H

ashMap是Java集合框架中最常用的数据结构之一，它提供了高效的键值对存储和检索功能。在Java8中，HashMap引入了一系列新的原子性更新方法，包括compute()、computeIfAbsent()和computeIfPresent()等，这些方法极大地简化了在Map中进行复杂更新操作的代码。本文将详细介绍这些方法，包括它们的用法、示例和实际应用场景，并特别探讨它们在Kafka Stream数据处理中的实际应用。

在这里插入图片描述

1. compute()方法

方法签名

default V compute(K key, BiFunction<? super K, ? super V, ? extends V> remappingFunction)

功能说明

compute()方法用于根据指定的键和其当前映射值(如果没有当前映射值则为null)计算一个新的映射值。这个方法是原子性的，意味着在多线程环境下可以安全使用。

参数

  • key: 要计算的键
  • remappingFunction: 接受键和当前值作为参数，返回新值的函数

返回值

  • 返回与键关联的新值，如果没有值与键关联(且remappingFunction返回null)，则返回null

示例

import java.util.HashMap;
import java.util.Map;public class ComputeExample {public static void main(String[] args) {Map<String, Integer> map = new HashMap<>();map.put("apple", 1);map.put("banana", 2);// 使用compute方法增加apple的数量map.compute("apple", (k, v) -> v + 1);System.out.println(map); // 输出: {apple=2, banana=2}// 对不存在的键使用compute方法map.compute("orange", (k, v) -> v == null ? 1 : v + 1);System.out.println(map); // 输出: {apple=2, banana=2, orange=1}// 使用compute方法删除条目(返回null)map.compute("banana", (k, v) -> null);System.out.println(map); // 输出: {apple=2, orange=1}}
}

用途

  • 当需要基于当前值计算新值时(如计数器增加)
  • 当需要根据键和当前值决定是否保留、更新或删除条目时
  • 替代传统的"检查是否存在，然后put"模式

2. computeIfAbsent()方法

方法签名

default V computeIfAbsent(K key, Function<? super K, ? extends V> mappingFunction)

功能说明

computeIfAbsent()方法仅在指定的键尚未与值关联(或映射为null)时计算一个新值并将其放入Map中。

参数

  • key: 要检查的键
  • mappingFunction: 接受键作为参数，返回新值的函数

返回值

  • 返回与键关联的当前(现有或计算的)值，如果没有值与键关联，则返回null

示例

import java.util.HashMap;
import java.util.Map;
import java.util.List;
import java.util.ArrayList;public class ComputeIfAbsentExample {public static void main(String[] args) {Map<String, List<String>> map = new HashMap<>();// 使用computeIfAbsent初始化列表map.computeIfAbsent("fruits", k -> new ArrayList<>()).add("apple");map.computeIfAbsent("fruits", k -> new ArrayList<>()).add("banana");map.computeIfAbsent("vegetables", k -> new ArrayList<>()).add("carrot");System.out.println(map); // 输出: {fruits=[apple, banana], vegetables=[carrot]}// 对已存在的键不会重新计算List<String> fruits = map.computeIfAbsent("fruits", k -> new ArrayList<>());fruits.add("orange");System.out.println(map); // 输出: {fruits=[apple, banana, orange], vegetables=[carrot]}}
}

用途

  • 延迟初始化(如上面的列表示例)
  • 缓存实现(当需要时才计算值)
  • 避免重复计算相同的键

3. computeIfPresent()方法

方法签名

default V computeIfPresent(K key, BiFunction<? super K, ? super V, ? extends V> remappingFunction)

功能说明

computeIfPresent()方法仅在指定的键已与值关联时计算一个新值并将其放入Map中。

参数

  • key: 要检查的键
  • remappingFunction: 接受键和当前值作为参数，返回新值的函数

返回值

  • 返回与键关联的新值，如果没有值与键关联，则返回null

示例

import java.util.HashMap;
import java.util.Map;public class ComputeIfPresentExample {public static void main(String[] args) {Map<String, Integer> map = new HashMap<>();map.put("apple", 1);map.put("banana", 2);// 使用computeIfPresent增加apple的数量map.computeIfPresent("apple", (k, v) -> v + 1);System.out.println(map); // 输出: {apple=2, banana=2}// 对不存在的键使用computeIfPresent不会有任何效果map.computeIfPresent("orange", (k, v) -> v + 1);System.out.println(map); // 输出: {apple=2, banana=2}// 使用computeIfPresent删除条目(返回null)map.computeIfPresent("banana", (k, v) -> null);System.out.println(map); // 输出: {apple=2}}
}

