Kafka重复消费深度解析:从offset原理到幂等方案落地

自动驾驶预测决策规划八股 预测规划八股个人总结。 阅读详情

无论是准备面试,还是排查线上故障,“Kafka 重复消费”都是一个绕不开的话题。很多同学对它的理解停留在“消费端做幂等”这一句话上,但被追问到“为什么 Kafka 会重复消费”“幂等方案具体怎么落地”“消息没有全局 ID 该怎么办”时,往往就回答得不够系统。

这篇文章不打算停留在概念层,而是从 Kafka 消费链路和 offset 提交原理入手,把重复消费产生的根因拆开,再结合订单、积分这类高频业务场景,给出可落地的幂等方案和 Spring Boot 代码示例。读完你会明白:Kafka 到底会不会丢消息、为什么会重复消费、手动提交 offset 能做到什么程度、以及如何用幂等表和 Redis 去重挡住重复消息。

如果你是刚接触消息队列的新手,或者准备跳槽想系统整理 Kafka 知识点,这篇文章都值得收藏漫漫看。

1. 理解 Kafka 消费机制:offset 与消费者组

在讨论“如何避免重复消费”之前,先要把 Kafka 的消息消费链路弄清楚。很多人把重复消费的原因归结为“网络抖动”“消费者宕机”,但只有理解 offset、消费者组、poll 拉取这三者的关系,才能真正理解问题出在哪里。

1.1 offset 是什么

Kafka 中的每条消息在所属分区(Partition)里都有唯一的位置标识,称为 offset(偏移量)。你可以把它理解成一个消息的编号,但这个编号不是全局唯一的,而是“分区内唯一”的。消费者读取消息后,需要告诉 Kafka“我已经处理到这个位置了”,这个动作称为提交 offset。

提交 offset 的意义在于:消费者宕机或者重启后,Kafka 能根据最后一次提交的 offset,决定从哪里继续消费。已经提交过 offset 的消息,理论上不会再次消费;而未提交 offset 的消息,在重启后就会重新拉取。这正是重复消费能够发生的根本机制。

1.2 Consumer Group 如何分配分区

Kafka 的消费端以消费者组(Consumer Group)为单位工作。同一个消费者组内,一个分区在同一时刻只允许被组内的一个消费者实例消费。这样做的目的是保证分区内的消息在组内不重复分配。

但要注意,这里保证的是“同一时刻”不重复,而不是“整个生命周期”不重复。当消费者 A 负责消费分区 0,处理完一批消息但还没提交 offset 就宕机了,此时消费者 B 会被分配接手分区 0,而 B 会从 A 上次提交的 offset 继续消费,那么 A 已经处理过但没来得及提交的那部分消息,就会被 B 再次消费。

1.3 poll 拉取模型与提交时机

Kafka 消费者并不是“来一条处理一条”,而是通过 poll() 方法批量拉取消息。每次 poll() 会返回一批消息,消费者处理完这批消息之后,再提交 offset。

这里有一个关键时间差: 消息从小到大流程上是“拉取一批 -> 处理一批 -> 提交 offset” 。如果处理完成和提交 offset 之间发生异常,就会导致“消息处理了,但 offset 没有提交”的情况。消息队列为了保证消息不丢失,下一次会从头重新消费这些未提交 offset 的消息,于是重复就出现了。

2. 重复消费产生的根因分析

重复消费不是某一个单一动作导致的,而是消费链路中多个环节共同作用的结果。下面从自动提交、消费者组再均衡、处理逻辑异常等几个角度展开。

2.1 自动提交带来的不可控窗口

在 Kafka 默认配置下, enable.auto.commit 为 true ,消费者会每隔 auto.commit.interval.ms (默认 5 秒)自动提交一次 offset。这个设计看起来很省事,但存在一个明显的隐患:消费者拉取消息后如果处理到一半或者已经处理完、但在 5 秒内还没到自动提交时间点,服务突然宕机或重启,那么这批消息的 offset 不会被提交。

重启后,消费者重新拉取消息,会从上一次成功提交的位置继续,于是这 5 秒窗口内处理过的消息都会被重复消费。而且自动提交的时机不由业务逻辑控制,一旦业务处理耗时较长,重复的窗口就会被拉大。

# 自动提交配置示例
enable.auto.commit=true
auto.commit.interval.ms=5000

如果生产环境对消息处理的准确性要求高,一般建议把自动提交关闭,改为在业务逻辑处理成功之后手动提交 offset。

2.2 Consumer Rebalance 导致的消息重放

消费者组内成员发生变化时,会触发分区再均衡(Rebalance)。触发场景包括:

