IM即时通讯服务器 仿微信服务器~ 打造分布式高并发IM即时通讯服务器。内附openfire的简短分析。以及微信服务器的分析李林烜软件工程师 2014-07-28 06:14:47我想做JAVAEE的高手们，特别是写移动服务端的程序猿。都绕不开一个话题。即时通讯。大多数APP现在都内置即时通讯功能=============== openfire简要分析 ================我想大部分朋友都是使用 openfire 搭一下万事大吉了吧。 但是不知道各位是否考虑过openfire用于公司生产环境时的劣势。openfire 的协议是XMPP。XMPP协议的弊端就是传输数据量大。古老的XML为基础的协议（古老不太适合）。并且因其复杂的通讯过程，性能会大大的降低。现在互联网异构编程都是用的JSON。他的轻量相信不用再介绍了吧。openfire 的核心是使用了mina . mina 的劣势这里也不说。正因为创始人看到了mina的劣势，才会自立门户写出了netty和自己的东西竞争。哈哈 ============ 协议定型 =============关于协议，这是个很重要的东西，可以说他直接决定性能和稳定性。一个轻量美好的自定义协议，能保证产品的稳定性。说到协议。我们不得不抛弃垃圾似的XMPP，去讨论讨论微信的协议。那是一个经过大考验的协议。腾讯的协议是基于同步的。基于ActiveSync的修改版。取名叫同步协议Sync。这个协议的过程是怎么样的，说清楚之后就好自己写自己创造了：需求：我（A）要向（B） 对方发送一条信息：“你好世界”过程：1、我向服务器POST数据 “你好世界”（只是普通的POST）。服务器返回给我一个token:A1。2、拿着token 向服务器发起TCP传输，推送数据 “A1”3、服务器通过TCP 向B推送一个消息，“A1”,4、B收到推送后，GET请求。 token=a1。拿回我发的数据“你好世界”5、B POST服务器。“我已收到token为a1的消息，可以标记这个消息为已读。”总结起来是A POST要发送的数据 --- > 走TCP协议。 通知服务器。我发了一条新信息 ---- > B得到服务器的推送，得知有新消息要去取 -----> B 用GET取消息 ----> B用POST告诉服务器已经成功取回，该条数据可以作废。以上就是腾讯微信的过程。各位好好看看是可以看懂的。基于同步的协议网上说的太高端化，太学术，难以理解。通俗的就是上面这些。始终保持双方信息的一致。同步性。TCP在这里的功能并不是推送正常数据（比如“你好世界”） 而只是一个通知而已，不参与正常数据的传输。这样就保证了丢包率大大降低，效率大大提高，稳定性大大提高。具体为什么，自己画出普通的通讯图，画出基于同步的，对比一下就理解了。他是TCP+HTTP 配合的。优点互相补。================= 技术架构定型 ===============核心：netty4.x + spring4.xSOA服务总线：Dubbo 淘宝的技术，很可靠。只说这么多。实现本IM分布式的核心。消息队列：activeMQ 高速队列。整流作用。底层数据库：Mongodb 目前网上说的缺点没发现。可能随着版本更新稳定很多了吧。如果业务复杂 推荐mysql+mongodbmysql做业务还是很方便的。毋庸置疑。但不建议抛弃mongodb。JSON 转化： fastjson 淘宝的东西。很不错。目前最高效的吧。日志记录：logback 挺好。比Log4j好使。==================== 代码，我还是希望各位朋友自己先看看上面的文字，自己一定可以写出来一个的。 ====最后贴我的联系方式。QQ631768417 如果实在对代码感兴趣的 请联系我。。最后，鄙人技术不精。希望更厉害的老师能指点一二。也希望研究JAVA 套接字编程的同僚们。能一起探讨。目前我对一个问题很纠结。jboss tomcat等是如何实现集群。希望有识之士能给予解答。

Docker Desktop启动Kubernetes 启用k8s后，等待安装完成。1.查看kubectl版本：kubectl version2.配置kubernetes：可选操作：切换Kubernetes运行上下文至docker-desktop（之前版本的context为docker-for-desktop）kubectl config use-context docker-desktop3.验证Kubernetes集群状态kubectl cluster-infokubectl get nodes4.配置Kubernetes控制台（1）部署Kubernetes dashboardkubectl apply -f https://raw.githubusercontent.com/kubernetes/dashboard/v1.10.1/src/deploy/recommended/kubernetes-dashboard.yaml或者kubectl apply -f https://raw.githubusercontent.com/kubernetes/dashboard/v2.0.0-rc5/aio/deploy/recommended.yaml或者kubectl create -f kubernetes-dashboard.yaml（2）检查kubernetes-dashboard应用状态kubectl get pod -n kubernetes-dashboard开启API Server访问代理kubectl proxy（3）通过URL访问kubernetes dashboardhttp://localhost:8001/api/v1/namespaces/kube-system/services/https:kubernetes-dashboard:/proxy/或http://localhost:8001/api/v1/namespaces/kubernetes-dashboard/services/https:kubernetes-dashboard:/proxy/（4）生成令牌Token（需用Windows PowerShell打开，CMD无法执行）$TOKEN=((kubectl -n kube-system describe secret default | Select-String "token:") -split " +")[1]kubectl config set-credentials docker-for-desktop --token="${TOKEN}"echo $TOKEN

