一文读懂Zookeeper与Kafka：从原理到实战部署 - 实践

news/2025/9/25 22:56:58/文章来源:https://www.cnblogs.com/yfceshi/p/19112268

一文读懂Zookeeper与Kafka：从原理到实战部署

文章目录


在分布式系统的世界里，协调服务与消息队列是保障系统高效、稳定运行的关键组件。Zookeeper作为强大的分布式协调工具，为集群提供了一致性保障；Kafka则凭借高吞吐量的特性，成为大数据实时处理场景中的核心消息中间件。今天，我们就从基础原理出发，一步步深入了解这两个工具，并完成从集群部署到实际应用的全流程实践。

一、Zookeeper：分布式系统的“协调者”

1.1 什么是Zookeeper？

Zookeeper本质是一个分布式协调服务，专门为分布式应用解决协调同步、配置管理、故障恢复等核心问题。它通过类似文件系统的层次化命名空间存储元数据，确保多个节点间的数据一致性，简化分布式系统的管理复杂度。简单来说，Zookeeper就像分布式集群的“指挥官”，让各个节点有序协作，避免混乱。

1.2 核心工作机制：文件系统+通知机制

从设计模式看，Zookeeper基于观察者模式构建，核心可概括为“文件系统+通知机制”：

  • 文件系统：以ZNode为基本数据单元，形成树状结构（类似Linux文件系统），每个ZNode可存储少量数据（默认1MB），并通过唯一路径标识。
  • 通知机制：客户端注册监听ZNode，当ZNode数据或状态变化时，Zookeeper会立即通知所有监听的客户端，触发客户端后续操作（如重新获取配置、更新节点列表）。

举个实际场景：当分布式集群中某台服务器下线时，它在Zookeeper中对应的临时ZNode会自动删除，监听该ZNode的客户端会实时收到通知，从而更新在线服务器列表，保证服务不中断。

1.3 ZNode数据结构：三种核心节点类型

ZNode根据特性可分为三类，不同类型对应不同的应用场景：

1.4 关键应用场景

Zookeeper的功能覆盖了分布式系统的多个核心需求，常见场景包括：

  • 统一命名服务：类似DNS，将难记的IP地址映射为易识别的“域名”，方便服务调用（如用/service/user代替192.168.10.18:8080）。
  • 统一配置管理：将集群所有节点的配置信息存入一个ZNode，节点监听该ZNode。当配置修改时，Zookeeper自动同步到所有节点，避免手动逐个修改（如Kafka集群的配置同步）。
  • 服务器动态上下线：服务器启动时在Zookeeper创建临时ZNode，下线时节点自动删除，客户端通过监听实时获取在线服务器列表。
  • 软负载均衡：记录每台服务器的访问量，让访问量最少的服务器处理新请求，均衡集群压力。

1.5 选举机制：确保集群有且仅有一个“领导者”

Zookeeper集群通过选举机制产生Leader节点（负责处理写请求、同步数据），其余节点为Follower（处理读请求、参与选举），选举分为“第一次启动”和“非第一次启动”两种场景。

第一次启动选举（以5台服务器为例）
  1. 服务器1启动：发起选举，投自己1票，因未达半数（3票），状态保持为“LOOKING”（寻找Leader）。
  2. 服务器2启动：再次发起选举，服务器1和2先投自己，后比较“myid”（服务器唯一标识），服务器1发现服务器2的myid更大，改投服务器2，此时共2票，仍未达半数，状态不变。
  3. 服务器3启动：发起选举，服务器1、2均改投myid更大的服务器3，共3票（超过半数），服务器3当选Leader，状态变为“LEADING”；1、2变为“FOLLOWING”（跟随者）。
  4. 服务器4、5启动：发现已存在Leader，直接变为Follower，无需重新选举。
非第一次启动选举（Leader故障后）

当Leader故障，集群进入重新选举，核心规则按优先级排序：

  1. Epoch优先：Epoch是Leader任期代号，Epoch大的节点直接胜出（确保任期连续性）。
  2. 事务ID（ZXID）优先：Epoch相同时，ZXID（记录节点状态变更的事务ID）大的胜出（ZXID越大，数据越新）。
  3. myid优先：ZXID相同时，myid大的胜出。

