业务和功能介绍
发短信、通知、邮件等消息基本上大部分业务系统都需要的功能，如果子系统比较多，每个子系统单独对接集成，而且后期如果更换对接方式，如更换运营商维护成本非常大，且出现问题需要按子系统单独排查解决效率低下。消息中心服务平台旨在为各个业务系统之间提供统一消息转发和存储服务，实现整个各业务系统消息类型的适配和信息交换，统一维护消息服务相关功能。
主要实现以下目标：
消息转发：能够将一个业务系统的信息转发至其他业务系统或移动端；消息类型适配：
能够适配各种消息类型的消息传递，如私信、通知、短信、邮件、APP推送等；
消息存储：可对所有从消息中心转发的消息内容进行数据存储，可从界面进行内容预览、查询、导出等功能，同时可对消息的状态进行跟踪，以达到消息管控的目的；
灵活可扩展：针对不同业务系统需求场景，可通过平台组件化对接不同的第三方平台而不影响平台的实时运行。
主要实现以下目标：
消息转发：能够将一个业务系统的信息转发至其他业务系统或移动端；消息类型适配：
能够适配各种消息类型的消息传递，如私信、通知、短信、邮件、APP推送等；
消息存储：可对所有从消息中心转发的消息内容进行数据存储，可从界面进行内容预览、查询、导出等功能，同时可对消息的状态进行跟踪，以达到消息管控的目的；
灵活可扩展：针对不同业务系统需求场景，可通过平台组件化对接不同的第三方平台而不影响平台的实时运行。
项目实现
技术实现主要采用spring+dubbo+activemq+mybatis+redis。spring作为核心基础框架，dubbo用于实现接口层和服务层的注册以及远程调用。activemq用于消息的临时存储，然后使用异步线程池进行入库操作。
主要负责技术选型，以及整体架构设计。系统在上线之后有时候会出现消息阻塞的问题，经过排查定位发现是发送端消息数量过多，消费端使用串行的方式消费过慢，通过优化消费端使用多线程异步处理从而解决了消息阻塞的问题
主要负责技术选型，以及整体架构设计。系统在上线之后有时候会出现消息阻塞的问题，经过排查定位发现是发送端消息数量过多，消费端使用串行的方式消费过慢，通过优化消费端使用多线程异步处理从而解决了消息阻塞的问题
示例图片视频
相似推荐
数据在线采集
本项目为产业数据直报系统：
1、管理端（省/市/县区三级监管）和填报端（企业、非经营单位）提供端到端的数字化数据采集、审核、统计与导出能力。
2、系统按报告期（年/季/月）驱动 10 张业务表单的填报，涵盖企业基础档案、种植、生产加工、销售、文旅、税收贸易，以及景气调查问卷（含数字选项码与多选字段）。
3、审核采用三级联审机制，支持企业撤回修改、各角色取回、县区退回需第三方评估等精细化规则。
4、管理端提供按地区维度的仪表盘统计（应填/已填/待审/退回率、部分填报识别）、填报进度追踪（按企业/表单维度）和 Excel 导出（问卷选项码转中文、密码加密、填报端仅导出本单位），形成采集-审核-分析闭环。
动态网页数据抓取爬虫/工具-企业股票行情数据
立项背景与目标：
金融分析用户常需获取股市热门标的名单，但东方财富网数据为动态加载，手动复制效率极低。本项目目标是实现热门股吧榜单的自动化采集，输出结构化数据供后续分析使用。
软件功能：
输入目标接口地址，一键运行即可获取企业名称、股吧代码、行情代码三项核心信息，输出为UTF-8编码的纯文本表格。
核心功能模块：
· 请求模块：模拟浏览器访问API接口
· 解析模块：提取JSON中指定字段
· 存储模块：写入本地TXT文件
业务流程：
用户双击运行脚本→程序自动请求接口→解析返回数据→提取三个字段→生成结果文件到当前目录。
功能路径：
下载脚本→确认网络通畅→双击运行→打开同目录下生成的文本文件查看结果
贵州城市天气数据采集-黔城天气采集工具
立项背景与目标：
当前气象数据获取方式仍以人工查询为主，效率低且难以批量处理。本项目旨在通过自动化手段，实现对目标地区天气信息的快速采集与结构化存储，减少人工重复劳动，提升信息获取效率。
1. 数据采集模块：向目标网页发送请求，获取页面内容。
2. 数据解析模块：定位并提取温度、天气状况等关键字段。
3. 数据存储模块：将提取结果写入本地文件，便于后续查阅或导入其他系统。用户运行脚本 → 程序自动请求目标网页 → 解析天气数据 → 写入本地文件 → 完成采集。功能路径描述：
脚本启动 → HTTP 请求 → HTML 解析 → 字段提取 → 文件写入 → 结束运行
基于YOLOv5的嵌入式实时目标检测与识别系统-嵌入式AI识别系统
1、立项背景和目标：
随着物联网与边缘计算快速发展，嵌入式设备承担智能识别任务的需求日益增长。树莓派凭借低成本、易部署优势成为边缘识别常用载体，但受限于算力，复杂模型难以直接部署。本项目在Windows下基于YOLOv5训练轻量化目标检测模型，支持人脸及5类以上日常物品识别，部署至树莓派4结合摄像头实现实时视频流识别，验证从训练到嵌入式端落地的完整链路，为嵌入式AI识别提供可行方案。
2、软件功能、核心功能模块：
系统包含三大核心模块：①目标检测模块——基于YOLOv5实现人脸及日常物品实时检测与定位，输出边界框坐标和类别标签；②人脸识别子模块——实现指定人脸库的身份识别与匹配；③实时视频流处理模块——调用树莓派摄像头完成帧采集、预处理及模型推理，画面叠加标注结果。最终系统帧率5FPS以上，检测mAP≥80%，人脸识别准确率≥85%。
3、业务流程、功能路径描述：
用户启动树莓派执行主程序→系统初始化摄像头并采集实时视频流→每帧图像经尺寸归一化预处理→加载本地YOLOv5轻量化模型推理→输出目标类别、置信度、边界框→OpenCV叠加矩形框和标签至原始画面→HDMI输出至显示器。形成“采集→推理→渲染→输出”闭环流水线，用户无需额外操作即可持续获得识别反馈。
百万级数据容器性能对比器
数据生成：生成百万级的学生数据（学号、姓名、成绩），以CSV格式存储。
数据加载：把CSV里的数据，分别加载到三种不同的数据结构里（vector、map、unordered_map）。
精确查询测试：随机生成一个学号，测试三种容器查询一个特定学生成绩的耗时。
范围查询测试：给定一个成绩区间（如80-90分），测试三种容器统计这个区间内学生数量的耗时。
性能对比结论：用高精度计时，对比三种容器在不同查询场景下的效率差异，得出选型建议。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服