🍅视频学习：文末有免费的配套视频可观看🍅 关注公众号【互联网杂货铺】，回复1 ，免费获取软件测试全套资料，资料在手，涨薪更快今天来说说pytest吧，经过几周的时间学习，有收获也有疑惑，总之最后还是搞个小项目出来证明自己的努力不没有白费环境准备1  确保您已经安装了python3.x2  配置python3+pycharm+selenium2开发环境  3  安装pytest库pipinstallpytest4  安装pytest-html报告插件pipinstallpytest-html5  安装pypiwin32库(用来模拟按键)pipinstallpypiwin326  安装openpy

目录SpringBoot整合Kafka发送和接收消息使用KafkaTemplate发送消息1、配置自动创建主题（代码）2、发送消息（代码）1、controller2、service3、演示1、启动应用程序2、启动一个消息监听者3、发送各种消息发送不带key消息发送带key消息4、与KafkaTemplat有关的事务和消息转换器使用@KafkaListener修饰监听器来接收消息接收消息配置监听器的容器工厂单条消息的监听器批处理的监听器代码演示：1、配置文件：2、创建消息监听器3、结果演示1、监听方法不属于同一个组2、监听方法属于同一个组3、总结完整代码1、application.propert

集成和简单生产消费流程一、引入依赖二、配置文件中配置Kafka将来我们的项目大概率不会是会都扮演生产者和消费者两个角色，所以在集成Kafka的时候，生产者的项目中只配置生产者相关的配置即可，消费者项目配置消费者的相关的配置即可三、编写生产者代码为了简化演示，直接将业务层代码写到了控制层，见谅哈！四、编写消费者注意：如果不调用手动提交offset这个方法，那么会产生消息重复消费的问题五、调用生产者的接口，观察消费者是否正常消费到消息1、调用生产者接口2、观察控制台消费者可以看到生产者发送了消息，消费者立刻就拿到了消息！消费消息细节配置一、指定Broker的主题和分区，控制消费者数量和消费偏移量二

Javawebsocket在SpringBoot中使用导入坐标dependency>groupId>org.springframework.bootgroupId>artifactId>spring-boot-starter-websocketartifactId>version>3.2.3version>dependency>配置websocket新建config包，取名WebSocketConfiguration，并加入@Configuration注解。/***WebSocket配置类，用于注册WebSocket的Bean*/@ConfigurationpublicclassWebSock

这段时间不太忙，记录一下前段时间遇到的一个问题，有一次经理给我说线上服务器收到报警，内存已经达到了90%，而且还有增长的可能，平时的内存基本上在50%左右，一下子增加将近一倍的量，首先猜想可能是某个对象没有被释放掉或者说泄漏了，而且内存泄漏一般发生在堆内存的情况也比较多一点，下面介绍处理的过程，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教。1、首先先在服务器中执行top-c命令，配合Shift+P键，一般异常的几个进程会排到前几位可以看到PID为2817的这个进程占用的MEM，也就是memory内存数值比较高，由此锁定了这个2817进程2、然后使用jstat命令，查看GC垃圾回收

前言上篇我们讲到了Elasticsearch全文检索的原理《别只会搜日志了，求你懂点原理吧》，通过在本地搭建一套ES服务，以多个案例来分析了ES的原理以及基础使用。这次我们来讲下SpringBoot中如何整合ES，以及如何在SpringCloud微服务项目中使用ES来实现全文检索，来达到搜索题库的功能。而且题库的数据量是非常大的，题目的答案也是非常长的，通过ES正好可以解决mysql模糊搜索的低效性。通过本实战您可以学到如下知识点：SpringBoot如何整合ES。微服务中ES的API使用。项目中如何使用ES来达到全文检索。本篇主要内容如下：为了让大家更清晰地理解PassJava项目中ES是如

获取第三方接口的EventStream返回给前端最近项目有个需求，获取第三方gpt接口提供的AI聊天服务，回显给前端，其实就是http请求第三方接口并拿到EventStream流，推送给前端。试了下RestTemplate，不太理想，于是使用WebFlux，直接上核心代码：后端：privatestaticSseEmittersendEventStreamPost(Stringurl,StringjsonData){SseEmitteremitter=newSseEmitter();Mono.fromCallable(()->{WebClient.create(url).post().conte

一、Nginx镜像构建nginx编译安装环境准备:../nginx/├──build_command.sh├──Dockerfile      Dockerfile配置文件├──nginx-1.16.1.tar.gz 源码安装包（这里使用1.16.1版本）└──nginx.conf      配置文件Dockerfile配置FROMcentos:7.8.2003​RUNyum-yinstallepel-release&&yum-yinstallvimwgettreelrzszgccgcc-c++automakepcrepcre-develzlibzlib-developensslopenssl

文章目录前言1入门篇：初识Photoshop与Firefly2进阶篇：掌握Photoshop与Firefly的核心技巧3实战篇：运用Photoshop与Firefly进行创作4精通篇：提升创作水平，拓展应用领域5结语6推荐图书7粉丝福利前言随着科技的不断发展，人工智能（AI）已经渗透到各个领域，其中AI绘画与修图技术更是备受瞩目。Photoshop和Firefly作为这一领域的两款强大工具，为艺术家和创作者提供了前所未有的创作可能。本文将从入门到精通，深入探讨Photoshop与Firefly在AI绘画与修图实战中的应用。1入门篇：初识Photoshop与FireflyPhotoshop是一款

flinkwatermark生成机制与总结watermark介绍watermark生成方式watermark的生成值算法策略watermark策略设置代码watermark源码分析watermark源码调用流程debug（重要）测试思路迟到时间处理FlinkSql中的watermark引出问题与源码分析watermark介绍本质上watermark是flink为了处理eventTime窗口计算提出的一种机制,本质上也是一种时间戳，由flinksouce或者自定义的watermark生成器按照需求定期或者按条件生成一种系统event，与普通数据流event一样流转到对应的下游operations