SpringBoot集成kafka全面實(shí)戰(zhàn)記錄
本文是SpringBoot+Kafka的實(shí)戰(zhàn)講解，如果對(duì)kafka的架構(gòu)原理還不了解的讀者，建議先看一下《大白話kafka架構(gòu)原理》、《秒懂kafka HA（高可用）》兩篇文章。
一、生產(chǎn)者實(shí)踐
- 普通生產(chǎn)者
- 帶回調(diào)的生產(chǎn)者
- 自定義分區(qū)器
- kafka事務(wù)提交
二、消費(fèi)者實(shí)踐
- 簡(jiǎn)單消費(fèi)
- 指定topic、partition、offset消費(fèi)
- 批量消費(fèi)
- 監(jiān)聽異常處理器
- 消息過濾器
- 消息轉(zhuǎn)發(fā)
- 定時(shí)啟動(dòng)/停止監(jiān)聽器
一、前戲
1、在項(xiàng)目中連接kafka，因?yàn)槭峭饩W(wǎng)，首先要開放kafka配置文件中的如下配置（其中IP為公網(wǎng)IP），
advertised.listeners=PLAINTEXT://112.126.74.249:9092
2、在開始前我們先創(chuàng)建兩個(gè)topic：topic1、topic2，其分區(qū)和副本數(shù)都設(shè)置為
2，用來測(cè)試，
[root@iZ2zegzlkedbo3e64vkbefZ ~]# cd /usr/local/kafka-cluster/kafka1/bin/ [root@iZ2zegzlkedbo3e64vkbefZ bin]# ./kafka-topics.sh --create --zookeeper 172.17.80.219:2181 --replication-factor 2 --partitions 2 --topic topic1 Created topic topic1. [root@iZ2zegzlkedbo3e64vkbefZ bin]# ./kafka-topics.sh --create --zookeeper 172.17.80.219:2181 --replication-factor 2 --partitions 2 --topic topic2 Created topic topic2.
當(dāng)然我們也可以不手動(dòng)創(chuàng)建topic，在執(zhí)行代碼kafkaTemplate.send("topic1", normalMessage)發(fā)送消息時(shí)，kafka會(huì)幫我們自動(dòng)完成topic的創(chuàng)建工作，但這種情況下創(chuàng)建的topic默認(rèn)只有一個(gè)分區(qū)，分區(qū)也沒有副本。所以，我們可以在項(xiàng)目中新建一個(gè)配置類專門用來初始化topic，如下，
@Configuration
public class KafkaInitialConfiguration {
// 創(chuàng)建一個(gè)名為testtopic的Topic并設(shè)置分區(qū)數(shù)為8，分區(qū)副本數(shù)為2
@Bean
public NewTopic initialTopic() {
return new NewTopic("testtopic",8, (short) 2 );
}
?
// 如果要修改分區(qū)數(shù)，只需修改配置值重啟項(xiàng)目即可
// 修改分區(qū)數(shù)并不會(huì)導(dǎo)致數(shù)據(jù)的丟失，但是分區(qū)數(shù)只能增大不能減小
@Bean
public NewTopic updateTopic() {
return new NewTopic("testtopic",10, (short) 2 );
}
}
3、新建SpringBoot項(xiàng)目
① 引入pom依賴
<dependency>
<groupId>org.springframework.kafka</groupId>
<artifactId>spring-kafka</artifactId>
</dependency>
② application.propertise配置（本文用到的配置項(xiàng)這里全列了出來）
###########【Kafka集群】########### spring.kafka.bootstrap-servers=112.126.74.249:9092,112.126.74.249:9093 ###########【初始化生產(chǎn)者配置】########### # 重試次數(shù) spring.kafka.producer.retries=0 # 應(yīng)答級(jí)別:多少個(gè)分區(qū)副本備份完成時(shí)向生產(chǎn)者發(fā)送ack確認(rèn)(可選0、1、all/-1) spring.kafka.producer.acks=1 # 批量大小 spring.kafka.producer.batch-size=16384 # 提交延時(shí) spring.kafka.producer.properties.linger.ms=0 # 當(dāng)生產(chǎn)端積累的消息達(dá)到batch-size或接收到消息linger.ms后,生產(chǎn)者就會(huì)將消息提交給kafka # linger.ms為0表示每接收到一條消息就提交給kafka,這時(shí)候batch-size其實(shí)就沒用了 ? # 生產(chǎn)端緩沖區(qū)大小 spring.kafka.producer.buffer-memory = 33554432 # Kafka提供的序列化和反序列化類 spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer spring.kafka.