1.Could not find tool.jar
2.Atlas系列-编译部署-Atlas2.1.0独立部署
3.OpenTelemetry、Spring Cloud Sleuth、Kafka、Jager实现分布式跟踪
4.使用Java和Vue实现网页版Kafka管理工具
5.flink-cdc同步mysql数据到kafka
6.亲测！码目某站8000买的码目默往im即时通讯源码

Could not find tool.jar

       当你在Mac笔记本上尝试运行Kafka源码的./gradlew jar命令时，可能会遇到找不到tool.jar的码目错误提示。这个错误通常源于JAVA_HOME环境变量的码目配置不正确，或者该路径下确实没有名为tool.jar的码目文件。

       问题的码目拨号精灵+源码核心在于系统的Java开发工具包（JDK）路径设置不完整或不准确，这是码目导致工具类jar文件无法被系统识别和加载的关键原因。解决这个问题，码目你需要首先确认JAVA_HOME是码目否已经正确设置，它应该指向你的码目Java开发工具的安装路径，其中应包含tool.jar文件。码目

       具体步骤如下：

       检查JAVA_HOME环境变量：确保它指向的码目是你安装的JDK的bin目录，而不是码目JRE。

       查找tool.jar：在JAVA_HOME的码目lib或bin目录下查找tool.jar文件，如果没有，码目可能需要重新安装或配置JDK。

       如果上述两者都正常，gomap 源码尝试重新执行./gradlew jar命令，看看问题是否解决。

       通过正确的配置和文件路径检查，你通常可以解决这个问题，使Kafka源码的编译过程顺利进行。

Atlas系列-编译部署-Atlas2.1.0独立部署

       本文将为您详细介绍如何独立部署 Atlas 2.1.0 版本，依赖组件包括 solr、hbase、zookeeper、hive、hadoop、kafka。我们将采用 Docker 容器与 Linux 环境进行部署。如果您在 Atlas 的编译部署过程中遇到问题，本指南将提供解决方案。

       部署流程如下：

       部署环境

       1. Linux 环境：若无 Linux 环境，iosdeb源码可通过 Docker 构建。如已安装 Linux，推荐使用 CentOS 镜像，本文作者最初在 Windows 环境下进行部署，并制作了一个 CentOS 镜像。构建步骤如下：

       1. 拉取镜像

       2. 运行容器

       2. Zookeeper 环境搭建：使用 Docker 方式搭建 Zookeeper，配置步骤包括：

       1. 拉取 Docker 镜像

       2. 运行容器

       3. Hadoop 环境搭建：同样采用 Docker 方式搭建 Hadoop，步骤如下：

       1. 拉取镜像

       2. 建立 Hadoop 用的内部网络

       3. 创建并启动 Master 容器，映射端口，如 端口用于 Hiveserver2，以便后续客户端通过 beeline 连接 Hive

       4. 创建 Slave 容器

       5. 修改 hosts 文件，将 Master 和 Slave 的 IP 地址映射到容器内部

       6. 启动 Hadoop，格式化 HDFS，并启动全部服务

       7. 访问 Web 查看服务状态，如 hdfs: localhost: 和 yarn: localhost:

       4. 部署 Hive：由于 Hive 镜像与 Hadoop 镜像整合，使用已启动的qtselectall源码 Hadoop 镜像进行部署：

       1. 进入 Master 容器

       2. 修改配置文件，添加相关环境变量

       3. 执行源命令生效

       4. 完成数据库配置，确保与 Hive 配置文件中的分隔符一致，并关闭 SSL 验证

       5. 上传 MySQL 驱动到 Hive 的 lib 目录，调整 jar 包配置，确保 slf4j 和 guava 包版本一致

       6. 初始化元数据库，完成 Hive 的安装与启动

       7. 修改 Hadoop 权限配置

       8. 启动 Hiveserver2

       9. Hbase 搭建：由于使用 Docker 遇到问题，改为在容器外搭建 Hbase 环境。步骤包括：

       1. 拉取容器

       2. 创建并运行容器

       3. 进入容器

       4. 修改 Hbase 配置

       5. 启动 Hbase

       6. 访问 Web 界面地址 localhost:

