kafka分布式集群的操作

3.1客户端命令行

3.1.1 kafka-topic.sh

1，shell脚本的作用：Create：新建主题delete：删除主题describe：查看主题的详情change a topic：更新主题2，关键参数：
--alter 修改主题
--create Create a new topic（创建主题）.
--delete Delete a topic（删除主题）
--describe  List details for the given topics（显示出给定主题的详情）.
--list List all available topics（罗列出kafka分布式集群中所有有效的主题名）.
--partitions 创建或是修改主题时通过该参数指定分区数。
--replication-factor 创建修改主题时通过该参数指定分区的副本数。
--topic 指定主题名
--zookeeper：用来指定zookeeper分布式集群

新建主题

需求1：新建名为hadoop的主题，要求分区数1，副本数1
需求2：新建名为spark的主题，要求分区数2，副本数3
需求3：新建名为flink的主题，要求分区数3，副本数3实操效果：
[root@NODE02 ~]# kafka-topics.sh --create --topic hadoop --zookeeper node01:2181 --partitions 1 --replication-factor 1
Created topic "hadoop".
[root@NODE02 ~]# kafka-topics.sh --create --topic spark --zookeeper node01:2181,node02:2181,node03:2181 --partitions 2 --replication-factor 3
Created topic "spark".
[root@NODE02 ~]# kafka-topics.sh --create --topic flink --zookeeper node01:2181,node02:2181,node03:2181 --partitions 3 --replication-factor 3
Created topic "flink".注意点：
[root@NODE02 ~]# kafka-topics.sh --create --topic storm --zookeeper node01:2181,node02:2181,node03:2181 --partitions 3 --replication-factor 4
Error while executing topic command : Replication factor: 4 larger than available brokers: 3.原因：副本一般是跨节点存储的。从安全性的角度考虑，不允许在一台节点上存在相同的副本（若是可以的话，硬盘要是破坏了，多个相同副本中的数据都会丢失，不安全！！）。

查询主题

方式1：--list参数，查看当前kafka分布式集群中存在的有效的主题名
方式2：--describe参数，查看当前kafka分布式集群中存在的有效的主题的详情（主题名，分区数，副本的分布，分区的角色→leader,follower,同一时刻，只有leader角色的分区才能接收读写操作）实操效果：
[root@NODE02 ~]# kafka-topics.sh --zookeeper node01:2181 --list
flink
hadoop
spark
[root@NODE02 ~]# kafka-topics.sh --zookeeper node01:2181 --describe
Topic:flink     PartitionCount:3        ReplicationFactor:3     Configs:Topic: flink    Partition: 0    Leader: 101     Replicas: 101,102,103   Isr: 101,102,103Topic: flink    Partition: 1    Leader: 102     Replicas: 102,103,101   Isr: 102,103,101Topic: flink    Partition: 2    Leader: 103     Replicas: 103,101,102   Isr: 103,101,102
Topic:hadoop    PartitionCount:1        ReplicationFactor:1     Configs:Topic: hadoop   Partition: 0    Leader: 102     Replicas: 102   Isr: 102
Topic:spark     PartitionCount:2        ReplicationFactor:3     Configs:Topic: spark    Partition: 0    Leader: 101     Replicas: 101,102,103   Isr: 101,102,103Topic: spark    Partition: 1    Leader: 102     Replicas: 102,103,101   Isr: 102,103,101PartitionCount：topic对应的partition的个数
ReplicationFactor：topic对应的副本因子，说白就是副本个数(包含自己，与hdfs上的副本数相同)
Partition：partition编号，从0开始递增
Leader：当前partition起作用的breaker.id
Replicas: 当前副本数据所在的breaker.id，是一个列表
Isr：当前kakfa集群中可用的breaker.id列表    

