

kafka通过topic对消息进行分类,不同的topic会被订阅该topic的消费者消费。

如果一个topic的消息非常多,消息保存在log日志文件中,会占用大量的磁盘空间。为了解决文件过大的问题,kafka提出了Partition分区的概念。

2、分区 Partition

一个主题可以分为多个分区,一个分区只属于一个主题。同一个主题下不同分区包含的消息不同。消息在分区上的存储可以看作是日志文件的追加写入,消息被写入的时候会分配一个特定的偏移量(offset)。offset是消息在分区位置的标识,kafka通过offset保证分区内消息的顺序性

通过partition将一个topic中的消息分区来存储。好处:

  • 分区存储,解决了统一存储文件过大的问题,方便集群扩展;
  • 提升了读写的吞吐量:读和写可以同时在多个分区中进行。

创建多个分区的主题:

./kafka-topics.sh --create --zookeeper 172.16.253.35:2181 --replicationfactor 1 --partitions 2 --topic test1

3、消息日志

(1)存储文件类型

  • .index:索引文件;
  • .log:数据文件,保存的为消息;
  • .timeindex:时间索引文件。

topic下的Partition存储的文件过大的话会以分段(segment)的形式存储,分段的优点:

  • 删除无用文件更为方便,提高磁盘利用率;
  • 查找数据更为便捷(文件以偏移量命名,查找速度更快)。

(2)topic:__consumer_offsets 

__consumer_offset-49:

  • kafka内部创建了主题 “__consumer_offsets” 包含50个分区。这个主题用来存放消费者消费某个主题的偏移量。每个消费者会自己维护消费的主题的偏移量,即每个消费者会把消费的主题的偏移量自主上报给kafka中的默认主题consumer_offsets。kafka为了提升这个主题的并发性,默认设置了50个分区。
    • 提交到哪个分区,通过hash函数确定:
      • hash(cunsumerGroupId)% __consumer_offsets 主题的分区数;
      • 提交到该主题的内容:key为 consumerGroupId+topic+分区号,value为当前的offset值。

(3)清理策略

  • 策略1:根据消息的保留时间,超过了指定的保留时间,触发清理(默认168小时,即7天);
log.retention.hours=168
  • 策略2:根据topic存储数据量的大小,当topic的日志文件占用空间大于指定阈值,则会删除最久的消息(需要手动开启)。

Q:kafka数据清理机制?

A:

(1)介绍Kafka存储结构

  • Kafka 中 topic 的数据存储在分区上,分区如果文件过大会分段存储segment
  • 每个分段都在磁盘上以索引(xxxx.index)和日志文件(xxxx.log)的形式存储;
  • 分段的好处:①能够减少单个文件内容的大小,查找数据方便;②方便kafka进行日志清理。

(2)日志的清理策略有两个:

  • 根据设置的消息的保留时间:当消息保存的时间超过了指定的时间,就会触发清理(默认是168小时,7天);
  • 根据 topic 存储的数据大小:当topic所占的日志文件大小大于一定的阈值,则开始删除最久的消息。(默认关闭)


三、集群

kafka的服务端由被称为Broker的服务进程构成,即一个kafka集群由多个Broker组成。如果集群中的某一台机器宕机,其他机器上的Broker仍然能够对外提供服务,确保kafka的高可用性。

1、集群搭建

  • 创建多个server.properties文件
# 0 1 2
broker.id=2
// 9092 9093 9094
listeners=PLAINTEXT://192.168.65.60:9094
// kafka-logs kafka-logs-1 kafka-logs-2
log.dir=/usr/local/data/kafka-logs-2
  • 通过命令分别启动各个broker
./kafka-server-start.sh -daemon ../config/server.properties
./kafka-server-start.sh -daemon ../config/server1.properties
./kafka-server-start.sh -daemon ../config/server2.properties
  • 检查是否启动成功

进入到zk中查看 /brokers/ids 中是否有对应的znode(0,1,2)。

2、副本

# 副本
./kafka-topics.sh --create --zookeeper 172.16.253.35:2181 --replicationfactor 3 --partitions 2 --topic my-replicated-topic
# 查看topic情况
./kafka-topics.sh --describe --zookeeper 172.16.253.35:2181 --topic myreplicated-topic

副本是为了给主题中的分区Partition创建多个备份,多个副本在kafka的集群的多个broker中,会有一个副本作为Leader,其他为Follower

(1)Leader:

