原文： https://itnext.io/solid-principles-explanation-and-examples-715b975dcad4 SOLID是面向对象编程领域的5个重要的设计原则的简称。 这5个设计原则是由Robert C. Martin (Uncle Bob)在他2000年发表的论文 Design Principles and Design Patterns中首先提到的。然而事实上，SOLID这个简称是后来由Michael Feathers整理确定的。 引入这些设计原则的目的是使得软件设计更易于理解，便于维护和扩展。作为软件工程师，这5条原则是必须理解的。 在本文中，我会讲解这5大设计原则，通过代码示例说明为何违反了SOLID原则，以及如何修改以符合这些原则。 代码示例会采用C#，但对其他OOP语言也是适用的。 S — 单一职责原则...

几篇不错的文章 IoC与AOP的概述 IoC容器的源码走读 Spring AOP使用介绍 Spring AOP源码走读

分布式事务是是一个很复杂的问题，但同时也是后端开发无法回避的一个问题。如这篇文章[A Guide to Transactions Across Microservices]开头所说，保证分布式事务很难，因此其实最好的方法是避免使用它，但是，在交易、支付等系统必须要保证，同时互联网公司的高并发场景也使得问题更复杂，工作经历了几家头部互联网公司，也看到一些不同的解决方案。 1. 一些概念 分布式事务就是指事务的参与者、支持事务的服务器、资源服务器以及事务管理器分别位于不同的分布式系统的不同节点之上。 1.1 ACID Atomicity（原子性） 事务中的所有操作，要么全部完成，要么全部不做，不能在某个中间点停止。 Consistency（一致性） 必须使数据从一个一致性状态转换为另一个一致性状态。 Isolation（隔离性） 一个事务的的执行不收到另一个事务干扰。 Durability（持久性） 事务成功后，事务所做修改持久保存在数据库中。 单机事务可以保证ACID，可以称作刚性事务，分布式环境下完全遵守ACID很困难，因此又出现一些新的理论，可以称为柔性事务。...

《Java8实战》 策略模式 策略模式代表了解决一类算法的通用解决方案，你可以在运行时选择使用哪种方案。包含三部分内容： 一个代表某个算法的接口 一个或多个该接口的具体实现，它们代表了算法的多种实现 一个或多个使用策略对象的客户 一个验证文本输入的例子： 策略接口： interface ValidationStrategy { boolean execute(String s); } 算法实现： static class IsAllLowerCase implements...

记得刚毕业参加应届生培训时，老师给我们讲MySQL基础，对于一些很深入的地方，老师让我们好好看看何登成的博客，并且在工作中再慢慢琢磨理解。现在有幸和何登成在同一家公司，在内网也看了他的文章，回看他的分享依然很多收获，但发现他的个人博客很久没更新了，图也挂了，在网上找了些残存记录收藏起来。 1. 背景 1.1 MVCC：Snapshot Read vs Current Read 1.2 Cluster Index：聚簇索引 1.3 2PL：Two-Phase Locking 1.4 Isolation Level 2. 一条简单SQL的加锁实现分析...

最近项目中需要一个简单的数据查询平台，数据量比较大存储在在线olap数据库和离线大数据平台(类hive)中，支持可视化配置查询条件，或者直接提交sql文本，流程浓缩起来类似于： (可视化配置条件) -> sql -> DB引擎 sql生成工具比较多，推荐jOOQ提供的sql builder，jOOQ现在很活跃，官方文档丰富，而且作者及公司员工常年关注stackoverflow上的相关问题，项目中碰到问题问过几次，很快就会回复： https://stackoverflow.com/questions/57591155/how-to-generate-sql-from-template-with-order-by-parameter-using-jooq https://stackoverflow.com/questions/57601416/how-to-modify-plain-sql-text-with-jooq-such-as-appending-order-by-limit-offset-c https://stackoverflow.com/questions/57707116/how-to-parser-sql-string-with-self-defined-functions-using-jooq jOOQ提供的sql builder非常好用，但是sql parser还不是很完善，最初以为sql parser的使用应该不会太多，做些语法校验，加limit等，但随着项目深入发现一个好的sql parser是必须的。 最终选用了druid sql parser(内部加强版)，这是经过阿里线上应用检验过得，性能没有问题，其实更重要的是支持公司内部数据库方言，这一点至关重要。 开源版本文档：...

