`
zhaohaolin
  • 浏览: 1026075 次
  • 性别: Icon_minigender_1
  • 来自: 杭州
社区版块
存档分类
最新评论

消息中间件和JMS

    博客分类:
  • JMS
阅读更多

当前,CORBA、DCOM、RMI等RPC中间件技术已广泛应用于各个领域。但是面对规模和复杂度都越来越高的分布式系统,这些技术也显示出其局限性: (1)同步通信:客户发出调用后,必须等待服务对象完成处理并返回结果后才能继续执行;(2)客户和服务对象的生命周期紧密耦合:客户进程和服务对象进程 都必须正常运行;如果由于服务对象崩溃或者网络故障导致客户的请求不可达,客户会接收到异常;(3)点对点通信:客户的一次调用只发送给某个单独的目标对 象。
   面向消息的中间件(Message Oriented Middleware,MOM)较好的解决了以上问题。发送者将消息发送给消息服务器,消息服务器将消息存放在若干队列中,在合适的时候再将消息转发给接 收者。这种模式下,发送和接收是异步的,发送者无需等待;二者的生命周期未必相同:发送消息的时候接收者不一定运行,接收消息的时候发送者也不一定运行; 一对多通信:对于一个消息可以有多个接收者。
   已有的MOM系统包括IBM的MQSeries、Microsoft的MSMQ和BEA的MessageQ等。由于没有一个通用的标准,这些系统很难实现 互操作和无缝连接。Java Message Service(JMS)是SUN提出的旨在统一各种MOM系统接口的规范,它包含点对点(Point to Point,PTP)和发布/订阅(Publish/Subscribe,pub/sub)两种消息模型,提供可靠消息传输、事务和消息过滤等机制。


1.JMS
   JAVA 消息服务(JMS)定义了Java 中访问消息中间件的接口。JMS 只是接口,并没有给予实现,实现JMS 接口的消息中间件称为JMS Provider,iLink实现了JMS接口,用户可以通过使用JMS接口,在iLink中进行JMS编程。 iLink支持JMS1.0.2版本。

2.JMS接口描述
   JMS 支持两种消息类型PTP 和Pub/Sub,分别称作:PTP Domain 和Pub/Sub Domain,这两种接口都继承统一的JMS父接口,JMS 主要接口如下所示:

MS父接口

PTP

Pub/Sub

ConnectionFactory

QueueConnectionFactory

TopicConnectionFactory

Connection

QueueConnection

TopicConnection

Destination

Queue

Topic

Session

QueueSession

TopicSession

MessageProducer

QueueSender

TopicPublisher

MessageConsumer

QueueReceiver,QueueBrowser

TopicSubscriber

 

 

 

                    
   ConnectionFactory :连接工厂,JMS 用它创建连接
   Connection :JMS 客户端到JMS Provider 的连接
   Destination :消息的目的地
   Session: 一个发送或接收消息的线程
   MessageProducer: 由Session 对象创建的用来发送消息的对象
   MessageConsumer: 由Session 对象创建的用来接收消息的对象

3.JMS消息模型
JMS 消息由以下几部分组成:消息头,属性,消息体。
  
3.1 消息头(Header) - 消息头包含消息的识别信息和路由信息,消息头包含一些标准的属性如:JMSDestination,JMSMessageID 等。

 消息头

 由谁设置

JMSDestination

send 或 publish 方法

JMSDeliveryMode

send 或 publish 方法

JMSExpiration

send 或 publish 方法

JMSPriority

send 或 publish 方法

JMSMessageID

send 或 publish 方法

JMSTimestamp

send 或 publish 方法

JMSCorrelationID

客户

JMSReplyTo

客户

JMSType

客户

JMSRedelivered

JMS Provider

 

 

 

 

 

      
3.2 属性(Properties) - 除了消息头中定义好的标准属性外,JMS 提供一种机制增加新属性到消息头中,这种新属性包含以下几种:
   1. 应用需要用到的属性;
   2. 消息头中原有的一些可选属性;
   3. JMS Provider 需要用到的属性。
   标准的JMS 消息头包含以下属性:

JMSDestination

消息发送的目的地

JMSDeliveryMode

传递模式, 有两种模式: PERSISTENT 和NON_PERSISTENT,PERSISTENT 表示该消息一定要被送到目的地,否则会导致应用错误。NON_PERSISTENT 表示偶然丢失该消息是被允许的,这两种模式使开发者可以在消息传递的可靠性和吞吐量之间找到平衡点。