  • kafka 的写和读操作,都发生在Leader上。Leader负责把数据同步给Follower,如果Leader挂了,通过主从选举,从多个Follower中选举产生一个新的Leader。

(2)Follower:

  • 接收Leader的数据同步。

(3)ISR(in-sync replica):

  • 可以同步和已经同步的节点会被存入到 isr集合 中。如果isr中的节点性能较差,会被从isr集合中剔除。

总结:集群中有多个broker,创建主题是可以指明主题有多个分区,可以为分区创建多个副本,不同的副本存放在不同的broker里。

3、集群消费

  • 一个partition(分区)只能被一个消费组中的一个消费者消费,目的是为了保证消费的顺序性。多个partition的多个消费者的消费顺序的顺序性无法得到保证。
  • partition的数量决定了消费组中消费者的数量,同一个消费组中的消费者的数量最好不要超过partition的数量,否则超出的消费者消费不到消息。
  • 如果消费者挂了,会出发rebalance机制,会让其他消费者来消费该分区。

4、Controller、rebalance、Hw

(1)Controller

【Controller选举】:

启动时,每个broker会向zk创建一个临时序号节点,获得序号最小的那个broker将会作为集群中的Controller,负责:

  • Leader选举:当集群中一个副本的Leader挂掉,需要在集群中选举出一个新的Leader,选举从isr集合中的最左边获得。
  • broker信息同步:当集群中有broker新增或者减少,Controller会同步信息给其他broker。
  • 分区信息同步:当集群中有分区新增或者减少,Controller会同步信息给其他broker。

(2)reblance机制

前提:消费组中的消费者没有指明分区来消费;

触发的条件:消费组中的消费者和分区的关系发生变化;

分区分配的策略:reblance之前,分区有三种分配策略:

  • range:根据公式计算每个消费者消费哪几个分区,分区总数/消费者数量 + 1 (根据余数情况确定,前面几个消费者需要“+1”,后面几个不需要)。
  • 轮询:即依次轮着来。
  • sticky:粘合策略。如果需要reblance,会在之前已经分配的基础上进行调整,不会改变之前分配的情况。如果该策略没有开,那么就需要进行整体的重新分配。

(3)HW和LEO

HW是已经完成同步的位置。

消息在写入broker,且每个broker已经完成该消息的同步后,hw才会发生变化。在此之前消费者是消费不到这条消息的。在完成同步后,HW更新后,消费者才能消费到这条消息,这样的目的是为了防止消息丢失

LEO(log-end-offset)是某个副本最后的消息位置。


四、消息的同步异步发送

1、同步发送消息

如果生产者发送消息没有收到ack,生产者会阻塞,阻塞到3s的时间,如果还没有收到消息,会进行重试。重试的次数为3次。

【生产者的三种ack配置】

  • ack=0,kafka-cluster不需要任何的broker收到消息,就立即返回ack给生产者,最容易丢消息,效率最高。
  • ack=1(默认),多副本之间的Leader已经收到消息,并把消息写入到本地的log中,才返回ack给生产者,性能和安全新较为均衡。
  • ack=-1/all,配置min.insync.replicas=2(默认为1,推荐配置大于等于2),此时就需要Leader和一个Follower同步完成后,才返回给ack给生产者(此时集群中有2个broker已经完成数据的接收)。这种方式最安全,但性能最差。

2、异步发送消息

异步发送,生产者发送完消息后就可以执行之后的业务,broker在收到消息后异步调用生产者提供的callback()回调方法。

3、消息发送的缓冲区

  • kafka生产者默认会创建一个消息缓冲区,用来存放要发送的消息,默认为32m;
    • props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);
  • kafka本地线程会去缓冲区中一次拉取16k的数据,发送到broker;
    • props.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);
  • 如果拉取不到16k的数据,间隔10ms也会将已有的数据发送到broker。
    • props.put(ProducerConfig.LINGER_MS_CONFIG, 10);


五、消费者实现

1、消费者自动&&手动提交Offset

(1)提交的内容

“所属的消费组 + 主题 + 分区 + 消费的偏移量”,提交到集群的__consumer_offsets主题里面。

(2)自动提交

消费者poll消息下来后就自动提交offset。

// 是否自动提交offset,默认就是true
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");

// 自动提交offset的间隔时间
props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");

注:自动提交会丢消息。因为消费者在消费前提交offset,可能提交完后还没有完成消费,消费者就挂了。

(3)手动提交

需要把自动提交的配置改成false。

props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");