表空间结构 《MySQL技术内幕-InnoDB存储引擎(第二版)》 从逻辑上看，所有数据都存储在表空间(Tablespace)，物理上就是idb文件。 表空间又可以逐级细分为：段(Segment)，区(Extent)，页(Page)，行(Row)。 表空间(Tablespace) 所有数据存放的逻辑最高层次。 段(Segment) 表空间由各个段组成，常见的有数据段、索引段、回滚段。InnoDB是索引组织表，数据段就是聚集索引B+树的叶子节点，索引段就是非叶子节点。 区(Extent) 每个区大小是1MB，默认情况下页的大小是16KB，那么一个区中就包含64个连续的页。为保证页的连续性，一般一次从磁盘申请4到5个区。 页(Page) 页是InnoDB管理的最小单位，默认16KB，包括数据页、undo页、系统页等。 行(Row) InnoDB是以行为基础管理数据的。也就是数据按行存放的。每一页存储的行记录是有限制的，最多16K/2-200行记录，也就是7992行。 索引结构 InnoDB是索引组织表，主键索引B+树的叶子节点存储数据，非主键索引B+树叶子节点存储主键，因此通过非主键索引查询，需要先找到主键，然后回表通过主键索引查到数据。 宏观来看主键索引与非主键索引： 微观来看主键索引树的page：

The introduction to Reactive Programming you’ve been missing WHY NON-BLOCKING? 异步编程与响应式框架 Reactive Programming 一种技术，各自表述 Why Continuations are Coming to Java...

对于后端开发来说，这几个名词经常能听到，但是具体怎么解释，还真不是那么好说。比如，异步IO就是非阻塞IO吗？ *** 1. 一些观点 来自知乎相关问题高票回答。 同步和异步关注的是消息通信机制 ，所谓同步，就是在发出一个调用时，在没有得到结果之前，该调用就不返回。但是一旦调用返回，就得到返回值了。阻塞和非阻塞关注的是程序在等待调用结果（消息，返回值）时的状态. 阻塞调用是指调用结果返回之前，当前线程会被挂起。调用线程只有在得到结果之后才会返回。非阻塞调用指在不能立刻得到结果之前，该调用不会阻塞当前线程。 来自C++大神陈硕的解释：在处理 IO 的时候，阻塞和非阻塞都是同步 IO。只有使用了特殊的 API 才是异步 IO。 来自StackOverflow： Blocking and synchronous mean...

1. install go sudo pacman -S go 执行： go version 显示： go version go1.12.1 linux/amd64 新建用户工作空间，比如我的： /home/zsx/workspace/go 配置环境变量，打开profile文件： sudo vim...