JMSMessageID

唯一识别每个消息的标识,由JMS Provider 产生。

JMSTimestamp

一个消息被提交给JMS Provider 到消息被发出的时间。

JMSCorrelationID

用来连接到另外一个消息,典型的应用是在回复消息中连接到原消息。

JMSReplyTo

提供本消息回复消息的目的地址

JMSRedelivered

如果一个客户端收到一个设置了JMSRedelivered 属性的消息,则表示可能该客户端曾经在早些时候收到过该消息,但并没有签收(acknowledged)。

JMSType

消息类型的识别符。

JMSExpiration

消 息过期时间,等于QueueSender 的send 方法中的timeToLive 值或TopicPublisher 的publish 方法中的timeToLive 值加上发送时刻的GMT 时间值。如果timeToLive值等于零,则JMSExpiration 被设为零,表示该消息永不过期。如果发送后,在消息过期时间之后消息还没有被发送到目的地,则该消息被清除。

JMSPriority

消息优先级,从0-9 十个级别,0-4 是普通消息,5-9 是加急消息。JMS 不要求JMS Provider 严格按照这十个优先级发送消息,但必须保证加急消息要先于普通消息到达。

 

 

 

 

 

 

 

 


3.3 消息体(Body) - JMS API 定义了5种消息体格式,也叫消息类型,你可以使用不同形式发送接收数据并可以兼容现有的消息格式,下面描述这5种类型:

消息类型

消息体

TextMessage

java.lang.String对象,如xml文件内容

MapMessage

名/值对的集合,名是String对象,值类型可以是Java任何基本类型

BytesMessage

字节流

StreamMessage

Java中的输入输出流

ObjectMessage

Java中的可序列化对象

Message

没有消息体,只有消息头和属性











下例演示创建并发送一个TextMessage到一个队列:
TextMessage message = queueSession.createTextMessage();
message.setText(msg_text); // msg_text is a String
queueSender.send(message);

下例演示接收消息并转换为合适的消息类型:
Message m = queueReceiver.receive();
if (m instanceof TextMessage) {
 TextMessage message = (TextMessage) m;
 System.out.println("Reading message: " + message.getText());
} else {
 // Handle error
}

4. 消息的同步异步接收
   消息的同步接收是指客户端主动去接收消息,JMS 客户端可以采用MessageConsumer 的receive方法去接收下一个消息。
   消息的异步接收是指当消息到达时,主动通知客户端。JMS 客户端可以通过注册一个实 现MessageListener 接口的对象到MessageConsumer,这样,每当消息到达时,JMS Provider 会调用MessageListener中的onMessage 方法。


5. PTP模型
PTP(Point-to-Point)模型是基于队列的,发送方发消息到队列,接收方从队列接收消息,队列的存在使得消息的异步传输成为可能。和邮件系统中的邮箱一样,队列可以包含各种消息,JMS Provider 提供工具管理队列的创建、删除。JMS PTP 模型定义了客户端如何向队列发送消息,从队列接收消息,浏览队列中的消息。
   下面描述JMS PTP 模型中的主要概念和对象:

名称

描述

Queue

由JMS Provider 管理,队列由队列名识别,客户端可以通过JNDI 接口用队列名得到一个队列对象。

TemporaryQueue

由QueueConnection 创建,而且只能由创建它的QueueConnection 使用。

QueueConnectionFactory

客户端用QueueConnectionFactory 创建QueueConnection 对象。

QueueConnection

一个到JMS PTP provider 的连接,客户端可以用QueueConnection 创建QueueSession 来发送和接收消息。

QueueSession

提供一些方法创建QueueReceiver 、QueueSender、QueueBrowser 和TemporaryQueue。如果在QueueSession 关闭时,有一些消息已经被收到,但还没有被签收(acknowledged),那么,当接收者下次连接到相同的队列时,这些消息还会被再次接收。

QueueReceiver

客户端用QueueReceiver 接收队列中的消息,如果用户在QueueReceiver 中设定了消息选择条件,那么不符合条件的消息会留在队列中,不会被接收到。

