[Dubbo]-快速入门

Dubbo概念

Dubbo概念

  1. Dubbo是阿里巴巴公司开源的一个高性能、轻量级的Java RPC框架
  2. 致力于提供高性能和透明化的 RPC远程服务调用方案,以及SOA服务治理方案
  3. 官网:http://dubbo.apache.org

Dubbo架构

过程说明:

  1. 服务启动后, 服务就会注册到注册中心 (start -> register)
  2. 调用者可以通过服务中心发现服务, 获取调用信息 (subscribe/notify)
  3. 调用者通过调用信息可以远程调用服务 (invoke)
  4. 通过服务监控, 可以管理服务调用的情况 (count)

节点角色说明:

  1. Provider: 暴露服务的服务提供方
  2. Contajner: 服务运行容器
  3. Consumer: 调用远程服务的服务消费方
  4. Registry: 服务注册与发现的注册中心
  5. Monitor: 统计服务的调用次数和调用时间的监控中心

Zookeeper安装

官网推荐使用 Zookeeper 注册中心

  1. 参考资料安装Zookeeper

  1. 启动Zookeeper注册中心

Dobbo入门

创建工程环境

实现步骤:

  1. 创建服务提供者Provider模块
  2. 创建服务消费者Consumer模块
  3. 在服务提供者模块编写 UserServicelmpl提供服务
  4. 在服务消费者中的 UserController远程调用UserServicelmpl提供的服务
  5. 分别启动两个服务,测试

创建工程环境

这是使用Spinrg整合SpringMVC的传统工程

  1. 创建空工程

  1. 创建maven模块作为独立服务 (server和web)

  1. 编写UserServicelmpl作为生产者, 编写UserController作为消费者

  1. 因为web依赖service, 所以要安装service, 然后启动服务测试工程

工程分析

如上, 我们完成一个基本的spring整合springMvc的工程,

web模块依赖server模块, web模块可以独立启动对外服务, 但是server模块只是一个jar项目, 不能独立启动,

所以现在该工程还是一个单体工程, 只是用maven拆分了模块而已

项目改造

改造服务生产者

  1. 把消费者由jar项目改成war项目, 以独立启动

  1. 引入Dubbo依赖

  1. 配置Dubbo服务

  1. 注册Dubbo服务

  1. 启动服务

改造服务消费者

  1. 依赖注入就不是本地注入了, 而是远程注入

  1. 配置Dubbo

  1. 启动服务测试

  1. 解决报错: 原因是qou远程监控组件会默认启动, 所以生产者和消费者两个服务启动, 该组件端口就冲突了, 改一下就行

项目优化

把接口抽取为独立模块, 减少重复的接口定义, 避免因为接口定义匹配不上造成服务调用失败

  1. 抽取接口

  1. 生产者和消费者都添加该依赖

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:http://www.mzph.cn/news/1149537.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

小参数高精度翻译新标杆|HY-MT1.5-1.8B模型镜像应用揭秘

小参数高精度翻译新标杆|HY-MT1.5-1.8B模型镜像应用揭秘 在多语言交流日益频繁的今天,实时、精准且可私有化部署的翻译能力已成为企业全球化服务的关键支撑。腾讯混元团队推出的 HY-MT1.5-1.8B 翻译模型,以仅18亿参数实现了接近70亿大模型的…

【震惊】7款GitHub爆火RAG框架大比拼,小白程序员也能秒变AI大神!手把手教你玩转大模型开发!

在过去几年中,检索增强生成 (RAG) 的生态系统已经蓬勃发展。互联网上出现了越来越多旨在帮助开发者构建 RAG 应用的开源项目。这也是情理之中的事,因为 RAG 是一种用外部知识源来增强大型语言模型 (LLMs) 的有效方法。 RAG****管道 (pipelines) 的运作方…

AI分类器在电商的应用:云端GPU实战,3步实现自动打标

AI分类器在电商的应用:云端GPU实战,3步实现自动打标 引言:为什么电商需要AI自动打标? 作为淘宝店主,你是否每天花费数小时手动给商品分类打标?服装要分男女款、季节、风格;电子产品要分品牌、…

AI万能分类器极限测试:100万数据5小时处理完

AI万能分类器极限测试:100万数据5小时处理完 引言 当你的团队需要处理海量文本分类任务时,是否遇到过这样的困境:本地机器跑不动,临时采购硬件又太慢,云服务配置起来太复杂?今天我要分享的正是解决这些痛…

AI万能分类器行业方案:零售/医疗/金融场景定制

AI万能分类器行业方案:零售/医疗/金融场景定制 引言 想象一下,你是一家连锁超市的运营总监,每天需要处理数百万条商品评论;或者是一家医院的IT负责人,需要快速分类海量医疗影像;又或者是银行的风控专员&a…

支持人名地名机构名识别|RaNER模型镜像一键部署

支持人名地名机构名识别|RaNER模型镜像一键部署 1. 背景与需求:中文命名实体识别的现实挑战 在当今信息爆炸的时代,非结构化文本数据(如新闻报道、社交媒体内容、政府公文、企业文档)占据了数据总量的80%以上。如何从…

