apache标签_腾讯云开发者社区

apache

物联网中的数据流处理：使用 Apache Kafka 和 Python 构建实时监控系统

物联网（IoT）设备每天产生海量的实时数据流。从传感器读数到设备状态信息，这些数据的价值在于能够被及时处理、分析和响应。传统的批处理方式已无法满足实时性要求，因此需要引入专门的数据流处理技术。Apache Kafka 作为一个高性能的分布式流处理平台，成为了构建现代物联网数据管道的核心组件。本文将介绍如何使用 Apache Kafka 和 Python 构建一个完整的实时物联网数据监控系统。

求知若云
2026-01-19 06:31:23

 593

 8

#物联网 #apache #kafka
MyBatis-Plus 深度指南：从基础到实战，让 DAO 层开发效率起飞

4.4 内置插件：增强系统安全性为避免生产环境中的误操作，在dao-plugin工程中定义了两个插件：4.4.1 全表扫描拦截（FullTableScanInterceptor）功能：拦截无查询条件的 SQL（如 select * from user），防止全表扫描导致的性能问题；场景：当 QueryCondition 未设置查询条件时，自动拦截并抛异常。

2501_94505843
2026-01-31 14:30:57

 780

 15

#mybatis #java #jenkins +3
计算机网络从原理到实战应用

本文概述了计算机网络应用层协议（HTTP/HTTPS/DNS等）的功能特点，重点解析了HTTPS的加密机制和证书验证流程。同时介绍了安全测试工具BurpSuite的核心功能，包括代理拦截、漏洞扫描和HTTPS流量分析技术，并强调渗透测试需遵守《网络安全法》授权规定。文章指出开发者应强制使用HTTPS并定期更新加密配置，通过协议分析与工具实践相结合来提升Web应用安全性。

穆书秋
2026-03-09 21:28:15

 508

 16

#数据库 #大数据 #数据库开发 +2
Apache Paimon终极教程——流批一体存储引擎深度解析（附Flink集成案例+性能调优代码)

摘要：Apache Paimon 0.8.0作为新一代湖仓一体存储系统，具备ORC/Parquet列存、ACID事务和流批一体处理能力。其核心特性包括DeletionVector优化（查询提速50%）、PartialUpdate引擎和多引擎兼容扩展。通过FlinkCatalog配置可实现表创建与流式数据操作，生产实践中建议优化分区分桶策略、Compaction参数和内存管理。典型案例显示，Paim

软件派
2026-01-31 20:09:03

 892

 16

#apache
Apache—Kafka实践

kafka 的 topic 对应的分区数量一般设置为 kafka 集群 broken 的整数倍；3 Broker 集群（最常用）单 Topic：3、6、9、12 分区（3 的倍数）集群总分区：建议 < 60006 Broker 集群单 Topic：6、12、18、24 分区（6 的倍数）集群总分区：建议 < 120001 Broker（测试 / 单机）分区随便设，但无高可用、无并行分布。

蓝魔Y
2026-04-15 10:01:28

 207

#apache #kafka #分布式
Apache Flink 网络 Buffer 调优Debloating 的边界、Buffer 生命周期

本文总结了 Flink 内存异常的常见类型和排查方法，包括堆内存、直接内存、元空间、网络缓冲区和容器内存等5类问题。针对每种异常现象，提供了对应的配置参数调整建议和优化思路，特别针对RocksDB等特殊情况给出了环境变量设置方案。文章还包含一张速查表，帮助开发者快速定位问题并选择合适的参数进行调整，避免盲目增加内存资源。通过系统化的诊断流程和针对性优化策略，可有效解决Flink运行时的内存相关问题

 Hello.Reader
2026-02-02 10:51:20

 616

 3

#apache #flink #大数据
Apache Flink 内存故障排查从 IllegalConfigurationException 到 OOMKilled，一篇把坑踩平的指南