修改主题

1，不能修改副本因子，否则报错，实操效果如下：
[root@NODE02 ~]# kafka-topics.sh --alter  --zookeeper node02:2181   --topic hadoop --replication-factor 2
Option "[replication-factor]" can't be used with option"[alter]"2，可以修改分区数，实操效果如下：
[root@NODE02 ~]# kafka-topics.sh --alter  --zookeeper node02:2181   --topic hadoop --partitions 2
WARNING: If partitions are increased for a topic that has a key, the partition logic or ordering of the messages will be affected
Adding partitions succeeded!
[root@NODE02 ~]# kafka-topics.sh   --zookeeper node02:2181   --topic hadoop --describe
Topic:hadoop    PartitionCount:2        ReplicationFactor:1     Configs:Topic: hadoop   Partition: 0    Leader: 102     Replicas: 102   Isr: 102Topic: hadoop   Partition: 1    Leader: 103     Replicas: 103   Isr: 103注意：
①只能增加分区数，不能减少分区数。实操效果如下：
[root@NODE02 ~]# kafka-topics.sh --alter  --zookeeper node02:2181   --topic hadoop --partitions 1
WARNING: If partitions are increased for a topic that has a key, the partition logic or ordering of the messages will be affected
Error while executing topic command : The number of partitions for a topic can only be increased. Topic hadoop currently has 2 partitions, 1 would not be an increase.
[2019-11-12 11:29:04,668] ERROR org.apache.kafka.common.errors.InvalidPartitionsException: The number of partitions for a topic can only be increased. Topic hadoop currently has 2 partitions, 1 would not be an increase.(kafka.admin.TopicCommand$)②主题名不能修改，修改主题时，主题名是作为修改的条件存在的。

删除主题

删除名为hadoop的主题，实操效果如下：
[root@NODE02 flink-0]# kafka-topics.sh --list --zookeeper node01:2181
flink
hadoop
spark
[root@NODE02 flink-0]# kafka-topics.sh --delete --topic hadoop --zookeeper node03:2181
Topic hadoop is marked for deletion.
Note: This will have no impact if delete.topic.enable is not set to true.
[root@NODE02 flink-0]# cd ..
[root@NODE02 kafka-logs]# kafka-topics.sh --list --zookeeper node01:2181
flink
spark
[root@NODE02 kafka-logs]# ll
total 20
-rw-r--r-- 1 root root   4 Nov 12 11:34 cleaner-offset-checkpoint
drwxr-xr-x 2 root root 141 Nov 12 10:51 flink-0
drwxr-xr-x 2 root root 141 Nov 12 10:51 flink-1
drwxr-xr-x 2 root root 141 Nov 12 10:51 flink-2
-rw-r--r-- 1 root root   4 Nov 12 11:34 log-start-offset-checkpoint
-rw-r--r-- 1 root root  56 Nov 12 10:29 meta.properties
-rw-r--r-- 1 root root  54 Nov 12 11:34 recovery-point-offset-checkpoint
-rw-r--r-- 1 root root  54 Nov 12 11:35 replication-offset-checkpoint
drwxr-xr-x 2 root root 141 Nov 12 10:51 spark-0
drwxr-xr-x 2 root root 141 Nov 12 10:51 spark-1注意：①针对于kafka的版本kafka-1.0.2，在server.properties资源文件中，参数delete.topic.enable默认值是true。就是物理删除。（低版本的kafka，如：0.10.0.1，确实是逻辑删除）②通过zookeeper进行确认，并且删除了元数据信息。
[zk: node03(CONNECTED) 11] ls /brokers/topics
[flink, spark]

3.1.2、关于消息的发布和订阅

kafka-console-producer.sh消息的生产

参数说明

kafka-console-producer.sh --broker-list  MyDis:9092 --topic hadoop参数说明如下：
--broker-list <String: broker-list>      REQUIRED: The broker list string in    the form HOST1:PORT1,HOST2:PORT2. 用来标识kafka分布式集群中的kafka服务器列表--topic <String: topic>                  REQUIRED: The topic id to produce      messages to.  指定主题名（消息属于哪个主题的）其余的参数使用默认值即可。说明：
①上述的shell脚本后，会进入到阻塞状态，启动一个名为ConsoleProducer的进程
②在控制台录入消息，一行就是一条消息，回车后，送往kafka分布式集群中的MQ(message queue)存储起来。

