Guava

全栈的自我修养: 0005 Java 包扫描实现和应用(Jar篇) It's not the altitude, it's the attitude. 决定一切的不是高度而是态度。 Table of Contents 依赖的 Jar 思路 完整代码 整合后代码 如果你曾经使用过 Spring , 那你已经配过 包扫描路径吧，那包扫描是怎么实现的呢？让我们自己写个包扫描 上篇文章中介绍了使用 File 遍历的方式去进行包扫描，这篇主要补充一下 jar 包的扫描方式，在我们的项目中一般都会去依赖一些其他 jar 包， 比如添加 guava 依赖 <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>28.2-jre</version> </dependency> 我们再次运行上次的测试用例 @Test public void testGetPackageAllClasses() throws IOException, ClassNotFoundException { ClassScanner scanner = new ClassScanner("com.google.common.cache", true, null, null); Set<Class<?>>

曾经有个面试官我我guava的exipre和reflush的区别 我只指定，expire在更新缓存时会阻塞住所有线程 好伤心 其实reflush只会阻塞住一个线程，然后其他线程获取到原先的值，这样就不会将所有线程都阻塞了，代码如下 package com.test; import com.google.common.cache.Cache; import com.google.common.cache.CacheBuilder; import com.google.common.cache.CacheLoader; import com.google.common.cache.LoadingCache; import java.time.LocalDateTime; import java.util.concurrent.ExecutionException; import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors; import java.util.concurrent.TimeUnit; public class Client { public static void main(String[] args) throws ExecutionException {

一、 什么是布隆过滤器 布隆过滤器（Bloom Filter）是由Howard Bloom在1970年提出的一种比较巧妙的概率型数据结构，它可以告诉你某种东西 一定不存在 或者 可能存在 。当布隆过滤器说，某种东西存在时，这种东西可能不存在；当布隆过滤器说，某种东西不存在时，那么这种东西一定不存在。 布隆过滤器相对于Set、Map 等数据结构来说，它可以更高效地插入和查询，并且占用空间更少，它也有缺点，就是判断某种东西是否存在时，可能会被误判。但是只要参数设置的合理，它的精确度也可以控制的相对精确，只会有小小的误判概率。 二、Redis中布隆过滤器 之前的布隆过滤器可以使用Redis中的 位图（BitMap） 操作实现，直到Redis4.0版本提供了插件功能，Redis官方提供的布隆过滤器才正式登场。布隆过滤器作为一个插件加载到Redis Server中，就会给Redis提供了强大的布隆去重功能。 三、布隆过滤器的基本使用 在Redis中，布隆过滤器有两个基本命令，分别是： bf.add ： 添加元素到布隆过滤器中，类似于集合的 sadd 命令，不过 bf.add 命令只能一次添加一个元素，如果想一次添加多个元素，可以使用 bf.madd 命令。 bf.exists ： 判断某个元素是否在过滤器中，类似于集合的 sismember 命令，不过 bf.exists

为什么我们创建线程或者线程池的时候，需要指定有意义的线程名称？ 最终目的是为了方便回溯。 我们在日常开发中，一个项目中会创建很多个线程池用来资源隔离，但是如果我们没有一个好的命名的话，出问题的时候就会难以定位。 public class Demo5 { ​ public static void main( String[] args ) throws IOException { new Thread(()->{ System.out.println("保存用户信息.........."); ​ try { Thread.sleep(4000); } catch (InterruptedException e) { e.printStackTrace(); } throw new NullPointerException(); }).start(); System.in.read(); } } 上面代码是启动一个线程来保存用户信息，然后抛出异常！ 报错信息如下： 从运行错误可以分析，Thread-0 抛出了空指针，那么单从这个日志根本无法判断用户模块线程抛出的异常。我们先分析一下Thread-0是怎么来的。 我们先看下创建线程的代码： public Thread(Runnable target) { init(null, target, "Thread-" +

https://www.cnblogs.com/LBSer/p/4083131.html 实战限流（guava的RateLimiter） https://blog.csdn.net/boling_cavalry/article/details/75174486 三种常见限流算法 https://www.cnblogs.com/linjiqin/p/9707713.html 来源： oschina 链接： https://my.oschina.net/u/3847203/blog/4418019

缓存是日常开发中使用很频繁的一种提升性能的方式，它其实解决的是硬件层面性能不对等的问题，比如CPU、内存、硬盘之间性能的巨大差异，会严重影响数据的读取与传输，而缓存就是用来平衡这种性能差异的手段 缓存在很多系统和架构中广泛使用，如： CPU缓存 操作系统缓存 数据库缓存 分布式缓存 本地缓存 日常开发中的使用场景 在我们日常的开发中，当多次获取同一份数据而数据变化不频繁时，我们可以考虑使用缓存。 这里用到的就是内存和硬盘的性能不对等，我们知道内存的读取速度很快，而硬盘相对来说比较慢 而传统的关系型数据库把数据存储在硬盘上，这样在高并发读写的场景下，就会出现性能瓶颈 这个时候，如果在数据库前面加一层缓存，把数据库里面的热点数据缓存一份到内存中，读取的时候直接从内存中取，这样就可以大大的提升读取的性能 Guava中的缓存实现 Guava中的缓存是本地缓存的实现，与ConcurrentMap相似，但不完全一样。最基本的区别就是，ConcurrentMap会一直保存添加进去的元素，除非你主动remove掉。而Guava Cache为了限制内存的使用，通常都会设置自动回收 Guava Cache的使用场景： 以空间换取时间，就是你愿意用内存的消耗来换取读取性能的提升 你已经预测到某些数据会被频繁的查询 缓存中存放的数据不会超过内存空间 示例代码 @Test public void