  • 消费者实例启动或关闭
  • 消费者处理速度过慢,超过 max.poll.interval.ms 没有发起新的 poll
  • 消费者与 Kafka 会话超时
  • Topic 新增分区

Rebalance 本身是 Kafka 保证消费公平性的机制,但它会带来一个副作用:如果有消费者负责的分区在下一次 poll 之前没有提交 offset,那么 Rebalance 之后,新的消费者会从上次提交的位置重新消费这部分消息。这是线上重复消费最典型的原因之一。

2.3 手动提交 offset 失败与提交时机不当

很多团队为了避免自动提交的问题,会配置手动提交。但如果提交时机和方式不对,依然会重复消费。例如:

List<ConsumerRecord<String, String>> records = consumer.poll(1000);
for (ConsumerRecord<String, String> record : records) {
    // 业务处理
    process(record);
    // 处理完立刻提交
    consumer.commitAsync();
}

这里看起来是“处理完就提交”,但如果 commitAsync() 提交失败,且没有重试机制,那么这些消息依然会在下次 poll 时重新拉取。另一个常见错误是在处理业务之前就先提交 offset,比如拉取到消息后立刻提交,再去执行业务代码。这样做虽然不会重复消费,但会带来更严重的消息丢失问题:业务还没处理完,offset 已经提交了,消费者崩溃后消息无法恢复。

2.4 Producer 端重试导致的重复

除了消费端,消息重复也可能在发送端产生。当 Producer 发送消息后没有收到 Broker 的确认,会触发重试。此时 Broker 可能已经成功写入消息,只是响应丢失,那么重试时就会写入一条一模一样的消息。虽然 Kafka 的幂等 Producer( enable.idempotence=true )可以在 Producer 会话内解决这种重复,但它并不能解决消费端的重复问题,因为消费端的重复更多来自 offset 提交时机,而不是消息本身是否存在两份。

搞清楚这一点非常关键,因为面试官经常会故意混淆“幂等 Producer”和“消费端幂等”这两个概念。

3. 解决重复消费的总体思路

既然 Kafka 消费模式天然可能重复,那么唯一可靠的应对方式,就是在消费端实现幂等。所谓幂等,是指“同一个操作执行多次,最终产生的结果与执行一次相同”。

3.1 Kafka 的三种投递语义

  • At Most Once:消息可能丢失,但不会重复。
  • At Least Once:消息不会丢失,但可能重复。Kafka 默认分区多副本机制加上消费者提交策略,多数场景是这种语义。
  • Exactly Once:消息既不会丢失也不会重复。这需要配合事务和幂等机制,但对大多数业务系统来说成本较高。

在业务系统中,绝大多数场景采用的还是 At Least Once。这也意味着: 消费端必须有应对重复消息的能力 。

3.2 去重方案总体分类

方案 原理 适用场景
手动提交 offset 通过控制提交时机,缩短重复窗口 所有消费端的基础配置
幂等表 利用数据库唯一索引,让重复消息插入失败但不报错 写数据库、需要落库的批量任务
Redis 去重 利用 SETNX 和过期时间,实现短时间窗口内的去重 高频轻量判断、缓存类业务
业务状态机校验 使用条件更新 SQL,状态只允许单向流转 订单状态、支付状态等强状态业务

后面三章会分别给出这些方案的完整代码示例。

4. 方案一:手动提交 offset,把主动权掌握在自己手中

要减少重复消费,第一步应该是关闭自动提交,改为业务处理成功后再提交。

4.1 添加依赖并创建 Spring Boot 项目

本文示例使用 Spring Boot 集成 spring-kafka。如果你的项目还没有 Kafka 依赖,在 pom.xml 中添加如下内容:

<dependency>
    <groupId>org.springframework.kafka</groupId>
    <artifactId>spring-kafka</artifactId>
    <version>2.9.9</version>
</dependency>

版本号需要根据你本地的 Spring Boot 版本调整,重点是理解配置思路,不要照搬版本号。

4.2 配置 Kafka 消费者

在 application.yml 中配置消费者,关闭自动提交,并设置手动提交模式:

spring:
  kafka:
    bootstrap-servers: localhost:9092
    consumer:
      group-id: order-group
      enable-auto-commit: false
      auto-offset-reset: earliest
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
    listener:
      ack-mode: manual

配置说明:

  • enable-auto-commit: false :关闭自动提交。
  • ack-mode: manual :使用手动提交模式。
  • auto-offset-reset: earliest :如果消费者没有 offset 或 offset 失效,从最早的消息开始消费,适用于需要完整处理的场景。
  • group-id :消费者组 ID,不同业务的消费组一定要隔离。

