热点

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接： https://blog.csdn.net/ac_dao_di/article/details/71908444 1. 查看无线网卡是否支持AP模式 要创建一个热点，必须有无线网卡，且该网卡支持AP模式，具体可以用如下命令查看： sudo apt-get install iw iw list12 如果出现如下包含AP的关键字，则表示支持AP模式： 2. 创建热点 首先点击右上角的网络图标，然后拉到最下面，点击编辑连接，得到如下界面： 点击增加，然后选择wi-fi，点击新建，得到如下界面： 这时填写连接的名称，填写SSID，也就是到时热点显示的名称，在模式里选择热点，Ubuntu 16.04有这个选项。。。Ubuntu 15.04死活没找到。。。如下： 然后点击Wi-Fi安全性选项卡，在安全下拉框中选择WPA及WPA个人。注意WEP已经不安全，而且手机连接WiFi基本使用WPA PSK模式来验证。如下： 然后在切到IPv4设置选项卡，在方法里选择”与其他计算机共享“： 最后切到IPv6设置选项卡，在方法下拉框选择忽略： 点击保存后，可以在/etc/NetworkManager/system-connections/下看到刚创建的连接对应的wifi-test文件：

作者： 不清不慎，目前在杭州蘑菇街公司任职，Java大数据开发工程师一枚，热爱研究开源技术！ 架构师社区合伙人！ 首先我们需要明白，什么是一个多级缓存系统，它有什么用。 所谓多级缓存系统，就是指在一个系统 的不同的架构层级进行数据缓存，以提升访问效率。 我们都知道，一个缓存系统，它面临着许多问题，比如缓存击穿，缓存穿透，缓存雪崩，缓存热点等等问题，那么，对于一个多级缓存系统，它有什么问题呢？ 缓存热点： 多级缓存系统大多应用在高并发场景下，所以我们需要解决热点Key问题，如何探测热点key？ 数据一致性： 各层缓存之间的数据一致性问题，如应用层缓存和分布式缓存之前的数据一致性问题。 缓存过期： 缓存数据可以分为两大类，过期缓存和不过期缓存？ 如何设计，如何设计过期缓存？ 在这之前，我们先看看一个简单的多级缓存系统的架构图： 整个多级缓存系统被分为三层，应用层nginx缓存，分布式redis缓存集群，tomcat堆内缓存。 整个架构流程如下： 当接收到一个请求时，首先会分发到nginx集群中，这里可以采用nginx的负载均衡算法分发给某一台机器，使用轮询可以降低负载，或者采用一致性hash算法来提升缓存命中率。 当nginx层没有缓存数据时，会继续向下请求，在分布式缓存集群中查找数据，如果缓存命中，直接返回（并且写入nginx应用缓存中），如果未命中

阅读目录 缓存穿透 缓存雪崩 缓存击穿 缓存热点 缓存穿透 　　缓存穿透是指缓存没有起到作用，应用程序的请求大量到达了后端数据库的情况。因为查询时如果所需数据在缓存中不存在，便会到数据库中进行再次查询，当这样的数据量太大时，说明我们的缓存系统根本没有其他应有的作用。造成这样情况的有两个原因： 数据本身就不存在，我们通常用命中率用来衡量缓存系统设计的好坏，一般来说命中率能够达到80%以上说明就不错了。当对一些系统中不存在的数据进行查询时，这部分请求就会直接转发到数据库中，如竞争对手可能使用爬虫进行恶意遍历查询，导致数据库的压力增大。 数据的生产需要经过大量的计算，耗时较长，这种情况常见于电商系统，如在商品列的分页时，商品数据很庞大，且筛选的规则很多，要根据不同条件生成结果需要一定的时间，如果在大并发的情况下，瞬间的流量可能回拖垮数据库。 解决方案 1.采用布隆过滤器，将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被 这个bitmap拦截掉，从而避免了对底层存储系统的查询压力。 2.简单粗暴的方法，如果一个查询返回的数据为空（不管是数据不存在，还是系统故障），我们仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过五分钟。 缓存雪崩 　　缓存雪崩是指我们设置缓存时采用了相同的过期时间，导致缓存失效后系统性能急剧下降的情况。缓存失效后