1.6 Zookeeper集群部署实战

环境准备

本次部署3台服务器，配置如下：

服务名称IP地址安装组件
zk01192.168.10.18Zookeeper 3.5.7、Kafka 2.7.1、JDK 1.8
zk02192.168.10.21Zookeeper 3.5.7、Kafka 2.7.1、JDK 1.8
zk03192.168.10.22Zookeeper 3.5.7、Kafka 2.7.1、JDK 1.8
部署步骤（以zk01为例，其他节点类似）
  1. 关闭防火墙与安装JDK
# 关闭防火墙并禁用开机启动
systemctl stop firewalld
systemctl disable firewalld
setenforce 0
# 安装JDK 1.8
yum install -y java-1.8.0-openjdk java-1.8.0-openjdk-devel
# 验证安装
java -version
  1. 下载并解压Zookeeper
# 进入安装目录
cd /opt
# 下载安装包（官方地址：https://archive.apache.org/dist/zookeeper/）
wget https://archive.apache.org/dist/zookeeper/zookeeper-3.5.7/apache-zookeeper-3.5.7-bin.tar.gz
# 解压并移动到指定目录
tar -zxvf apache-zookeeper-3.5.7-bin.tar.gz
mv apache-zookeeper-3.5.7-bin /usr/local/zookeeper-3.5.7
  1. 修改配置文件
# 进入配置目录，复制默认配置文件
cd /usr/local/zookeeper-3.5.7/conf/
cp zoo_sample.cfg zoo.cfg
# 编辑配置文件
vim zoo.cfg
# 核心配置（按实际环境修改）
tickTime=2000 # 心跳时间（毫秒）
initLimit=10 # Leader与Follower初始连接超时（10*2000ms）
syncLimit=5 # Leader与Follower同步超时（5*2000ms）
dataDir=/usr/local/zookeeper-3.5.7/data # 数据存储目录（需手动创建）
dataLogDir=/usr/local/zookeeper-3.5.7/logs # 日志目录（需手动创建）
clientPort=2181 # 客户端连接端口
# 添加集群节点信息（server.A=B:C:D，A为myid，B为IP，C为同步端口，D为选举端口）
server.1=192.168.10.18:3188:3288
server.2=192.168.10.21:3188:3288
server.3=192.168.10.22:3188:3288
  1. 配置myid与集群同步
# 在所有节点创建数据和日志目录
mkdir /usr/local/zookeeper-3.5.7/data
mkdir /usr/local/zookeeper-3.5.7/logs
# 按server.A配置myid（zk01写1，zk02写2，zk03写3）
echo 1 > /usr/local/zookeeper-3.5.7/data/myid
# 将配置文件同步到其他节点
scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.10.21:/usr/local/zookeeper-3.5.7/conf/
scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.10.22:/usr/local/zookeeper-3.5.7/conf/
  1. 启动与验证
# 创建启动脚本（方便管理）
vim /etc/init.d/zookeeper
#!/bin/bash
#chkconfig:2345 20 90
#description:Zookeeper Service Control Script
ZK_HOME='/usr/local/zookeeper-3.5.7'
case $1 in
start)
echo "---------- zookeeper 启动 ----------"
$ZK_HOME/bin/zkServer.sh start
;
;
stop)
echo "---------- zookeeper 停止 ----------"
$ZK_HOME/bin/zkServer.sh stop
;
;
restart)
echo "---------- zookeeper 重启 ----------"
$ZK_HOME/bin/zkServer.sh restart
;
;
status)
echo "---------- zookeeper 状态 ----------"
$ZK_HOME/bin/zkServer.sh status
;
;
*)
echo "Usage: $0 {start|stop|restart|status}"
esac
# 赋予脚本执行权限并设置开机自启
chmod +x /etc/init.d/zookeeper
chkconfig --add zookeeper
# 启动Zookeeper（所有节点执行）
service zookeeper start
# 验证状态（查看是否有Leader和Follower）
service zookeeper status

当某节点显示“Mode: leader”，其他节点显示“Mode: follower”时，Zookeeper集群部署成功！

二、Kafka：高吞吐量的消息队列“王者”

2.1 为什么需要Kafka？

在高并发场景中，同步请求容易导致系统阻塞（如大量请求同时访问数据库，引发“too many connection”错误）。而Kafka作为分布式消息队列，通过异步处理缓解系统压力，同时支持流量削峰、应用解耦、消息通讯等核心场景，成为大数据实时处理（如日志收集、实时计算）的首选工具。