4.3 使用 @KafkaListener 手动提交 offset

在业务代码中,通过 Acknowledgment 参数手动控制提交时机。最关键的一点是: 一定要在处理完业务逻辑之后再调用 acknowledgment.acknowledge() 。

@Service
public class OrderConsumer {

    private static final Logger log = LoggerFactory.getLogger(OrderConsumer.class);

    @KafkaListener(topics = "order-topic", groupId = "order-group")
    public void onMessage(ConsumerRecord<String, String> record, Acknowledgment ack) {
        try {
            // 1. 解析消息
            OrderEvent orderEvent = JSON.parseObject(record.value(), OrderEvent.class);

            // 2. 执行业务逻辑:加积分、更新订单状态等
            orderService.handleOrderCreated(orderEvent);

            // 3. 业务处理完成后,手动提交 offset
            ack.acknowledge();
        } catch (Exception e) {
            log.error("消费订单消息失败,topic={}, partition={}, offset={}",
                    record.topic(), record.partition(), record.offset(), e);
            // 这里的异常处理很关键,见下方说明
        }
    }
}

4.4 手动提交的边界

手动提交 offset 能显著缩小重复消费的窗口,但不能完全杜绝重复。比如:业务逻辑执行成功之后, ack.acknowledge() 调用之前服务宕机,offset 没有被提交,下次依然会重新消费这条消息。

因此, 手动提交 offset 是必要的基础配置,而不是完整的幂等方案 。真正的最终防线,是消费方在处理消息时具备天然幂等能力。

另外,catch 块中要避免无限重试导致消息积压。可以选择记录日志后人工补偿,或者结合 Spring 的重试机制最多重试两三次后放入死信队列,而不是 catch 后什么都不做。

5. 方案二:数据库唯一键与幂等表

在订单、支付、积分这类数据一致性要求高的场景,最稳妥的做法是让数据库层来保证同一业务记录不会被重复处理。

5.1 幂等表设计

假设积分系统要消费“订单创建”消息,给用户增加积分。如果重复消费,用户积分就会加两次。此时可以建立一张积分发放流水表,将消息的唯一 ID(或业务幂等键)作为唯一索引。

CREATE TABLE `points_consume_record` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `message_id` varchar(64) NOT NULL COMMENT '消息唯一ID',
  `order_no` varchar(64) NOT NULL COMMENT '业务订单号',
  `user_id` bigint(20) NOT NULL COMMENT '用户ID',
  `points` int(11) NOT NULL COMMENT '积分数',
  `status` tinyint(4) NOT NULL DEFAULT '1' COMMENT '1-成功 0-失败',
  `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`),
  UNIQUE KEY `uk_message_id` (`message_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='积分发放幂等记录表';

message_id 由 Producer 在发送消息时生成,可以是 UUID 或业务订单号 + 场景号的组合,用来代表一条消息的唯一身份。

5.2 业务处理流程

正确的处理流程是:

  1. 收到消息,从消息体中取出 message_id 。
  2. 先在幂等表尝试插入记录,利用唯一索引判断这条消息是否已处理过。
  3. 如果插入成功,说明是第一次消费,继续执行加积分的业务逻辑。
  4. 如果插入失败(唯一键冲突),说明该消息已经处理过,直接 return ,不再执行后续逻辑。

5.3 示例代码

@Service
public class PointsConsumer {

    @Autowired
    private JdbcTemplate jdbcTemplate;

    @Transactional
    public void handlePointsMessage(MessagePayload message) {
        String messageId = message.getMessageId();

        // 核心:利用唯一索引做幂等
        try {
            jdbcTemplate.update(
                "INSERT INTO points_consume_record(message_id, order_no, user_id, points) VALUES (?, ?, ?, ?)",
                messageId, message.getOrderNo(), message.getUserId(), message.getPoints());
        } catch (DuplicateKeyException e) {
            // 已消费过,直接返回
            return;
        }

        // 执行真正的业务逻辑:给用户加积分
        pointsService.increasePoints(message.getUserId(), message.getPoints());
    }
}

这套方案的要点在于“插入先于业务执行”,并且两个步骤放在同一个事务中。如果业务逻辑执行失败,幂等表记录应该一起回滚,否则下次新的消息会因为幂等表已有记录而被跳过,造成数据缺失。如果业务和幂等表不在同一个数据库中,则需要引入分布式事务或采用更宽容的对账机制,但那种复杂度不在本文讨论范围,面试时可以根据项目情况展开。