大家好，我是 Guide 哥，一个三观比主角还正的技术人。今天再来继续聊聊线程池~ 线程池最佳实践 这篇文章篇幅虽短，但是绝对是干货。标题稍微有点夸张，嘿嘿，实际都是自己使用线程池的时候总结的一些个人感觉比较重要的点。 线程池知识回顾 开始这篇文章之前还是简单介绍一嘴线程池，之前写的 《新手也能看懂的线程池学习总结》 这篇文章介绍的很详细了。 为什么要使用线程池？ 池化技术相比大家已经屡见不鲜了，线程池、数据库连接池、Http 连接池等等都是对这个思想的应用。池化技术的思想主要是为了减少每次获取资源的消耗，提高对资源的利用率。 线程池 提供了一种限制和管理资源（包括执行一个任务）。 每个 线程池 还维护一些基本统计信息，例如已完成任务的数量。 这里借用《Java 并发编程的艺术》提到的来说一下 使用线程池的好处 ： 降低资源消耗 。通过重复利用已创建的线程降低线程创建和销毁造成的消耗。 提高响应速度 。当任务到达时，任务可以不需要的等到线程创建就能立即执行。 提高线程的可管理性 。线程是稀缺资源，如果无限制的创建，不仅会消耗系统资源，还会降低系统的稳定性，使用线程池可以进行统一的分配，调优和监控。 线程池在实际项目的使用场景 线程池一般用于执行多个不相关联的耗时任务，没有多线程的情况下，任务顺序执行，使用了线程池的话可让多个不相关联的任务同时执行。

前言 日常的开发中，无不都是使用数据库来进行数据的存储，由于一般的系统任务中通常不会存在高并发的情况，所以这样看起来并没有什么问题。 一旦涉及大数据量的需求，如一些商品抢购的情景，或者主页访问量瞬间较大的时候，单一使用数据库来保存数据的系统会因为面向磁盘，磁盘读/写速度问题有严重的性能弊端，详细的磁盘读写原理请参考这一片 在这一瞬间成千上万的请求到来，需要系统在极短的时间内完成成千上万次的读/写操作，这个时候往往不是数据库能够承受的，极其容易造成数据库系统瘫痪，最终导致服务宕机的严重生产问题。 为了克服上述的问题，项目通常会引入NoSQL技术，这是一种基于内存的数据库，并且提供一定的持久化功能。 Redis 技术就是 NoSQL 技术中的一种。 Redis 缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。 但同时，它也带来了一些问题。其中，最要害的问题，就是数据的一致性问题，从严格意义上讲，这个问题无解。如果对数据的一致性要求很高，那么就不能使用缓存。 另外的一些典型问题就是，缓存穿透、缓存击穿和缓存雪崩。本篇文章从实际代码操作，来提出解决这三个缓存问题的方案，毕竟Redis的缓存问题是实际面试中高频问点，理论和实操要兼得。 缓存穿透 缓存穿透是指查询一条数据库和缓存都没有的一条数据，就会一直查询数据库，对数据库的访问压力就会增大，缓存穿透的解决方案，有以下两种：

Resilience4j是一个轻量级、易于使用的容错库，其灵感来自Netflix Hystrix，但专为Java 8和函数式编程设计。轻量级，因为库只使用Vavr，它没有任何其他外部库依赖项。相比之下，Netflix Hystrix对Archaius有一个编译依赖关系，Archaius有更多的外部库依赖关系，如Guava和Apache Commons。 Resilience4j提供高阶函数（decorators）来增强任何功能接口、lambda表达式或方法引用，包括断路器、速率限制器、重试或舱壁。可以在任何函数接口、lambda表达式或方法引用上使用多个装饰器。优点是您可以选择所需的装饰器，而无需其他任何东西。 有了Resilience4j，你不必全力以赴，你可以选择你需要的。 https://resilience4j.readme.io/docs/getting-started 概览 本文将介绍resilience4j中的四种容错机制，不过鉴于容错机制原理的通用性，后文所介绍的这几种容错机制也可以脱离resilience4j而独立存在（你完全可以自己编码实现它们或者采用其他类似的第三方库，如 Netflix Hystrix ）。下面将会用图例来解释舱壁（ Bulkhead ）、断路器（ CircuitBreaker ）、限速器（ RateLimiter ）、重试（ Retry

Redis-避免缓存穿透的利器之BloomFilter 你知道的越多，你不知道的也越多 点赞再看，养成习惯 github.com/JavaFamily GitHub github.com/java… 上已经开源，有面试点思维导图，欢迎 【Star】 和 【完善】 # 前言 你在开发或者面试过程中，有没有遇到过 海量数据需要查重，缓存穿透怎么避免等等这样的问题呢？下面这个东西超屌，好好了解下，面试过关斩将，凸显你的不一样。 Bloom Filter 概念 布隆过滤器（英语：Bloom Filter）是1970年由一个叫布隆的小伙子提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。 Bloom Filter 原理 布隆过滤器的原理是，当一个元素被加入集合时，通过K个散列函数将这个元素映射成一个位数组中的K个点，把它们置为1。检索时，我们只要看看这些点是不是都是1就（大约）知道集合中有没有它了：如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检元素很可能在。这就是布隆过滤器的基本思想。 Bloom Filter跟单哈希函数Bit-Map不同之处在于：Bloom Filter使用了k个哈希函数，每个字符串跟k个bit对应