月怿姝雪颜

2.2 更新语句以上就是一条查询 sql 的执行流程，那么接下来我们看看一条更新语句如何执行的呢？sql 语句如下： update tb_student A set A.age='19' where A.name=' 张三 '; 我们来给张三修改下年龄，在实际数据库肯定不会设置年龄这个字段的，不然要被技术负责人打的。其实条语句也基本上会沿着上一个查询的流程走，只不过执行更新的时候肯定要记录日志啦，这就会引入日志模块了，MySQL 自带的日志模块式 binlog（归档日志） ，所有的存储引擎都可以使用，我们常用的 InnoDB 引擎还自带了一个日志模块 redo log（重做日志），我们就以 InnoDB 模式下来探讨这个语句的执行流程。流程如下： •先查询到张三这一条数据，如果有缓存，也是会用到缓存。•然后拿到查询的语句，把 age 改为 19，然后调用引擎 API 接口，写入这一行数据，InnoDB 引擎把数据保存在内存中，同时记录 redo log，此时 redo log 进入 prepare 状态，然后告诉执行器，执行完成了，随时可 ...

https://km.sankuai.com/page/155759840 ArrayList 初始容量 10 扩容 扩1.5倍 HashMap 初始容量16 扩容 2倍 负载因子 0.75

https://km.sankuai.com/page/155759840

https://blog.csdn.net/dyingstraw/article/details/94719864

B+树和跳跃表有什么关联？ B+树和跳跃表这两种数据结构在本身设计上是有亲缘关系的，其实如果把B+树拉直来看不难发现其结构和跳跃表很相似，甚至B+树的父亲结点其实类似跳跃表的level层级。 在当前计算机硬件存储设计上，B+树能比跳表存储更大量级的数据，因为跳表需要通过增加层高来提高索引效率，而B+树只需要增加树的深度。此外B+树同一叶子的连续性更加符合当代计算机的存储结构。然而跳表的层高具有随机性，当层高较大的时候磁盘插入会带来一定的开销，且不利于分块。 为什么Redis不使用B+树呢而选择跳表呢？ 因为数据有序性的实现B+树不如跳表，跳表的时间性能是优于B+树的（B+树不是二叉树，二分的效率是比较高的）。此外跳表最低层就是一条链表，对于需要实现范围查询的功能是比较有利的，而且Redis是基于内存设计的，无需考虑海量数据的场景。 Radix Tree优势在哪？ 本质上是前缀树，所以存储有「公共前缀」的数据时，比 B+ 树、跳表节省内存 没有公共前缀的数据项，压缩存储，value 用 listpack 存储，也可以节省内存 查询复杂度是 O(K)，只与「目标长度」有关，与总数据量无 ...

限流是解决高并发大流量的一种方案，至少是可以保证应用的可用性。 通常有以下两种限流方案： 漏桶算法 令牌桶算法 漏桶算法 漏桶算法非常简单，就是将流量放入桶中并按照一定的速率流出。如果流量过大时候并不会提高流出效率，而溢出的流量也只能是抛弃掉了。 这种算法很简单，但也非常粗暴，无法应对突发的大流量。 这时可以考虑令牌桶算法。 漏桶算法 令牌桶算法是按照恒定的速率向桶中放入令牌，每当请求经过时则消耗一个或多个令牌。当桶中的令牌为 0 时，请求则会被阻塞。 令牌桶算法支持先消费后付款，比如一个请求可以获取多个甚至全部的令牌，但是需要后面的请求付费。也就是说后面的请求需要等到桶中的令牌补齐之后才能继续获取。 @Override public BaseResponse<UserResVO> getUserByFeignBatch(@RequestBody UserReqVO userReqVO) { //调用远程服务 OrderNoReqVO vo = new OrderNoReqVO() ; vo.setR ...