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer # 自定義分區(qū)器 # spring.kafka.producer.properties.partitioner.class=com.felix.kafka.producer.CustomizePartitioner ? ###########【初始化消費(fèi)者配置】########### # 默認(rèn)的消費(fèi)組ID spring.kafka.consumer.properties.group.id=defaultConsumerGroup # 是否自動(dòng)提交offset spring.kafka.consumer.enable-auto-commit=true # 提交offset延時(shí)(接收到消息后多久提交offset) spring.kafka.consumer.auto.commit.interval.ms=1000 # 當(dāng)kafka中沒有初始o(jì)ffset或offset超出范圍時(shí)將自動(dòng)重置offset # earliest:重置為分區(qū)中最小的offset; # latest:重置為分區(qū)中最新的offset(消費(fèi)分區(qū)中新產(chǎn)生的數(shù)據(jù)); # none:只要有一個(gè)分區(qū)不存在已提交的offset,就拋出異常; spring.kafka.consumer.auto-offset-reset=latest # 消費(fèi)會(huì)話超時(shí)時(shí)間(超過這個(gè)時(shí)間consumer沒有發(fā)送心跳,就會(huì)觸發(fā)rebalance操作) spring.kafka.consumer.properties.session.timeout.ms=120000 # 消費(fèi)請(qǐng)求超時(shí)時(shí)間 spring.kafka.consumer.properties.request.timeout.ms=180000 # Kafka提供的序列化和反序列化類 spring.kafka.consumer.key-deserializer=org.apache.kafka.common.serialization.StringDeserializer spring.kafka.consumer.value-deserializer=org.apache.kafka.common.serialization.StringDeserializer # 消費(fèi)端監(jiān)聽的topic不存在時(shí)，項(xiàng)目啟動(dòng)會(huì)報(bào)錯(cuò)(關(guān)掉) spring.kafka.listener.missing-topics-fatal=false # 設(shè)置批量消費(fèi) # spring.kafka.listener.type=batch # 批量消費(fèi)每次最多消費(fèi)多少條消息 # spring.kafka.consumer.max-poll-records=50
二、Hello Kafka
1、簡(jiǎn)單生產(chǎn)者
@RestController
public class KafkaProducer {
@Autowired
private KafkaTemplate<String, Object> kafkaTemplate;
?
// 發(fā)送消息
@GetMapping("/kafka/normal/{message}")
public void sendMessage1(@PathVariable("message") String normalMessage) {
kafkaTemplate.send("topic1", normalMessage);
}
}
?2、簡(jiǎn)單消費(fèi)
@Component
public class KafkaConsumer {
// 消費(fèi)監(jiān)聽
@KafkaListener(topics = {"topic1"})
public void onMessage1(ConsumerRecord<?, ?> record){
// 消費(fèi)的哪個(gè)topic、partition的消息,打印出消息內(nèi)容
System.out.println("簡(jiǎn)單消費(fèi)："+record.topic()+"-"+record.partition()+"-"+record.value());
}
}
上面示例創(chuàng)建了一個(gè)生產(chǎn)者，發(fā)送消息到topic1，消費(fèi)者監(jiān)聽topic1消費(fèi)消息。監(jiān)聽器用@KafkaListener注解，topics表示監(jiān)聽的topic，支持同時(shí)監(jiān)聽多個(gè)，用英文逗號(hào)分隔。啟動(dòng)項(xiàng)目，postman調(diào)接口觸發(fā)生產(chǎn)者發(fā)送消息，
可以看到監(jiān)聽器消費(fèi)成功，
三、生產(chǎn)者
1、帶回調(diào)的生產(chǎn)者
kafkaTemplate提供了一個(gè)回調(diào)方法addCallback，我們可以在回調(diào)方法中監(jiān)控消息是否發(fā)送成功 或 失敗時(shí)做補(bǔ)償處理，有兩種寫法，
@GetMapping("/kafka/callbackOne/{message}")