手动提交分为两种:

  • 手动同步提交:在消费完消息后调用同步提交的方法,当集群返回ack前一直阻塞,返回ack后表示提交成功,执行之后的逻辑。
  • 手动异步提交:在消息消费完后提交,不需要等待集群ack,直接执行之后的逻辑,可以设置一个回调方法,供集群调用。

2、长轮询poll消息

(1)默认情况下,消费者一次会拉取500条消息。

props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 500);

(2)可以设置长轮询的时间周期,例如1000ms。

  • 如果⼀次poll到500条,就直接执行for循环。
  • 如果这⼀次没有poll到500条。且时间在1秒内,那么⻓轮询继续poll,要么到500条,要么到1s。
  • 如果多次poll都没达到500条,且1秒时间到了,那么直接执行for循环。
  • 如果两次poll的间隔超过30s,集群会认为该消费者的消费能⼒过弱,该消费者被踢出消费组,触发rebalance机制,rebalance机制会造成性能开销。可以通过设置这个参数,让一次poll的消息条数少⼀点。
//⼀次poll最⼤拉取消息的条数,可以根据消费速度的快慢来设置
props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 500);

//如果两次poll的时间如果超出了30s的时间间隔,kafka会认为其消费能⼒过弱,将其踢出消费组。将分区分配给其他消费者。-rebalance
props.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG, 30 * 1000);

3、消费者健康状态检查

消费者每隔1skafka集群发送一次心跳,如果集群发现超过10s没有续约的消费者,会将其踢出消费者,触发消费组的reblance机制,将该分区的交给消费组里的其他消费者进行消费。

//consumer给broker发送⼼跳的间隔时间
props.put(ConsumerConfig.HEARTBEAT_INTERVAL_MS_CONFIG, 1000);

//kafka如果超过10秒没有收到消费者的⼼跳,则会把消费者踢出消费组,进⾏rebalance,把分区分配给其他消费者。
props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, 10 * 1000);

六、常见问题

1、防止消息丢失

(1)生产者发送消息到Broker的过程丢失

方式一:异步发送

  • 设置异步发送,发送失败的情况使用回调记录或者重发;
  • 失败重试,配置重试次数。

方式二:同步发送

  • 使用同步发送消息的方式。  

(2)消息在Broker中存储丢失

  • 把ack设置为1或者all(-1),设置同步的分区数 >= 2,让Follower节点参与保存数据的确认。

(3)消费者从Broker接收消息丢失

  • 关闭自动提交偏移量,开启手动提交偏移量;
  • 提交方式,把自动提交改成手动提交(最好使用 同步 + 异步 提交)。

2、防止重复消费

如果生产者发送消息后,由于网络抖动等问题,没有收到ack,但是实际上broker已经收到了消息。此时,生产者会进行重试,于是broker就会收到多条相同的消息,从而造成重复消费。

解决:

  • 生产者关闭重试。这种方式会造成消息丢失(不推荐);
  • 消费者关闭自动提交偏移量,开启手动提交偏移量;
  • 消费者解决非幂等性消费问题:
    • 在数据库中创建联合主键,防止相同的主键创建出多条记录。
    • 使用分布式锁,以业务id为锁。保证只有一条记录能够创建成功。

3、保证顺序性消费

问题原因:一个topic的数据可能存储在不同的分区中,每个分区都有一个按照顺序存储的偏移量。如果消费者关联了多个分区,则不能保证顺序性。

解决该问题,只需要保证需要顺序消费的消息出现在同一个分区。

解决方法:

  • 方式一:
    • 发送消息时,指定分区号;
    • 发送消息时,按照相同的业务设置相同的key(默认情况下,分区是通过key的hashcode值来确定分区的。因此,key一样的话,分区也是一样的);
  • 方式二(不推荐):
    • 生产者:使用同步发送,ack设置成非0的值(1或者-1(all))。
    • 消费者:主题只设置一个分区,消费组只设置一个消费者。

主:实际kafka顺序消费的场景不多,因为会牺牲掉性能。

4、消息积压

(1)出现的原因

消费者的消费速度赶不上生产者的生产速度,导致kafka中大量的数据没有被消费。

随着积压消息的增多,消费者的寻址性能会下降,最终导致整个kafka对外提供服务的性能很差,从而造成其他服务访问速度变慢,造成服务雪崩。

(2)解决方案

  • 消费者中,使用多线程,充分利用机器的性能进行消费消息。
  • 通过业务的架构设计,提升业务层面消费的性能。
  • 创建多个消费组,多个消费者,部署到其他机器上,一起消费,提高消费者的消费速度。
  • 创建一个消费者,该消费者kafka另建一个主题,配上多个分区,多个分区再配上多个消费者。该消费者将消息poll下来,不进行消费,直接转发到新建的主题上。此时,新的主题的多个分区的多个消费者就开始一起消费了。(不常用)