本文总结了 Flink 内存异常的常见类型和排查方法，包括堆内存、直接内存、元空间、网络缓冲区和容器内存等5类问题。针对每种异常现象，提供了对应的配置参数调整建议和优化思路，特别针对RocksDB等特殊情况给出了环境变量设置方案。文章还包含一张速查表，帮助开发者快速定位问题并选择合适的参数进行调整，避免盲目增加内存资源。通过系统化的诊断流程和针对性优化策略，可有效解决Flink运行时的内存相关问题

 Hello.Reader
2026-02-02 10:37:46

 767

 3

#apache #flink #大数据
Apache Flume 深度解析：海量日志采集的可靠利器

在大数据生态系统中，数据从哪里来，要到哪里去，是一个永恒的话题。无论是用户行为日志、服务器监控数据，还是业务系统的事件流，这些海量数据需要被高效、可靠地采集并输送到下游分析系统中。这就是的用武之地。如果说 Kafka 是数据高速公路上的"缓冲枢纽"，那么 Flume 就是连接各种数据源与这条高速路的"智能引桥"。本文将深入浅出地介绍 Flume 的核心概念、架构原理以及在实际生产中的典型应用场景。

Seal^_^
2026-03-19 10:16:59

 2177

#apache #flume #大数据
apache配置 virutalhost 正向代理，反向代理

设置主机头，限制只能用域名访问ServerName www.baidu.com 虚拟主机配置: Listen 80#NameVirtualHost *:80ServerAdmin admin@domain.comServerName www.domain.comDocumentRoot /var/www/domain Options

ttfy1234
2013-07-13 09:34:28

 1245

#apache
小程序HTTPS流量抓取实战教程：Yakit+Proxifier工具组合，小白也能轻松学会的渗透测试技能

本文运用“Yakit+Proxifier”组合来演示小程序HTTPS流量的抓取流程，主要分为3个部分：1、**工具协同方式：**通过Yakit的代理拦截流量，利用Proxifier强制代理来解决小程序绕过系统代理的问题，通过两者的协同解决小程序封闭性问题；2、配置要点：Yakit证书安装与信任，本地地址（127.0.0.1）和端口（8080），Proxifier指向小程序核心进程(Weappex.

程序员小雨Y
2026-02-27 14:45:30

 1041

 16

#小程序 #https #apache +4
Apache Spark 第 13 章附加篇 · Apache Spark Real-Time Mode 实时计算

实时计算解决了批处理在时效性上的不足，适用于电商秒杀、风控等数据价值快速衰减的场景。Spark采用微批（Micro-Batch）架构，通过将流数据切分为小批次处理，在工程简洁性和延迟之间取得平衡（百毫秒级）。相比纯流引擎（如Flink），Spark牺牲毫秒级延迟，但获得了批流统一的API、容错性和成熟生态。结构化流（Structured Streaming）是Spark主流实时计算方案，适用于秒级

 zfqzfx
2026-04-01 14:29:15

 582

 9

#apache #spark #大数据
Spring Boot 3 集成 Apache Calcite：多数据源查询的终极解决方案

这种情况不用麻烦地把 Kafka 数据同步到 Hive，也不用把 Hive 数据同步到实时库，直接用 Calcite 的 Kafka 适配器（calcite-kafka）和 Hive 适配器（calcite-hive），就能把实时流数据和离线数据放到同一个查询体系里，写一条 SQL 就能实现“实时+离线”数据的联合查询，既省了大量数据同步成本，又能兼顾实时性和准确性，还支持增量查询。它最核心的价值

 野生技术架构师
2026-01-30 14:13:58

 995

 16

#spring boot #apache #后端
MySQL vs PostgreSQL vs Apache Doris：全面对比 + 架构选型 + 分区分桶详解（建议收藏）

