《极客时间·每日一课》笔记
秒杀服务的限流策略
- 合法性限流
鉴定非法请求:- 验证码(剔除机器人,使用户的请求时间随机分布)
- 非法IP限制
- 隐藏秒杀按钮入口
- 负载限流
- 负载均衡分发请求到每个服务器
- 多级(级联)负载,第二层MAC负载,第三层IP负载,第四层端口号负载,第七层nginx负载
- 级联复杂均衡,级联数的权衡
- 软件、硬件负载均衡
- 服务限流
- servlet服务器限流,配置连接数
- 算法限流(令牌桶)
- 队列限流,MQ中间件
- 缓存限流,多级缓存,缓存级数的权衡,缓存一致性问题,多级缓存的请求耗时
- 监控,服务降级
跨语言的RPC调用
Spring Boot使用HTTP/2
高可用配置中心
避免资损问题
Spring Data JPA动态复杂查询
- @Query注解,手写复杂SQL,需要遍历各种不同组合情况的查询条件去实现动态查询;
- @OneToOne, @OneToMany, @ManyToMany, @JoinColumn, @JoinTable等注解,需要学习其属性如cascadeType, FetchType, MappedBy,外键和级联的性能差。
- JPA + querydsl-jpa
引入依赖
QueryDSL: predicate, projection, QEntity
定义maven profile: qentity, all.
Spring Data JPA动态部分更新
高并发场景下锁的使用技巧
- synchronize,同步排它锁,重量级,问题:线程串行导致的性能问题、无法解决分布式情况下跨进程/跨JVM的问题
- 数据库行锁,悲观锁,select for update,可以解决跨进程问题,但是:
- 性能问题,select for update会一直阻塞直到事务提交,串行执行
- 需要设置数据库事务隔离级别read committed,否则其他事务不能看到提交的数据
- 如果事务中有第三方超时接口,会导致这个事务的连接一直阻塞,打满数据库连接
- 在多个业务的加锁顺序控制不好的情况下,发生交叉死锁。
- 分布式锁(Redis)的问题:
- 设置锁和超时时间的原子性;Redis 2.6.12版本之前,setnx不支持expire,需要setnx + expire两条命令,非原子操作
- 不设置超时时间的问题:代码耗时过长,超过超时时间,锁失效?错误地将其他线程同一个key的锁删除??
- 服务宕机或者线程超时阻塞的问题:
- 超时时间设置不合理的问题:业务经验值,续命锁,守护线程,实现复杂
- 数据库乐观锁(版本号)
- 人工补偿
ZAB v.s. Paxos
ZK,observer不参与Leader的选举过程和过半写成功策略
事务操作,改造zk状态的操作,如znode的创建、删除、内容更新
zxid,全局唯一的id,二阶段提交协议
其他算法的区别
算法 | 关键字 |
---|---|
Paxos | 过半选举,数据副本一致性 |
Raft | 相对Paxos协议进行简化 |
ZAB | 适用于离线的海量数据处理 |
hash路由 | es请求路由 |
一致性hash | 负载均衡 |
Cassandra | 最终一致性 |
中台服务化编排
Zeebe
- 基于BPMN2.0规范,
- 任务通知模型采用消息驱动和发布-订阅两种模式
- Raft算法实现无中心化选举
- activiti6.0以下版本,基于数据库记录状态来驱动工作流进行,适合传统行业;
- Zeebe,消息机制驱动
- 适用于传统工作流升级为分布式工作流
Nexflix Conductor
- JSON DSL定义服务执行流程
- 带服务管理监控界面
- 异步消息
Apache Camel
- 基于组件,扩展性强
- 路由引擎控制器
- 5种DSL:Java DSL、Spring XML、Blueprint XML、REST DSL、Annotation DSL
服务编排的6个考虑:
编排框架选型、编排流程DSL、可视化编排设计系统、编排业务隔离、编排引擎的高可用、监控
数据库优化场景
- 分页limit优化,偏移量,返回结果集
- 增加where条件解决
- 业务层记录索引定位符,有数据删除或者插入的情况
- 子查询 + 索引定位:
select id from (select id from info_table where id < 4900000 order by id desc limit 20 ) as temp_info order by id limit 1
- 链/连表查询,join查询拆分成单表查询,避免使用临时表
- 子查询过重,需要优化
反射和泛型编程
高性能、高可用的MySQL架构
高可用:
去中心化集群,2个MyCat集群,vip
海量请求层层处理:限流,削峰填谷,缓存
自动化测试
Postman做接口自动化测试
pre-request script(预处理脚本)+ 测试脚本
自动生成测试脚本;脚本分类:变量设置、响应处理相关、断言
postman+jenkins
binlog数据恢复
- statement level, 老版本默认模式, 只存储SQL,不能进行数据恢复
- row level, 新版本默认模式
- mixed level,默认是statement,切换到row level模式
一种全新的思路:
在MySQL集群中引入延迟从库,可以设置24小时延迟同步。每日监控,若发现误操作,将延迟从库的数据同步到其他节点。
通过软引用和弱引用提升JVM内存使用效率
对于非核心数据,使用软引用HashMap<String, SoftReference<Content>>
,
弱引用类似。
从Java线程内存模型角度分析线程是否安全
线程安全 | 不安全的结构 |
---|---|
StringBuffer | StringBuilder |
volitile,保证立即度和立即写,提升性能,不能保证原子性,不能保证线程安全
分布式定时任务系统
调度器,执行器,管理界面;注解扫描;任务拆分到执行器;
高可用,调度器(master)选举,zk;
Git分支工作流
分支的定义;MR, merge request;
约定大于一切;版本号;git cherry-pick;git subtree
操作系统&Java代码运行
时序存储引擎
涉猎太少,听不太懂。
开源产品:RRD,Graphite,OpenTSDB,InfluxDB,prometheus