       . Solr 搭建：使用 Docker 方式搭建 Solr，步骤如下：

       1. 拉取镜像

       2. 运行容器

       3. 创建 collection

       4. 访问 Web 界面地址 localhost:

       . Atlas 独立部署：Atlas 2.1.0 版本独立部署依赖外部组件，不同于集成部署。步骤包括：

       1. 从 Apache Atlas 下载源码，如 apache-atlas-2.1.0-server.tar.gz

       2. 使用 Docker 镜像环境进行编译，选择之前构建的基础环境

       3. 将源码复制到容器内

       4. 修改 pom.xml 文件以适应环境依赖

       5. 执行编译命令

       6. 解压 /distro/target/apache-atlas-2.1.0-bin.tar.gz 文件

       7. 进入 bin 目录，启动应用

       至此，Atlas 2.1.0 版本独立部署完成，可访问 localhost: 查看部署结果。RSAjs源码

OpenTelemetry、Spring Cloud Sleuth、Kafka、Jager实现分布式跟踪

        分布式跟踪可让您深入了解特定服务在分布式软件系统中作为整体的一部分是如何执行的。它跟踪和记录从起点到目的地的请求以及它们经过的系统。

        在本文中，我们将使用 OpenTelemetry、Spring Cloud Sleuth、Kafka 和 Jaeger 在三个 Spring Boot 微服务 中实现分布式跟踪。

        我们先来看看分布式追踪中的一些基本术语。

        跨度：表示系统内的单个工作单元。跨度可以相互嵌套以模拟工作的分解。例如，一个跨度可能正在调用一个 REST 端点，然后另一个子跨度可能是该端点调用另一个，等等在不同的服务中。

        Trace：所有共享相同根跨度的跨度集合，或者更简单地说，将所有跨度创建为原始请求的直接结果。跨度的层次结构（每个跨度在根跨度旁边都有自己的父跨度）可用于形成有向无环图，显示请求在通过各种组件时的路径。

        OpenTelemetry ，也简称为 OTel，是一个供应商中立的开源 Observability 框架，用于检测、生成、收集和导出遥测数据，例如 跟踪 、 指标 和 日志 。作为 云原生 计算基金会 (CNCF) 的孵化项目，OTel 旨在提供与供应商无关的统一库和 API 集——主要用于收集数据并将其传输到某处。OTel 正在成为生成和管理遥测数据的世界标准，并被广泛采用。

        Sleuth 是一个由 Spring Cloud 团队管理和维护的项目，旨在将分布式跟踪功能集成到 Spring Boot 应用程序中。它作为一个典型Spring Starter的 . 以下是一些开箱即用的 Sleuth 工具：

        Sleuth 添加了一个拦截器，以确保在请求中传递所有跟踪信息。每次调用时，都会创建一个新的 Span。它在收到响应后关闭。

        Sleuth 能够跟踪您的请求和消息，以便您可以将该通信与相应的日志条目相关联。您还可以将跟踪信息导出到外部系统以可视化延迟。

        Jaeger 最初由 Uber 的团队构建，然后于 年开源。它于 年被接受为云原生孵化项目，并于 年毕业。作为 CNCF 的一部分，Jaeger 是云原生 架构 中公认的项目。它的源代码主要是用 Go 编写的。Jaeger 的架构包括：

        与 Jaeger 类似，Zipkin 在其架构中也提供了相同的组件集。尽管 Zipkin 是一个较老的项目，但 Jaeger 具有更现代和可扩展的设计。对于此示例，我们选择 Jaeger 作为后端。

        让我们设计三个 Spring Boot 微服务：

       

        这三个微服务旨在：

        这是为了观察 OpenTelemetry 如何结合 Spring Cloud Sleuth 处理代码的自动检测以及生成和传输跟踪数据。上面的虚线捕获了微服务导出的跟踪数据的路径，通过OTLP（OpenTelemetry Protocol）传输到OpenTelemetry Collector，收集器依次处理并将跟踪数据导出到后端Jaeger进行存储和查询。

