当前位置: 首页 > news >正文

STOMP协议

引用:https://blog.csdn.net/print_helloword/article/details/142597122

什么是STOMP协议

STOMP (simple text oriented messaging protocol): 一种简单的,基于文本的消息传输协议,,,最初是为了解决在消息队列中,,发布/订阅 消息的问题,,,stomp作为应用层协议,,能够与多个消息中间件和传输协议配合使用,,尤其是在websocket中,,stomp能够有效的简化消息的发布和订阅


stomp是基于 帧(Frame)的协议,每个帧都是基于文本的结构化消息,包含了命令,头部字段消息体这三个结构,, stomp的帧结构十分简单,类似于http请求,命令和头部字段都是纯文本,方便解析和调试

stomp的帧结构

命令: 表示帧的类型。 ==》
- CONNECT. : 客户端连接到服务器,,发送这个命令,用于建立会话
- CONNECTED : 连接成功,服务端返回这个命令
- SEND , : 发送消息到指定的队列
- SUBSCRIBE : 订阅某一个队列的消息
- UNSUBSCRIBE: 取消订阅
- ACK: 客户端确认接收到某个消息,用于保证消息的可靠传输
- DISCONNECT :客户端断开与服务器的连接
- MESSAGE: 服务器推送给客户端消息
头部字段: headers
消息体: 可选的消息内容,,可以是任何的文本或者二进制数据

订阅消息:

SUBSCRIBE
destination:/topic/news
id:sub-001
ack:auto

客户端发送消息:

SEND
destination:/topic/newsHello, this is a message!

stomp经常和websocket一起使用,因为websocket本身只是一种双向通信协议,并不内置消息的路由和发布/订阅 机制,,而stomp提供了这些高级功能,补充了websocket的不足,使得在websocket上构建实时的,基于消息的应用变得更加容易

在这里插入图片描述

stomp在springboot中的实现

springboot 提供了对stomp的全面支持,可以轻松实现基于stomp的websocket应用。。通过spring的
@EnableWebSocketMessageBroker注解,开发者可以将stomp消息代理集成到web应用中


springboot中使用stomp:
https://blog.csdn.net/print_helloword/article/details/142597383
https://blog.csdn.net/print_helloword/article/details/142816204

http://www.lryc.cn/news/538131.html

相关文章:

  • 手动埋点的demo
  • 大模型开发实战篇5:多模态--文生图模型API
  • 【大模型】DeepSeek 高级提示词技巧使用详解
  • 【第14章:神经符号集成与可解释AI—14.2 可解释AI技术:LIME、SHAP等的实现与应用案例】
  • Python中使用Minio实现图像或视频文件的存储
  • Kubernetes-master 组件
  • 人形机器人 - 仿生机器人核心技术与大小脑
  • OpenAI 快速入门
  • nginx 实战配置
  • WebMvcConfigurer 介绍
  • java05(类、泛型、JVM、线程)---java八股
  • Python+appium实现自动化测试
  • Unity中如何判断URL是否为RTSP或RTMP流
  • 基于角色访问控制的UML 表示02
  • 【函数题】6-10 二分查找
  • 关于conda换镜像源,pip换源
  • DeepSeek与ChatGPT的全面对比
  • Spring AI发布!让Java紧跟AI赛道!
  • 基于CT107D单片机综合训练平台的秒表设计
  • opensuse [Linux] 系统挂在新的机械硬盘
  • 时间序列分析(四)——差分运算、延迟算子、AR(p)模型
  • 【CUDA】Triton
  • Windows环境搭建ES集群
  • langchain学习笔记之消息存储在内存中的实现方法
  • 怎么在智能合约中植入deepseek
  • 驱动开发系列37 - Linux Graphics 2D 绘制流程(二)- 画布创建和窗口关联
  • B. Longest Divisors Interval
  • 前端与后端的对接事宜、注意事项
  • 【第13章:自监督学习与少样本学习—13.2 少样本学习(FSL)与元学习(Meta-Learning)的基础理论与应用案例】
  • 函数防抖和节流