Reference: https://time.geekbang.org/column/article/121710 InnoDB存储引擎是基于集合索引实现的数据存储，也就是除了索引列以及主键是存储在B+树之外，其它列数据也存储在B+树的叶子节点中。而这里的索引页和数据页都会缓存在缓冲池中，在查询数据时，只要在缓冲池中存在该数据，InnoDB就不用每次都去磁盘中读取页，从而提高数据库的查询性能。 虽然缓冲池是一个很大的内存区域，但由于存放了各种类型的数据，加上存储数据量之大，缓冲池无法将所有的数据都存储在其中。因此，缓冲池需要通过LRU算法将最近且经常查询的数据缓存在其中，而不常查询的数据就淘汰出去。 InnoDB对LRU做了一些优化，熟悉的LRU算法通常是将最近查询的数据放到LRU列表的首部，而InnoDB则是将数据放在一个midpoint位置，通常这个midpoint为列表长度的5/8。 这种策略主要是为了避免一些不常查询的操作突然将热点数据淘汰出去，而热点数据被再次查询时，需要再次从磁盘中获取，从而影响数据库的查询性能。 如果热点数据比较多，可以通过调整midpoint值来增加热点数据的存储量，从而降低热点数据的淘汰率。 来源： https://www.cnblogs.com/agilestyle/p/11428985.html

原文引用 大专栏 https://www.dazhuanlan.com/2019/08/17/5d576c62e39a9/ 存储引擎类型  • Myisam 速度快，响应快。表级锁是致命问题。  • Innodb 目前主流存储引擎    • 行级锁      • 务必注意影响结果集的定义是什么      • 行级锁会带来更新的额外开销，但是通常情况下是值得的。    • 事务提交      • 对 i/o 效率提升的考虑      • 对安全性的考虑  • HEAP 内存引擎    • 频繁更新和海量读取情况下仍会存在锁定状况 内存使用考量  • 理论上，内存越大，越多数据读取发生在内存，效率越高  • 要考虑到现实的硬件资源和瓶颈分布  • 学会理解热点数据，并将热点数据尽可能内存化    • 所谓热点数据，就是最多被访问的数据。    • 通常数据库访问是不平均的，少数数据被频繁读写，而更多数据鲜有读写。    • 学会制定不同的热点数据规则，并测算指标。      • 热点数据规模，理论上，热点数据越少越好，这样可以更好的满足业务的增长趋势。      • 响应满足度，对响应的满足率越高越好。      • 比如依据最后更新时间，总访问量，回访次数等指标定义热点数据，并测算不同定义模式下的热点数据规模 性能与安全性考量  • 数据提交方式    • innodb_flush

无论是一个图片 —— 例如一个模拟的新市场计划需要反馈，还是一个 PDF 文件，一个演讲稿，或者任何你可以在 Confluence 中预览的文件。你可以在预览的的任何位置放置一个热点然后添加你的评论后开始对话。 希望对一个文件进行评论： 单击文件预览中缩略图或者链。 从预览文件的底部拖动一个热点（Pin）图标放置到任何你希望进行评论的地方。 添加的你评论后 保存（Save） 。 热点的评论与页面的评论是相同的（ inline comments ）。你可以使用 @mentions 和 links ，然后放置然后数量的热点图标。你甚至可以简单的添加宏 macros ，例如使用 Wiki 标记的自动完成添加代码宏。任何具有对页面添加评论的用户都可以对文件的评论进行操作。 当你对文件进行预览的时候，你可以看到在这个版本文件中已经存在的热点评论。选择一个热点来查看评论。 一旦针对评论的对话完成的话，你可以在查看中关闭评论来隐藏（或者任何回复）。如果你需要再次对评论进行解决，你可以选择重新打他们。在查看视图中进入 > 解决评论（Resolved comments） 。 解决的评论（Resolved comments）： 选择 更多选项（more options）按钮来显示或者隐藏已经解决的评论。 评论（Comments）： 拖动一个热点到文件中来进行评论。 如果你的文件是存储在 Web

ESP8266是一款比较常见的WIFI通讯芯片，今天我给大家分享一下自己使用该芯片的心得。 我使用正点原子的 STM32F429 APOLLO作为开发载体的，虽然他们也有非常详细的开发资料，但是我还是决定自己探索一下，过程也是比较坎坷，好在最终完成了预期效果。 第一步：接线：ESP8266的硬件连接还是很简单的，其中只需要4线，连线如下： ESP8266　　　　STM32 RX　　　　　　　TX TX　　　　　　　RX VCC　　　　　　VCC GND　　　　　　GND 第二步：硬件初始化，对ESP8266芯片进行初始化： 通过一块USB-TTL模块将ESP8266连接到电脑，利用串口调试助手进行初始化。硬件的初始化包括将芯片定义为热点源还是连接热点的设备（即AP模式还是STA模式），还有把芯片作为服务器 还是 客户端（SERVER 还是 CLIENT），在我的实验中，我选择AP模式，并且将ESP8266作为服务器。这里解释一下为什么选择AP模式，如果将其作为STA，去连接其他热点，比如路由器，手机热点，电脑热点，你还要先知道你所连接热点的IP地址，更蛋疼的是这个IP地址是会变的，即使是同一台设备的热点。芯片用作服务器还是客户端，两者其实差不多，因为其他设备一旦连接了ESP8266的WIFI，它的IP地址是固定的，比如ESP8266地址是192.168.4.1，那么第一