层数据库OLTPMySQL复杂计算PostgreSQLOLAPDoris分层设计，而不是单库通吃MySQL：解决“写得快”PostgreSQL：解决“逻辑复杂”Doris：解决“算得快”数据库的本质不是存数据，而是如何高效地“拆数据 + 算数据”

im1ssthecat
2026-03-25 10:48:06

 490

 4

#mysql #postgresql #apache
2026开年炸雷！Apache Kafka三重高危漏洞肆虐：RCE+DoS+SSRF齐发，波及2.0.0-3.9.0全版本，企业升级刻不容缓

漏洞编号漏洞类型危害等级影响范围CVSS评分核心危害关联性任意文件读取+SSRF高危9.1可作为前置攻击跳板，窃取密钥、内网拓扑等敏感信息，为后续RCE攻击铺路严重9.8直接接管数据同步组件，篡改业务数据或植入后门，影响上下游数据链路安全严重9.8控制核心消息节点，可瘫痪整个集群或窃取全量业务消息，是此次漏洞的“终极威胁点”关键风险提示。

随手糊墙上
2026-01-19 09:01:26

 2101

 14

#apache #网络安全
Apache SeaTunnel 2.3.13 重磅发布！最值得关注的 Top 10 功能更新

Apache SeaTunnel 社区正式发布 2.3.13 版本！本次发版对于 Apache SeaTunnel 来说是一个里程碑式的进展，带来了诸如 Checkpoint API、Flink 引擎升级、大文件并行处理、多表同步能力、AI Embedding Transform、更加丰富的连接器扩展等多项重要能力。无论是批量数据处理还是实时 CDC，同步到 Lakehouse，SeaTunne

SeaTunnel
2026-03-20 10:17:08

 433

 10

#apache #大数据 #开源
使用 Gravitino 与 Apache Spark 进行 ETL

本教程介绍了如何使用Apache Gravitino与Spark构建ETL管道，实现多数据源统一访问。主要内容包括：配置Gravitino Spark连接器，注册MySQL和Iceberg catalog，构建从MySQL到Iceberg的数据转换流程，以及执行跨数据源的联邦查询。通过Gravitino的统一元数据管理，简化了多数据源访问的复杂性，提供集中式配置和即时元数据更新功能。教程详细说明了

 weixin_41872151
2026-02-06 07:49:10

 877

 17

#大数据 #apache #AI
Apache Kafka 是一个分布式流处理平台，最初由 LinkedIn 开发，后成为 Apache 顶级项目

- 新 Topic 初始分区数建议：**16～32**（中小规模集群），可基于压测结果动态调整；- 单 Broker 分区总数建议 ≤ **2000～4000**（取决于硬件：SSD、32GB+ 内存、足够文件句柄）；- 关键业务 Topic 可适度冗余（如预估需 24 分区 → 设为 32），但避免盲目设为 100+；- **禁止后期随意增加分区数**：虽 `kafka-topics.sh --

Borter
2026-03-05 00:00:00

 702

 10

#分布式 #apache #kafka
2025年Apache社区新晋顶级项目名单，你的技术栈该升级了。

Uniffle 通过将 Shuffle 服务从计算引擎中彻底解耦，构建一个独立、可扩展、可共享的远程 Shuffle Service，使得计算任务可以更加专注于计算本身，而 Shuffle 数据的存储、传输与容错交由专门的服务负责。Gravitino 的价值在于提供一个跨系统、跨引擎的统一元数据视图，将数据资产、权限、血缘、标签等能力集中管理。在现实生产环境中，Spark、Flink、Java、S

王知无(import_bigdata)
2026-01-05 09:01:54

 213

#apache
技术干货｜一行配置让你的 Apache Kafka RTO 缩短一半

RTO (Recovery Time Objective，恢复时间目标)。在分布式系统的语境下，RTO 并不是一个抽象的 SLA 数字，而是一个倒计时的秒表。它指的是从故障发生的那一刻起，到系统完全恢复服务能力所允许消耗的最长时间。对于运维团队来说，RTO 就是从“系统报警”到“业务止损”之间的生死时速。这一行看似微小的配置调整，成本极低，却能有效消除单节点故障下的客户端滞后，将 RTO 缩短约

