原理解析 | Apache Flink 结合 Kafka 构建端到端的 Exactly-Once 处理
1. Apache Flink 应用程序中的 Exactly-Once 语义
2. Flink 应用程序端到端的 Exactly-Once 语义
3. 示例 Flink 应用程序启动预提交阶段
4. 在 Flink 中实现两阶段提交 Operator
5. 总结
相关分享
0
喜欢
so
soulteary.com
/
2026-05-08 00:01
构建稳定的 CAN 网络通信桥梁：CAN-Bridge
一个使用 Golang 构建的轻量级 CAN 管理服务：CAN-Bridge。作者把复杂的 CAN 配置、端口初始化、状态检测、报文收发封装成 HTTP API，不用再写脚本和记 SocketCAN 指令，还支持自动恢复、Prometheus 监控和容器化部署。适合机器人、工业控制、车载设备等场景做稳定化改造。
无图
1
喜欢
zh
www.zhengwenfeng.com
/
2025-11-12 00:32
Go协程池深度解析：原理、实现与最佳实践
文章系统解析 Go 协程池的实现原理和实践，包括为何需要协程池、基本实现方式、协程数设置依据及性能对比测试。示例代码演示如何手动构建协程池，并推荐三种高性能第三方库（如 ants、tunny）。适合进行高并发控制和资源管理优化的场景。
无图
0
喜欢
bj
bjt.name
/
2025-11-12 00:27
合成控制法的原理和扩展实现
本文介绍了合成控制法（Synthetic Control Method，SCM）原理及其扩展：首先通过选择多个未受干预单位并加权构建一个“合成对照组”，以模拟受干预单位在无干预情况下的表现；然后详细推导了权重 W 与协变量权重矩阵 V 的嵌套最优化过程；最后介绍了“合并损失函数 + 正则化（Lasso/ElasticNet）”的扩展方案，以增强模型稳健性。适用于政策或市场活动影响评估。
无图
1
喜欢
so
soulteary.com
/
2025-01-02 23:58
ThinkPad + Redis：构建亿级数据毫秒级查询的平民方案
如何用普通设备实现海量数据的毫秒级查询？文章分享了在 ThinkPad 上构建 Redis 系统的完整方案，详细解析了数据分片、查询优化和资源调配等关键技术，还提供了针对高效查询的实际案例。轻量化实现，高性能表现，为开发者提供了实用的参考思路，值得深入学习！
无图
1
喜欢
cr
crossoverjie.top
/
2024-11-23 21:44
StarRocks 物化视图刷新流程和原理
物化视图通过预计算显著提升查询性能，其刷新方式分为全量刷新和增量刷新。全量刷新适合一致性要求高的场景，增量刷新则高效应对数据变更。StarRocks独特的分布式引擎和自动优化策略，让数据处理更高效。你更倾向用哪种刷新方式？
无图
1
喜欢
bl
blog.devtang.com
/
2024-11-02 16:25
第一性原理思考：解决问题的通用框架(续)
本文深入探讨了几种思维框架，包括28原理、谬误推导和终局思维等，帮助在决策中聚焦关键因素，判断信息真伪。文章还列举了常见误区，如误把相关性当因果、从众心理和情绪化决策等，提醒在信息泛滥中保持清晰的逻辑思维。通过案例分析，这些思维模式能有效提升问题解决和决策的效率。
无图
1
喜欢
bl
blog.devtang.com
/
2024-11-02 16:20
第一性原理思考：解决问题的通用框架
本文介绍了解决问题的通用框架，基于“第一性原理”思考，分为信息收集、建模、判断和策略迭代四步。通过广泛收集经验与原始数据，建立问题模型，量化核心指标并不断优化策略，可以逐步解决复杂问题。框架虽无法保证执行到位，但帮助接近真实问题，为复杂决策提供可靠支持。
无图
1
喜欢
le
www.leavesongs.com
/
2024-09-09 23:39
如何巧妙构建“LDAPS”服务器利用JNDI注入
如何利用 LDAPS 和 JNDI 注入？本文详细讲解了构建恶意 LDAPS 服务器并利用 Java JNDI 漏洞的过程，还介绍了如何通过 TLS 代理和工具组合来实现漏洞利用。如果你对安全测试或漏洞利用感兴趣，这篇文章提供了全面的实战指南！
无图
1
喜欢
co
colobu.com
/
2024-08-06 07:53
使用Rust捕获和解析网络包
这篇文章介绍了如何使用Rust编程语言捕获和解析网络包，以提取TCP时间戳并计算网络延迟。作者利用pcap库捕获网络包，并使用pdu库解析TCP选项中的时间戳信息，结合哈希映射存储五元组信息以计算往返时间。文中提供了代码示例，展示了在Mac系统上实现这一过程的步骤。
无图
1
喜欢
te
tech.meituan.com
/
2024-08-06 07:50
基于多模态信息抽取的菜品知识图谱构建
菜品作为到店餐饮各相关业务的基石，提供了更细粒度的视角理解餐饮供给，为到餐精细化运营提供了抓手。美团到店研发平台/数据智能平台部与天津大学刘安安教授团队展开了“基于多模态信息抽取的菜品知识图谱构建”的科研合作，利用多模态检索实现图文食材的识别，扩展了多模态菜品食材识别的范围，提升了食材识别的准确性。
无图