public void sendMessage2(@PathVariable("message") String callbackMessage) {
kafkaTemplate.send("topic1", callbackMessage).addCallback(success -> {
// 消息發(fā)送到的topic
String topic = success.getRecordMetadata().topic();
// 消息發(fā)送到的分區(qū)
int partition = success.getRecordMetadata().partition();
// 消息在分區(qū)內(nèi)的offset
long offset = success.getRecordMetadata().offset();
System.out.println("發(fā)送消息成功:" + topic + "-" + partition + "-" + offset);
}, failure -> {
System.out.println("發(fā)送消息失敗:" + failure.getMessage());
});
}
@GetMapping("/kafka/callbackTwo/{message}")
public void sendMessage3(@PathVariable("message") String callbackMessage) {
kafkaTemplate.send("topic1", callbackMessage).addCallback(new ListenableFutureCallback<SendResult<String, Object>>() {
@Override
public void onFailure(Throwable ex) {
System.out.println("發(fā)送消息失敗："+ex.getMessage());
}
@Override
public void onSuccess(SendResult<String, Object> result) {
System.out.println("發(fā)送消息成功：" + result.getRecordMetadata().topic() + "-"
+ result.getRecordMetadata().partition() + "-" + result.getRecordMetadata().offset());
}
});
}
2、自定義分區(qū)器
我們知道，kafka中每個(gè)topic被劃分為多個(gè)分區(qū)，那么生產(chǎn)者將消息發(fā)送到topic時(shí)，具體追加到哪個(gè)分區(qū)呢？這就是所謂的分區(qū)策略，Kafka 為我們提供了默認(rèn)的分區(qū)策略，同時(shí)它也支持自定義分區(qū)策略。其路由機(jī)制為：
① 若發(fā)送消息時(shí)指定了分區(qū)（即自定義分區(qū)策略），則直接將消息append到指定分區(qū)；
② 若發(fā)送消息時(shí)未指定 patition，但指定了 key（kafka允許為每條消息設(shè)置一個(gè)key），則對(duì)key值進(jìn)行hash計(jì)算，根據(jù)計(jì)算結(jié)果路由到指定分區(qū)，這種情況下可以保證同一個(gè) Key 的所有消息都進(jìn)入到相同的分區(qū)；
③ ?patition 和 key 都未指定，則使用kafka默認(rèn)的分區(qū)策略，輪詢選出一個(gè) patition；
※ 我們來自定義一個(gè)分區(qū)策略，將消息發(fā)送到我們指定的partition，首先新建一個(gè)分區(qū)器類實(shí)現(xiàn)Partitioner接口，重寫方法，其中partition方法的返回值就表示將消息發(fā)送到幾號(hào)分區(qū)，
public class CustomizePartitioner implements Partitioner {
@Override
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
// 自定義分區(qū)規(guī)則(這里假設(shè)全部發(fā)到0號(hào)分區(qū))
// ......
return 0;
}
?
@Override
public void close() {
?
}
?
@Override
public void configure(Map<String, ?> configs) {
?
}
}
在application.propertise中配置自定義分區(qū)器，配置的值就是分區(qū)器類的全路徑名，
# 自定義分區(qū)器 spring.kafka.producer.properties.partitioner.class=com.felix.kafka.producer.CustomizePartitioner
3、kafka事務(wù)提交
如果在發(fā)送消息時(shí)需要?jiǎng)?chuàng)建事務(wù)，可以使用 KafkaTemplate 的 executeInTransaction 方法來聲明事務(wù)，
@GetMapping("/kafka/transaction")
public void sendMessage7(){
// 聲明事務(wù)：后面報(bào)錯(cuò)消息不會(huì)發(fā)出去
kafkaTemplate.executeInTransaction(operations -> {
operations.send("topic1","test executeInTransaction");
throw new RuntimeException("fail");
});
?