QueueSender

客户端用QueueSender 发送消息到队列。

QueueBrowser

客户端可以QueueBrowser 浏览队列中的消息,但不会收走消息。

QueueRequestor

JMS 提供QueueRequestor 类简化消息的收发过程。QueueRequestor 的构造函数有两个参数:QueueSession 和queue,QueueRequestor 通过创建一个临时队列来完成最终的收发消息请求。

可靠性(Reliability)

队列可以长久地保存消息直到接收者收到消息。接收者不需要因为担心消息会丢失而时刻和队列保持激活的连接状态,充分体现了异步传输模式的优势。



        
      

 

 

 

 

 

 

 

6. PUB/SUB模型
JMS Pub/Sub 模型定义了如何向一个内容节点发布和订阅消息,这些节点被称作主题(topic)。
   主题可以被认为是消息的传输中介,发布者(publisher)发布消息到主题,订阅者(subscribe) 从主题订阅消息。主题使得消息订阅者和消息发布者保持互相独立,不需要接触即可保证消息的传送。
   下面描述JMS Pub/Sub 模型中的主要概念和对象:

名称

描述

订阅(subscription)

消 息订阅分为非持久订阅(non-durable subscription)和持久订阅(durable subscrip-tion),非持久订阅只有当客户端处于激活状态,也就是和JMS Provider 保持连接状态才能收到发送到某个主题的消息,而当客户端处于离线状态,这个时间段发到主题的消息将会丢失,永远不会收到。持久订阅时,客户端向JMS 注册一个识别自己身份的ID,当这个客户端处于离线时,JMS Provider 会为这个ID 保存所有发送到主题的消息,当客户再次连接到JMS Provider时,会根据自己的ID 得到所有当自己处于离线时发送到主题的消息。

Topic

主题由JMS Provider 管理,主题由主题名识别,客户端可以通过JNDI 接口用主题名得到一个主题对象。JMS 没有给出主题的组织和层次结构的定义,由JMS Provider 自己定义。

TemporaryTopic

临时主题由TopicConnection 创建,而且只能由创建它的TopicConnection 使用。临时主题不能提供持久订阅功能。

TopicConnectionFactory

客户端用TopicConnectionFactory 创建TopicConnection 对象。

TopicConnection

TopicConnection 是一个到JMS Pub/Sub provider 的连接,客户端可以用TopicConnection创建TopicSession 来发布和订阅消息。

TopicSession

TopicSession 提供一些方法创建TopicPublisher、TopicSubscriber、TemporaryTopic 。它还提供unsubscribe 方法取消消息的持久订阅。

TopicPublisher

客户端用TopicPublisher 发布消息到主题。

TopicSubscriber

客户端用TopicSubscriber 接收发布到主题上的消息。可以在TopicSubscriber 中设置消息过滤功能,这样,不符合要求的消息不会被接收。

Durable TopicSubscriber

如果一个客户端需要持久订阅消息,可以使用Durable TopicSubscriber,TopSession 提供一个方法createDurableSubscriber创建Durable TopicSubscriber 对象。

恢复和重新派送(Recovery and Redelivery)

非持久订阅状态下,不能恢复或重新派送一个未签收的消息。只有持久订阅才能恢复或重新派送一个未签收的消息。

TopicRequestor

JMS 提供TopicRequestor 类简化消息的收发过程。TopicRequestor 的构造函数有两个参数:TopicSession 和topic。TopicRequestor 通过创建一个临时主题来完成最终的发布和接收消息请求。

可靠性(Reliability)

当所有的消息必须被接收,则用持久订阅模式。当丢失消息能够被容忍,则用非持久订阅模式。

 

 

 

 

 

 

 

 

 

 
 
 
 
 
 
 
 
 
7. 开发JMS的步骤
   广义上说,一个JMS 应用是几个JMS 客户端交换消息,开发JMS 客户端应用由以下几步构成:
用JNDI 得到ConnectionFactory 对象;
用JNDI 得到目标队列或主题对象,即Destination 对象;
用ConnectionFactory 创建Connection 对象;
用Connection 对象创建一个或多个JMS Session;
用Session 和Destination 创建MessageProducer 和MessageConsumer;
通知Connection 开始传递消息。

更详细的信息请参考 Java Message Specification .

