ZooKeeper

Dubbo 一、dubbo简介 Dubbo是阿里巴巴公司开源的一个高性能优秀的服务框架，使得应用可通过高性能的RPC实现服务的输出和输入功能，可以和Spring框架无缝集成。 Dubbo是一款高性能、轻量级的开源Java RPC框架，它提供了三大核心能力：面向接口的远程方法调用，智能容错和负载均衡，以及服务自动注册和发现。 现已发展成为Apache的顶级孵化开源项目，详见官网： http://dubbo.apache.org/en-us/ 二、dubbo组织架构图 官网的dubbo组织架构图 详细介绍 1、Registry：服务注册与发现中心，作为服务提供者和消费者注册与发现的中心。 2、Provider：服务提供者，在注册中心注册作为服务提供的一方，发布服务到服务注册中心。 3、Consumer：服务消费者，通过注册中心协调，订阅可用的已注册的服务。 4、Container：服务运行容器，独立的容器类似于tomcat/jboss的作用，作为服务运行的容器。 5、Monitor：dubbo的监控中心，用来显示接口暴露、注册情况，也可以看接口的调用明细，调用时间等。 三、dubbo的优势 单一应用架构，当网站流量很小时，只需一个应用，将所有功能都部署在一起，以减少部署节点和成本。此时，用于简化增删改查工作量的 数据访问框架（ORM）是关键。 垂直应用架构，当访问量逐渐增大

Java 是一门纯粹的面向对象的编程语言，所以除了基础语法之外，必须得弄懂它的 oop 特性： 封装、继承、多态 。此外还有 泛型、反射 的特性， 很多框架的技术 都依赖它，比如 Spring 核心的 Ioc 和 AOP，都用到了反射，而且 Java 自身的动态代理也是利用反射实现的。 此外还有 Java 一些标准库也是非常常见，比如集合、I/O、并发，几乎在 Web 开发中无处不在，也是面试经常会被问到的，所以在面试Java后端岗位之前，不妨先打好这些核心的基础。 Github作为 程序员们的后花园 ，一直以来都是程序员最喜欢逛逛、学习的地方，小编也不例外，最近看到一份 对标阿里P7Java核心架构笔记 ，已经 标星81.6K ，很是惊讶，看了一下，觉得知识点整理的非常的详细，也不愧能获得这么多星，资料已被整理好，发放福利给朋友们！ 一、Java基础 1.1Java 基本功 1.2Java 语法 1.3 数据类型 1.4 方法 （函数） 1.5Java 面向对象 1.6集合 1.7多线程 1.8文件与I/O流 二、并发 2.1 并发容器 总结 2.2 乐观锁 与 悲观锁 总结 2.3JUC 中的 Atomic 原子类总结 2.4AQS 原理以及 AQS 同步组件总结 三、JVM 3.1Java 内存区域 3.2JVM 垃圾回收 3.3JDK 监控和故障处理工具 3.4 类文件结构

思维导图总览 为什么要使用分布锁？ 维护数据的一致性 在单机多线程环境中，我们经常遇到多个线程访问同一个共享资源（这里需要注意的是：在很多地方，这种资源会称为临界资源）的情况。为了维护数据的一致性，我们需要某种机制来保证只有满足某个条件的线程才能访问资源，不满足条件的线程只能等待，在下一轮竞争中重新满足条件时才能访问资源。 这个机制指的是，为了实现分布式互斥，在某个地方做个 标记 ，这个标记每个线程都能看 到，到标记不存在时可以设置该标记，当标记被设置后，其他线程只能等待拥有该标记的线程执行完成，并释放该标记后，才能去设置该标记和访问共享资源。这里的标记，就是我们常说的 锁 。 也就是说， 锁是实现多线程同时访问同一共享资源，保证同一时刻只有一个线程可访问共享资源所做的一种标记 。 与普通锁不同的是， 分布式锁 是指分布式环境下，系统部署在多个机器中，实现多进程分布式互斥的一种锁。为了保证多个进程能看到锁，锁被存在公共存储（比如 Redis、Memcache、数据库等三方存储中），以实现多个进程并发访问同一个临界资源，同一时 刻只有一个进程可访问共享资源，确保数据的一致性。 那什么场景下需要使用分布式锁呢？ 比如，现在某电商要售卖某大牌吹风机（以下简称“吹风机”），库存只有 2 个，但有 5 个来自不同地区的用户{A,B,C,D,E}几乎同时下单，那么这 2