kafka-console-consumer->消息的订阅

kafka-console-consumer.sh --bootstrap-server MyDis:9092 --topic hadoop --from-beginning参数名：
--blacklist <String: blacklist>          Blacklist of topics to exclude from    consumption. 用来指定黑名单。使用该参数的时机：对绝大多数的主题感兴趣，对极少数主题不感兴趣。此时，可以将这些不感兴趣的主题名置于黑名单列表中。
--whitelist <String: whitelist>          Whitelist of topics to include for     consumption. 用来指定白名单列表。 使用该参数的时机：对极少数主题感兴趣，对绝大多数的主题不感兴趣。可以将感兴趣的主题置于到白名单列表中。--zookeeper <String: urls>               REQUIRED (only when using old          consumer): The connection string for the zookeeper connection in the form host:port.针对于旧的kafka版本，消费的偏移量通过zookeeper来进行维护的。偏移量：记录的是订阅消息的进度，就是消息数。--bootstrap-server <String: server to    REQUIRED (unless old consumer is       connect to>                              used): The server to connect to.针对于新版本的kafka，消费的偏移量的维护是通过kafka分布式集群自身的一个名为__consumer_offsets主题来维护来维护的。--from-beginning                         If the consumer does not already have  an established offset to consume     from, start with the earliest        message present in the log rather    than the latest message. 从头开始消费。否则，不带该参数，只会订阅新产生的消息（前提：订阅方要提前启动。）。说明：
①上述的shell脚本后，会进入到阻塞状态，启动一个名为ConsoleConsumer的进程
②会读取特定主题相应分区中存储的消息。a)若是带了参数--from-beginning ，读取该主题所有分区中的数据b)若是不带参数--from-beginning，当前的订阅方接收不到历史的消息，只能接收到该进程启动后，新产生的消息。
③若是带--zookeeper参数，消费的offset(偏移量)，该偏移量通过zookeeer进行维护。如：[zk: node03(CONNECTED) 44] get /consumers/console-consumer-37260/offsets/spark/1
2
cZxid = 0x10b0000020e
ctime = Tue Nov 12 14:16:03 CST 2019
mZxid = 0x10b0000020e
mtime = Tue Nov 12 14:16:03 CST 2019
pZxid = 0x10b0000020e
cversion = 0
dataVersion = 0
aclVersion = 0
ephemeralOwner = 0x0
dataLength = 1
numChildren = 0
④针对于消费offset的维护，高版本的kafka中，若是使用zookeeper来维护，有警告：
[root@NODE03 kafka-logs]# kafka-console-consumer.sh --topic spark  --zookeeper node01:2181
Using the ConsoleConsumer with old consumer is deprecated and will be removed in a future major release. Consider using the new consumer by passing [bootstrap-server] instead of [zookeeper].
how do you do?
⑤针对于消费offset的维护，高版本的kafka中，建议kafka分布式集群来维护，会自动创建一个名为__consumer_offsets的主题，该主题默认有50个分区，每个分区默认有一个副本（可以在server.properties文件中手动进行定制）：
[root@NODE03 ~]# kafka-topics.sh --describe --topic __consumer_offsets --zookeeper node01:2181
Topic:__consumer_offsets        PartitionCount:50       ReplicationFactor:1     Configs:segment.bytes=104857600,cleanup.policy=compact,compression.type=producerTopic: __consumer_offsets       Partition: 0    Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 1    Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 2    Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 3    Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 4    Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 5    Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 6    Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 7    Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 8    Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 9    Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 10   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 11   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 12   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 13   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 14   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 15   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 16   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 17   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 18   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 19   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 20   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 21   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 22   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 23   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 24   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 25   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 26   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 27   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 28   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 29   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 30   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 31   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 32   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 33   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 34   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 35   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 36   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 37   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 38   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 39   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 40   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 41   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 42   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 43   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 44   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 45   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 46   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 47   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 48   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 49   Leader: 103     Replicas: 103   Isr: 103
⑥关于偏移量的维护：a)真实项目中一般需要手动进行维护，达到的效果是：偏移量被某个同类型的进程所独享。b)偏移量的维护，可选的方案很多：zookeeperredis  →使用得较多hbaserdbms(mysql,oracle等等)⑦白名单：
情形1：通过kafka维护偏移量：
[root@NODE02 bin]# kafka-console-consumer.sh --whitelist 'storm|spark'  --bootstrap-server node02:9092,node01:9092,node03:9092 --from-beginning
呵呵 大大
storm storm
ok ok ok
最近可好？
how do you do?
hehe da da
今天参加了天猫双十一晚会，很happy!
are you ok?
storm 哦
hehe
are you ok?
好不好啊？
yes, I do.
和 呵呵哒
新的一天哦
hehe da da情形2：通过zookeeper维护偏移量 （高版本不推荐了）
[root@NODE02 bin]# kafka-console-consumer.sh --whitelist storm,spark  --zookeeper node01:2181  --from-beginningUsing the ConsoleConsumer with old consumer is deprecated and will be removed in a future major release. Consider using the new consumer by passing [bootstrap-server] instead of [zookeeper].
are you ok?
好不好啊？
yes, I do.
和 呵呵哒
新的一天哦
hehe da da
ok ok ok
呵呵 大大
storm storm
最近可好？
how do you do?
hehe da da
今天参加了天猫双十一晚会，很happy!
are you ok?
storm 哦
hehe⑧黑名单：
情形1：通过kafka维护偏移量：
[root@NODE02 bin]# kafka-console-consumer.sh --blacklist storm  --bootstrap-server node02:9092,node01:9092,node03:9092 --from-beginning
Exactly one of whitelist/topic is required.
注意：上述的方式，参数“--blacklist”不能单独使用，需要与--whitelist参数或者是--topic参数结合在一起使用。若是一起使用，显得累赘。一般不要带--blacklist。情形2：通过zookeeper维护偏移量 （不推荐使用）
[root@NODE02 bin]# kafka-console-consumer.sh --blacklist storm,spark  --zookeeper node01:2181 --from-beginning
Using the ConsoleConsumer with old consumer is deprecated and will be removed in a future major release. Consider using the new consumer by passing [bootstrap-server] instead of [zookeeper].
flink 哦