对比其他MQ（ActiveMQ、RabbitMQ），Kafka的核心优势在于高吞吐量（每秒处理几十万条消息）和低延迟（最低几毫秒），尤其适合海量数据场景。

2.2 核心概念与架构

Kafka基于发布/订阅模式设计，核心架构包含以下组件：

  • Broker：单台Kafka服务器，一个集群由多个Broker组成，每个Broker可存储多个Topic数据。
  • Topic：消息的分类标识（类似数据库表），生产者向Topic发消息，消费者从Topic收消息。
  • Partition：Topic的物理分区，将Topic拆分到多个Broker，提升并发和扩展性。Kafka仅保证单个Partition内消息有序，多个Partition无序。
  • Replica：Partition的副本，用于数据备份（如副本数为2，意味着1个Leader+1个Follower），确保Broker故障时数据不丢失。
  • Leader/Follower：每个Partition的副本中，Leader负责读写请求，Follower仅同步Leader数据；Leader故障时，从Follower中重新选举。
  • Producer：消息生产者，向Topic推送消息，可指定消息存储的Partition（按Key哈希、轮询等策略）。
  • Consumer/Consumer Group（CG）：消费者/消费者组，多个Consumer组成一个CG，共同消费一个Topic的Partition（一个Partition仅被CG内一个Consumer消费，避免重复消费）。
  • Offset：消息的唯一标识，记录消费者的消费位置，消费者可通过调整Offset重新消费历史消息（默认消息保留7天）。

2.3 Kafka与Zookeeper的关系

Kafka依赖Zookeeper存储集群元数据，主要包括：

简单来说，Zookeeper是Kafka集群的“导航仪”，帮助生产者找到消息要发往的Broker，帮助消费者找到要读取的Partition和Offset。

2.4 Kafka集群部署实战

前提条件

已完成Zookeeper集群部署，且所有节点已安装JDK 1.8。

部署步骤（以zk01为例）
  1. 下载并解压Kafka
# 进入安装目录
cd /opt
# 下载安装包（清华源，速度更快）
wget https://mirrors.tuna.tsinghua.edu.cn/apache/kafka/2.7.1/kafka_2.13-2.7.1.tgz
# 解压并移动到指定目录
tar zxvf kafka_2.13-2.7.1.tgz
mv kafka_2.13-2.7.1 /usr/local/kafka
  1. 修改配置文件
# 进入配置目录，备份默认配置
cd /usr/local/kafka/config/
cp server.properties{,.bak
}
# 编辑配置文件
vim server.properties
# 核心配置（按实际环境修改）
broker.id=0 # Broker唯一标识（zk01=0，zk02=1，zk03=2）
listeners=PLAINTEXT://192.168.10.18:9092 # 监听IP和端口（每个节点不同）
log.dirs=/usr/local/kafka/logs # 日志/数据存储目录
num.partitions=1 # Topic默认分区数（可按需调整）
log.retention.hours=168 # 消息保留时间（默认7天）
# 连接Zookeeper集群（与Zookeeper配置一致）
zookeeper.connect=192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181
  1. 配置环境变量与启动脚本
# 添加Kafka环境变量
vim /etc/profile
export KAFKA_HOME=/usr/local/kafka
export PATH=$PATH:$KAFKA_HOME/bin
# 生效环境变量
source /etc/profile
# 创建启动脚本
vim /etc/init.d/kafka
#!/bin/bash
#chkconfig:2345 22 88
#description:Kafka Service Control Script
KAFKA_HOME='/usr/local/kafka'
case $1 in
start)
echo "---------- Kafka 启动 ----------"
${KAFKA_HOME}/bin/kafka-server-start.sh -daemon ${KAFKA_HOME}/config/server.properties
;
;
stop)
echo "---------- Kafka 停止 ----------"
${KAFKA_HOME}/bin/kafka-server-stop.sh
;
;
restart)
$0 stop
$0 start
;
;
status)
echo "---------- Kafka 状态 ----------"
count=$(ps -ef | grep kafka | egrep -cv "grep|$$")
if [ "$count" -eq 0 ];
then
echo "kafka is not running"
else
echo "kafka is running"
fi
;
;
*)
echo "Usage: $0 {start|stop|restart|status}"
esac
# 赋予权限并设置开机自启
chmod +x /etc/init.d/kafka
chkconfig --add kafka
  1. 同步配置与启动集群
# 将配置同步到其他节点（修改对应broker.id和listeners）
scp /usr/local/kafka/config/server.properties 192.168.10.21:/usr/local/kafka/config/
scp /usr/local/kafka/config/server.properties 192.168.10.22:/usr/local/kafka/config/
# 所有节点启动Kafka
service kafka start
# 验证启动状态
service kafka status