Open WebUI出现高危漏洞,免费模型或成企业后门

安全研究人员发现Open WebUI存在一个高危漏洞,该平台是一个自托管的大语言模型企业界面。这个漏洞编号为CVE-2025-64496,允许通过直连功能连接的外部模型服务器注入恶意代码并劫持AI工作负载。漏洞产生的原因该漏洞源于对服务器发送事件(SSE&…

腾讯混元翻译模型HY-MT1.5镜像快速上手指南

腾讯混元翻译模型HY-MT1.5镜像快速上手指南 1. 引言:为什么选择HY-MT1.5翻译模型? 随着全球化进程加速,高质量、低延迟的机器翻译需求日益增长。传统云翻译服务虽性能强大,但存在隐私泄露、网络依赖和响应延迟等问题&#xff0c…

从零开始使用PDF-Extract-Kit镜像,轻松提取公式与表格

从零开始使用PDF-Extract-Kit镜像,轻松提取公式与表格 引言 在学术研究和工程实践中,处理PDF文档中的公式和表格是一项常见且繁琐的任务。传统的手动提取方式不仅耗时费力,还容易出错。为了解决这一痛点,我们引入了PDF-Extract-K…

AI万能分类器进阶:云端分布式训练全指南

AI万能分类器进阶:云端分布式训练全指南 1. 为什么需要分布式训练? 研究生做AI课题时最常遇到的困境:实验数据量暴涨后,原本单卡训练需要两周时间,但论文截稿日期就在眼前。实验室GPU配额有限,导师的经费…

支持33种语言+方言的翻译利器|HY-MT1.5模型镜像深度解读

支持33种语言方言的翻译利器|HY-MT1.5模型镜像深度解读 在多语言交流日益频繁的今天,高质量、低延迟的翻译服务已成为全球化协作的核心基础设施。腾讯混元团队推出的 HY-MT1.5 系列翻译大模型,凭借对 33 种主流语言及 5 种民族语言与方言的支…

基于下垂虚拟同步机的三电平双机离网并联仿真模型:功率均分、环流小、动态特性好的C语言编写算法...

基于下垂虚拟同步机,三电平双机离网并联仿真模型。 整个算法完全C语言编写,可提供所有资料以及相关资料 产品性能好,功率均分,环流小,动态特性好。 可适用于储能逆变器,UPS产品在储能逆变器和UPS系统的开发…

没N卡也能训练分类器?云端方案实测报告

没N卡也能训练分类器?云端方案实测报告 引言:当AMD遇上AI训练 作为一名硬件爱好者,我一直坚持使用AMD显卡。但在尝试运行主流AI框架时,发现性能只有NVIDIA显卡的30%左右。经过调研,发现这是因为大多数AI框架&#xf…

从“查资料“到“有灵魂“:RAG到CAG的AI进化论,让大模型不再“一本正经地胡说八道“[特殊字符]

大型语言模型 (LLM) 无疑是当今科技领域最耀眼的明星。它们强大的自然语言处理和内容生成能力,正在重塑从搜索到创意工作的几乎所有行业。然而,如同希腊神话中的阿喀琉斯,这些强大的模型也有其“阿喀琉斯之踵”——它们固有的两大缺陷&#x…

AI分类数据增强:万能分类器+GAN联动实战教程

AI分类数据增强:万能分类器GAN联动实战教程 引言 在AI模型训练中,数据就像燃料一样重要。但现实中我们常常遇到数据不足、样本不均衡的问题,就像厨师想做满汉全席却发现食材种类太少。这时候数据增强技术就能派上大用场,它能让有…

Meta宣布签署多项核电协议为AI数据中心供电

Meta宣布签署三项新的核电采购协议,将为其AI基础设施以及正在俄亥俄州建设的1千兆瓦数据中心Prometheus超级集群供电。这家社交媒体巨头正与电力公司Vistra、TerraPower和Oklo合作,预计到2035年为其项目提供6.6千兆瓦的发电量。Meta与TerraPower的协议将…

运算表达式求值(递归下降分析法)

author: hjjdebug date: 2026年 01月 12日 星期一 15:12:49 CST descrip: 运算表达式求值(递归下降分析法)运算是简单的,但分析是复杂的,需要应对各种用户的输入,并给出结果或错误提示! 怎么应对用户的灵活输入, 那就是3个分析函数. 并且是递归下降的. 所谓下降,就是一个…

上下文图谱(Context Graphs):从0到1构建AI时代的决策系统,程序员必看收藏

下文图谱(Context Graphs):从0到1构建AI时代的决策系统,程序员必看收藏 上下文图谱是AI时代的下一个万亿美元机遇。它将智能体执行时的决策痕迹(为什么这么做)捕获下来,形成可搜索的图谱,成为企业新的&quo…

万能分类器+云端GPU:个人开发者的性价比之选

万能分类器云端GPU:个人开发者的性价比之选 作为一名独立开发者,接外包项目时经常遇到客户需要AI功能的需求。但自己购买高端显卡不仅成本高,回本周期还长。本文将介绍如何利用云端GPU资源和万能分类器技术,以最低成本实现AI功能…

中文实体识别新利器|AI 智能实体侦测服务镜像上线

中文实体识别新利器|AI 智能实体侦测服务镜像上线 随着自然语言处理(NLP)技术的不断演进,命名实体识别(Named Entity Recognition, NER)作为信息抽取的核心任务之一,在智能客服、知识图谱构建、…