用途

  • 当需要基于现有值更新值时(如计数器增加)
  • 当需要根据条件删除条目时
  • 替代传统的"检查是否存在，然后更新"模式

4. merge()方法

虽然不是严格意义上的compute方法，但merge()方法与这些方法功能相似，也值得介绍。

方法签名

default V merge(K key, V value, BiFunction<? super V, ? super V, ? extends V> remappingFunction)

功能说明

merge()方法将指定的值与键的当前值(如果存在)合并，使用提供的合并函数。如果键没有当前映射，则直接将键与指定值关联。

参数

  • key: 要合并的键
  • value: 要合并的值
  • remappingFunction: 接受当前值和指定值作为参数，返回合并后的值的函数

返回值

  • 返回与键关联的新值，如果没有值与键关联，则返回指定的值

示例

import java.util.HashMap;
import java.util.Map;public class MergeExample {public static void main(String[] args) {Map<String, Integer> map = new HashMap<>();map.put("apple", 1);map.put("banana", 2);// 使用merge方法增加apple的数量map.merge("apple", 1, (oldValue, newValue) -> oldValue + newValue);System.out.println(map); // 输出: {apple=2, banana=2}// 对不存在的键使用merge方法直接添加map.merge("orange", 3, (oldValue, newValue) -> oldValue + newValue);System.out.println(map); // 输出: {apple=2, banana=2, orange=3}// 使用merge方法删除条目(合并函数返回null)map.merge("banana", 1, (oldValue, newValue) -> null);System.out.println(map); // 输出: {apple=2, orange=3}}
}

用途

  • 合并两个值(如计数器累加)
  • 当需要基于现有值和新值计算新值时
  • 替代传统的"检查是否存在，然后合并"模式

5. 方法对比

方法触发条件参数典型用途
compute()总是执行键和BiFunction(键,当前值→新值)基于键和当前值计算新值
computeIfAbsent()键不存在或值为null键和Function(键→新值)延迟初始化，避免重复计算
computeIfPresent()键存在且值不为null键和BiFunction(键,当前值→新值)基于现有值更新值
merge()总是执行键、值和BiFunction(当前值,新值→合并值)合并两个值

6. 实际应用场景

6.1 缓存实现

import java.util.HashMap;
import java.util.Map;
import java.util.function.Function;public class CacheExample {private final Map<String, String> cache = new HashMap<>();public String get(String key, Function<String, String> loader) {return cache.computeIfAbsent(key, loader);}public static void main(String[] args) {CacheExample cache = new CacheExample();String value = cache.get("data", key -> {// 模拟从数据库加载数据System.out.println("Loading data for " + key);return "Value for " + key;});System.out.println(value);// 再次获取相同key不会重新加载value = cache.get("data", key -> {System.out.println("This won't be printed");return "New value";});System.out.println(value);}
}

6.2 计数器

import java.util.HashMap;
import java.util.Map;public class CounterExample {public static void main(String[] args) {Map<String, Integer> wordCounts = new HashMap<>();String[] words = {"apple", "banana", "apple", "orange", "banana", "apple"};for (String word : words) {wordCounts.merge(word, 1, Integer::sum);}System.out.println(wordCounts); // 输出: {orange=1, banana=2, apple=3}}
}

6.3 配置合并

import java.util.HashMap;
import java.util.Map;public class ConfigMergeExample {public static void main(String[] args) {Map<String, String> defaultConfig = new HashMap<>();defaultConfig.put("timeout", "1000");defaultConfig.put("retries", "3");Map<String, String> userConfig = new HashMap<>();userConfig.put("timeout", "2000");// 合并配置，用户配置优先userConfig.forEach((key, value) -> defaultConfig.merge(key, value, (oldVal, newVal) -> newVal));System.out.println(defaultConfig); // 输出: {timeout=2000, retries=3}}
}

