内容简介:RabbitMQ 3.8.0 rc2 发布了。RabbitMQ 是由 LShift 提供的一个 Advanced Message Queuing Protocol (AMQP) 的开源实现,由以高性能、健壮以及可伸缩性出名的 Erlang 编写而成,因此它也是继承了这些优点。 此版本...
RabbitMQ 3.8.0 rc2 发布了。RabbitMQ 是由 LShift 提供的一个 Advanced Message Queuing Protocol (AMQP) 的开源实现,由以高性能、健壮以及可伸缩性出名的 Erlang 编写而成,因此它也是继承了这些优点。
此版本在数据安全性、可观察性和易于升级等方面都有一些重大改进,更新亮点包括:
- Quorum Queues
- 内置 Prometheus 支持,并带有一组 Grafana 仪表板支持
- Feature Flags
- Single Active Consumer
- 使用 OAuth 2.0(JWT)令牌的新身份验证和授权后端
此版本的一些功能还采用了 Erlang、Elixir 的新 Raft 实现 Ra。
详情查看更新说明:
https://github.com/rabbitmq/rabbitmq-server/releases/tag/v3.8.0-rc.2
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 优秀开源框架的扩展机制实现
- 手写NSCache及开源实现的分析
- 开源:如何实现一个 iOS AOP 框架?
- 经典开源代码分析——Leveldb高效存储实现
- OpenLDAP 2.4.46 发布,开源 LDAP 实现
- 微服务网关-Kong开源实现(7.30)
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
推荐系统与深度学习
黄昕、赵伟、王本友、吕慧伟、杨敏 / 清华大学出版社 / 2019-1-1 / 65.00元
本书的内容设置由浅入深,从传统的推荐算法过渡到近年兴起的深度学习技术。不管是初学者,还是有一定经验的从业人员,相信都能从本书的不同章节中有所收获。 区别于其他推荐算法书籍,本书引入了已被实践证明效果较好的深度学习推荐技术,包括Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用,并给出了相关的实践代码;除了在算法层面讲解推荐系统的实现,还从工程层面详细阐述推荐系统如何搭建.一起来看看 《推荐系统与深度学习》 这本书的介绍吧!