先看个代码： 上面代码产生的问题 生产两台服务器爆内存，被搞死了 分析原因 方法内部使用了线程池, 方法被请求一次，就会创建一个线程池，每个线程池都存活着一个线程， 并且被占用的内存不会被GC回收 o = future.get(1, TimeUnit.MILLSECONDS) ; 这行代码是为了获取异步线程的返回值，但是超时时间设置的太少 1毫秒，也会造成问题 结论如果局部使用线程池，用完后不再使用它，一定记得手动关闭线程池,否则跑着跑着就内存爆炸崩溃。回收函数如下： //执行此函数后线程池不再接收新任务，并等待所有任务执行完毕后销毁线程。此函数并不会等待线程销毁完毕，而是立即返回的executor.shutdown();//如想要同步等待线程池完成关闭，可使用下面的函数判断是否都执行完毕了，该函数等待timeout后，返回是否所有任务都执行完毕了pool.awaitTermination(timeout,TimeUnit)//尝试结束所有活动线程，并返回等待队列里的任务executor.shutdownNow(); ​

并发控制，一锁二判三更新，并行查询控超时，乐观悲观要合适 幂等拦截，幂等字段要对齐，上下游要约定好，异常场景防击穿 事务控制，悬挂监控要及时，必须防止空回滚，定是最终一致性 消息使用，一考虑重复投递，二考虑丢失延迟，消息始终是异步 缓存使用，数据过期要控制，缓存击穿要兜底，存储容量要考虑 数据库表，查询执行走索引，数据量大要归档，连接要看机器数 调度任务，调度重叠要避免，捞取数量可配置，熔断处理必须有 远程调用，接口规约要明确，请求返回辨超时，还要考虑掉不通 异常处理，日志打印要规范，降低限流需落实，监控核对全覆盖 开发自测，CR单侧接口测，断言回归边界值，系统质量不降分 https://github.com/seaswalker/spring-analysis

1 简介awk是一个报告生成器，它拥有强大的文本格式化的能力，这就是专业的说法。 awk是由Alfred Aho 、Peter Weinberger 和 Brian Kernighan这三个人创造的，awk由这个三个人的姓氏的首个字母组成。 awk早期是在unix上实现的，所以，我们现在在linux的所使用的awk其实是gawk，也就是GNU awk，简称为gawk，awk还有一个版本，New awk，简称为nawk，但是linux中最常用的还是gawk。 awk其实是一门编程语言，它支持条件判断、数组、循环等功能。所以，我们也可以把awk理解成一个脚本语言解释器。 grep 、sed、awk被称为linux中的”三剑客”。 grep 更适合单纯的查找或匹配文本 sed 更适合编辑匹配到的文本 awk 更适合格式化文本，对文本进行较复杂格式处理 2 awk命令使用 awk [选项参数] 'script' var=value file(s) 或 awk [选项参数] -f scriptfile var=value file( ...

写在前面 很多企业都没有使用到 Redis 的集群，但是至少都做了主从。有了主从，当 master 挂 掉的时候，运维让从库过来接管，服务就可以继续，否则 master 需要经过数据恢复和重启 的过程，这就可能会拖很长的时间，影响线上业务的持续服务。 在了解 Redis 的主从复制之前，让我们先来理解一下现代分布式系统的理论基石—— CAP 原理 1 CPA 原理 CAP 原理就好比分布式领域的牛顿定律，它是分布式存储的理论基石。自打 CAP 的论 文发表之后，分布式存储中间件犹如雨后春笋般一个一个涌现出来。理解这个原理其实很简 单，本节我们首先对这个原理进行一些简单的讲解。 C Consistent 一致性 A Availability 可用性 P Partition toleranc 分区容忍性 分布式系统的节点往往都是分布在不同的机器上进行网络隔离开的，这意味着必然会有 网络断开的风险，这个网络断开的场景的专业词汇叫着「 网络分区」。 在网络分区发生时，两个分布式节点之间无法进行通信，我们对一个节点进行的修改操 作将无法同步到另外一个 ...