分享到:
评论

相关推荐

    chromedriver-linux64-136.0.7070.0.zip

    chromedriver-linux64-136.0.7070.0.zip

    数据结构_Python实现_浙江大学_教学辅助_1741867717.zip

    数据结构学习

    最长上升子序列(Longest Increasing Subsequence,LIS)动态规划解法的 Python 源码

    最长上升子序列(Longest Increasing Subsequence,LIS)问题是指在一个给定的无序序列中,找到一个最长的单调递增子序列的长度。动态规划的核心思想是通过求解子问题来得到原问题的解。

    全栈 Java 关于全栈开发详解:核心技术、优势及应用场景解析

    内容概要:本文深入探讨了‘全栈’这一软件开发概念。首先明确了全栈不仅仅是指某一个人掌握所有技术,更重要的是拥有跨多个技术领域能力,并能在项目中提供从头到尾的一站式解决方案。文中列举了几项对于全栈开发至关重要技能集,例如:前端(HTML/CSS/Javascript等)、后端(如Python/Django、Java/Spring)、数据库管理以及服务器与部署方面专业知识。同时提到,相比传统分工明确的角色,采用全栈思路可以带来更高的效率、更大的灵活性和更强的整体感知,有助于理解整个系统构架并作出最优决策。最后介绍了全栈开发的一些实际应用场景,在小规模创业企业和大型企业的合作场景中,都能找到其独特的发挥空间;同时也指出成为全栈专家需要持续努力学习,面临着技术覆盖面宽泛所带来的巨大挑战。 适合人群:有兴趣深入了解或者转型成为全栈开发者的程序员。 使用场景及目标:为正在考虑向全能型人才发展的个人提供指导,解释为什么学习全栈开发是有益处的同时给出学习路线图和潜在风险提示。 其他说明:该资料来源于CSDN上的技术博主分享,包含大量真实案例和个人见解,可以帮助有志者更好地规划自己的职业生涯发展道路。

    计算机视觉领域的图像识别技术:从原理到应用场景全解析

    内容概要:本文介绍了图像识别技术的核心原理及主要流程。首先介绍通过摄像头或传感器完成图像获取并转成数字格式,随后通过去噪、增强等一系列预处理操作来提高图片质量。再利用多种方法,特别是深度学习手段比如SIFT,HOG和CNN做关键点如边缘、纹理等的特征提取,用标注过的数据训练模型。经过以上步骤之后进行最终的分类与识别,在这一步骤当中为了使图像得到最精确表达还会涉及非极大值抑制(NMS)、上下文信息利用等后处理操作。除此之外,本文还列举了几项核心技术,即自动提取特征的CNN、加速训练进程的迁移学习方法、定位识别目标物体的技术(YOLO/Faster R-CNN),以及实现像素级的分类(U-net/Mask R-CNN)等。另外还探讨了这一技术的应用领域如人脸检测助力支付验证与安全保障工作、自动驾驶方面对道路车辆和行人的识别,还有医疗影像分析帮助疾病的早期发现以及工业制造中产品检测等多方面的实际应用场景及其发挥的作用。 适合人群:对于图像识别有兴趣的研究人员或从业者;从事相关领域工作,希望通过深入学习理论知识和技术要点提高业务水平的研发工程师或者产品经理。 使用场景及目标:希望读者能够通过对

    最长上升子序列(Longest Increasing Subsequence,LIS)动态规划解法的 java 源码

    最长上升子序列(Longest Increasing Subsequence,LIS)问题是指在一个给定的无序序列中,找到一个最长的单调递增子序列的长度。

    移动开发_iOS_组件化_项目架构搭建教程_1741869992.zip

    数据结构学习

    【Java毕业项目】基于Springboot+vue的高校毕业生就业信息管理系统(包含:源码+万字LW+PPT+数据库文件+开发文档+视频教程(安装部署+代码讲解+修改系统名称等)

    功能描述: 就业管理员则负责岗位类型、招聘信息以及简历投递等流程的管理,保障了招聘流程的顺畅和有效。企业用户通过系统发布招聘信息、管理收到的简历,并组织面试流程。学生用户可管理个人资料、投递简历、接收面试邀请并查看面试结果,为他们的就业之路提供便利和支持。 更多详细信息:https://blog.csdn.net/u011832806/article/details/145713085 本项目是基于Springboot+Vue开发的高校毕业生就业信息管理系统,高分通过项目,已获导师指导。主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的Java学习者。也可作为课程设计、期末大作业 标价包含:项目源码、万字LW、数据库脚本、开发说明文档、安装部署视频、代码讲解视频、全套软件等,该项目可以直接作为毕设使用。 项目都经过严格调试,确保可以运行! 环境说明: 开发语言:java JDK版本:jdk1.8 框架:springboot 数据库:mysql 5.7/8 数据库工具:navicat 开发软件:eclipse/idea