本课程针对企业不同数据规模技术方案进行讲解，紧贴企业热门需求，深入讲解企业级大数据技术的数据存储技术、数据采集技术、数据处理技术、任务调度技术等；课程针对知识点进行企业级案例式教学，理论结合实战，从0到1构建大数据生态技术的方方面面，内容涵盖大数据平台、Spark、Flink、OLAP等核心技术；用真实的企业级实时数仓项目、离线数仓项目、PB级实时用户行为分析系统、千亿级实时广告系统等多个大型项目，把大数据生态技术知识串连起来，让学员形成自己的技术栈，真正成为企业级的大数据开发工程师！ 阶段一：小规模数据处理篇 第一单元 掌握Python基础语法 集合类型 条件，循环 文件操作 函数和函数式编程 面向对象 第二单元 掌握NumPy进行数据分析 NumPy基本使用 Numpy进阶知识 第三单元 掌握Pandas进行数据分析 Pandas基础知识 Series数据结构 DataFrame数据结构 综合案例演示 阶段二：中等规模数据处理篇 第四单元 掌握Elastichsearch核心设计 Elastichsearch总体架构设计 Elastichsearch核心流程分析 Elastichsearch核心概念详解 第五单元 掌握Elastichsearch API使用与调优 Elastichsearch语法详解 Elastichsearch容错原理剖析

内容包含：Spring boot、Spring cloud、Dubbo、Redis、ActiveMQ、Nginx、Mycat、Spring、MongoDB、ZeroMQ、Git、Nosql、Jvm、Mecached、Netty、Nio、Mina、性能调优、高并发、tomcat 负载均衡、大型电商项目实战、高可用、高可扩展、数据库架构设计、Solr 集群与应用、分布式实战、主从复制、高可用集群等。 有想获取以下干货视频资料的朋友：点赞+关注后，私信【Java干货】就可以了（一定要记得关注我，不然没办法回复陌生人私信） 学习路线图 坦克大战 干货视频，高级架构师最新java、spring、Redis、JVM、分布式、高并发。里面有高可用、高并发、高性能及分布式、Jvm性能调优、Spring，MyBatis，Netty源码分析,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多个知识点高级进阶干货 来源： oschina 链接： https://my.oschina.net/u/4389867/blog/4650809

金九银十找工作黄金季，因为疫情，上半年找时间看完了下面这 10 个视频 ，收获真的不小！这套视频 原价1800元 ，现在 免费 给你！希望你能有所收获！进个大厂！ 视频目录 01-大规模分布式存储系统概述 02-大规模高性能分布式存储之存储原理与设计 03-分布式存储系统分析对比 04-大规模高性能分布式存储系统之一致性篇 05-大规模高性能分布式存储系统之高可用高可靠篇（上） 06-大规模高性能分布式存储系统之高可用高可靠（下） 07-大规模高性能分布式存储系统之安全篇 08-大规模高性能分布式存储系统之高性能篇 09-大规模高性能分布式存储系统之监控&稳定性篇 10-大规模高性能分布式存储系统设计与实现之实战篇 扫码添加小助手，本号粉丝限量100份！ 先到先得，免费领取 扫码人数较多 小助手会一一通过 这么多视频资料还不过瘾？那再免费分享给你一个 价值999元的《百万架构师魔鬼训练营》直播课 ！“百万架构师”系列课程一直备受业内人士关注，其内容结合大厂实战案例，具有非常强的实战应用性和高阶知识延展性。 本次训练营直播课将帮助你 深入理解注册中心AP模型、掌握Zookeeper适用场景以及以 Zookeeper 为例的传统注册中心架构设计优缺点 ，并且会结合实践与你探讨相关问题。兼具理论知识到项目实践，对千万级并发接入的企业级注册中心实践有全面而深入的了解，立体式掌握相关核心技术

周末，天气放晴，玩的还挺开心， 过后，我像往常一样坐在窗台，看着电脑“发呆”，就不给大家分享技术干货了。 给大家整理一份面试清单总结吧， 都是一些基础的题， 但是IT公司就喜欢考这些基础的东西，所以为了能进大公司就~当复习期末考吧。 花了不少时间整理，在整理过程中也学到了很多东西，请大家认真对待每一题！ 面试题模块介绍： 一、Java 基础 JDK 和 JRE 有什么区别？ == 和 equals 的区别是什么？ 两个对象的 hashCode()相同，则 equals()也一定为 true，对吗？ final 在 java 中有什么作用？ java 中的 Math.round(-1.5) 等于多少？ String 属于基础的数据类型吗？ java 中操作字符串都有哪些类？它们之间有什么区别？ String str="i"与 String str=new String("i")一样吗？ 如何将字符串反转？ String 类的常用方法都有那些？ 抽象类必须要有抽象方法吗？ 普通类和抽象类有哪些区别？ 抽象类能使用 final 修饰吗？ 接口和抽象类有什么区别？ java 中 IO 流分为几种？ BIO、NIO、AIO 有什么区别？ Files的常用方法都有哪些？ 二、容器 java 容器都有哪些？ Collection 和 Collections 有什么区别？ List、Set、Map