win10安装ffmpeg https://blog.csdn.net/qq_36530891/article/details/109338801https://blog.csdn.net/chy466071353/article/details/54949221http://ffmpeg.org/download.html

CentOS中离线安装ffmpeg 1.下载安装包 ffmpeg-4.1.tar.xz 2.解压安装包：tar -xvJf ffmpeg-4.1.tar.xz3.编译安装： /programFiles/soft/ffmpeg 为自己指定的安装目录./configure --enable-shared --prefix=/programFiles/soft/ffmpeg提示错误：nasm/yasm not found or too old. Use --disable-x86asm for a crippled build. If you think configure made a mistake, make sure you are using the latest version from Git. If the latest version fails, report the problem to the ffmpeg-user@ffmpeg.org mailing list or IRC #ffmpeg on irc.freenode.net. Include the log file "ffbuild/config.log" produced by configure as this will help solve the problem.安装gcc编译器centos 执行yum install gccubuntu 执行apt install gcc安装yasm编译器：centos 执行yum install -y yasmubuntu 执行apt install -y yasm离线安装yasm：{card-describe title="安装步骤"}离线包： yasm-1.3.0.tar.gzwget http://www.tortall.net/projects/yasm/releases/yasm-1.3.0.tar.gztar zxvf yasm-1.3.0.tar.gzcd yasm-1.3.0./configuremake && make install{/card-describe}4.编译（编译时间比较长）和安装：make && make install5.遇到问题 -bash: make: command not found 的解决办法 一般出现这个提示，是因为安装系统的时候使用的是最小化mini安装，系统没有安装make、vim等常用命令，直接yum安装下即可。yum -y install gcc automake autoconf libtool make安装g++:yum install gcc gcc-c++6.修改文件/etc/ld.so.confvim /etc/ld.so.confinclude ld.so.conf.d/*.conf将安装目录的lib包路径 /{make install的目录}/ffmpeg/lib 加入最后/programFiles/soft/ffmpeg/lib/使修改生效：ldconfig7.查看版本/programFiles/soft/ffmpeg/bin/ffmpeg -version8.配置环境变量vim /etc/profile在最后PATH添加环境变量（ /programFiles/soft/ffmpeg/bin 为安装目录）：#set ffmpeg environment PATH=$PATH:/programFiles/soft/ffmpeg/bin export PATH或者这么写：#set ffmpeg env export FFMPEG_HOME=/usr/bin/ffmpeg export PATH=$PATH:${FFMPEG_HOME}/bin使配置生效：source /etc/profile 9.查看环境变量是否配置成功ffmpeg -version参考资料：https://www.cnblogs.com/wpjamer/p/ffmpeg.htmlhttps://www.cnblogs.com/wintercloud/p/11162962.html转码时候遇到问题 Unknown encoder 'libx264'即，缺少libx264解码库，需要安装该库：git clone http://git.videolan.org/git/x264.git && cd x264./configure --enable-static --enable-sharedmake && make installFFMPEG使用NVIDIA的GPU硬件转码（使用N卡加速解码）下载ffmpeg源码sudo apt-get install build-essential yasm cmake libtool libc6 libc6-dev unzip wget libnuma1 libnuma-dev正常编译配置（防止报错，根据提示加上--disable-x86asm）./configure --prefix=/usr/local/ffmpeg --enable-shared --enable-yasm --enable-libx264 --enable-gpl --enable-pthreads --extra-cflags=-I/usr/local/x264/include --extra-ldflags=-L/usr/local/x264/lib --disable-x86asmN卡加速编译配置./configure --enable-nonfree -–enable-cuda-sdk –enable-libnpp --extra-cflags=-I/usr/local/cuda/include --extra-ldflags=-L/usr/local/cuda/lib64编译和安装make && make install同分辨率转码, gpu加速转码，ddr在线模式ffmpeg -y -vsync 0 -hwaccel cuvid -c:v h264_cuvid -i input.mp4 -c:a copy -c:v h264_nvenc -b:v 5M output.mp4变分辨率转码：ffmpeg -y -vsync 0 -hwaccel cuvid –resize 1280x720 -c:v h264_cuvid -i input.mp4 -c:a copy -c:v h264_nvenc -b:v 5M output.mp4corp转码 (-crop (top)x(bottom)x(left)x(right))ffmpeg -y -vsync 0 -hwaccel cuvid –crop 16x16x32x32 -c:v h264_cuvid -i input.mp4 -c:a copy -c:v h264_nvenc -b:v 5M output.mp4scale_cuda filter 转码ffmpeg -y -vsync 0 -hwaccel cuvid -c:v h264_cuvid -i input.mp4 -vf scale_cuda=1280:720 -c:a copy -c:v h264_nvenc -b:v 5M output.mp4scale_npp filter 转码ffmpeg -y -vsync 0 -hwaccel cuvid -c:v h264_cuvid -i input.mp4 -vf scale_npp=1280:720 -c:a copy -c:v h264_nvenc -b:v 5M output.mp41:N 转码ffmpeg -y -vsync 0 -hwaccel cuvid -c:v h264_cuvid -i input.mp4 -vf scale_npp=1920:1080 -c:a copy -c:v h264_nvenc -b:v 5M output1.mp4 -vf scale_npp=1280:720 -c:a copy -c:v h264_nvenc -b:v 8M output2.mp4yuv编码, 1:N 编码ffmpeg -y -vsync 0 -pix_fmt yuv420p -s 1920x1080 -i input.yuv -filter_complex "[0:v]hwupload_cuda,split=4[o1][o2][o3][o4]" -map "[o1]" -c:v h264_nvenc -b:v 8M output1.mp4 -map "[o2]" -c:v h264_nvenc -b:v 10M output2.mp4 -map "[o3]" -c:v h264_nvenc -b:v 12M output3.mp4 -map "[o4]" -c:v h264_nvenc -b:v 14M output4.mp4转码, 1:N 编码ffmpeg -y -hwaccel cuvid –c:v h264_cuvid -i input1.mp4 -hwaccel cuvid –c:v h264_cuvid -i input2.mp4 -map 0:0 -vf scale_npp=640:480 –c:v h264_nvenc -b:v 1M output11.mp4 -map 0:0 -vf scale_npp=320:240 –c:v h264_nvenc -b:v 500k output12.mp4 -map 1:0 -vf scale_npp=1280:720 –c:v h264_nvenc -b:v 3M output21.mp4 -map 1:0 -vf scale_npp=640:480 –c:v h264_nvenc -b:v 2M output22.mp4软解码，gpu resize，gpu编码ffmpeg -y -init_hw_device cuda=foo:bar -filter_hw_device foo -i input1.mp4 -i input2.mp4 -map 0:0 -vf hwupload,scale_npp=640:480 –c:v h264_nvenc -b:v 1M output11.mp4 -map 0:0 -vf hwupload,scale_npp=320:240 –c:v h264_nvenc -b:v 500k output12.mp4 -map 1:0 -vf hwupload,scale_npp=1280:720 –c:v h264_nvenc -b:v 2M output21.mp4 -map 1:0 -vf hwupload,scale_npp=640:480 –c:v h264_nvenc -b:v 1M output22.mp4更多配置通过ffmpeg查看NVIDIA编码器和解码器属性配置更多参考：https://developer.nvidia.com/ffmpegh264_nvenc 编码器配置参考Using_FFmpeg_with_NVIDIA_GPU_Hardware_Acceleration_v01.4.pdf

docker部署springboot https://blog.csdn.net/a656678879/article/details/100105267