// 不聲明事務(wù)：后面報(bào)錯(cuò)但前面消息已經(jīng)發(fā)送成功了
kafkaTemplate.send("topic1","test executeInTransaction");
throw new RuntimeException("fail");
}
四、消費(fèi)者
1、指定topic、partition、offset消費(fèi)
前面我們?cè)诒O(jiān)聽消費(fèi)topic1的時(shí)候，監(jiān)聽的是topic1上所有的消息，如果我們想指定topic、指定partition、指定offset來消費(fèi)呢？也很簡(jiǎn)單，@KafkaListener注解已全部為我們提供，
# 設(shè)置批量消費(fèi) spring.kafka.listener.type=batch # 批量消費(fèi)每次最多消費(fèi)多少條消息 spring.kafka.consumer.max-poll-records=50
屬性解釋：
① id：消費(fèi)者ID；
② groupId：消費(fèi)組ID；
③ topics：監(jiān)聽的topic，可監(jiān)聽多個(gè)；
④ topicPartitions：可配置更加詳細(xì)的監(jiān)聽信息，可指定topic、parition、offset監(jiān)聽。
上面onMessage2監(jiān)聽的含義：監(jiān)聽topic1的0號(hào)分區(qū)，同時(shí)監(jiān)聽topic2的0號(hào)分區(qū)和topic2的1號(hào)分區(qū)里面offset從8開始的消息。
注意：topics和topicPartitions不能同時(shí)使用；
2、批量消費(fèi)
設(shè)置application.prpertise開啟批量消費(fèi)即可，
@KafkaListener(id = "consumer2",groupId = "felix-group", topics = "topic1")
public void onMessage3(List<ConsumerRecord<?, ?>> records) {
System.out.println(">>>批量消費(fèi)一次，records.size()="+records.size());
for (ConsumerRecord<?, ?> record : records) {
System.out.println(record.value());
}
}
接收消息時(shí)用List來接收，監(jiān)聽代碼如下，
// 新建一個(gè)異常處理器，用@Bean注入
@Bean
public ConsumerAwareListenerErrorHandler consumerAwareErrorHandler() {
return (message, exception, consumer) -> {
System.out.println("消費(fèi)異常："+message.getPayload());
return null;
};
}
?
// 將這個(gè)異常處理器的BeanName放到@KafkaListener注解的errorHandler屬性里面
@KafkaListener(topics = {"topic1"},errorHandler = "consumerAwareErrorHandler")
public void onMessage4(ConsumerRecord<?, ?> record) throws Exception {
throw new Exception("簡(jiǎn)單消費(fèi)-模擬異常");
}
?
// 批量消費(fèi)也一樣，異常處理器的message.getPayload()也可以拿到各條消息的信息
@KafkaListener(topics = "topic1",errorHandler="consumerAwareErrorHandler")
public void onMessage5(List<ConsumerRecord<?, ?>> records) throws Exception {
System.out.println("批量消費(fèi)一次...");
throw new Exception("批量消費(fèi)-模擬異常");
}
3、ConsumerAwareListenerErrorHandler 異常處理器
通過異常處理器，我們可以處理consumer在消費(fèi)時(shí)發(fā)生的異常。
新建一個(gè)?ConsumerAwareListenerErrorHandler 類型的異常處理方法，用@Bean注入，BeanName默認(rèn)就是方法名，然后我們將這個(gè)異常處理器的BeanName放到@KafkaListener注解的errorHandler屬性里面，當(dāng)監(jiān)聽拋出異常的時(shí)候，則會(huì)自動(dòng)調(diào)用異常處理器，
@Component
public class KafkaConsumer {
@Autowired
ConsumerFactory consumerFactory;
?
// 消息過濾器
@Bean
public ConcurrentKafkaListenerContainerFactory filterContainerFactory() {
ConcurrentKafkaListenerContainerFactory factory = new ConcurrentKafkaListenerContainerFactory();
factory.setConsumerFactory(consumerFactory);
// 被過濾的消息將被丟棄
factory.setAckDiscarded(true);
// 消息過濾策略
factory.setRecordFilterStrategy(consumerRecord -> {
if (Integer.parseInt(consumerRecord.value().toString()) % 2 == 0) {
return false;
}
//返回true消息則被過濾
return true;
});
return factory;
}
?