    蓝桥杯嵌入式ADC&LCD(二)

    蓝桥杯嵌入式ADC&LCD(二)

    算法_求和问题_3Sum_4Sum_去重优化_1741868504.zip

    数据结构学习

    基于ConVNeXt 神经网络模型实现的迁移学习、图像识别项目:遥感场景分类网页推理

    该项目是一个基于ConVNeXt模型的图像分类系统,旨在通过深度学习技术实现高效的图像分类任务。系统主要由三个模块组成:模型训练、推理预测和工具函数。首先,train.py脚本负责模型的训练过程,用户可以通过命令行参数设置模型类型、优化器、学习率、批量大小等超参数。训练过程中,脚本会自动进行数据预处理、模型初始化、训练与验证循环,并保存最佳模型权重和训练日志。训练结束后,系统会生成损失曲线、准确率曲线、混淆矩阵、recall、F1、precision、ROC曲线和AUC值等可化结果,帮助用户评估模型性能。其次,infer.py脚本用于推理预测,可以通过Streamlit提供的Web界面上传图像,系统会调用训练好的模型进行图像分类,并返回预测结果及其置信度 本项目训练了30个epoch,精度约为0.84 关于AI改进参考:https://blog.csdn.net/qq_44886601/category_12858320.html

    AUTOSAR以太网交换机驱动(EthSwt)的技术解析与应用场景

    内容概要:本文详细介绍了AUTOSAR EthernetSwitchDriver (EthSwt),这是AUTOSAR架构中用于管理和控制车载以太网交换机的重要模块。文章从多个角度进行了详尽讲解,涵盖架构设计、配置模型、初始化和配置流程以及各个功能的具体实施方式,并深入探讨了EthSwt的状态机运作原理和不同硬件变体的支持情况,强调了标准化和硬件无关的特性。 适合人群:从事汽车电子控制系统及相关领域研究的专业人士、AUTOSAR开发工程师以及对车载网络感兴趣的开发者。 使用场景及目标:①帮助工程师理解和掌握EthSwt的运作机制;②指导如何进行交换机配置与控制;③探索适用于不同类型车辆网络架构的最佳实践。 阅读建议:鉴于文中涉及众多具体细节和技术知识点,建议读者事先熟悉AUTOSAR基本概念,尤其是通信服务子层的内容,以便更好地理解文档所阐述的信息。此外,实际项目开发时可以根据文中提供的配置示例来辅助设计更为合理的解决方案。

    Postman使用指南:从基础入门到高阶功能实践的应用全解

    内容概要:本文全面介绍了Postman这一广泛应用于API测试的强大工具的基本功能和高级特性,包括下载安装、接口测试方法,自动化测试流程设定,通过全局与环境变量提高效率的方法,利用外部文件实现参数化,编写与使用测试脚本进行断言检验,搭建Mock Server模拟未完成的后端API服务,生成详细的API文档便于协作,以及设置性能监控确保系统稳定性的具体步骤。每一个知识点配上了实际的例子进行详细解读,帮助使用者深入理解Postman的各项特性和操作技巧。 适合人群:软件开发工程师,尤其是专注于Web服务或移动应用程序开发的技术人员;QA工程师或从事软件质量保障的专业人士;想要提升API测试能力的所有技术人员。 使用场景及目标:①为正在构建RESTful或其他HTTP风格的网络服务团队提供一个简单而强大的测试平台;②加速前后端分离项目的进展,通过快速建立有效的接口测试计划,减少部署过程中可能出现的问题;③促进持续集成环境下的代码质量提升,借助高效的自动化机制缩短回归测试周期。 其他说明:Postman不仅是一款优秀的接口调试辅助工具,同时也支持高度灵活的工作流整合,例如与Jenkins这样的