5.4 注意事项

幂等表方案适合“数据需要写数据库”的场景,但如果消息量极大,幂等表会变成一张超大表。实际工程中可以按日期分表,并定期清理历史数据。也可以在业务表和幂等表之间使用 Redis 做一层前置过滤,降低数据库压力。

6. 方案三:Redis 分布式去重

如果业务处理不需要落数据库,或者数据库不是主要存储,可以用 Redis 实现去重。Redis 去重适合高频、轻量的场景,例如推送通知、计数统计、缓存刷新等。

6.1 核心命令:SETNX

Redis 的 SET key value NX EX seconds 命令可以实现“不存在才设置”的原子操作。如果设置成功,说明这条消息是第一次出现;如果设置失败,说明已经处理过。

需要注意的是,应该使用 Redis 官方推荐的 SET key value NX EX 形式,而不是旧的 SETNX 命令后再单独设置过期时间,后者不是原子操作,可能在设置过期时间前服务崩溃,导致 key 永远不会过期。

6.2 Spring Boot Redis 去重示例

在 Spring Boot 中封装一个去重工具类:

@Component
public class MessageDeduplicateService {

    private static final String DEDUP_KEY_PREFIX = "msg:dedup:";

    @Autowired
    private StringRedisTemplate redisTemplate;

    /**
     * 尝试标记消息已消费
     *
     * @param messageId 消息唯一ID
     * @param ttlSeconds 去重窗口时间
     * @return true-首次消费,false-重复消息
     */
    public boolean tryMarkConsumed(String messageId, long ttlSeconds) {
        String key = DEDUP_KEY_PREFIX + messageId;
        Boolean success = redisTemplate.opsForValue()
                .setIfAbsent(key, "1", Duration.ofSeconds(ttlSeconds));
        return Boolean.TRUE.equals(success);
    }
}

在消费端使用:

@KafkaListener(topics = "notification-topic", groupId = "notification-group")
public void onNotification(ConsumerRecord<String, String> record) {
    String messageId = extractMessageId(record.value());

    // 如果不是首次消费,直接跳过
    if (!deduplicateService.tryMarkConsumed(messageId, 24 * 3600)) {
        log.info("重复消息跳过,messageId={}", messageId);
        return;
    }

    // 执行真正的业务逻辑
    notificationService.send(record.value());
}

6.3 过期时间如何设置

Redis 的 Key 一定要设置过期时间,避免数据无限堆积。过期时间需要结合业务场景考虑:如果业务上 10 分钟内不会重复发同一消息,可以设置为 10 分钟;对于订单类场景,建议设置为 1 天甚至更久,以防隔天有补偿性重发。

但过期时间也会带来边界问题:如果消息在 Redis 的 key 过期之后才被重新消费,去重就会失败。对这种强一致性要求高的场景,应该改用数据库唯一键方案,或者 Redis 去重与数据库校验配合使用。

6.4 与数据库方案对比

维度 Redis 去重 数据库幂等表
性能 高 较低
数据持久性 依赖过期时间,可能过期后失效 永久保存,更可靠
适用场景 推送、通知、缓存类 订单、积分、账户等核心数据
扩展性 需要关注 Redis 内存 需要分表、清理历史数据

7. 方案四:业务状态机校验

还有一类场景,不需要单独的幂等表,只需要利用数据库条件更新就能天然实现幂等,那就是业务系统里的状态流转。

以订单状态为例,订单从“已创建”到“已支付”是单向流转的。如果支付完成消息被重复消费两次,第二次执行“把订单从未支付改成已支付”时,会发现订单状态已经不是“未支付”,因此更新影响行数为 0,业务不再重复执行。

7.1 条件更新 SQL

UPDATE t_order
SET status = 'PAID', pay_time = NOW()
WHERE order_id = #{orderId}
  AND status = 'UNPAID';

这条 SQL 的执行结果可以通过影响行数来判断:

int rows = orderMapper.updateStatusByOrderId(orderId, OrderStatusEnum.UNPAID, OrderStatusEnum.PAID);
if (rows == 0) {
    // 说明订单状态不是 UNPAID,消息可能已处理过,直接返回
    return;
}

这种方案的精髓在于:把“判断状态是否满足处理条件”和“状态迁移”放在同一条 SQL 中完成,避免“先查询、再更新”的并发问题。

7.2 适用场景与局限

状态机制非常适合订单、支付、退款等有明确状态流转的业务。但它有一个前提: 业务处理必须可以映射为一条条件更新 SQL ,并且状态只允许往一个方向流转。如果业务是“增加积分”“增加库存”这类累计型操作,没有状态字段可用,就应该使用幂等表或者 Redis 去重。

另外,不同状态下要执行不同逻辑,也可以配合乐观锁版本号来实现更精细的幂等:

UPDATE t_order
SET status = 'PAID', version = version + 1
WHERE order_id = #{orderId}
  AND status = 'UNPAID'
  AND version = #{oldVersion};

8. 高频面试问题与回答思路

这一节把面试中常见的追问总结出来,并给出回答框架。

8.1 面试官问:Kafka 如何避免重复消费?