        使用 monorepo，我们的项目结构如下：

       

        第 1 步：添加 POM 依赖项

        这是使用 OTel 和 Spring Cloud Sleuth 实现分布式跟踪的关键。我们的目标是不必手动检测我们的代码，因此我们依靠这些依赖项来完成它们设计的工作——自动检测我们的代码，除了跟踪实现、将遥测数据导出到 OTel 收集器等。

        第 2 步：OpenTelemetry 配置

        OpenTelemetry 收集器端点

        对于每个微服务，我们需要在其中添加以下配置application.yml（请参阅下面部分中的示例片段）。spring.sleuth.otel.exporter.otlp.endpoint主要是配置OTel Collector端点。它告诉导出器，在我们的例子中是 Sleuth，通过 OTLP 将跟踪数据发送到指定的收集器端点pose 服务。

        跟踪数据概率抽样

        spring.sleuth.otel.config.trace-id-ratio-based属性定义了跟踪数据的采样概率。它根据提供给采样器的分数对一部分迹线进行采样。概率抽样允许 OpenTelemetry 跟踪用户通过使用随机抽样技术降低跨度收集成本。如果该比率小于 1.0，则某些迹线将不会被导出。对于此示例，我们将采样配置为 1.0、%。

        有关其他 OTel Spring Cloud Sleuth 属性，请参阅常见应用程序属性。

        OpenTelemetry 配置文件

        我们需要项目根目录下的 OTel 配置文件otel-config.yaml。内容如下。此配置文件定义了 OTel 接收器、处理器和导出器的行为。正如我们所看到的，我们定义了我们的接收器来监听 gRPC 和 HTTP，处理器使用批处理和导出器作为 jaeger 和日志记录。

        第 3 步：docker-compose 将所有内容串在一起

        让我们看看我们需要启动哪些 docker 容器来运行这三个微服务并观察它们的分布式跟踪，前三个微服务在上面的部分中进行了解释。

        运行docker-compose up -d以调出所有九个容器：

       

        第 4 步：追踪数据在行动

        快乐之路

        现在，让我们启动customer-service-bff流程的入口点，以创建新客户。

       

        启动 Jaeger UI， /?target=http%3A//localhost%3A/%2C]按[/url]服务搜索customer-service-bff，单击Find Traces按钮，这是我们看到的创建客户跟踪：它跨越三个服务，总共跨越六个，持续时间 . 毫秒。

       

        除了 Trace Timeline 视图（上面的屏幕截图），Jaeger 还提供了一个图形视图（Trace Graph在右上角的下拉菜单中选择）：

       

        三个微服务在 docker 中的日志输出显示相同的跟踪 id，以红色突出显示，并根据其应用程序名称显示不同的跨度 id（应用程序名称及其对应的跨度 id 以匹配的颜色突出显示）。在 的情况下customer-service，相同的 span id 从 REST API 请求传递到 Kafka 发布者请求。

       

       

       

        customer-service让我们在 docker 中暂停我们的PostgreSQL 数据库，然后重复从customer-service-bff. internal server error正如预期的那样，我们得到了。检查 Jaeger，我们看到以下跟踪，异常堆栈跟踪抱怨SocketTimeoutException，再次如预期的那样。

       

        识别长期运行的跨度

        Jaeger UI 允许我们搜索超过指定最大持续时间的跟踪。例如，我们可以搜索所有耗时超过 毫秒的跟踪。然后，我们可以深入研究长期运行的跟踪以调查其根本原因。

        在这个故事中，我们从 OpenTelemetry、Spring Cloud Sleuth 和 Jaeger 的角度解压了分布式跟踪，验证了 REST API 调用和 Kafka pub/sub 中分布式跟踪的自动检测。我希望这个故事能让你更好地理解这些跟踪框架和工具，尤其是 OpenTelemetry，以及它如何从根本上改变我们在 分布式系统 中进行可观察性的方式。