缓存穿透: 查询一个不存在的数据，缓存中没有该数据信息，直接去数据库层进行查询。从整体上看，就仿佛穿透了缓存直接到达数据库，从而称为缓存穿透。没有缓存的保护，这种查询不存在的数据对系统有可能造成危害，如果有人恶意频繁查询不存在的数据攻击系统，请求直接到达数据层会导致db瘫痪引起系统故障。 解决方案： 空值存储： 一种简单的解决办法，在第一次查询完不存在的数据后，可以将该key进行空值存入缓存中，只是设定较短的失效时间。这样可以应对段时间的大量的该key攻击，之所有设置较短时间是因为该至无业务上的意义，因此没有必要过久存储。 bloom filter：（待学习） 类似于哈希表的一种算法，用所有可能的查询条件生成一个bitmap，在进行数据库查询之前会使用这个bitmap进行过滤，如果不在其中则直接过滤，从而减轻数据库层面的压力。guava中有实现BloomFilter算法 缓存雪崩： 缓存一般都有失效时间，如果缓存同一时间失效，那么大量的请求就会直达数据库，db可能无法承受如此大的压力导致系统崩溃。 解决方案 线程互斥： 只让一个线程构建缓存，其他线程等待构建缓存的线程执行完，重新从缓存获取数据才可以，每个时刻只有一个线程在执行请求，减轻了db的压力，但缺点也很明显，降低了系统的qps。 交错失效时间： 这种方法时间比较简单粗暴，既然在同一时间失效会造成请求过多雪崩

1，秒杀场景核心是要保证三点：稳，准，快；对应的技术落地便是高可用，一致性，高性能； 2，架构设计五原则 2.1 数据要尽量少：网络传输耗时，服务器压缩以及字符编码，序列化与反序列化消耗cpu 2.2 请求数要尽量少：页面依赖的 CSS/JavaScript、图片，以及 Ajax,建立连接要做三次握手 2.3 路径要尽量短：缩短请求路径不仅可以增加可用性，同样可以有效提升性能（减少中间节点可以减少数据的序列化与反序列化），并减少延时（可以减少网络传输耗时） 2.4 依赖要尽量少: 完成一次用户请求必须依赖的系统或者服务，这里的依赖指的是强依赖，可以给系统进行分级。 2.5 不要有单点：单点意味着没有备份，风险不可控。避免将服务的状态和机器绑定，即把服务无状态化，把和机器相关的配置动态化；存储服务一般要通过冗余多个备份的方式来解决单点问题。 优化的点：秒杀系统单独独立出来；独立做一个机器集群；将热点数据（如库存数据）单独放到一个缓存系统中，以提高“读性能“ ；增加秒杀答题，防止有秒杀器抢单；页面进行彻底的动静分离，使得用户秒杀时不需要刷新整个页面；在服务端对秒杀商品进行本地缓存，不需要再调用依赖系统的后台获取；增加系统限流保护，防止最坏情况发生。 3，如何做好动静分离，有哪些方案。 3.1 概念：“动态数据”和“静态数据”的主要区别就是看页面中输出的数据是否和 URL、浏览者、时间

别傻了！不能只会给别人开热点，要尝试华为手机的WiFi分享功能 当大家跟小伙伴一起出去玩的时候，在这个到处都有wifi信号的地方，你的小伙伴却因为没有流量而连接不了无线网，我们作为朋友第一时间想到的就是给他开热点，别傻了！只要你的手机带有WLAN信号桥功能，我们就能把我们连接到的wifi分享给他们，小编目前使用的华为手机就带有这功能，可以节省不少流量！ 其实我们所使用的手机本身就是一种路由器的存在，只要自身的电量以及流量充足，完全可以充当移动的路由器： 1. 流量开热点 简单的来说，这个大家应该应该都会使用，就是简单的个人热点功能，别说小编啰嗦，这个还是跟大家说下的好。 操作步骤：【设置】—【无线和网络】—【移动网络共享】—【便携式WLAN热点】（每部手机的操作步骤都不相同，但是大概原理基本相同） 2. WLAN信号桥 我们可以通过WLAN信号桥，可将当前的WLAN网络共享给其他设备。简单的来说，拥有此功能的用户，可以将连接到的WIFI共享给其他设备连接，但最多只支持４台设备，并且会消耗更多的电量！ 操作方法：【设置】—【无线和网络】—【移动网络共享】—【WLAN信号桥】（跟开热点步骤基本一致） 当我们开启后，进行设置我们所桥接共享的WLAN名称以及密码，这样我们身边的小伙伴，就能够是搜寻到我们共享的WIFI了，当小伙伴连上后，就能够进行上网了，大家一定要记住了，只能四台设备哦！