黑马点评-消息队列相关

Q:好的我现在明白不是返回数据格式的问题,但我还是很模糊,你给我再讲一下后端返回给前端数据的一般过程,和用消息队列后的返回过程

A:tomcat线程先释放 (本来controller调service service调mapper查询数据库,一整套流程走完返回VO实体类给前端,有了消息队列后,controller接收到请求,查redis,判断下单成功直接给前端返回数据,然后释放tmocat线程,后台启动一个静默线程执行订单insert数据库等操作,,,并在 一段时间后再次给前端返回数据)

我给你画最清晰、最朴素、最真实的前后端交互流程

你马上彻底不模糊!我只讲最本质的区别

先记住一句超级本质的话

后端给前端返回结果 = 一句话:我做完了没?做完了就给你结果。

消息队列 = 我没做完,但我先告诉你 “我收到了,会慢慢做”。

一、先讲:后端返回给前端数据的正常、一般过程(90% 的业务)

你平时写接口都是这样:

流程:

  1. 前端发请求 → 到后端 Tomcat
  2. Tomcat 线程开始处理
  3. 执行代码:查数据库修改数据库保存数据
  4. 所有事情全部做完
  5. 返回 JSON 给前端
  6. Tomcat 线程释放

样子:

plaintext

请求来了 → 干活 → 干完 → 返回 → 结束

特点:

  • 必须等所有逻辑执行完
  • 前端必须一直等着
  • 数据库慢 → 整个接口就慢
  • 高并发 → 线程耗尽 → 系统卡死

二、再讲:使用消息队列后的返回过程(秒杀优化)

流程:

  1. 前端发请求 → 到后端 Tomcat
  2. Tomcat 线程开始处理
  3. 只做超快的事(Redis 判断)
  4. 把 “要做的慢任务” 扔进消息队列
  5. 立刻返回 JSON 给前端:抢购成功!
  6. Tomcat 线程直接释放!!!

后台(另一个独立线程)慢慢执行:

  • 从队列拿任务
  • 查数据库
  • 扣库存
  • 创建订单

样子:

plaintext

请求来了 → 快速判断 → 扔队列 → 返回 → 线程结束
(后台线程:慢慢数据库操作)

特点:

  • 不等数据库!
  • 接口速度极快
  • Tomcat 线程瞬间释放,可以处理更多请求
  • 数据库压力极小
全部评论

相关推荐

在我来鹅之后,接到的第一个完整大需求就是需要编写一个skill,之前的实习也写过一些skill,但是在我的理解中skill就是跟提示词没差,把你需要的目标全写上就好了,所以第一次mr我提交了一个超过1200行的md,被mt打了回去,为了完成这个需求,我又赶紧请教了我身边的大神同学,获取一些写skill的经验,将原先1200行的md进行了对应的references拆封,又通过我朋友教我的验证机制验证这个skill的效果,最后完成了我的第一个需求。正好前两篇文章给大家分享了写好的用来包装简历的skill,那么今天来给大家分享怎么去写一个好的,可以实际用来工作的skill,摆脱只会写提示词的尴尬。构建 Skill 的五个步骤Step 0:先写 EvalsEval(Evaluation,评估)是一套结构化的、可重复运行的测试用例集,用来判断 Skill 的表现是否符合预期。它不是泛指"测试一下",而是开发 Skill 的前提条件。一个典型的 Skill eval 集至少包含三类用例:- 正例(Positive):用户说“帮我看一下这个 PR 能不能合”,验证 Skill 应该被加载- 负例(Negative):用户说“帮我把代码格式化一下”,验证 Skill 不该被加载——路由别跑偏到不该触发的地方- 边界(Edge):“这个 PR 改了一行日志,要不要审”,验证边界情况下的路由行为正例和负例都要写,而且负例往往比正例更值钱——误触发是 Skill 路由的头号失败模式。Eval 不只是测一次。Perplexity 的 eval 分三个层次:如下图每种都要在 GPT、Claude Opus、Claude Sonnet 不同的 orchestration 模型上分别跑——Sonnet 和 GPT 的 Skill 行为差异很大,只在一种模型上过了不够。没有 evals,你改 description 就是在盲改,一个新 Skill 也可能悄悄搞坏已有的十个 Skill。Step 1:写 Description(最难的一行)description 是路由触发器,不是文档。写好它不需要关心 Skill 的内容,只需要关心能不能在正确的时间加载、有没有意外触发到不应该触发的地方——误触发是头号失败模式,每加一个 Skill 都有可能让其他 Skill 变差。糟糕的 description 描述 Skill 做什么,好的 description 说什么时候加载。举个监控 PR 的例子:不要写这个 Skill 做什么,要写工程师感到焦虑时会说什么——"babysit"、"watch CI"、"make sure this lands"。快速检查清单:- 以"Load when…"开头- 控制在 50 词以内- 描述用户意图,最好来自真实查询- 不总结工作流程Step 2:写 Body跟同事讲工作流程和跟 LLM 讲工作流程完全是两回事。对几乎任何面世超过一年的软件工具,只要提名字,模型已经知道怎么用。所以跳过模型已经懂的部分。不用写出每一步命令。比如不要写 git log → git checkout main → git checkout -b clean-branch → git cherry-pick commit。写 "Cherry-pick the commit onto a clean branch. Resolve conflicts preserving intent. If it can't land cleanly, explain why." 模型在后者上表现好得多,尤其是事情不按预期走的时候。太规定的指令比灵活的指令更脆弱。然后聚焦 gotchas 和反例,它们是最高信噪比的内容。每次 Agent 搞砸了就加一条,gotcha 会自然地累积起来。条件逻辑或内容太重的东西移出 SKILL.md,放到 accessory file 里渐进加载。Step 3:用层级结构- scripts/ —— 确定性逻辑,模型不用每次重新发明- references/ —— 重型文档,条件触发才读("如果 API 返回非 200,读 api-errors.md")- assets/ —— 输出模板,模型直接复制填充- config.json —— 首次运行设置,问一次保存下来对于极其复杂的 Skill,进一步考虑是否应该拆成一组 Skill,用 depends: 声明加载关系。Step 4:迭代切分支出来,在无 Skill 的状态下跑 hero query(核心用户场景查询),建 eval 集,反复调。提交 review 时最好一个 changeset 里自带 eval 集。Description 里的小词改动对路由影响很大,甚至会 spillover(溢出)到其他 Skill,所以这些在 Step 5 之前做完。Step 5:发布大家快把这5步实行起来,成为写skill专家吧!
AI了,我在打一种很新的...
点赞 评论 收藏
分享
牛客你可姐:第一眼100-200虽然低……第二眼周?周?周吗?
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务