推荐按“链路原理 -> 原因分析 -> 解决方案 -> 工程实践”四层回答。

先说明 Kafka 消费链路中 offset 提交是关键。消费者通过 poll 拉取消息,处理完成后提交 offset。如果消息处理完成但 offset 没提交,比如消费者宕机、Rebalance、或者手动提交失败,下次该分区被重新分配后,就会从上一次提交的 offset 继续消费,导致重复消息。Kafka 默认投递语义是 At Least Once,所以不丢消息和重复消费是一体两面的。要避免重复消费,核心思路是消费端幂等。常用的手段有:关闭自动提交、改为业务处理成功后手动提交 offset;在数据库中使用唯一键约束或幂等表;用 Redis SETNX 做去重;对订单等有状态流转的业务,使用条件更新 SQL 做状态机校验。项目中需要根据业务场景选择一种或叠加使用。

这个回答既表现出对原理的理解,也体现了对多种工具的掌握,分数会明显高于只说“做幂等”的候选人。

8.2 面试官追问:消息没有唯一 ID 怎么办?

如果 Producer 发送的消息体中没有携带消息 ID,可以在消费端根据已有业务字段拼接出幂等键。例如“订单号 + 操作类型”,或者对消息内容做哈希。如果能改造 Producer,更推荐从源头发送时生成一个全局唯一的 messageId,卸载消息体里。

需要注意的是,消费端拼接业务幂等键时必须保证键的稳定性,不能因为消息内容格式变化导致同一个业务事件计算出不同的键。

8.3 面试官追问:手动提交 offset 就一定能避免重复?

不能。手动提交只是将 offset 提交的时机与业务处理绑定,缩小重复窗口。从业务成功到 offset 提交成功之间,如果消费者崩溃,消息依然会被重新消费。因此手动提交是基础配置,不是完整解决方案,最终还是要靠下游业务幂等来保证。

8.4 面试官追问:幂等 Producer 能解决重复消费吗?

不能完全解决。幂等 Producer 解决的是 Producer 端因重试导致的重复写入,也就是同一个消息只往 Kafka 里写一份。但消费端是否重复消费取决于 offset 提交机制,与 Producer 无关。如果面试中能主动区分这两个概念,会显得经验更扎实。

8.5 常见报错与排查对照表

问题现象 常见原因 解决思路
消费一次消息后,服务重启又消费多次 自动提交窗口内崩溃,offset 未提交 关闭自动提交,改为业务处理完成后手动提交
手动提交后依然重复消费 提交时机早于业务处理完成,或 commitAsync 失败未处理 调整代码顺序,处理成功后再 acknowledge()
消费组频繁 Rebalance 单条消息处理超时,超过 max.poll.interval.ms 增大该参数,或优化消费者处理性能,拆分批量消息
订单状态被重复覆盖 下游消费未判断当前状态,直接更新 使用条件更新 SQL,状态机流转
同一环境多个服务重复消费同一消息 每个实例使用不同 groupId,导致同一个分区被多组消费 统一 groupId,并做好环境隔离

9. 最佳实践与工程建议

这部分内容更多来自生产环境经验,也是面试中能体现真实项目积累的关键。

9.1 消费者组命名与环境隔离

如果生产环境和测试环境共用同一套 Kafka Broker,消费者组的命名必须包含环境信息。例如 prod-order-group 、 test-order-group 。不同环境使用相同的 groupId,会导致两个环境的消费组互相争夺分区,造成消息消费错乱。

9.2 监控与日志

每一条消费记录最好都打上三个关键信息:topic、partition、offset。这三个信息组合在一起,能唯一定位一条消息在 Kafka 中的位置。当出现重复消费时,通过日志对比两次消费的时间点和 offset,就能快速判断问题出在自动提交还是 Rebalance。

log.info("消费消息,topic={}, partition={}, offset={}, messageId={}",
        record.topic(), record.partition(), record.offset(), messageId);