Facebook内存数据库Gorilla论文
作者开源的:https://github.com/lindb/lindb
特性:
组成部分
metric name,tags(k-v对,可以有多个kv对),timestamp,filed value
如何快速开发数据平台
斐波那契数列
// 解法1:递归
long fib1(int n) {return (2 > n) ? (long) n : Fib(n -1) + Fib(n - 2);
}// 解法2:线性复杂度迭代,常数空间复杂度
public static int fib2(int n) {// 初始化:Fib(0) = 0,Fib(1) = 1int prev = 0;int next = 1;while(n-- > 1) {next = prev + next;prev = next - prev;}return next;
}// 解决2的迭代版本
public static int fib(int n, int first, int second) {if (n < 2) {return n;}if (n == 2) {return first + second;} else {return Fib(n - 1, second, first + second);}
}private static long matrixFib(int num) {if (num <= 1) {return num;}// 二维矩阵Matrix first = new Matrix(2, 2);first.setElement(1, 1, 1);first.setElement(1, 2, 1);first.setElement(2, 1, 1);first.setElement(2, 2, 0);Matrix result = new Matrix(2, 1);result.setElement(1, 1, 1);result.setElement(2, 1, 0);// 根据递推式求第num项,只需求first矩阵的num - 1次方int n = num - 1;while (n > 0) {if (n % 2 != 0) {result = first.multiMatrix(result);}if ((n /= 2) > 0) {first = first.multiMatrix(first);}}return result.getElement(1, 1);
}/*** 一个当作矩阵的二维数组*/
class Matrix {/*** 当前矩阵的行数*/private int row;/*** 当前矩阵的列数*/private int col;/*** 二维数组用于保存矩阵*/private ArrayList<ArrayList<Integer>> matrix;/*** 传入行数和列数构造一个零矩阵*/Matrix(int row, int col) {this.row = row;this.col = col;matrix = new ArrayList<>(row);for (int i = 0; i < row; i++) {ArrayList<Integer> list = new ArrayList<>(col);for (int j = 0; j < col; j++) {list.add(0);}matrix.add(list);}}private int getRow() {return row;}private int getCol() {return col;}int getElement(int row, int col) {return matrix.get(row - 1).get(col - 1);}void setElement(int row, int col, int value) {matrix.get(row - 1).set(col - 1, value);}/*** 获取某一行向量的值*/private ArrayList<Integer> getRow(int row) {return matrix.get(row - 1);}/*** 获取某一列向量的值*/private ArrayList<Integer> getCol(int col) {ArrayList<Integer> arrCol = new ArrayList<>();for (int i = 0; i < row; i++) {arrCol.add(matrix.get(i).get(col - 1));}return arrCol;}/*** 向量点乘*/private int multiVec(ArrayList<Integer> v1, ArrayList<Integer> v2) {if (v1.size() != v2.size()) {return -1;}int result = 0;for (int i = 0; i < v1.size(); i++) {result += (v1.get(i)) * (v2.get(i));}return result;}/*** 矩阵乘法,只有第一个矩阵的列数等于第二个矩阵的行数才能相乘*/Matrix multiMatrix(Matrix matrix1) {if (getCol() != matrix1.getRow()) {return null;}Matrix matrix2 = new Matrix(getRow(), matrix1.getCol());for (int i = 1; i <= getRow(); i++) {for (int j = 1; j <= matrix1.getCol(); j++) {matrix2.setElement(i, j, multiVec(getRow(i), matrix1.getCol(j)));}}return matrix2;}
}
当小内存遇上大数据
- 压缩:
无论是哪种方式,都需要保证计算结果的正确性- 无损压缩
- 有损压缩
- 分块:
每次只加载部分数据 - 索引:
索引存在RAM,数据存在硬盘
《极客时间·每日一课》笔记相关推荐
- 《信贷的逻辑与常识》笔记
序 银行信贷风险管理的反思 现状与趋势 银行贷款的质量变化与经济周期.宏观调控政策等存在很高的相关性 现在银行不良贷款的增加主要是前几年经济快速增长时企业过度投资.银行过度放贷所带来的结果. 从历史情 ...