7. Kafka Stream中的HashMap compute方法应用

Kafka Stream是一个用于构建流处理应用的Java库，它提供了高级抽象来处理数据流。在Kafka Stream应用中，我们经常需要维护状态(如计数器、聚合结果等)，而HashMap及其compute方法家族非常适合这种场景。

7.1 Kafka Stream状态存储基础

Kafka Stream提供了KeyValueStore接口用于状态存储，但底层实现通常基于HashMap或其他高效的数据结构。当我们需要在Kafka Stream应用中维护自定义状态时，compute方法家族可以发挥巨大作用。

7.2 实时计数器示例

假设我们有一个Kafka Stream应用，需要统计每个产品的购买次数：

import org.apache.kafka.streams.processor.api.Processor;
import org.apache.kafka.streams.processor.api.ProcessorContext;
import org.apache.kafka.streams.processor.api.Record;
import java.util.HashMap;
import java.util.Map;public class ProductCounterProcessor implements Processor<String, String, String, Long> {private final Map<String, Long> productCounts = new HashMap<>();@Overridepublic void init(ProcessorContext<String, Long> context) {// 初始化代码}@Overridepublic void process(Record<String, String> record) {String productId = record.key();// 使用compute方法原子性地增加计数器productCounts.compute(productId, (k, v) -> v == null ? 1L : v + 1L);// 可以定期将状态写入Kafka状态存储或发送到下游// 这里简化处理，直接转发结果context.forward(new Record<>(productId, productCounts.get(productId), record.timestamp()));}@Overridepublic void close() {// 清理代码}
}

在这个例子中，compute()方法确保了即使在高并发环境下，计数器也能正确更新，避免了传统的"检查-然后-更新"模式可能导致的竞态条件。

7.3 会话窗口聚合

在Kafka Stream中处理会话窗口时，我们经常需要维护会话状态。computeIfPresent()方法非常适合这种场景：

import org.apache.kafka.streams.processor.api.Processor;
import org.apache.kafka.streams.processor.api.ProcessorContext;
import org.apache.kafka.streams.processor.api.Record;
import java.util.HashMap;
import java.util.Map;public class SessionAggregatorProcessor implements Processor<String, UserEvent, String, SessionSummary> {private final Map<String, SessionSummary> activeSessions = new HashMap<>();@Overridepublic void init(ProcessorContext<String, SessionSummary> context) {// 初始化代码}@Overridepublic void process(Record<String, UserEvent> record) {String userId = record.key();UserEvent event = record.value();// 使用computeIfPresent更新现有会话activeSessions.computeIfPresent(userId, (k, session) -> {session.addEvent(event);if (session.isExpired()) {// 会话过期，发送结果并移除context.forward(new Record<>(userId, session.toSummary(), record.timestamp()));return null; // 返回null会删除该条目}return session;});// 使用computeIfAbsent创建新会话activeSessions.computeIfAbsent(userId, k -> {SessionSummary newSession = new SessionSummary(event);return newSession;});}@Overridepublic void punctuate(long timestamp) {// 定期检查并关闭过期会话activeSessions.entrySet().removeIf(entry -> {if (entry.getValue().isExpired()) {context.forward(new Record<>(entry.getKey(), entry.getValue().toSummary(), timestamp));return true;}return false;});}@Overridepublic void close() {// 清理代码}
}

在这个例子中，我们结合使用了computeIfPresent()和computeIfAbsent()方法来高效地管理会话状态，确保会话的正确创建、更新和过期处理。

7.4 窗口化聚合

对于基于时间的窗口聚合，merge()方法特别有用：

import org.apache.kafka.streams.processor.api.Processor;
import org.apache.kafka.streams.processor.api.ProcessorContext;
import org.apache.kafka.streams.processor.api.Record;
import java.util.HashMap;
import java.util.Map;public class WindowedAggregatorProcessor implements Processor<String, SalesEvent, String, SalesSummary> {private final Map<String, SalesSummary> windowSums = new HashMap<>();@Overridepublic void init(ProcessorContext<String, SalesSummary> context) {// 初始化代码}@Overridepublic void process(Record<String, SalesEvent> record) {String productId = record.key();SalesEvent event = record.value();// 使用merge方法合并销售事件到窗口汇总windowSums.merge(productId, new SalesSummary(event), (existingSum, newEvent) -> existingSum.merge(newEvent));// 定期发送窗口汇总结果if (shouldSendWindowResult()) {windowSums.forEach((k, v) -> context.forward(new Record<>(k, v, record.timestamp())));windowSums.clear(); // 清空窗口}}@Overridepublic void close() {// 清理代码}private boolean shouldSendWindowResult() {// 实现窗口触发逻辑return false;}
}