 AutoMQ
2026-02-25 15:05:59

 665

 17

#apache #kafka #分布式
Apache SeaTunnel Zeta、Flink、Spark 怎么选？底层原理 + 实战对比一次讲透

本文档将深入解析 Apache SeaTunnel 支持的三大执行引擎：Zeta (SeaTunnel Engine)、Flink 和 Spark。我们将从架构设计、核心特性、优缺点对比以及使用方法等多个维度进行详细讲解，帮助你根据业务需求选择最合适的引擎。

SeaTunnel
2026-02-04 16:12:41

 744

 17

#apache #flink #spark +2
【软件部署】开发环境快速部署Apache kafka用于开发测试

在开发环境快速部署Apache Kafka用于开发测试。

怀揣梦想的大鸡腿
2026-04-01 11:05:08

 30

#apache #kafka #分布式
Flink - 01 Apache Flink 核心原理与架构深度解析

本文系统介绍了Apache Flink作为实时计算标准的核心优势与技术架构。Flink凭借流式优先设计、强大状态管理和Exactly-Once语义，成为实时计算领域首选。文章从设计哲学、架构模型、数据流处理、时间窗口、状态管理、容错机制等方面深入解析Flink核心技术，并通过Java实战示例展示其流处理能力。Flink适用于实时风控、实时数仓等场景，其核心价值在于将批流统一、提供低延迟高一致性的实

 小小工匠
2026-01-03 15:15:00

 1583

 18

#flink #apache #架构
Apache Kafka 跨集群复制实现方案

本文介绍了Kafka跨集群数据复制的实现方案，重点推荐MirrorMaker 2作为主流解决方案。文章对比了MirrorMaker 1与MirrorMaker 2的核心差异，详细说明了MirrorMaker 2的配置示例和核心功能，包括自动Topic发现、Offset同步等特性。同时介绍了Confluent Replicator和自定义解决方案等替代方案，并阐述了实施时需要考虑的网络要求、性能优化

 潇凝子潇
2026-01-10 17:15:23

 524

 10

#apache #kafka #分布式
＜span class=“js_title_inner“＞Apache Hadoop生态组件部署分享-Impala＜/span＞

修改此参数原因: 部署时候impala无法查询数据，因为默认引用的是cloudera产品的依赖,cdp hive中的元数据表字段与apache hive元数据表字段不一致,报错信息为: Operations not supported. Table xxx access type is: NONE。见https://issues.apache.org/jira/browse/IMPALA-1079

沧海寄馀生
2025-12-04 17:17:36

 526

 4

#apache #hadoop #大数据 +1
Apache Flink 在 Kubernetes 上的高效部署与优化实践

本文档提供Kubernetes环境下部署Apache Flink作业的系统化实践方案。在镜像构建方面，建议采用多阶段构建合并RUN指令，分离基础镜像与作业镜像；资源调度上，通过节点标签划分固定与弹性节点，配合动态扩缩容算法实现潮汐调度；日志管理采用持久化存储与独立部署HistoryServer；启动优化包括远程提交JAR包和K8s软硬亲和性调度策略。这些方案覆盖了Flink在K8s环境中的关键部署

 oxwangfeng
2026-02-02 16:00:00

 1045

 22

#apache #flink #kubernetes
Apache Flink Checkpoint 与 Chandy-Lamport 算法深度解析

本文系统梳理了Flink Checkpoint机制的核心原理与实现。Checkpoint作为Flink容错的核心组件，通过周期性全局快照实现Exactly-Once语义。文章详细解析了Checkpoint Coordinator、Barrier传播机制、状态后端等核心概念，并对比了三种Checkpoint模式（对齐/非对齐/Changelog）的适用场景。同时阐述了Checkpoint与Savep

zfqzfx
2026-03-23 17:45:21

 1330

 4

#apache #flink #算法
网站证书提示不安全？手机 / 浏览器访问报错？一文搞定 IIS/Nginx/Apache 安全配置

网站部署SSL证书后仍出现安全警告？常见问题包括浏览器提示不安全、iOS设备无法访问等，根本原因是服务器SSL/TLS配置过时。解决方案分三步：1）使用myssl.com检测问题；2）按服务器类型（IIS/Nginx/Apache）修改配置，禁用老旧协议和弱加密套件；3）验证配置结果。重点需启用TLS1.2+、移除弱加密算法、确保证书链完整。修复后myssl评级应达A/A-，ATS合规，各终端访问