// 消息過濾監(jiān)聽
@KafkaListener(topics = {"topic1"},containerFactory = "filterContainerFactory")
public void onMessage6(ConsumerRecord<?, ?> record) {
System.out.println(record.value());
}
}
執(zhí)行看一下效果，
4、消息過濾器
消息過濾器可以在消息抵達(dá)consumer之前被攔截，在實(shí)際應(yīng)用中，我們可以根據(jù)自己的業(yè)務(wù)邏輯，篩選出需要的信息再交由KafkaListener處理，不需要的消息則過濾掉。
配置消息過濾只需要為 監(jiān)聽器工廠 配置一個(gè)RecordFilterStrategy（消息過濾策略），返回true的時(shí)候消息將會(huì)被拋棄，返回false時(shí)，消息能正常抵達(dá)監(jiān)聽容器。
/**
* @Title 消息轉(zhuǎn)發(fā)
* @Description 從topic1接收到的消息經(jīng)過處理后轉(zhuǎn)發(fā)到topic2
* @Author long.yuan
* @Date 2020/3/23 22:15
* @Param [record]
* @return void
**/
@KafkaListener(topics = {"topic1"})
@SendTo("topic2")
public String onMessage7(ConsumerRecord<?, ?> record) {
return record.value()+"-forward message";
}
上面實(shí)現(xiàn)了一個(gè)"過濾奇數(shù)、接收偶數(shù)"的過濾策略，我們向topic1發(fā)送0-99總共100條消息，看一下監(jiān)聽器的消費(fèi)情況，可以看到監(jiān)聽器只消費(fèi)了偶數(shù)，
5、消息轉(zhuǎn)發(fā)
在實(shí)際開發(fā)中，我們可能有這樣的需求，應(yīng)用A從TopicA獲取到消息，經(jīng)過處理后轉(zhuǎn)發(fā)到TopicB，再由應(yīng)用B監(jiān)聽處理消息，即一個(gè)應(yīng)用處理完成后將該消息轉(zhuǎn)發(fā)至其他應(yīng)用，完成消息的轉(zhuǎn)發(fā)。
在SpringBoot集成Kafka實(shí)現(xiàn)消息的轉(zhuǎn)發(fā)也很簡(jiǎn)單，只需要通過一個(gè)@SendTo注解，被注解方法的return值即轉(zhuǎn)發(fā)的消息內(nèi)容，如下，
/**
* @Title 消息轉(zhuǎn)發(fā)
* @Description 從topic1接收到的消息經(jīng)過處理后轉(zhuǎn)發(fā)到topic2
* @Author long.yuan
* @Date 2020/3/23 22:15
* @Param [record]
* @return void
**/
@KafkaListener(topics = {"topic1"})
@SendTo("topic2")
public String onMessage7(ConsumerRecord<?, ?> record) {
return record.value()+"-forward message";
}
6、定時(shí)啟動(dòng)、停止監(jiān)聽器
默認(rèn)情況下，當(dāng)消費(fèi)者項(xiàng)目啟動(dòng)的時(shí)候，監(jiān)聽器就開始工作，監(jiān)聽消費(fèi)發(fā)送到指定topic的消息，那如果我們不想讓監(jiān)聽器立即工作，想讓它在我們指定的時(shí)間點(diǎn)開始工作，或者在我們指定的時(shí)間點(diǎn)停止工作，該怎么處理呢——使用KafkaListenerEndpointRegistry，下面我們就來實(shí)現(xiàn)：
① 禁止監(jiān)聽器自啟動(dòng)；
② 創(chuàng)建兩個(gè)定時(shí)任務(wù)，一個(gè)用來在指定時(shí)間點(diǎn)啟動(dòng)定時(shí)器，另一個(gè)在指定時(shí)間點(diǎn)停止定時(shí)器；
新建一個(gè)定時(shí)任務(wù)類，用注解@EnableScheduling聲明，KafkaListenerEndpointRegistry 在SpringIO中已經(jīng)被注冊(cè)為Bean，直接注入，設(shè)置禁止KafkaListener自啟動(dòng)，
@EnableScheduling
@Component
public class CronTimer {
?
/**
* @KafkaListener注解所標(biāo)注的方法并不會(huì)在IOC容器中被注冊(cè)為Bean，
* 而是會(huì)被注冊(cè)在KafkaListenerEndpointRegistry中，
* 而KafkaListenerEndpointRegistry在SpringIOC中已經(jīng)被注冊(cè)為Bean
**/
@Autowired
private KafkaListenerEndpointRegistry registry;
?
@Autowired
private ConsumerFactory consumerFactory;
?
// 監(jiān)聽器容器工廠(設(shè)置禁止KafkaListener自啟動(dòng))
@Bean
public ConcurrentKafkaListenerContainerFactory delayContainerFactory() {
ConcurrentKafkaListenerContainerFactory container = new ConcurrentKafkaListenerContainerFactory();
container.setConsumerFactory(consumerFactory);
//禁止KafkaListener自啟動(dòng)
container.setAutoStartup(false);
return container;
}
?
// 監(jiān)聽器
@KafkaListener(id="timingConsumer",topics = "topic1",containerFactory = "delayContainerFactory")
public void onMessage1(ConsumerRecord<?, ?> record){
System.out.println("消費(fèi)成功："+record.topic()+"-"+record.partition()+"-"+record.value());
}
?