另外,建议对消费者组配置消费延迟(Consumer Lag)监控,一旦 lag 持续上涨,说明消费者处理能力不足,需要扩容消费者实例或优化消费逻辑。

9.3 消费者线程数和分区数匹配

Kafka 的并行消费能力取决于消费者实例数和分区数。同一个消费者组内,消费者实例数不应该超过分区总数,否则多出的消费者会闲置。例如一个 Topic 只有 3 个分区,消费者组配置 5 个实例,只有 3 个实例在消费,另外 2 个不工作,属于资源浪费。

9.4 生产环境变更前先验证

修改消费组配置、新增消费者逻辑、调整提交方式,这类变更建议先在测试环境完整验证一遍。尤其是涉及 auto-offset-reset 参数时,如果配置为 earliest ,group 第一次上线会从最早的 offset 开始消费,如果当前消费组之前没有提交过 offset,可能导致积压的历史消息全部被消费,流量瞬间暴涨,甚至拖垮下游服务。

9.5 不要把精力放在“消灭重复”上,而是“容忍重复”

对于 Kafka 这个技术栈来说,重复消费是分布式系统下的一种常见情况。与其花费巨大精力去追求绝对不重复的 Exactly Once,不如在设计系统时默认“消息可能重复”,并把重点放在下游的幂等能力上。毕竟在复杂分布式环境中,网络超时、进程宕机、消费端升级都可能发生,唯一可靠的兜底手段,始终是接收消息的一方具备处理重复消息的能力。

这套理解和代码方案,既可以作为面试回答的素材,也可以直接应用到项目开发中。建议你根据自己的业务场景选一种主力方案,在本地把 Demo 跑起来,再尝试模拟一次消费者宕机或重启,亲眼看看重复消费是如何发生的,又会如何被幂等逻辑挡住。实践过一次之后,这类问题基本就再也难不住你了。

iqoo11如何获取root权限? 🏆本文收录于专栏,主要记录项目实战过程中所遇到的Bug或因后果及提供真实有效的解决方案,希望能够助你一臂之力,帮你早日登顶实现财富自由🚀;同时,欢迎大家!持续更新中,up!up!up!! 阅读详情

相关推荐

单细胞实战之数据净化三部曲:细胞周期校正、双胞体剔除与RNA污染清理——技术解析与实战指南

本文深入解析单细胞数据分析中至关重要的数据净化步骤,即细胞周期校正、双胞体剔除与RNA污染清理。通过实战代码演示与原理剖析,指导读者如何有效识别并去除技术噪音,从而获得更纯净、可靠的数据,为后续的细胞分群、差异表达等高级分析奠定坚实基础。

weixin_29274337的博客 214

MSN Messenger去广告和其他修改方法

工具1、reshackreshack下载地址:http://www.ccrun.com/tools/d.asp?i=10&d=236iwt 工具2、XVI32下载地址http://www.volv.net/Files/xvi32.zip 打开reshack1、去掉主窗口下的广告用RESHACK打开msgsres.dll中的4004-923,查找里面的"ID=Atom(SSConstra...

weixin_34190136的博客 108

解决Android 14兼容性问题:NDK中arm64-v8a的正确配置方法

本文详细解析Android 14系统架构变化对NDK开发的影响,重点介绍arm64-v8a架构的正确配置方法。针对常见的兼容性问题如so库缺失、ABI不匹配等提供解决方案,并分享性能优化与自动化测试实践,助力开发者高效适配Android 14设备。

algae的博客 1230

多重启动+去广告修改方法 for MSN Messenger V6.X

允许多重启动: Find: 00 00 00 0F 85 9C 00 00 00 Edit: 00 00 00 0F 86 9C 00 00 00 去除广告位: (1) Find: 89 5D FC 74 13 6A Edit: 89 5D FC EB 13 6A (2) Find: 84 C0 74 0A 8B 4E Edit: 84 C0 EB 0A 8B 4E

ProgSoft 1012

Xilinx ISE系列教程(2):LED点灯工程、仿真、bit下载和mcs固化

bit流生成配置选项很多,支持生成bit/bin/ascii格式的bin文件,是否压缩,配置速度,配置管脚的上下拉,用户ID,数据加载速度,SPI总线宽度,是否支持Readback,程序加密等等。,在之后的文章,我们会以Xilinx Spartan-6系列FPGA XC6SLX16为例,不涉及FPGA开发知识,仅仅是工具的使用,介绍Xilinx ISE开发环境的使用教程和使用技巧。bit文件下载之后,可以看到LED按照我们设计的1s周期闪烁起来了,但是此时如果断电,重新上电程序就丢失了。...