关于偏移量的维护:
此时还没涉及到kafka组的概念，即所有的消费者属于一个默认的组，如果在实际使用中，有多个消费者对一个主题进行消费，测试时，可以看到，如果消费者同步存在，那么数据会同时被多个消费组收到，但是消费者不同时消费，就可能存在 数据（1-20） 消费者（1）拉取 3-5，此时偏移量已经到了5，其他消费者只能从头或者从5开始，那么就少拉去一部分数据。解决方案 ，自己维护自己的偏移量项目中需要手动进行维护,达到效果是:偏移量被某个同类型的进程所独享
偏移量的维护,可选的方案很多
redis:使用的较多
zookeeper
hbase
mysql

白名单黑名单问题

白名单正常使用,黑名单必须和白名单或者topic一起使用（虽然zookeeper可以单独使用黑名单。但是高版本不推荐，只考虑集群维护的情况）

(问题:黑名单是不是没用?,实验topic可不可以和多个topic一起使用)

1 kafka-console-producer.sh --broker-list  MyDis:9092 --topic 'hadoop|spark'WARN [Producer clientId=console-producer] Error while fetching metadata with correlation id 15 : {hadoop|spark=INVALID_TOPIC_EXCEPTION} (org.apache.kafka.clients.NetworkClient)
2 kafka-console-producer.sh --broker-list  MyDis:9092 --topic hadoop,sparkWARN [Producer clientId=console-producer] Error while fetching metadata with correlation id 22 : {hadoop,spark=INVALID_TOPIC_EXCEPTION} (org.apache.kafka.clients.NetworkClient)3 kafka-console-consumer.sh --bootstrap-server MyDis:9092 --topic 'spark|hadoop' --from-beginningWARN [Consumer clientId=consumer-1, groupId=console-consumer-81455] The following subscribed topics are not assigned to any members: [spark|hadoop]  (org.apache.kafka.clients.consumer.internals.ConsumerCoordinator)4  kafka-console-consumer.sh --bootstrap-server MyDis:9092 --topic spark,hadoop --from-beginningWARN [Consumer clientId=consumer-1, groupId=console-consumer-60372] The following subscribed topics are not assigned to any members: [spark,hadoop]  (org.apache.kafka.clients.consumer.internals.ConsumerCoordinator)5  kafka-console-consumer.sh --bootstrap-server MyDis:9092 --topic spark --topic hadoop --blacklist spark --from-beginning
Exception in thread "main" joptsimple.MultipleArgumentsForOptionException: Found multiple arguments for option topic, but you asked for only oneat joptsimple.OptionSet.valueOf(OptionSet.java:179)at kafka.tools.ConsoleConsumer$ConsumerConfig.<init>(ConsoleConsumer.scala:404)at kafka.tools.ConsoleConsumer$.main(ConsoleConsumer.scala:52)at kafka.tools.ConsoleConsumer.main(ConsoleConsumer.scala)首先，明显在--topic 后面，是将hadoop|spark 或者 hadoop,spark当成一个整体主题，所以报警。

白名单和黑名单一起使用时,黑名单是否对白名单过滤?(结果白名单比黑名单的范围大)

1 kafka-console-consumer.sh --bootstrap-server MyDis:9092 --whitelist '.*' --blacklist spark --from-beginning
res:spark spark
未过滤：(结果白名单比黑名单的范围大)

官网解释：

Sometimes it is easier to say what it is that you don't want. Instead of using --whitelist to say what you want to mirror you can use --blacklist to say what to exclude. This also takes a regular expression argument. However, --blacklist is not supported when the new consumer has been enabled (i.e. when bootstrap.servers has been defined in the consumer configuration).

kafka分布式集群的操作相关推荐

1. Kafka分布式集群部署

   目标: 实现Kafka分布式集群的搭建部署 路径: step1:选择版本 step2:下载解压安装 step:3:修改配置文件 实施: step1:版本的选型 0.8.x:老的版本,很多的问题 0.1 ...