// 定時(shí)啟動(dòng)監(jiān)聽器
@Scheduled(cron = "0 42 11 * * ? ")
public void startListener() {
System.out.println("啟動(dòng)監(jiān)聽器...");
// "timingConsumer"是@KafkaListener注解后面設(shè)置的監(jiān)聽器ID,標(biāo)識(shí)這個(gè)監(jiān)聽器
if (!registry.getListenerContainer("timingConsumer").isRunning()) {
registry.getListenerContainer("timingConsumer").start();
}
//registry.getListenerContainer("timingConsumer").resume();
}
?
// 定時(shí)停止監(jiān)聽器
@Scheduled(cron = "0 45 11 * * ? ")
public void shutDownListener() {
System.out.println("關(guān)閉監(jiān)聽器...");
registry.getListenerContainer("timingConsumer").pause();
}
}
啟動(dòng)項(xiàng)目，觸發(fā)生產(chǎn)者向topic1發(fā)送消息，可以看到consumer沒有消費(fèi)，因?yàn)檫@時(shí)監(jiān)聽器還沒有開始工作，
11:42分監(jiān)聽器啟動(dòng)開始工作，消費(fèi)消息，
11：45分監(jiān)聽器停止工作，
到此這篇關(guān)于SpringBoot集成kafka全面實(shí)戰(zhàn)的文章就介紹到這了,更多相關(guān)SpringBoot集成kafka內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Java 反射機(jī)制知識(shí)詳細(xì)介紹及總結(jié)
反射機(jī)制是在運(yùn)行狀態(tài)中，對(duì)于任意一個(gè)類，都能夠知道這個(gè)類的所有屬性和方法；對(duì)于任意一個(gè)對(duì)象，都能夠調(diào)用它的任意一個(gè)方法和屬性；這種動(dòng)態(tài)獲取的信息以及動(dòng)態(tài)調(diào)用對(duì)象的方法的功能稱為java語言的反射機(jī)制2017-01-01
SpringBoot多環(huán)境配置及配置文件分類實(shí)例詳解
這篇文章主要介紹了SpringBoot多環(huán)境配置及配置文件分類,本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2022-10-10
一個(gè)運(yùn)行中的程序,?產(chǎn)生的對(duì)象是大量的,?如果對(duì)象不被繼續(xù)使用,?就會(huì)成為垃圾,?最后越堆越多,?最后占滿內(nèi)存,?所以我們要對(duì)這些垃圾進(jìn)行回收,保持程序的正常運(yùn)行2022-05-05
Java 關(guān)于時(shí)間復(fù)雜度和空間復(fù)雜度的深度刨析
算法復(fù)雜度分為時(shí)間復(fù)雜度和空間復(fù)雜度。其作用： 時(shí)間復(fù)雜度是度量算法執(zhí)行的時(shí)間長(zhǎng)短；而空間復(fù)雜度是度量算法所需存儲(chǔ)空間的大小2021-11-11
Java數(shù)據(jù)結(jié)構(gòu)之哈夫曼樹概述及實(shí)現(xiàn)
文中詳細(xì)講了關(guān)于Java哈夫曼樹的概述以及用Java實(shí)現(xiàn)的方法,對(duì)各位正在學(xué)習(xí)java數(shù)據(jù)結(jié)構(gòu)的小伙伴們有很大的幫助喲,需要的朋友可以參考下2021-05-05
這篇文章主要介紹了java鎖synchronized面試常問總結(jié)分析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-12-12
String.join() 方法是連接指定數(shù)組的元素或集合的成員,在每個(gè)元素或成員之間使用指定的分隔符,這篇文章主要介紹了String.join()方法示例詳解,需要的朋友可以參考下2024-01-01
區(qū)分java中String+String和String+char
這篇文章主要向大家詳細(xì)區(qū)分了java中String+String和String+char，感興趣的小伙伴們可以參考一下2016-01-01
在IDEA中創(chuàng)建跑得起來的Springboot項(xiàng)目
這篇文章主要介紹了在IDEA中創(chuàng)建跑得起來的Springboot項(xiàng)目的圖文教程,需要的朋友可以參考下2018-04-04
SpringBoot中使用Servlet的兩種方式小結(jié)
這篇文章主要介紹了SpringBoot中使用Servlet的兩種方式小結(jié)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-07-07