whik1194的博客 2285

【芯片设计- RTL 数字逻辑设计入门 番外篇6 -- 术语 Tile 介绍】

在系统级芯片(System on Chip, SoC)设计中,“tile” 是一个可以指代不同概念的术语,但通常它指的是芯片上的一个独立的功能单元或核心。一个 tile 可以包含一个或多个处理器核心、缓存、内存控制器、输入输出设备、外设接口或其他功能模块。在 SoC 上,多个 tile 可以被组合和连接起来,以形成一个完整的系统。

CodingCos的博客 3127

去掉 MSN LIVE Messenger 的广告

  MSN一直以来主窗口和对话框都有广告。  而它给的设置项里边也没有能去掉这些的功能。 下面介绍去掉主窗口和对话框中广告的方法:1.首先下载 dll 编辑器(因为我们要修改已经编译好的dll文件,所以这是必须的)。选择比较多,我这里推荐使用ResHacke,链接就不给出了,给了没准哪天就不能下了,大家搜 一下,提供下载的地方很多(这里提醒一下,下载这种免费软件最好到知名的大网站下

王文铮的专栏 1055

AI大模型探索之路-应用篇11:AI大模型应用智能评估(Ragas)

随着人工智能技术的飞速发展,AI大模型(LLM)已经成为了推动技术创新和应用的关键因素。这些大模型在语言理解、图像识别、自然语言生成等领域展现出了惊人的能力。然而,随着模型规模的增大,它们对计算资源的消耗、环境适应性、模型稳定性、安全性和可解释性等方面也提出了新的挑战。因此,对AI大模型进行智能评估变得至关重要,以确保它们在实际应用中的稳定性、可靠性和有效性。本文将详细介绍Ragas框架,一个专为AI大模型设计的智能评估工具。

寻道AI,探索AI无限可能! 5552

启动多个MSN Messenger和去广告的方法

具体的操作方法:(支持版本 MSN Messenger 6.2 0137 )1. 进入/Program Files/MSN Messenger/ 备份 msnmsgr.exe 2. 用十六进制编辑软件(推荐UltraEdit)打开 msnmsgr.exe西部E网 http://www.weste.net/按ctrl+g,输入0xDFFE6,改85 -> 86 按ctrl+g,输入0xE5E61,改

心静思远 1353

在Ubuntu系统中安装和使用wxPython进行Python图形用户界面(GUI)开发

在本文中,我将向您展示如何在Ubuntu系统上安装和使用wxPython,并提供一些示例代码来帮助您开始使用这个强大的工具。在MyFrame的构造函数中,我们创建了一个wx.Panel和一个按钮,并将按钮的点击事件绑定到一个自定义的方法on_button_click上。最后,我们创建了一个wx.App的实例,创建了一个MyFrame对象并显示它,最后通过调用app.MainLoop()启动应用程序的主事件循环。这只是一个简单的示例,但它演示了如何使用wxPython创建一个基本的GUI应用程序。

qq_37934722的博客 1040

嵌入式Linux&Android开发-TP调试

目录 一、修改DTS,添加新的I2C设备 二、修改Makefile,Kconfig 三、tp调试时的问题排查 一、修改DTS,添加新的I2C设备 &i2c4 { status = "okay"; clock-frequency = <400000>; gslX680@40 { compatible = "gslX680"; reg = <0x40>; touch-gpio = <&gp

嵌入式成长手册 579

windows live messenger 2009 去广告和多开的方法

今天把msn升级到windows live messenger 2009,版本号是14.0.8064.206下面是去广告和多开的方法 一、去掉广告:用UltraEdit打开X:/Program Files/Windows Live/Messenger/msgsres.dll,找到 009E39A0H 这一行,然后把02 00 02 08 02 00 02 03 替换成

泉山林海 695

构建AI Agent驱动的智能健康管理系统

数据碎片化:健康数据分散在不同的设备和平台中,难以统一管理和分析。个性化不足:健康管理方案通常是通用的,难以根据个人的健康状况实时调整。用户参与度低:用户难以获得及时、个性化的健康建议,导致健康管理效果不佳。AI Agent是一个能够感知环境、采取行动以实现目标的智能实体。根据智能体的智能水平,可以分为简单反应式智能体和复杂适应式智能体。实时监测健康数据。获取个性化的健康建议。收到健康风险预警。