在这个例子中，merge()方法简化了窗口内销售事件的聚合过程，使我们能够高效地计算每个产品在当前窗口内的销售汇总。

8. 性能考虑与Kafka Stream集成

在Kafka Stream应用中使用这些compute方法时，需要注意以下几点：

  1. 线程安全性：Kafka Stream处理器通常是单线程处理每个分区，因此不需要额外的同步措施。但如果在多线程环境中使用HashMap，应考虑使用ConcurrentHashMap及其原子性方法。
  2. 状态存储：对于需要持久化的状态，Kafka Stream提供了Stores工厂类来创建持久化状态存储。这些存储底层可能使用类似HashMap的结构，但提供了容错能力。
  3. 内存管理：在处理大规模数据时，要注意HashMap的内存使用情况，避免OOM错误。可以考虑使用更高效的数据结构或定期清理过期状态。
  4. 容错性：虽然compute方法提供了原子性操作，但在分布式环境中，还需要考虑Kafka Stream提供的检查点机制来确保状态的一致性。

9. 总结

Java 8引入的compute()、computeIfAbsent()、computeIfPresent()和merge()等方法极大地增强了HashMap的功能，使开发者能够以更简洁、更安全的方式执行复杂的Map更新操作。这些方法特别适合以下场景：

  • 需要基于当前值计算新值时(如计数器增加)
  • 当需要根据键和当前值决定是否保留、更新或删除条目时
  • 延迟初始化或缓存实现
  • 合并值的场景

在Kafka Stream数据处理中，这些方法特别有价值，因为它们：

  1. 简化了状态管理代码
  2. 提供了原子性操作，避免了竞态条件
  3. 使实时聚合和计数实现更加简洁
  4. 与Kafka Stream的处理器API完美配合

掌握这些方法可以显著提高Kafka Stream应用的开发效率和代码质量，特别是在需要维护复杂状态的应用场景中。无论是简单的计数器还是复杂的会话窗口聚合，这些compute方法都能提供优雅的解决方案。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.pswp.cn/diannao/93448.shtml
繁体地址，请注明出处：http://hk.pswp.cn/diannao/93448.shtml
英文地址，请注明出处：http://en.pswp.cn/diannao/93448.shtml

如若内容造成侵权/违法违规/事实不符，请联系英文站点网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【php中ssti模板注入讲解】

【php中ssti模板注入讲解】

php中场景模板 1. Smarty 使用安全模式来执行不信任的模板，只运行PHP白名单里的函数。 2. Twig 与Smarty类似，不过无法利用该模板的SSTI调用静函数。 php常见模板入门 Smarty 不使用预先准备好的模板 使用预先准备好的模板 对值进行拼接后使用模板展示 设置在模板中…
阅读更多...
Redis学习07-Redis的过期策略

Redis学习07-Redis的过期策略

Redis 过期策略 什么是过期策略 Redis 的过期策略用于管理设置了过期时间&#xff08;TTL&#xff09;的键&#xff0c;确保在键过期后能够被及时删除&#xff0c;从而释放内存 整体策略 Redis 采用的是定期删除惰性删除的组合策略 1. 定期删除 原理&#xff1a;周期性的从过期…
阅读更多...
深入解读c++（命名空间）

深入解读c++（命名空间）

目录 1关于命名空间 1.1是什么 1.2解决了什么问题 2.命名空间的定义 2.2命名空间的嵌套定义 3命名空间的特点 3.1命名空间不会影响生命周期 3.2命名空间只能在全局域里定义&#xff0c;当然嵌套定义时例外。 3.3在不同文件中定义相同名称的命名空间 4.命名空间的使用 …
阅读更多...
ClickHouse高性能实时分析数据库-高性能的模式设计

