Dubbokeeper 开源项目教程
1. 项目介绍
Dubbokeeper 是一个基于 Spring MVC 开发的开源社区版 Dubbo Admin,旨在提供更强大的 Dubbo 服务管理和监控功能。它修复了官方 Dubbo Admin 存在的一些问题,并添加了服务统计、依赖关系图表展示等必要功能。Dubbokeeper 的目标是集成服务管理和服务监控于一体的 Dubbo 服务管理系统。
主要功能
- 应用管理:包含系统所有子应用信息列表,支持服务上下线操作、权重调整等。
- 动态配置:利用 Dubbo 的注册中心管理服务,支持在服务运行状态下调整参数。
- 统计信息:通过图表方式统计服务相关信息,如应用暴露、消费服务统计信息等。
- Dubbo 服务监控:扩展 Dubbo 的 MonitorService 接口,实现对服务的实时监控。
- Zookeeper 信息查看:通过配置 Zookeeper 地址,查看多个 Zookeeper 中的节点信息。
2. 项目快速启动
2.1 下载源码
首先,从 GitHub 仓库下载 Dubbokeeper 的源码:
git clone https://github.com/dubboclub/dubbokeeper.git
2.2 编译打包
进入项目目录并进行编译打包:
cd dubbokeeper
mvn clean package
编译完成后,在 target 目录下会生成 xxx-dubbokeeper-ui 和 xxx-dubbokeeper-server 两个目录。
2.3 部署监控展示应用
将 xxx-dubbokeeper-ui 目录下的 war 包部署到 Tomcat 或 Jetty 等 Servlet 容器中:
cp target/xxx-dubbokeeper-ui/dubbokeeper-ui.war /path/to/tomcat/webapps/
2.4 配置监控数据存储端
进入 xxx-dubbokeeper-server 目录,配置相关参数:
cd target/xxx-dubbokeeper-server
编辑 conf 目录下的配置文件,根据需要调整存储方式(如 MySQL、Lucene 等)。
2.5 启动监控数据存储端
执行启动脚本启动监控数据存储端:
./bin/start-xx.sh
3. 应用案例和最佳实践
3.1 服务管理
Dubbokeeper 提供了强大的服务管理功能,可以对应用的服务进行上下线操作、权重调整等。例如,在高峰期可以通过调整权重来平衡服务负载。
3.2 动态配置
通过 Dubbokeeper 的动态配置功能,可以在服务运行状态下调整服务的超时时间、Mock 设置等,实现服务的灵活配置。
3.3 服务监控
Dubbokeeper 提供了详细的监控图表,帮助开发者实时监控服务的运行状态,及时发现和解决问题。
4. 典型生态项目
4.1 Dubbo
Dubbokeeper 是基于 Dubbo 框架开发的,与 Dubbo 紧密集成,提供了更强大的服务管理和监控功能。
4.2 Zookeeper
Dubbokeeper 通过配置 Zookeeper 地址,可以查看多个 Zookeeper 中的节点信息,帮助开发者更好地管理和监控分布式系统。
4.3 Spring MVC
Dubbokeeper 基于 Spring MVC 开发,充分利用了 Spring 框架的优势,提供了灵活且强大的服务管理功能。
通过以上步骤,您可以快速启动并使用 Dubbokeeper 进行 Dubbo 服务的管理和监控。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00