 孤独de巡礼
2026-03-26 15:36:41

 430

 10

#安全 #nginx #apache +2
从零开始搭建 Apache Gravitino

在本教程中，您将学习如何从零开始安装和配置 Apache Gravitino。完成本指南后，您将拥有一个运行在您选择的存储后端上的完全功能的 Gravitino 服务器。您将完成的任务：安装 Apache Gravitino从源码或预构建二进制文件，并配置基本服务器设置配置存储后端包括用于开发的 H2 和用于生产环境的 MySQL/PostgreSQL配置 Gravitino 服务器包括 Web

weixin_41872151
2026-01-28 07:51:01

 1078

 29

#apache #大数据 #AI
如何在 RHEL 7 上通过配置 Apache Kafka 集群的分区机制，提升消息传递系统的吞吐量与数据流处理能力？

A5数据通过合理规划 Kafka 分区机制，并配合生产者/消费者参数调整、操作系统与 JVM 优化，可以显著提升消息传递系统的吞吐量与实时处理能力。建议分区数以业务并发需求和 broker 资源为基准，60 分区在三节点场景表现最佳；NVMe SSD + 高速网络是底层性能保障；系统调优（ulimit、sysctl、JVM）能减少潜在瓶颈出现。如需面向更大的集群规模，可进一步探索 Kafka Cr

oMcLin
2026-01-12 10:58:44

 861

 7

#apache #kafka #分布式
Spring Boot 3 集成 Apache Calcite：多数据源查询的终极解决方案

这种情况不用麻烦地把 Kafka 数据同步到 Hive，也不用把 Hive 数据同步到实时库，直接用 Calcite 的 Kafka 适配器（calcite-kafka）和 Hive 适配器（calcite-hive），就能把实时流数据和离线数据放到同一个查询体系里，写一条 SQL 就能实现“实时+离线”数据的联合查询，既省了大量数据同步成本，又能兼顾实时性和准确性，还支持增量查询。它最核心的价值

 fuladulu
2026-03-25 11:13:22

 393

 8

#spring boot #apache #后端
配置 Gravitino Iceberg REST Catalog 服务器

摘要本教程详细介绍了如何配置和使用Gravitino Iceberg REST catalog服务。主要内容包括：服务配置：指导如何在Gravitino服务器中设置Iceberg REST服务作为辅助服务，支持Hive和JDBC等多种catalog后端。功能验证：通过测试REST端点确保服务正常运行，并展示如何通过标准HTTP API与Gravitino交互。客户端连接：提供Apache

weixin_41872151
2026-01-31 13:30:39

 729

 15

#大数据 #AI #apache
Linux 环境下，Apache DolphinScheduler 如何驱动 Flink 消费 Kafka 数据？

已经在虚拟机部署好Apache DolphinScheduler了，想尝试下在Flink新建一个Flink节点，然后用Flink消费Kafka数据。

DolphinScheduler社区
2026-01-28 10:30:41

 518

 10

#linux #apache #flink +2
Apache Fluss 在 AI 上下文中意味着什么？

我们强化了其作为持久化、可查询层的角色，能够与 Flink、Spark、DuckDB 等引擎互操作，并与 Apache Iceberg、Paimon、Lance 等开放表格式（Open Table Formats）无缝集成，而非作为一个游离于数据湖仓之外的专用系统。所有这些都构建在无状态、高弹性的流式应用之上，能够在不动摇系统稳定性的前提下持续演进。这一变化反映了当今数据系统的使用趋势：越来越多的