福哥答案2020-07-24： 同步算法基于 ZAB 协议，一种快速 Paxos 算法。 快速Paxos算法 Paxos算法可能出现死循环，就是在两个Proposer总是在交替prepare。并且，Paxos算法在出现竞争的情况下，其收敛速度很慢，甚至可能出现活锁的情况，例如当有三个及三个以上的proposer在发送prepare请求后，很难有一个proposer收到半数以上的回复而不断地执行prepare。因此，为了避免竞争，加快收敛的速度，在算法中引入了一个Leader这个角色，在正常情况下同时应该最多只能有一个参与者扮演Leader角色，而其它的参与者则扮演Acceptor的角色，同时所有的人又都扮演Learner的角色。 在这种优化算法中，只有Leader可以提出议案，从而避免了竞争使得算法能够快速地收敛而趋于一致，此时的paxos算法在本质上就退变为两阶段提交协议。但在异常情况下，系统可能会出现多Leader的情况，但这并不会破坏算法对一致性的保证，此时多个Leader都可以提出自己的提案，优化的算法就退化成了原始的paxos算法。 一个Leader的工作流程主要有分为三个阶段： (1)学习阶段 向其它的参与者学习自己不知道的数据(决议);当一个参与者成为了Leader之后，它应该需要知道绝大多数的paxos实例，因此就会马上启动一个主动学习的过程

作者：我恰芙蓉王 原文： https://www.cnblogs.com/-tang/p/13283216.html 业务场景 在很多项目中，都有类似数据汇总的业务场景，查询今日注册会员数，在线会员数，订单总金额，支出总金额等。。。这些业务通常都不是存在同一张表中，我们需要依次查询出来然后封装成所需要的对象返回给前端。那么在此过程中，就可以把这个接口中“大任务”拆分成N个小任务，异步执行这些小任务，等到最后一个小任务执行完，把所有任务的执行结果封装到返回结果中，统一返回到前端展示。 同步执行 首先看看同步执行的代码 public class Test { @Data @NoArgsConstructor @AllArgsConstructor @ToString class Result { /** * 在线人数 */ Integer onlineUser; /** * 注册人数 */ Integer registered; /** * 订单总额 */ BigDecimal orderAmount; /** * 支出总额 */ BigDecimal outlayAmount; } @org.junit.Test public void collect() { System.out.println("数据汇总开始"); long startTime = System

缓存击穿 先了解一下缓存击穿， 大量的请求都集中请求在一个 key 上 ，一般体现在一个热点数据，例如双十一，秒杀等， 突然一下缓存失效了，所有的请求一瞬间就砸到了MySQL上面。持续的并发就穿破的缓存。总结一下，在某个key过期的瞬间，有大量的并发请求，一般都是热点数据，缓存过期。 解决方案 1、设置热点数据延长过期时间 从缓存层面来说，设置过期时间，就不会产生穿透问题。例如，一般秒杀时间1分钟，缓存可以考虑设置2分钟。 2、加互斥锁 分布式锁：只要加了锁，可以保证每个key，只有一个线程去查询后端的服务。只能够等待。 核心：转移压力，尽量服务不崩。 将数据库承受的压力转义到了分布式锁上面。 缓存穿透 出现大量请求，缓存都没有命中，所有的请求最终还是给了数据库持久层，这就是缓存穿透! 解决方案 ： 当请求到数据库查出值的值不为空，将该（key，value）放到redis中 当请求到数据库查出值的值为空，将该（key，value）放到redis中，value为空，并设置过期时间。 Redis雪崩 什么是Redis雪崩 雪崩是基于数据库，所有原来应该到Redis的查询全到DB，并且是同时到达 缓存在同一时间大量的key过期 多个用户同时请求并到达数据，而且这个请求只有一个是有意义的，其他的都是重复无用功 Redis雪崩解决方案 缓存用不过期：这样会导致冰封 过期时间错开