2.5 Kafka命令行操作：实战演练

部署完成后，我们通过命令行操作Kafka，体验消息的生产与消费。

1. 创建Topic
# 创建名为test的Topic，副本数2，分区数3
kafka-topics.sh --create --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181 --replication-factor 2 --partitions 3 --topic test
2. 查看Topic列表与详情
# 查看所有Topic
kafka-topics.sh --list --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181
# 查看test Topic详情（含分区、副本、Leader信息）
kafka-topics.sh --describe --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181 --topic test
3. 生产消息
# 启动生产者，向test Topic发送消息（输入内容后按回车发送）
kafka-console-producer.sh --broker-list 192.168.10.18:9092,192.168.10.21:9092,192.168.10.22:9092 --topic test
4. 消费消息
# 启动消费者，从test Topic消费消息（--from-beginning表示消费历史所有消息）
kafka-console-consumer.sh --bootstrap-server 192.168.10.18:9092,192.168.10.21:9092,192.168.10.22:9092 --topic test --from-beginning
5. 修改分区数与删除Topic
# 将test Topic分区数修改为6（分区数只能增加，不能减少）
kafka-topics.sh --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181 --alter --topic test --partitions 6
# 删除test Topic（需确保配置中delete.topic.enable=true）
kafka-topics.sh --delete --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181 --topic test

三、进阶实践：Filebeat+Kafka+ELK日志收集

Kafka的经典应用场景之一是日志收集，我们通过“Filebeat（采集日志）+ Kafka（缓冲消息）+ ELK（分析展示）”架构，实现HTTP访问日志的实时收集与可视化。

3.1 架构流程

  1. Filebeat：部署在Web服务器，采集/var/log/httpd/access_log（访问日志）和error_log（错误日志），发送到Kafka的httpd Topic。
  2. Kafka：接收Filebeat的日志消息，缓冲存储，避免日志峰值压垮后续组件。
  3. Logstash：从Kafka拉取日志，解析为结构化数据，发送到Elasticsearch。
  4. Elasticsearch：存储日志数据，提供高效检索。
  5. Kibana：可视化展示日志数据，支持图表分析与日志查询。

3.2 关键配置步骤

1. Filebeat配置（输出到Kafka）
# 编辑Filebeat配置文件
vim /usr/local/filebeat/filebeat.yml
filebeat.prospectors:
- type: log
enabled: true
paths:
- /var/log/httpd/access_log # 访问日志路径
tags: ["access"] # 打标签，用于后续分类
- type: log
enabled: true
paths:
- /var/log/httpd/error_log # 错误日志路径
tags: ["error"]
# 输出到Kafka
output.kafka:
enabled: true
hosts: ["192.168.10.18:9092","192.168.10.21:9092","192.168.10.22:9092"]
topic: "httpd" # 发送到Kafka的httpd Topic
# 启动Filebeat
./filebeat -e -c filebeat.yml
2. Logstash配置（从Kafka拉取，输出到ES）
# 编辑Logstash配置文件
vim /etc/logstash/conf.d/kafka.conf
input {
kafka {
bootstrap_servers =>
"192.168.10.18:9092,192.168.10.21:9092,192.168.10.22:9092"
topics =>
"httpd" # 拉取Kafka的httpd Topic
type =>
"httpd_kafka"
codec =>
"json" # 解析JSON格式日志
auto_offset_reset =>
"latest" # 拉取最新日志
decorate_events =>
true # 附加Kafka属性
}
}
output {
# 访问日志输出到ES的httpd_access-日期索引
if "access" in [tags] {
elasticsearch {
hosts =>
["192.168.10.13:9200"]
index =>
"httpd_access-%{+YYYY.MM.dd}"
}
}
# 错误日志输出到ES的httpd_error-日期索引
if "error" in [tags] {
elasticsearch {
hosts =>
["192.168.10.13:9200"]
index =>
"httpd_error-%{+YYYY.MM.dd}"
}
}
# 控制台打印（调试用）
stdout { codec => rubydebug
}
}
# 启动Logstash
logstash -f kafka.conf
3. Kibana可视化
  1. 访问Kibana地址（如http://192.168.10.13:5601），创建索引模式（如httpd_access-*）。
  2. 进入“Discover”页面，选择创建的索引模式，即可查看实时日志数据，还可通过“Visualize”创建图表（如访问量趋势图、错误类型统计）。

