Spring-Cloud-Eureka学习二 服务注册与发现

一、注册中心出现的背景
单体应用经过拆分之后变成多个微服务,每个服务独立部署,架构也由当初的一台Nginx负载多个tomcat。例如:现在有2个微服务分别为服务A和服务B,
服务A调用服务B。服务B部署了3个实例,要将A的请求转发到服务B的3个实例中有2个方案。
方案1:A服务部署一个nginx维护服务B三个实例的IP地址,如果服务B的实例增加或减少需要通知服务A修改服务B实例的IP。
在这里插入图片描述
方案2:服务B自己部署一个Nginx服务维护3个微服务实例的IP地址,如果服务B的实例需要增加或者修改则只需自己修改nginx中的配置就可以,不需要通知服务A去修改Nginx。
在这里插入图片描述
二、Eureka-Server注册中心
注册中心的出现解决了微服务实例维护困难的问题,所有的微服务将自己的IP和端口地址及相关的信息发送到注册中心,由注册中心来维护微服务实例。
在这里插入图片描述
CAP理论
在一个分布式系统中,当涉及读写操作时,只能保证一致性(Consistency)、可用性(Availability)、分区容忍性(Partition Tolerance)三者中的两个,另外一个必须被牺牲。
1.一致性(Consistency)
对于某个指定的客户端来说,读操作保证能够返回最新的写操作结果。
2.可用性(Availability)
非故障的节点在合理的时间内返回合理的响应(不是错误和超时的响应)
3.分区容忍性(Partition Tolerance)
当出现网络分区后,系统能够继续提供服务。

Eureka-Server 的复制策略
Eureka-Server 采用的是P2P(对等复制)模式,但是它不保证复制操作一定能成功,因此它提供的是一个最终一致性的服务实例视图。Client端在Server端的注册信息有个带期限的租约,一旦Server端在指定的时间没有收到Client端发送的心跳,则Server端认为Client端的服务是不可用的,定时任务会将其从注册表中删除。
1.创建spring-cloud-demo
2.创建父模块spring-cloud-parent
在父模块中引入相关的依赖


<dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.cloud</groupId>
                <artifactId>spring-cloud-dependencies</artifactId>
                <version>${spring-cloud.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>
<dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <version>2.1.2.RELEASE</version>
            <scope>test</scope>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-actuator</artifactId>
        </dependency>
        <dependency>
            <groupId>net.logstash.logback</groupId>
            <artifactId>logstash-logback-encoder</artifactId>
            <version>5.2</version>
        </dependency>
    </dependencies>

3.创建Eureka-Server
pom.xml指定parent并引入eureka-server依赖

<parent>
        <artifactId>spring-cloud-parent</artifactId>
        <groupId>com.example</groupId>
        <version>1.0-SNAPSHOT</version>
        <relativePath>../spring-cloud-parent/pom.xml</relativePath>
 </parent>
    <dependencies>
        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-netflix-eureka-server</artifactId>
            <version>${spring-cloud-eureka-server.version}</version>
        </dependency>
    </dependencies>

配置application.yml

server:
  port: 8762

eureka:
  instance:
    hostname: localhost
    # 指定Eureka Client 间隔多久需要向Eureka-Server发送心跳来告知Eureka-Server该实例还存活 默认90
    lease-expiration-duration-in-seconds: 10
    # 优先使用IP地址
    prefer-ip-address: true
  client:
    # 是否应该将实例注册到Eureka-Server 默认为true
    register-with-eureka: false
    fetch-registry: true
    service-url:
      defaultZone: http://localhost:8762/eureka/
  server:
    wait-time-in-ms-when-sync-empty: 0
    enable-self-preservation: false
spring:
  application:
    name: eureka-server

4.创建Eureka-Client 模块(spring-cloud-service-provide)
配置pom.xml,指定parent并引入eureka-client等相关依赖

<parent>
        <artifactId>spring-cloud-parent</artifactId>
        <groupId>com.example</groupId>
        <version>1.0-SNAPSHOT</version>
        <relativePath>../spring-cloud-parent/pom.xml</relativePath>
</parent>
<dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-openfeign</artifactId>
            <version>${spring-cloud-starter-openfeign.version}</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-netflix-eureka-client</artifactId>
            <!--<version>${spring-cloud-eureka-client.version}</version>-->
        </dependency>
        </dependencies>

配置application.yml,将服务注册到Eureka-Server

server:
  port: 8086

spring:
  application:
    name: cloud-service-provide

eureka:
  instance:
    hostname: localhost
    prefer-ip-address: true
    lease-expiration-duration-in-seconds: 10
  client:
    serviceUrl:
      # 注册到Eureka-Server
      defaultZone: http://localhost:8762/eureka/

分别启动Eureka-Server和Eureka-Client,通过浏览器访问注册中心http://localhost:8762,可以看到cloud-serivce-provide已经注册到Eureka-Server
在这里插入图片描述
三、Eureka-Server rest api

操作请求类型URL描述
注册服务实例POST/eureka/apps/{appId}可以输入json或xml格式的body数据,成功返回204
注销应用实例DELETE/eureka/apps/{appId}/{instanceId}成功返回200
应用实例发送心跳PUT/eureka/apps/{appId}/{instanceId}成功返回200,如果instanceId不存在返回404
查询所有实例GET/eureka/apps成功返回200,输出json或xml格式数据
查询指定appId的实例GET/eureka/apps/{appId}成功返回200,输出json或xml格式数据
根据appId和instanceId查询GET/eureka/apps/{appId}/{instanceId}成功返回200,输出json或xml格式
根据指定instanceId查询GET/eureka/instances/{instanceId}成功返回200,输出json或xml格式
暂停应用实例PUT/eureka/apps/{appId}/{instanceId}/status?value=OUT_OF_SERVER成功返回200,失败返回500
恢复应用实例DELETE/eureka/apps/{appId}/{instanceId}/status?value=UP成功返回200,失败返回500
更新元数据PUT/eureka/apps/{appId}/{instanceId}/metadata?key=value成返回200,失败返回500
根据vip地址查询GET/eureka/vips/{vipAddress}成返回200,输出json或xml
根据svip地址查询GET/eureka/svips/{svipAddress}成功返回200,输出json或xml格式数据
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值