5、应用场景

  • 消息系统:用作消息中间件;
  • 系统解耦
  • 流量削峰
  • 异步处理
  • 日志聚合


参考:

https://www.bilibili.com/video/BV1Xy4y1G7zA?p=1;

https://www.bilibili.com/video/BV1yT411H7YK;

https://www.jianshu.com/p/d3e963ff8b70;

https://juejin.cn/post/7179046224379510844;

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/779025.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

SpringBoot+mail 轻松实现各类邮件自动推送

一、简介 在实际的项目开发过程中,经常需要用到邮件通知功能。例如,通过邮箱注册,邮箱找回密码,邮箱推送报表等等,实际的应用场景非常的多。 早期的时候,为了能实现邮件的自动发送功能,通常会…

Java | Leetcode Java题解之第218题天际线问题

题目&#xff1a; 题解&#xff1a; class Solution {public List<List<Integer>> getSkyline(int[][] buildings) {PriorityQueue<int[]> pq new PriorityQueue<int[]>((a, b) -> b[1] - a[1]);List<Integer> boundaries new ArrayList&l…

html+js+css做的扫雷

做了个扫雷&#x1f4a3; 88大小 源代码在文章最后 界面 先点击蓝色开局按钮 然后就可以再扫雷的棋盘上玩 0代表该位置没有雷 其他数字代表周围雷的数量 源代码 <!DOCTYPE html> <html lang"en"> <head> <meta charset"UTF-8&qu…

第5章 认证授权:需求分析,Security介绍(OAuth2,JWT),用户认证,微信扫码登录,用户授权

1 模块需求分析 1.1 什么是认证授权 截至目前&#xff0c;项目已经完成了课程发布功能&#xff0c;课程发布后用户通过在线学习页面点播视频进行学习。如何去记录学生的学习过程呢&#xff1f;要想掌握学生的学习情况就需要知道用户的身份信息&#xff0c;记录哪个用户在什么…

编写优雅Python代码的20个最佳实践

想要让你的代码像艺术品一样既实用又赏心悦目吗&#xff1f;今天我们就来聊聊如何通过20个小技巧&#xff0c;让你的Python代码从平凡走向优雅&#xff0c;让同行看了都忍不住点赞&#xff01; **温馨提示&#xff1a;更多的编程资料&#xff0c;领取方式在&#xff1a; 1. 拥…

【Python文件】操作终极指南:高效管理和处理文件系统的必备技能

目录 ​编辑 1. 文件的基础操作 1.1 打开/关闭文件 ​编辑 示例代码 文件对象 使用with语句打开文件 2. 读文件 2.1 使用read方法读取文件 2.2 使用readline方法读取文件 2.3 使用readlines方法读取文件 2.4 使用for循环读取文件 3. 写文件 3.1 使用write方法写文…

Podman 深度解析

目录 引言Podman 的定义Podman 的架构Podman 的工作原理Podman 的应用场景Podman 在 CentOS 上的常见命令实验场景模拟总结 1. 引言 随着容器化技术的发展&#xff0c;Docker 已成为容器管理的代名词。然而&#xff0c;由于 Docker 的一些局限性&#xff0c;如需要守护进程和 …

基于java+springboot+vue实现的大学生就业需求分析系统(文末源码+Lw)233

摘 要 信息数据从传统到当代&#xff0c;是一直在变革当中&#xff0c;突如其来的互联网让传统的信息管理看到了革命性的曙光&#xff0c;因为传统信息管理从时效性&#xff0c;还是安全性&#xff0c;还是可操作性等各个方面来讲&#xff0c;遇到了互联网时代才发现能补上自…

jmeter-beanshell学习3-beanshell获取请求报文和响应报文

前后两个报文&#xff0c;后面报文要用前面报文的响应结果&#xff0c;这个简单&#xff0c;正则表达式或者json提取器&#xff0c;都能实现。但是如果后面报文要用前面请求报文的内容&#xff0c;感觉有点难。最早时候把随机数写在自定义变量&#xff0c;前后两个接口都用这个…