https://colin-scott.github.io/personal_website/research/interactive_latency.html

综合来看： redis是基于内存的，内存的读写速度非常快； redis是单线程的，省去了很多上下文切换线程的时间； redis使用多路复用技术，可以处理并发的连接。非阻塞IO 内部实现采用epoll，采用了epoll+自己实现的简单的事件框架。epoll中的读、写、关闭、连接都转化成了事件，然后利用epoll的多路复用特性，绝不在io上浪费一点时间。 为什么Redis是单线程的？ 因为Redis是基于内存的操作，CPU不是Redis的瓶颈，Redis的瓶颈最有可能是机器内存的大小或者网络带宽。既然单线程容易实现，而且CPU不会成为瓶颈，那就顺理成章地采用单线程的方案了。关于redis的性能，官方网站也有，普通笔记本轻松处理每秒几十万的请求。 深入理解 不会有各种锁的性能消耗 Redis的数据结构并不全是简单的Key-Value，还有list，hash等复杂的结构，这些结构有可能会进行很细粒度的操作，比如在很长的列表后面添加一个元素，在hash当中添加或者删除一个对象，这些操作可能就需要加非常多的锁，导致的结果是同步开销大大增加。 总之，在单线程的情况下，就不用去考虑各种锁的问题，不存在加锁释放锁操作，没有因为可能出现死锁而导致的性能消耗。 单线程多进程集群方案 单线程的威力实际上非常强大，每核心效率也非常高，多线程自然是可以比单线程有更高的性能上限，但是在今天的计算环境中，即使是单机多线程的上限也往往不能满足需要了，需要进一步摸索的是多服务器集群化的方案，这些方案中多线程的技术照样是用不上的。 所以单线程、多进程的集群不失为一个时髦的解决方案。 CPU消耗 采用单线程，避免了不必要的上下文切换和竞争条件，也不存在多进程或者多线程导致的切换而消耗 CPU。 但是如果CPU成为Redis瓶颈，或者不想让服务器其他CUP核闲置，那怎么办？可以考虑多起几个Redis进程，Redis是key-value数据库，不是关系数据库，数据之间没有约束。只要客户端分清哪些key放在哪个Redis进程上就可以了。 单进程单线程优/劣势 代码更清晰，处理逻辑更简单不用去考虑各种锁的问题，不存在加锁释放锁操作，没有因为可能出现死锁而导致的性能消耗不存在多进程或者多线程导致的切换而消耗CPU。...

前言 平时的工作中经常碰到很多疑难问题的处理，在解决问题的同时，有一些工具起到了相当大的作用，在此书写下来，一是作为笔记，可以让自己后续忘记了可快速翻阅，二是分享，希望看到此文的同学们可以拿出自己日常觉得帮助很大的工具，大家一起进步。 Linux命令类 tail 最常用的 tail -f tail -300f shopbase.log #倒数300行并进入实时监听文件写入模式 grep grep forest f.txt #文件查找 grep forest f.txt cpf.txt...

原文： http://gee.cs.oswego.edu/dl/html/StreamParallelGuidance.html When to use parallel streams [Draft, 1 September 2014. For now, minimally formatted pending placement decision.] The java.util.streams...

使用Java8的Stream API处理集合元素确实比较方便，最近碰到个问题，由于一个map操作涉及IO操作比较耗时，从以前多线程开发经验看，可以考虑扩展下并行度，但是事与愿违，并未有提高处理效率。 于是在StackOverflow问了下各路大神，详细问题如下： https://stackoverflow.com/questions/52287717/how-to-specify-forkjoinpool-for-java-8-parallel-stream 总结起来实际上这是两个问题： 1. 怎样自定义ForkJoinPool https://stackoverflow.com/questions/21163108/custom-thread-pool-in-java-8-parallel-stream 这个问题下有详细说明： For applications that require separate or custom pools, a ForkJoinPool may...

什么是 SOFAJRaft？ SOFAJRaft 是一个基于 Raft 一致性算法的生产级高性能 Java 实现，支持 MULTI-RAFT-GROUP，适用于高负载低延迟的场景。 使用 SOFAJRaft 你可以专注于自己的业务领域，由 SOFAJRaft 负责处理所有与 Raft 相关的技术难题，并且 SOFAJRaft 非常易于使用，你可以通过几个示例在很短的时间内掌握它。 https://raft.github.io SOFAJRaft...

在早期的 UNIX 系统中，各个厂家各自定义了自己的 UNIX 系统文件目录，比较混乱。Linux 面世不久后，对文件目录进行了标准化，于1994年对根文件目录做了统一的规范，推出 FHS ( Filesystem Hierarchy Standard ) 的 Linux 文件系统层次结构标准。FHS 标准规定了 Linux 根目录各文件夹的名称及作用，统一了Linux界命名混乱的局面。 FHS（英文：Filesystem Hierarchy...

原文 1. 流处理简介 在我接触到java8流式处理的时候，我的第一感觉是流式处理让集合操作变得简洁了许多，通常我们需要多行代码才能完成的操作，借助于流式处理可以在一行中实现。比如我们希望对一个包含整数的集合中筛选出所有的偶数，并将其封装成为一个新的List返回，那么在java8之前，我们需要通过如下代码实现： List<Integer> evens = new ArrayList<>(); for (final Integer num : nums) { if (num % 2...