5种最常用的数据摄入方法

在你编写任何转换之前，在你构建预测模型之前，或者在你运行Spark管道之前，你必须做的就是获取数据。

新缸中之脑

SpringBoot 消息重试机制：失败消息自动重试

在分布式系统中，网络抖动、服务超时、资源繁忙等问题时有发生。想象一下：用户下单后，订单消息发送失败，导致库存没有扣减...支付成功后，通知消息丢失，导致订单状态没有更新...这些问题如果处理不当，很容易造成数据不一致！

随身电源

【Kafka 源码手记】01 从消息队列到 Event Streaming

写这个系列之前，我觉着有必要先搞清楚一件事：Kafka 出现之前，世界是什么样的。

罗宾记录

Kafka 用了 15 年，其实一直不会"排队"

Kafka 用了 15 年，其实一直不会"排队"。不是段子。这个全球最流行的分布式消息系统，从设计第一天起就不支持队列语义——直到 2026 年 2 月，Apache Kafka 4.2 发布，一个叫共享组（Share Group）的特性正式 GA。

祉要习惯就好

彻底搞定Kafka死信队列&消息堆积！生产故障排查+优化全套方案

前面我们讲完了 Spring Boot 接入Kafka 和 Kafka幂等性解决方案，解决了「消息重复」问题。但线上Kafka还有两个致命生产事故：1. 消息异常、脏数据无限重试，导致服务卡死、日志刷屏；2. 突然出现大量消息堆积，数据延迟、业务超时、队列雪崩。

从程序员到架构师

Kafka 磁盘一直涨，明明配了 7 天过期，为什么三个月前的数据还在？

凌晨两点，监控报警：Kafka 磁盘使用率 92%。你揉着眼睛打开配置文件，白纸黑字写着 retention.ms=604800000，七天后自动过期。可你随手查了一下分区里最早的消息——三个月前。配置没写错，Kafka 也没出 bug。

linux运维菜

运维必看！Kafka集群性能压测保姆级教程（建议收藏）

做运维的都懂，小型公司里没有专门的测试工程师，很多“额外活”都得自己做。其中，Kafka几乎是一个绕不开的消息中间件，它的性能直接决定了整个业务的稳定性，一旦出现吞吐不足、延迟过高，背锅的还是运维。

老卢聊运维

一张图掌握 Kafka 核心原理

面对海量数据与高并发场景，如何构建高吞吐、高可用、可扩展的实时数据系统？Kafka 核心原理速查指南，带你快速掌握分布式消息与事件流处理的关键技术！

月光小书窝