 Apache Flink
2026-04-17 17:01:32

 1922

 1

#人工智能 #apache #知识图谱
探索OpenCvSharp：用C#和Winform构建图像处理世界

OpencvSharp资料，采用C#加Winform编写，包含接近50个Demo,直接运行即可。例程包含：模板匹配、边缘识别、人脸识别，灰度变化、标定等。最近在图像处理领域折腾，发现了一个超棒的资源——基于OpenCvSharp，用C# 加Winform编写且包含近50个可直接运行Demo的项目，简直是图像处理爱好者和开发者的福音。今天就来跟大家唠唠这里面的精彩内容。

PKWjiMrlayO
2026-02-13 18:00:00

 619

 7

#apache
工业平台选型指南：权限、审计与多租户治理——用 Apache IoTDB 把“数据可用”升级为“数据可控”

本文探讨了时序数据库(TSDB)在平台化阶段面临的治理挑战，指出随着系统规模扩大，权限管理、审计追踪、多租户隔离和数据治理成为核心问题。文章分析了三种多租户隔离方案，重点介绍了IoTDB基于路径模型的逻辑隔离方法，通过路径前缀实现权限边界划分。同时详细阐述了权限授权、审计日志、资源配额等治理能力的评估要点，并提供了多租户验证的演练方案。文章强调，在选型阶段就应重视数据库治理能力，避免后期高昂的改造

 倔强的石头_
2026-03-09 12:22:29

 1.1w

 33

#apache #iotdb #人工智能
Spring Boot 3 集成 Apache Calcite：多数据源查询的终极解决方案

这种情况不用麻烦地把 Kafka 数据同步到 Hive，也不用把 Hive 数据同步到实时库，直接用 Calcite 的 Kafka 适配器（calcite-kafka）和 Hive 适配器（calcite-hive），就能把实时流数据和离线数据放到同一个查询体系里，写一条 SQL 就能实现“实时+离线”数据的联合查询，既省了大量数据同步成本，又能兼顾实时性和准确性，还支持增量查询。它最核心的价值

 Java秦心
2026-01-28 14:52:34

 627

 29

#spring boot #apache #后端
Apache IoTDB 和 sfsDb 虽然都服务于物联网（IoT）领域，但它们的定位截然不同

你可以把想象成一个**“智能仓库”，它能帮你把海量货物（数据）整齐地码放、压缩，并提供叉车和检索系统（查询分析）；而sfsDb则像是一个“随身背包”**，轻便、结实，适合你在野外（边缘/离线环境）随时存取少量关键物品，但它不具备仓库那样的整理和分析能力。

搜佛说
2026-04-09 07:54:05

 569

 14

#apache #iotdb #物联网 +4
uni-app——小程序列表页返回后滚动位置丢失？别再用 scroll-into-view 硬修了，一个 needRefresh 标记搞定

uni-app——小程序列表页返回后滚动位置丢失？别再用 scroll-into-view 硬修了，一个 needRefresh 标记搞定

 dbt@12138
2026-04-08 09:36:14

 556

 12

#uni-app #小程序 #apache
Apache Flink 学习笔记 · Phase 1

本文介绍了大数据处理基础内容（1-4周），重点对比批处理与流处理的差异，并分析大数据架构的演进过程。传统数据库在超大规模数据处理时性能下降，大数据技术通过水平扩展、容错和高吞吐解决这一问题。批处理适用于有界数据（如离线报表），流处理则处理无界数据（如实时监控）。大数据架构从Lambda（批流双系统）、Kappa（统一流处理）演进到现代流批一体（如Flink），实现了单一框架处理各类数据的能力。