2. 新闻网大数据实时分析可视化系统项目——7、Kafka分布式集群部署

   Kafka是由LinkedIn开发的一个分布式的消息系统,使用Scala编写,它以可水平扩展和高吞吐率而被广泛使用.目前越来越多的开源分布式处理系统如Cloudera.Apache Storm.Spa ...

3. kafka分布式集群 SASL_PLAINTEXT 模式的加密部署

   大家好,我是Linux运维工程师 Linke .技术过硬,很少挖坑~ 此刻时间紧迫,来不及扯淡了,直接进入正题. 一.kafka依赖于 zookeeper 的选举机制 二.分布式工作原理 日志的分区p ...

4. kafka Linux 下启动服务 测试,Linux下安装部署Kafka分布式集群与测试

   注意:部署Kafka之前先部署环境Java.Zookeeper 准备三台CentOS_6.5_x64服务器,分别是: IP: 192.168.0.249dbTest249 Kafka IP: 192. ...

5. Linux下部署Kafka分布式集群，安装与测试

   注意:部署Kafka之前先部署环境JAVA.Zookeeper 准备三台CentOS_6.5_x64服务器,分别是:IP: 192.168.0.249 dbTest249 Kafka IP: 192. ...

6. Kafka系列之：详细介绍部署Kafka Connect分布式集群

   Kafka系列之:详细介绍部署Kafka Connect分布式集群 一.部署分布式Kafka集群详细步骤 二.Kafka Worker节点安装部署Kafka 三.修改connect-distribut ...

7. php哈希取模,PHP取模hash和一致性hash操作Memcached分布式集群

   本篇笔记记录了PHP使用Memcached扩展,采用取模hash和一致性hash算法操作Memcached分布式集群的实现对比 1.开启4个Memcached服务模拟集群 2.取模hash算法 php ...

8. 大数据开发技术课程报告（搭建Hadoop完全分布式集群操作集群）

   文章目录 大数据开发技术课程报告内容及要求 一. 项目简介和实验环境 二. 虚拟机的各项准备工作 三. 安装JDK并配置环境变量 四. 安装Hadoop并配置环境变量 五. 配置Hadoop完全分布式 ...

9. Hadoop分布式集群搭建以及案例运行-fs操作

   Hadoop分布式集群搭建案例步骤(也可以叫分布式文件系统) 一:创建分布式集群环境 二:设置静态ip以及主机名与映射关系 三:创建用户.配置SSH无密登录 四:子机dn操作 五:配置主机jdk.ha ...

10. Zookeeper之Linux分布式集群搭建及客户端shell命令操作

    一.准备至少三台Linux服务器及对应的jdk环境 1.服务器及jdk环境准备 服务器:至少三台Linux服务器 JDK环境:三台Linux服务器上都需要安装好jdk环境(jdk环境安装参考我的博客: ...

最新文章

1. UI培训教程分享：UI设计的分类有哪些?
2. SyntaxError: (unicode error) ‘unicodeescape‘ codec can‘t decode bytes in positio n 131-135: truncate
3. spring-cloud:熔断监控Hystrix Dashboard和Turbine的示例
4. [笔记] 分频计数(七)
5. 湖南人文科技学院没有计算机一级能毕业吗,在湖南人文科技学院读书真的是生不如死...
6. PHP保留小数三种方法
7. 3.1.1_Spring如何加载和解析@Configuration标签
8. Idea单测执行报错“Command line is too long“ 解决办法
9. golang——strconv包常用函数
10. Java提高篇——equals()方法和“==”运算符
11. opencv之解决对加载图片大小限制的问题
12. 对话框的数据交换--MFC深入浅出
13. Visual Attention Network
14. C语言-1024小游戏
15. Typora+picgo+gitee图片外链失效,Typora历史笔记无法显示图片
16. Arduino 学习思考与记录
17. python自动汇总表格_用Python自动生成Excel报表
18. java面试题2021
19. Feedback Control of Dynamic Systems 7th
20. 财路网每日原创推送：现在是时候让汽车高管们开始使用区块链了

热门文章

1. Oracle LiveLabs实验：Application Continuity Fundamentals
2. 【网络安全】前端程序员务必掌握的图片防盗链
3. 【CTA系列】Kelly公式在最优f问题上的应用
4. 关于在SW中怎么放样凸台基体
5. AI语音红外遥控配网教程
6. 不积跬步无以至千里（C语言笔记）
7. 关于Cookie和Session
8. .NET 中的 GAC
9. Linux 人大金仓安装部署记录
10. stata01 - stata基础