HTML5使用<progress>进度条、<meter>刻度条

1、<progress>进度条 定义进度信息使用的是 progress 标签。它表示一个任务的完成进度&#xff0c;这个进度可以是不确定的&#xff0c;只是表示进度正在进行&#xff0c;但是不清楚还有多少工作量没有完成&#xff0c;也可以用0到某个最大数字&#xff08;如&#xff1…

如何搜索查找ICLR论文

记录有几个查找顶级会议文章的网址&#xff0c;不止ICLR ICLR 2024 还会有visualization模式&#xff1a; ICLR 2024 virtual 这个网站也很棒 Paper Copilot ICLR 2024 当然还有一个用图表示各论文相关关系的网站&#xff1a; connected papers

ROS——坐标系管理、监听与广播、常用可视化工具

坐标系管理 TF功能包 小海龟追踪实验 ros版本(20.04)的tf安装命令: sudo apt-get install ros-noetic-turtle-tf 解决因python版本出现的无法生成跟随海龟&#xff1a; sudo ln -s /usr/bin/python3 /usr/bin/python ( -s 软链接,符号链接) ln命令&#xff08;英文全拼&#…

Matplotlib Artist 1 概览

Matplotlib API中有三层 matplotlib.backend_bases.FigureCanvas&#xff1a;绘制区域matplotlib.backend_bases.Renderer&#xff1a;控制如何在FigureCanvas上绘制matplotlib.artist.Artist&#xff1a;控制render如何进行绘制 开发者95%的时间都是在使用Artist。Artist有两…

【MYSQL】InnoDB引擎为什么选可重复读作为默认隔离级别

InnoDB引擎为什么选可重复读作为默认隔离级别 一般的DBMS系统&#xff0c;默认都会使用读提交&#xff08;Read-Comitted&#xff0c;RC&#xff09;作为默认隔离级别&#xff0c;如Oracle、SQL Server等&#xff0c;而MySQL却使用可重复读&#xff08;Read-Repeatable&#x…

MySQL 9.0 创新版发布,大失所望。。

大家好&#xff0c;我是程序员鱼皮。2024 年 7 月 1 日&#xff0c;MySQL 发布了 9.0 创新版本。区别于我们大多数开发者常用的 LTS&#xff08;Long-Term Support&#xff09;长期支持版本&#xff0c;创新版本的发布会更频繁、会更快地推出新的特性和变更&#xff0c;可以理解…

白嫖A100活动-入门篇-1.Linux+InterStudio

进入InterStudio 这节课是为了让大家熟悉使用InterStudio平台&#xff0c;以便后续开发 InterStudio平台是算力平台&#xff0c;可以通过平台使用A100,还可以使用“书生”团队集成好的环境、工具&#xff0c;快速部署LLMs. 进入平台&#xff1a; 记得报名&#xff0c;获得免…

快排的非递归实现

前提 快排的递归实现&#xff0c;在深度过深时会存在栈溢出的风险&#xff0c;所以我们需要掌握快排的非递归写法 快排的实现 单趟实现 上次我们使用了hoare的快排单趟写法&#xff0c;所以这次我们使用前后指针法. 前后指针法 初始状态下&#xff0c;初始化prev为left,cu…

Android Studio Run窗口中文乱码解决办法

Android Studio Run窗口中文乱码解决办法 问题描述&#xff1a; AndroidStudio 编译项目时Run窗口中文乱码&#xff0c;如图&#xff1a; 解决方法&#xff1a; 依次打开菜单&#xff1a;Help--Edit Custom VM Options&#xff0c;打开studio64.exe.vmoptions编辑框&#xf…

CV03_mAP计算以及COCO评价标准

COCO数据集回顾&#xff1a;CV02_超强数据集&#xff1a;MSCOCO数据集的简单介绍-CSDN博客 1.1 简介 在目标检测领域中&#xff0c;mAP&#xff08;mean Average Precision&#xff0c;平均精度均值&#xff09;是一个广泛使用的性能评估指标&#xff0c;用于衡量目标检测模型…

【Unity2D 2022:Particle System】添加命中粒子特效

一、创建粒子特效游戏物体 二、修改粒子系统属性 1. 基础属性 &#xff08;1&#xff09;修改发射粒子持续时间&#xff08;Duration&#xff09;为1s &#xff08;2&#xff09;取消勾选循环&#xff08;Looping&#xff09; &#xff08;2&#xff09;修改粒子存在时间&…