    餐饮管理_用户验证_信息维护_系统操作_1741865908.zip

    操作系统学习

    chromedriver-mac-arm64-134.0.6998.88.zip

    chromedriver-mac-arm64-134.0.6998.88.zip

    金融科技领域的软件开发需求说明书模板及实施指南

    内容概要:本文档旨在为‘某某项目’提供全面的产品需求规格说明,适用于金融类产品需求文档编写。文档涵盖从总体介绍、用户群分析、标准规范定义,到各模块特性说明以及风险管理等多个维度的内容,确保技术团队、管理层及其他相关人员对项目的理解和统一认知。特别强调网站建设的功能需求和技术栈的选择,例如采用了PHP、Object C等多种技术和Oracle作为后台支持,并深入剖析了资讯模块和互动模块的具体功能设计与操作流程。 适用于金融产品研发阶段的不同利益相关方,包括但不限于企业高层管理人员、项目经理、开发人员、测试工程师和其他相关人员。他们可以通过该文档了解并掌握即将构建的新产品的完整构想及其详细的实施方案,以便协调各自的任务。 使用场景及目标:该文档主要用于项目启动前期的需求梳理和确认,确保各方就项目的目的、范围达成一致共识,并为其后续设计阶段提供了重要指导方针。同时,在整个项目周期中亦作为沟通桥梁供相关人员参考,特别是涉及到迭代更新或功能调整时更是发挥了关键作用。此外,还用于软件的质量测试基准确立,以确保最终交付品符合预期质量标准。 其它说明:本文档属于公司机密文件,注意保管。

    机器徐诶(预测模型):研究学生抑郁症情况的数据集

    该数据集旨在分析、理解和预测学生的抑郁水平,为心理健康和教育领域的研究提供支持。它涵盖了多种特征,包括人口统计学、学术、生活方式和心理因素,能够帮助研究人员探索影响学生心理健康的各种因素。数据以CSV格式存储,每行代表一名学生的信息,列则包含不同的属性。具体包括:学生的唯一标识符(ID)、年龄、性别、所在城市、平均绩点(CGPA)、睡眠时长、兼职或全职职业、工作压力、学业压力、学习满意度、工作满意度、饮食习惯以及抑郁状态等。数据特点:多维度分析:结合了人口统计学、学术和心理数据,提供了全面了解影响学生心理健康因素的视角。适用性强:适用于心理学家、教育工作者和数据科学家等,可用于心理健康研究、教育洞察以及政策制定支持。、机器学习应用:是训练预测模型以检测抑郁早期迹象的理想选择,有助于及时干预和预防措施的实施。可定制和可扩展:数据集结构支持添加新特征,适合多样化的研究和分析需求。通过该数据集,研究人员可以识别导致学生抑郁的关键因素,如学业压力、工作生活平衡和生活方式等。教育工作者可以了解学业压力和学习满意度对心理健康的影响,从而改善学习环境。此外,它还能为学校、学院和大学的心理健康政策等。

    大型语言模型在疾病诊断中的应用:DeepSeek-R1和O3 Mini在慢性健康状况中的比较研究

    大型语言模型(LLMs)通过提升疾病分类和临床决策能力,正在彻底改变医学诊断领域。在本研究中,我们评估了两种基于LLM的诊断工具——DeepSeek R1和O3 Mini——在包含症状和诊断的结构化数据集上的表现。我们评估了它们在疾病和类别层面的预测准确性,以及其置信度评分的可靠性。DeepSeek R1在疾病层面达到了76%的准确率,总体准确率为82%,优于O3 Mini,后者分别达到72%和75%。值得注意的是,DeepSeek R1在心理健康、神经系统疾病和肿瘤学方面表现出色,准确率达到100%,而O3 Mini在自身免疫疾病分类中也取得了100%的准确率。然而,两种模型在呼吸系统疾病分类上都面临挑战,DeepSeek R1和O3 Mini的准确率分别为40%和20%。此外,置信度评分分析显示,DeepSeek R1在92%的案例中提供了高置信度预测,而O3 Mini则为68%。本研究还讨论了与偏见、模型可解释性和数据隐私相关的伦理问题,以确保LLM负责任地融入临床实践。总的来说,我们的研究结果为基于LLM的诊断系统的优缺点提供了有价值的见解,并为未来人工智能驱动的医疗保健改进提

    dunwu_algorithm-tutorial_1741867559.zip

    数据结构学习

    lf2021_Front-End-Interview_1741869964.zip

    数据结构学习

Global site tag (gtag.js) - Google Analytics