四、总结

Zookeeper与Kafka作为分布式系统的核心组件，各自承担着“协调”与“消息传递”的关键角色。通过本文的学习，我们不仅理解了Zookeeper的选举机制、ZNode数据结构，以及Kafka的高吞吐量原理、分区副本机制，还完成了从集群部署到日志收集实战的全流程操作。

在实际应用中，需根据业务场景调整配置（如Kafka的分区数、副本数，Zookeeper的集群规模），同时结合监控工具（如Prometheus+Grafana）保障集群稳定运行。希望本文能为你在分布式系统的实践路上提供帮助，后续我们还会深入探讨更多进阶特性，敬请期待！

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/917659.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

济南网站中企动力彩票网站开发周期

济南网站中企动力彩票网站开发周期

1. 二进制转十进制 按照数据类型分为三种：无符号的二进制整数，有符号的二进制整数和小数二进制数。 1.1 无符号的二进制整数 计算技巧： 从二进制数的右边第一位起，从右往左，先用二进制位置上的数乘以2的相应位数的幂&…
阅读更多...
东莞石龙网站建设wordpress最新版怎么变成英文

东莞石龙网站建设wordpress最新版怎么变成英文

在游戏中经常会有需要玩家输入一些内容的功能，例如聊天，命名等，这款游戏只有在存档时辉用到命名功能，所以这个过滤也只是一个实验性的功能，我们将使用AC自动机来实现，这是在我们把“csdn”这个词设置为屏蔽…
阅读更多...
微网站页面自助建站系统官方版

微网站页面自助建站系统官方版

目录深搜200. 岛屿数量695. 岛屿的最大面积130. 被围绕的区域547. 省份数量417. 太平洋大西洋水流问题回溯广搜111. 二叉树的最小深度752. 打开转盘锁深搜与广搜结合934. 最短的桥深搜 深搜DFS，在搜索到一个新节点时，立即对该新节点进行遍历&#xff0c…
阅读更多...
汕头市企业网站建设品牌沈阳公司网站

汕头市企业网站建设品牌沈阳公司网站

直接上代码： #初始化用户信息 import randomprint("本比赛参赛英雄为：1老夫子 2典韦 3吕布") name int(input("请您选择出场英雄："))if name 1:print("您本次选择的英雄为：老夫子——我会让你明白什么…
阅读更多...
Java 生态监控体系实战：Prometheus+Grafana+SkyWalking 整合全指南（三） - 教程

Java 生态监控体系实战：Prometheus+Grafana+SkyWalking 整合全指南（三） - 教程

Java 生态监控体系实战：Prometheus+Grafana+SkyWalking 整合全指南（三） - 教程2025-09-25 22:47 tlnshuju 阅读(0) 评论(0) 收藏 举报pre { white-space: pre !important; word-wrap: normal !important; overf…
阅读更多...
【网络编程】UDP 编程实战：从套接字到聊天室多场景计划构建

【网络编程】UDP 编程实战：从套接字到聊天室多场景计划构建

【网络编程】UDP 编程实战：从套接字到聊天室多场景计划构建pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Conso…
阅读更多...
中国机械加工网易下拉方法网站建设seo策略有哪些

中国机械加工网易下拉方法网站建设seo策略有哪些

阅读更多...
网站重新备案需要多长时间深圳移动网站建设

网站重新备案需要多长时间深圳移动网站建设

当Django的内置权限无法满足需求的时候就自己扩展吧~ 背景介绍 overmind项目使用了Django内置的权限系统，Django内置权限系统基于model层做控制，新的model创建后会默认新建三个权限，分别为：add、change、delete，如果给…
阅读更多...
做网站的顶部图片怎么打开文件做的网站