ClickHouse高性能实时分析数据库-高性能的模式设计

告别等待&#xff0c;秒级响应&#xff01;这不只是教程&#xff0c;这是你驾驭PB级数据的超能力&#xff01;我的ClickHouse视频课&#xff0c;凝练十年实战精华&#xff0c;从入门到精通&#xff0c;从单机到集群。点开它&#xff0c;让数据处理速度快到飞起&#xff0c;让你…
阅读更多...
ArkTS懒加载LazyForEach的基本使用

ArkTS懒加载LazyForEach的基本使用

在 ArkTS 的开发中&#xff0c;如果你要渲染一个很长的列表&#xff0c;比如商品列表、评论列表或者朋友圈动态&#xff0c;用传统的循环结构&#xff08;比如 ForEach&#xff09;很容易导致性能问题&#xff0c;尤其是加载慢、卡顿甚至内存暴涨。 这时候就要用到 懒加载渲染组…
阅读更多...
动态规划：从入门到精通

动态规划：从入门到精通

本文全章节一共一万七千多字&#xff0c;详细介绍动态规划基础与进阶技巧&#xff0c;全篇以代码为主&#xff0c;认真读完理解&#xff0c;你对动态规划的理解一定会有一个质的飞跃。一、动态规划简介: 动态规划&#xff08;Dynamic Programming&#xff0c;简称DP&…
阅读更多...
八股训练营 40 天心得：一场结束，也是一场新的开始

八股训练营 40 天心得：一场结束，也是一场新的开始

八股训练营 40 天心得&#xff1a;一场结束&#xff0c;也是一场新的开始 感谢卡哥的训练营组织卡码笔记&#xff0c;对即将参加秋招的我们帮助了很多&#xff0c;感谢卡哥的开源代码随想录代码随想录 四十天前&#xff0c;我带着一颗不安却坚定的心&#xff0c;踏入了这场“…
阅读更多...
STM32系统定时器（SysTick）详解：从原理到实战的精确延时与任务调度

STM32系统定时器（SysTick）详解：从原理到实战的精确延时与任务调度

前言&#xff1a;为什么SysTick是嵌入式开发的"瑞士军刀"&#xff1f; 在STM32开发中&#xff0c;我们经常需要精确的延时功能&#xff08;如毫秒级延时控制LED闪烁&#xff09;或周期性任务调度&#xff08;如定时采集传感器数据&#xff09;。实现这些功能的方式有…
阅读更多...
【微信小程序】12、生物认证能力

【微信小程序】12、生物认证能力

1、生物认证 生物认证 是一种基于个体独特生理或行为特征进行身份验证的技术,广泛应用于安全、金融、医疗等领域。 小程序目前暂时只支持指纹识别认证。 2、查询支持的生物认证方式 获取本机支持的 SOTER 生物认证方式&#xff0c;文档 onLoad(options) {wx.checkIsSuppor…
阅读更多...
高级机器学习

高级机器学习

机器学习常见方法涉及方法&#xff1a;2.半监督学习3.无监督学习4.度量学习5.迁移学习6.多示例多标记学习7.在线学习8.元学习9.联邦学习10.强化学习11.概率图模型独立同分布独立指的是&#xff0c;样本集包括训练集测试集的任意两个样本之间都是不相关的。在表示样本的特征确定…
阅读更多...
Chrome 提示 “此扩展程序不再受支持”(MacOS/Windows)

Chrome 提示 “此扩展程序不再受支持”(MacOS/Windows)

原因 最新 Chrome 使用 Manifest V3, 并在新版浏览器中 停止 V2 支持 处理方法 MacOS 新建一个后缀为 .mobileconfig 的文件, 内容参考 <?xml version"1.0" encoding"UTF-8"?> <!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN&…
阅读更多...
C++20协程实战：高效网络库、手机终端、多媒体开发开发指南

C++20协程实战：高效网络库、手机终端、多媒体开发开发指南

基于C++协程和事件循环的网络库 以下是基于C++协程和事件循环的网络库实例，涵盖常见场景和功能实现。示例基于libuv、Boost.Asio或自定义事件循环，结合C++20协程（如std::coroutine）或其他协程库（如cppcoro）实现。 基础TCP服务器 #include <cppcoro/task.hpp> #in…
阅读更多...
数据库4.0