AI天才研究院 751

去除MSN(Windows Live Messenger)广告

MSN,就是微软的Live Messenger,聊天对话框和主面板,都有button广告和搜索条,下面讲讲去除这些广告的办法——   首先,找到Live Messenger的安装目录,一般是C:\Program Files\MSN Messenger,找到msgsres.dll文件,用ResHacker或者Restorator等编辑dll文件的软件打开。   1、去除聊天对话框广告:打开4004-...

melland好久不来 347

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

MSN手动去广告

网上找了个手动的去广告的方法,这个方法适合8系。 在C:\Program Files\MSN Messenger下面找到msgsres.dll文件,用ResHacker或者Restorator打开。 想去除聊天对话框广告,就打开4004-920号资源,查找里面的id=atom(adbannergutter) 将其前面的layoutpos=bottom改为layoutpos=none。 想去除...

weixin_33882452的博客 158

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

手工去除MSN广告,手工去除qq广告

  MSN,就是微软的Live Messenger,聊天对话框和主面板,都有button广告和搜索条,下面讲讲去除这些广告的办法——  首先,找到Live Messenger的安装目录,一般是C:/Program Files/MSN Messenger,找到msgsres.dll文件,用ResHacker或者Restorator等编辑dll文件的软件打开。  1、去除聊天对话框广告:打开4

成功的心 Blog 1040

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

去掉msn(Windows Live Message)烦人的广告

MSN(Windows Live Message)的广告很烦人。什么侧边拦之类的,都很烦人。用这个试试吧:)MSN Patch具体介绍内容看正文。使用方法没有,但是很简单。自己研究吧。清爽的MSN,嘿嘿。[@more@]for ...

csdn0240694的博客 410

去除MSN live 8.5 去除广告、共享文件夹、搜索等方法

准备工具:ResHacker或者Restorator软件,在百度上一搜满天都是。一、去除主面板广告:在MSN Messenger下面找到msgsres.dll文件,用ResHacker打开,找到4004-923号资源,查找里面的ID=Atom(SSConstrainer)将其前面的layoutpos=top改为layoutpos=none。  二、去除聊天对话框广告:打开4004-92

tz_xiong的Blog 1436

天灵灵地灵灵,送走Live Messenger的广告,快显灵

 虽然,MSN Shell等工具和一些补丁能够实现去除广告的效果。但我不喜欢乱装软件、乱打补丁。于是搜索一下,自己动手修改。 此方法在WLM Build 8.0.0812.00下试验通过,且暂未发现什么不良反应。不过,本人不对造成的任何后果负责。具体修改步骤如下:1.         下载Resource Hacker V3.4.0 Build 79,这个是绿色免安装版;2

心静思远 1534

ASP.NET 仿MSN Messenger Alert的弹出窗口控件

CodeProject上做仿MSN Messenger Alert的弹出窗口控件的不是一个两个,有的是windows app有的是web app.我会一一做个比较,首先介绍这个:ASP.NET Popup Control By Tomas Petricek [在线demo]http://www.eeeksoft.net/files/popuptest/[介绍]ASP.NET 弹出窗口控件, 是MS

inshine的专栏 3490

有多少内存空间,启多少Live Messenger

 虽然,MSN Shell等工具和一些补丁能够实现去除广告的效果。但我不喜欢乱装软件、乱打补丁。于是搜索一下,自己动手修改。 此方法在WLM Build 8.0.0812.00下试验通过,且暂未发现什么不良反应。不过,本人不对造成的任何后果负责。具体修改步骤如下:1.         到Windows Live Messenger安装的目录(一般在C:/Program File

心静思远 1569

MSN Msg7正式版新鲜出炉(zz)

MSN Messenger 7正式版(最终完全版)在今日(4月7日)正式发布,版本号为7.0.0777。正是“777”,这个在西方代表幸运和完美的数字。请快点通知好友一齐分享吧![点击下载] About对话框已除去beta字样     MSN Messenger 7正式版新特性:   *)从7.0.0732版平稳过渡,只有很少地方修改过;   *)动态Winks...

weixin_30877227的博客 109

ASP.NET:MSN Messenger Alert

[在线demo] http://www.eeeksoft.net/files/popuptest/ [介绍] ASP.NET 弹出窗口控件, 是MSN Messenger 提醒(alert)的网页版,通过定义颜色风格可以修改图形的外观.支持拖放操作.一个很重要的特性是支持绝大多数浏览器.在最新版本的Mozilla, IE和Opera下测试通过,在不支持filter的浏览...

weixin_30698297的博客 129
上一篇: AI驱动Playwright零代码自动化测试实战指南
下一篇: RAG实战:用Jupyter Notebook手写全流程与调优指南
weixin_33895475
博客等级 码龄11年 5054粉丝 1312原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址