       

使用Java和Vue实现网页版Kafka管理工具

       本文介绍如何使用Java和Vue实现网页版Kafka管理工具，以简化日常任务开发。Kafka作为分布式消息系统，广泛应用于大数据处理、实时系统、流式处理等场景。本工具支持实时处理大量数据，满足多样需求。

       网页版Kafka管理工具通过接口和页面的前后端分离设计，实现高效管理和操作。后端项目`invocationlab-admin`采用`JDK8 + SpringBoot`框架，而前端项目`invocationlab-rpcpostman-view`使用Vue 2。前端项目结构简化部署，构建后的文件直接放置于`src`目录下的`public`子目录，无需额外配置。

       本地开发和部署时，访问路径分别为`http://localhost:/#/kafka/index`和`http://localhost:/invocationlab-rpcpostman-view/#/kafka/index`，具体路径根据实际部署情况调整。

       项目源码可访问以下链接：

       GitHub地址：[GitHub链接]

       Gitee源码同步地址：[Gitee链接]

flink-cdc同步mysql数据到kafka

       Flink CDC技术是用于实时捕获数据库变更数据的关键工具，它记录数据表的插入、更新和删除操作，然后将这些变化以有序的方式推送到消息中间件，以支持其他服务订阅和处理。以下是如何将MySQL数据同步到Kafka的步骤。

       环境准备

       如果没有安装Hadoop，可以选择使用Flink standalone模式。

       依赖包安装

       从指定地址下载flink的依赖，特别是flink-sql-connector-mysql-cdc。初始版本为1.4，但后来发现1.3.0更适合，因为它与connector-kafka兼容性更好。对于更高版本的Flink，可以选择从github下载源码自行编译，但这里推荐使用1.3版本的jar包。

       启动Flink SQL Client

       在YARN上启动Flink application，进入flink目录并执行相关命令，然后切换到Flink SQL命令行。

       同步数据

       首先，创建一个MySQL表，并在Flink SQL中与之关联，这样操作此表就像操作MySQL表一样。接着，设置数据表与Kafka的关联，例如创建名为product_view_kafka_sink的主题，数据同步会自动触发。执行SQL同步任务后，可以在Flink web-ui中看到MySQL数据已被同步到Kafka，MySQL的插入操作将实时反映在Kafka中。

       通过Kafka控制台验证数据同步，确认数据已从MySQL成功同步至Kafka。

       参考资源

       进一步的信息可以参考ververica.github.io/fli...。

亲测！某站买的默往im即时通讯源码

       经过亲测，以下是关于默往IM即时通讯源码的搭建教程。该教程涉及的环境包括Nginx 1.、MySQL 5.7、PHP 7.4、Redis 7.0、Node.js ..6、etcd、minio、ssdb、以及kafka等技术栈。以下是关键步骤：

       1. 安装minio：使用`apt-get install rpm`，然后安装`minio-.0.0.x_.rpm`，启动服务使用`nohup minio server /opt/lib/minio --console-address ":" 1>/dev/null 2>&1 &`。

       2. 安装ssdb：进入目录并编译`make`，然后指定安装目录`make install PREFIX=/opt/lib/ssdb`，启动和管理服务。

       3. 安装kafka：在宝塔上安装Java 1.8，设置环境变量，编辑`config/server.properties`，启动zookeeper和kafka。

       4. 安装etcd：配置环境变量，启动etcd服务。

       5. 数据库操作：设置root远程访问，创建和导入数据库，修改数据库账号密码。

       6. IM脚本：修改配置文件，执行清理日志和启动服务的命令。

       7. 创建网站：设置api和admin模块，配置伪静态，运行网站和修改PHP函数，设置跨域访问。

       8. web模块：配置telegram接口，安装依赖，打包编译，并调整wasm文件路径。

       9. 最后，提供了下载链接和原文出处。

       通过以上步骤，您可以按照教程逐步搭建默往IM的源码环境。