人工智慧 人臉識別 在業務上選擇RabbitMQ的配置引數
阿新 • • 發佈：2018-12-17
本文開始從業務的角度來分析rabbitMQ的引數如何選擇，因為目前的mq都是基於人臉特徵進行操作的，包括演算法庫的提取特徵，以及傳送到mq，然後消費端進行消費把人的特徵進行入庫的操作，返回人臉的基本資訊，以後隨著演算法庫的擴充到聲紋，虹膜這塊的業務，這就需要到路由鍵來分發訊息，這時候就需要到routingKey，下面介紹routingKey的使用
通過服務的controller層定義方法，使用**@RabbitListener([email protected](
exchange= @Exchange(“faceTokenExchange”),
key = “faceToken”,
value = @Queue(“faceTokenQueue”)
))**
同樣在另外一個聲紋，虹膜的服務中使用rabbitListener來指定key達到訊息分類的處理
@RabbitListener([email protected](
exchange= @Exchange(“speakTokenExchange”),
key = “speakToken”,
value = @Queue(“speakTokenQueue”)
))
這裡從人工智慧的業務層面 簡單的介紹了rabbitMQ的基本使用，這裡基本滿足大部分的業務需求，但是rabbitMQ還有很多高階的特性，比如，mq分散式，訊息延時處理，訊息優先順序，訊息應答機制 等等。