zfqzfx
2026-04-01 15:17:34

 581

 9

#apache #flink #大数据
Apache Spark Real-Time Mode 深度解析：打破微批次壁垒，挑战 Flink 的实时王座

Spark RTM：流处理新突破本文分析了Spark 4.1推出的Real-Time Mode(RTM)如何突破传统流处理困境。RTM通过三大创新实现了高吞吐与低延迟的统一：1）长周期Epoch+连续数据流，将检查点开销摊薄；2）Stage并发执行，消除上下游等待；3）非阻塞算子实现数据持续流动。相比传统微批次的秒级延迟，RTM可达毫秒级，同时保留Spark的容错优势。与Flink相比，RTM在

 zfqzfx
2026-03-17 10:27:33

 557

 13

#apache #spark #flink
Apache SeaTunnel Zeta、Flink、Spark 怎么选？底层原理 + 实战对比一次讲透

SeaTunnel 的架构设计采用了 API 与执行引擎解耦的策略。这意味着同一套数据同步逻辑（Config）可以无缝运行在不同的引擎上。Zeta 是目前 SeaTunnel 社区主推的默认引擎。它旨在解决 Flink/Spark 在简单数据同步场景下“资源消耗大、部署运维重”的问题。Zeta 采用无中心化（Decentralized）或 Master-Slave 架构（取决于部署模式），主要包

 tHeya06II
2026-03-28 14:58:10

 280

 5

#apache #flink #spark
日志成本降低 83%：云上 Elasticsearch 和 SelectDB 的基准测试及成本分析

在可观测性场景中，Elasticsearch 常受限于写入性能与高昂成本。在《可观测性方案怎么选？SelectDB vs Elasticsearch vs ClickHouse》一文中提到，在云上日志服务中，SelectDB 相比 Elasticsearch 展现出明显的性能和成本优势。为进一步探索，本文通过基准测试对比二者表现，验证 SelectDB 在日志场景下性能与成本上的显著优势。

SelectDB技术团队
2026-02-12 18:04:15

 1090

 13

#apache #数据库
Apache Druid 代码执行漏洞（CVE-2021-25646）复现

包括执行嵌入在各种类型请求中的用户提供的JavaScript代码的能力。这个功能是为了在可信环境下使用，并且默认是禁用的。然而，在的版本中，攻击者可以通过发送一个恶意请求使Druid用内置引擎执行任意JavaScript代码，而不管服务器配置如何，这将导致代码和命令执行漏洞。

qq_55206467
2026-04-07 10:25:54

 88

 1

#apache
小白版 | Apache DolphinScheduler 本地启动指南

本文面向希望在本地阅读和调试 DolphinScheduler 核心源码的开发者，示例环境为 Windows + IntelliJ IDEA + Docker Desktop + PostgreSQL + ZooKeeper。

DolphinScheduler社区
2026-04-02 11:29:57

 625

 9

#apache #开源 #大数据
Apache SeaTunnel Zeta、Flink、Spark

本文详细解析Apache SeaTunnel支持的三大执行引擎：Zeta(SeaTunnel自研引擎)、Flink和Spark。Zeta引擎作为主推选择，具有轻量级、Pipeline级容错等优势，特别适合数据同步场景；Flink引擎适合复杂流式计算，Spark引擎则擅长大规模批处理。文章从架构设计、核心特性、使用方法和优缺点对比等维度进行全面分析，并给出选择建议：新项目优先考虑Zeta，已有Fli

!chen
2026-02-04 21:18:46

 1017

 18

#apache #flink #spark
Apache Kafka 3.2.3 与 3.9.1 版本差异详细对比

特性发布日期2022年8月2025年5月版本类型Bug修复版本Bug修复版本基础版本Kafka 3.2.x 系列Kafka 3.9.x 系列ZooKeeper 状态必需依赖已废弃(将在4.0移除)KRaft 状态早期访问阶段生产就绪Java 支持Java 8/11Java 17/23 (Java 11 已废弃)主要安全修复多项安全增强架构层面: ZooKeeper 完全可选，KRaft 生产就绪存

 喝醉酒的小白
2026-01-15 21:55:15

 1461

 22

#apache #kafka #分布式