数据库4.0

索引 事务 JDBC~ 目录 一、MySQL索引 1.0 概述 2.0 相关操作 3.0 注意 4.0 索引背后的原理的理解 二、 事务 1.0 原子性 2.0 隔离性 (1)并发执行 (2) 出现的问题 3.0 使用 三、JDBC编程 1.0 概述 2.0 如何下载驱动包 3.0 jar如何引入到项目之中 4.0 jdbc…
阅读更多...
HarmonyOS-ArkUI Web控件基础铺垫6--TCP协议- 流量控制算法与拥塞控制算法

HarmonyOS-ArkUI Web控件基础铺垫6--TCP协议- 流量控制算法与拥塞控制算法

HarmonyOS-ArkUI Web控件基础铺垫1-HTTP协议-数据包内容-CSDN博客 HarmonyOS-ArkUI Web控件基础铺垫2-DNS解析-CSDN博客 HarmonyOS-ArkUI Web控件基础铺垫3--TCP协议- 从规则本质到三次握手-CSDN博客 HarmonyOS-ArkUI Web控件基础铺垫4--TCP协议- 断联-四次挥手解析-CSDN博客…
阅读更多...
Dify 从入门到精通（2/100 篇）：Dify 的核心组件 —— 从节点到 RAG 管道

Dify 从入门到精通（2/100 篇）：Dify 的核心组件 —— 从节点到 RAG 管道

Dify 的核心组件&#xff1a;从节点到 RAG 管道 引言 在 Dify 博客系列&#xff1a;从入门到精通&#xff08;100 篇&#xff09; 的第一篇《Dify 究竟是什么&#xff1f;真能开启低代码 AI 应用开发的未来&#xff1f;》中&#xff0c;我们全面介绍了 Dify 的定位、核心特点…
阅读更多...
在线培训、远程示教——医疗器械行业的直播解决方案

在线培训、远程示教——医疗器械行业的直播解决方案

文章目录前言一、医疗器械直播应用的两大核心场景二、直播平台在医疗场景中的关键技术支持点三、典型功能实现原理总结前言 医疗器械行业对“培训”和“示教”的专业性要求极高&#xff0c;传统的线下模式常因时间、空间、人员成本等受限而效率低下。而随着高清低延迟视频技术…
阅读更多...
Mqttnet的MqttClientTlsOptions.CertificateValidationHandler详解

Mqttnet的MqttClientTlsOptions.CertificateValidationHandler详解

MqttClientTlsOptions.CertificateValidationHandler 是 MQTTnet 库中用于自定义 TLS 证书验证逻辑的关键回调函数。在 MQTT 客户端与服务器建立 TLS 连接时&#xff0c;该回调允许你覆盖默认的证书验证流程&#xff0c;实现自定义的安全策略。核心作用当 MQTT 客户端通过 TLS …
阅读更多...
【图像噪点消除】——图像预处理（OpenCV）

【图像噪点消除】——图像预处理（OpenCV）

目录 1 均值滤波 2 方框滤波 3 高斯滤波 4 中值滤波 5 双边滤波 6 小结 噪声&#xff1a;图像中的一些干扰因素。通常是由于图像采集设备、传输信道等因素造成的&#xff0c;表现为图像中随机的亮度。常见的噪声类型有高斯噪声和椒盐噪声。高斯噪声是一种分布符合正态分布…
阅读更多...
Vulnhub napping-1.0.1靶机渗透攻略详解

Vulnhub napping-1.0.1靶机渗透攻略详解

一、下载靶机 下载地址&#xff1a;https://download.vulnhub.com/napping/napping-1.0.1.ova 下载好后使用VM打开&#xff0c;将网络配置模式改为net&#xff0c;防止桥接其他主机干扰&#xff08;桥接Mac地址也可确定主机&#xff09;。 二、发现主机 使用nmap扫描没有相应…
阅读更多...
Kubernetes自动扩容方案

Kubernetes自动扩容方案

Kubernetes 自动扩容可以概括为 “三层六类”&#xff1a;层级类型触发维度官方/社区方案一句话说明Pod 级HPACPU / 内存 / 自定义 / 外部指标内置副本数横向扩缩&#xff0c;最常用VPACPU / 内存社区组件单 Pod 资源竖向扩缩&#xff0c;不改副本数KEDA任意事件&#xff08;队…
阅读更多...
最新文章

Copyright @ 2022~2023