- AI公开课:19.02.27周逵(投资人)《AI时代的投资逻辑》课堂笔记以及个人感悟
AI公开课:19.02.27周逵(投资人)<AI时代的投资逻辑>课堂笔记以及个人感悟 目录 课堂PPT图片 精彩语录 个人感悟 课堂PPT图片 精彩语录 更新中-- 文件图片已经丢失-- ...
- 人工智能入门算法逻辑回归学习笔记
逻辑回归是一个非常经典的算法,其中也包含了非常多的细节,曾看到一句话:如果面试官问你熟悉哪个机器学习模型,可以说 SVM,但千万别说 LR,因为细节真的太多了. 秉持着精益求精的工匠精神不断对笔记进行 ...
- 【逻辑回归学习笔记】
算法描述 1.逻辑回归要做的事就是寻找分界面实现二分类. 2.问题假设:对一堆三角形和正方形分类. 3.数据输入:已知正方形和三角形的坐标和标签. 4.算法过程: 知识储备 1.分类和回归 ①分类的目 ...
- 逻辑回归函数学习笔记
继续逻辑回归学习,今日笔记记录. 1.逻辑回归和线性回归的关系:对逻辑回归的概率比取自然对数,则得到的是一个线性函数,推导过程如下. 首先,看逻辑回归的定义 其次,计算两个极端y/(1-y),其值为( ...
- 2.2 逻辑回归-机器学习笔记-斯坦福吴恩达教授
逻辑回归 上一节我们知道,使用线性回归来处理 0/1 分类问题总是困难重重的,因此,人们定义了逻辑回归来完成 0/1 分类问题,逻辑一词也代表了是(1) 和 非(0). Sigmoid预测函数 在逻辑 ...
- LVM逻辑卷分区笔记
磁盘的静态分区有其缺点:分区大小难评估,估计不准确,当分区空间不够用的时候,系统管理员可能需要先备份整个系统,清除磁盘空间,然后重新对磁盘进行分区,然后恢复磁盘数据到新分区,且需要停机一段时间进行恢复 ...
- 适合理工直男的钟平老师逻辑英语学习笔记
一切的一切都只是套路! --鲁迅 核心公式: En: (状语1) 主(定语1) 谓(状语2) (宾)(定语2) (状语1) Ch: (状语1) (定语1)主 (状语2)谓 (定 ...
- 【数字逻辑】学习笔记 第四章 Part2 常用组合逻辑电路与竞争、险象
文章目录 一.常用组合逻辑电路 1. 译码器 (1) 二进制译码器 74LS138(3/8译码器) a. 一般符号和图形符号 b. 74LS138功能表 c. 两片 `74LS138` 构成 `4-1 ...
- 线性回归、逻辑回归学习笔记
学习源代码 import numpy as np import matplotlib.pyplot as plt def true_fun(X): # 这是我们设定的真实函数,即ground trut ...
最新文章
- jquery学习开发资料
- 2018 ACM-ICPC 中国大学生程序设计竞赛线上赛 H题 Rock Paper Scissors Lizard Spock.(FFT字符串匹配)...
- es6 函数解构的用途
- redisson集成spring-session和shiro实现分布式session
- python利用numpy存取文件
- 运算除法的计算机函数,2、Python基础--除法、常用数学函数(示例代码)
- binlog的基本介绍和操作
- 【阿里云IoT YF3300】6.物联网设备报警配置
- svm预测股价 python_python 利用SVM预测股票涨跌
- 链队列——-链式存储实现队列的入队出队(带next,front,rear指针)
- 如何关闭台式计算机,台式机如何关闭显示器
- CWnd和HWND的区别
- java执行数据库数据迁移
- PIVOT 用法详解
- 迟到的2020年终总结
- 四旋翼无人机建模与实现(一)
- 2020-08-22
- 使用ffmpeg将mp4格式视频元数据信息转到视频第一帧、转换mp4为ts格式视频
- 常州和南京计算机工资水平,南京和苏州哪一个城市工资高?六张图带你看懂江苏各市平均工资情况...
- c语言程序设计植树,c语言程序设计报告
热门文章
- Thinkpad X1 Carbon/Yoga如何更换固态硬盘并无损转移系统(亲测有效)
- 爱真的需要勇气,勇气需要我么?
- Android app唤醒第三方地图App进行导航(高德,百度,腾讯)
- 使用WebDav server解决OmniFocus同步问题
- 基于JAVA停车场收费管理系统计算机毕业设计源码+数据库+lw文档+系统+部署
- 模板引擎 Thymeleaf 语法
- BLDC有感无刷电动车控制器方案,基于STC12/STM32开发
- 【阅读笔记】Imposing Semantic Consistency of Local Descriptors for Few-Shot Learning
- Hive参数深入浅出,Hive企业应用
- 【软工】软件生命周期