做网站的顶部图片怎么打开文件做的网站

目录 一.平台架构与技术特点 二、DeepSeek R1模型介绍与优势 DeepSeek R1 模型简介 DeepSeek R1 模型优势 三.蓝耘智算平台使用DeepSeek教程 展望未来 耘元生代智算云是蓝耘科技推出的一款智算云平台有着以下特点： 一.平台架构与技术特点 基于 Kubernetes 原…
阅读更多...
AC自动机在线版本（alert命中报警）

AC自动机在线版本（alert命中报警）

模板洛谷p3311 code: #include<bits/stdc++.h> using namespace std; typedef long long LL; // 常量定义：N为AC自动机状态数上限、数位DP位数上限；mod为答案取模值 const int N=2010,mod=1e9+7;// AC自动机核…
阅读更多...
US$79 BMW FEM/BDC Key Programmer Data Desktop Test Platform for FEM/BDC Key and Program ECU Gearbox

US$79 BMW FEM/BDC Key Programmer Data Desktop Test Platform for FEM/BDC Key and Program ECU Gearbox

BMW FEM/BDC Key Programmer Data Desktop Test Platform for FEM/BDC Key and Program ECU GearboxFEM BDC Module Testing Platform for BMW F20 F30 F35 X5 X6 I3With your FEM/BDC keys, FEM BDC Module Testing P…
阅读更多...
week1 homework

week1 homework

C语言代码规范 参考了大公司的标准 1、程序采用缩进风格，每层缩进使用一个制表位（TAB） 2、源程序使用英文书写，尽量不含有中文。 3、左花括号要另起一行，不能跟在上一行的行末； 4、一个变量定义占一行，一个语句…
阅读更多...
（南科大深度学习课程笔记）Lecture_2_Mathematical background(数学背景)（上） - 详解

（南科大深度学习课程笔记）Lecture_2_Mathematical background(数学背景)（上） - 详解

pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas", "Monaco", "Courier New", …
阅读更多...
app那个网站开发比较好xp优化大师

app那个网站开发比较好xp优化大师

Serverless 话题涉及范围极广&#xff0c;几乎包含了代码管理、测试、发布、运维和扩容等与应用生命周期关联的所有环节。在线应用如何不改代码也能迁移到 Serverless 架构&#xff1f;今天&#xff0c;我们来揭秘阿里巴巴成千上万在线应用的Serverless 演进过程。 AWS Lambda …
阅读更多...
最牛网站建设是谁装饰公司办公室图片

最牛网站建设是谁装饰公司办公室图片

有的时候博客内容会有变动&#xff0c;首发博客是最新的&#xff0c;其他博客地址可能会未同步,认准https://blog.zysicyj.top 首发博客地址 系列文章地址 什么是WebSocket&#xff1f; WebSocket是一种在Web应用程序中实现双向通信的协议。它允许在客户端和服务器之间建立持久…
阅读更多...
Java EE ----- Spring MVC （上） - 实践

Java EE ----- Spring MVC （上） - 实践

pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas", "Monaco", "Courier New", …
阅读更多...
秦皇岛网站排名郑州手机网站制作公司哪家好

秦皇岛网站排名郑州手机网站制作公司哪家好

可以删一下 按住alt按移除可以删掉 选择你要删的那些线 按住alt点移除
阅读更多...
浦东做网站如何在社交网站做销售

浦东做网站如何在社交网站做销售

一、介绍部分 (win7 下的 GUI 效果图见 本篇文章的最后部分截图2张)wxWidgets是一个开源的跨平台的C构架库(framework)&#xff0c;它可以提供GUI(图形用户界面)和其它工具。目前的2.x版本支持所有版本的Windows、带GTK或Motif的Unix和MacOS。相当于大家熟悉的 VC。二、wxWidge…
阅读更多...
Windows 10 C盘占用释放 - tfel

Windows 10 C盘占用释放 - tfel

C盘又要撑爆...前言 安装的Windows 10 LSTC, 系统盘留了 200G 最近发现可用只剩下50G, 甚至还在减少 排查 使用 SpaceSniffer 看下具体占用 好用，到Windows 10我也觉得它装机必备！！！占用大头 网易云音乐 缓存它默认…
阅读更多...
CherryStudio+cpolar：让智能工作流突破组织边界 - 详解

CherryStudio+cpolar：让智能工作流突破组织边界 - 详解

CherryStudio+cpolar：让智能工作流突破组织边界 - 详解pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas&…
阅读更多...
最新文章

Copyright @ 2022~2023