全面解析MQTT协议：从基础概念到核心组件

一、MQTT是什么

• 上篇其实已经介绍了MQTT，这里补充一下。
• MQTT（Message Queuing Telemetry Transport）是一种专为低带宽、不可靠网络环境或设备资源受限情况下设计的轻量级消息传输协议。它非常适合用于机器对机器（M2M）通信和物联网（IoT）应用中，因为它能够高效地在远程传感器和控制设备之间传递信息。
• MQTT基于发布/订阅模式工作，这使得它在构建灵活的消息传递系统时非常有用。通过这种模式，一个设备可以发布消息到特定的主题上，而其他设备则可以订阅这些主题以接收消息。这种方式允许消息生产者和消费者解耦，从而简化了应用程序的设计。

1、MQTT架构及角色

• **发布者(Publisher)**：发送数据的实体，可以向任意主题(topic)发布消息。
• **订阅者(Subscriber)**：接收数据的实体，它可以订阅一个或多个主题，并在相关主题上有新消息时收到通知。
• **代理服务器(MQTT Broker)**：作为消息中转站，接收来自发布者的消息并将它们分发给相应的订阅者。

物联网（IoT，Internet of Things）是指通过互联网将各种物理设备、车辆、建筑物以及其他嵌入传感器、软件和网络连接的物品相互连接起来，使它们能够收集和交换数据的技术概念。

VitePress的使用

• VitePress 是一个静态站点生成器 (SSG)，专为构建快速、以内容为中心的网站而设计。简而言之，VitePress 获取用 Markdown 编写的源内容，为其应用主题，并生成可以轻松部署在任何地方的静态 HTML 页面
• 文档地址：https://vitepress.qzxdp.cn/guide/what-is-vitepress.html
• Github: https://github.com/vuejs/vitepress

Hexo相关配置笔记，还有一些next主题自定义配置

一、Kubernetes概述

• Kubernetes 是一个可移植、可扩展的开源平台，用于管理容器化的工作负载和服务，可促进声明式配置和自动化。 Kubernetes 拥有一个庞大且快速增长的生态，其服务、支持和工具的使用范围相当广泛。
• Kubernetes 这个名字源于希腊语，意为“舵手”或“飞行员”。K8s 这个缩写是因为 K 和 s 之间有 8 个字符的关系。 Google 在 2014 年开源了 Kubernetes 项目。 Kubernetes 建立在 Google 大规模运行生产工作负载十几年经验的基础上， 结合了社区中最优秀的想法和实践。

一、什么是Prometheus？

• Prometheus 是一个开源的系统监控和警报工具，主要用于采集和存储时间序列数据，它主要服务于现代的云原生环境，支持各种基础设施和应用程序的监控。
• 最初在 SoundCloud 构建。自 2012 年成立以来，许多 公司和组织都采用了 Prometheus，该项目有一个非常 活跃的开发人员和用户社区。它现在是一个独立的开源项目 并独立于任何公司进行维护。强调这一点，并澄清 该项目的治理架构，Prometheus 于 2016 年加入云原生计算基金会 作为继 Kubernetes 之后的第二个托管项目。

一、概述

• 在Java 8中引入了函数式编程的概念，并提供了一些新的函数式接口来支持函数式编程的需求。这些函数式接口可以简化代码、提高开发效率，并且可以应用于各种场景。

1、什么是函数式接口？

• 函数式接口是指只包含一个抽象方法的接口。在Java中，函数式接口可以被赋予Lambda表达式或者方法引用，从而实现函数式编程的特性。Java 8引入了一些新的函数式接口，如Function、Consumer、Supplier和Predicate等。
• 在java.util.function包下的都是

一、什么是Sentinel

Sentinel (分布式系统的流量防卫兵) 是阿里开源的一套用于服务容错的综合性解决方案。它以流量
为切入点, 从流量控制、熔断降级、系统负载保护等多个维度来保护服务的稳定性。

一、向量检索

1、向量的定义

• 计算机只认识数字，它只能通过数字来量化这个世界，用一组数字来表示一个事物，这样的一组数字就是一个向量（Vector）
• 如果一个向量由N个数字组成，它就是一个N维向量。拿目前广泛使用的人脸识别技术来说，计算机从照片或视频中提取出人脸的图像，然后将人脸图像转换为128维或者更高维度的向量。
• 首先我们了解下什么是向量，所谓向量就是由N个数字（二值向量由N个比特组成）组成的数组，我们称之为N维向量。
• 而向量检索就是在一个给定向量数据集中，按照某种度量方式，检索出与查询向量相近的K个向量（K-Nearest Neighbor，KNN），但由于KNN计算量过大，我们通常只关注近似近邻（Approximate Nearest Neighbor，ANN）问题。

RapidOCR

RapidOCR概述

• 💖目前已知运行速度最快、支持最广，完全开源免费并支持离线快速部署的多平台多语言OCR。
• 支持的语言: 默认是中英文，其他语言识别需要自助转换。具体参考这里
• 缘起：PaddleOCR工程化不是太好，为了方便大家在各种端上进行OCR推理，我们将PaddleOCR中的模型转换为ONNX格式，使用Python/C++/Java/Swift/C# 将它移植到各个平台。
• 名称来源： 轻快好省并智能。基于深度学习的OCR技术，主打人工智能优势及小模型，以速度为使命，效果为主导。
• 使用：
  • 如果仓库下已有模型满足要求 → RapidOCR部署使用即可。
  • 不满足要求 → 基于PaddleOCR在自己数据上微调 → RapidOCR部署。
• 官方文档地址：https://rapidai.github.io/RapidOCRDocs/docs/overview/