首页
首页
沸点
课程
直播
活动
竞赛
商城
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
后端小寒
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
69
文章 68
沸点 1
赞
69
返回
|
搜索文章
最新
热门
分布式事务一致性解决方案
一致性问题,“万恶之源”是数据冗余和分布并通过网络交互+网络异常是常态。 主库、从库和缓存数据一致性,相同数据冗余,关系数据库,为保证关据库的高可用和高性能,一般会采用主从(备)架构并引入缓存。其中数据不一致性存在于数据冗余的时间窗口内。 多副本数据之间的数据一致性,相同数据副…
数据库怎么分库分表,垂直?水平?
不管是IO瓶颈,还是CPU瓶颈,最终都会导致数据库的活跃连接数增加,进而逼近甚至达到数据库可承载活跃连接数的阈值。在业务Service来看就是,可用数据库连接少甚至无连接可用。接下来就可以想象了吧(并发量、吞吐量、崩溃)。 第一种:磁盘读IO瓶颈,热点数据太多,数据库缓存放不下…
详解负载均衡技术及分布式架构
面对大量用户访问、高并发请求,海量数据,可以使用高性能的服务器、大型数据库,存储设备,高性能Web服务器,采用高效率的编程语言比如(Go,Scala)等,当单机容量达到极限时,我们需要考虑业务拆分和分布式部署,来解决大型网站访问量大,并发量高,海量数据的问题。 从单机网站到分布…
面试必备:Zookeeper选举算法原理
Leader选举是保证分布式数据一致性的关键所在。当Zookeeper集群中的一台服务器出现以下两种情况之一时,需要进入Leader选举。 (1) 服务器初始化启动。 (2) 服务器运行期间无法和Leader保持连接。 下面就两种情况进行分析讲解。 若进行Leader选举,则至…
面试常问的20个数据库高频面试题详解!
进了互联网公司,整天也就是搬砖,等到了面试的时候,发现数据库方面,忘得一塌糊涂,抽时间整理了一些数据库方面的题。欢迎大家向我推荐你在面试过程中遇到的问题,我会把大家推荐的问题添加到下面的常用面试题清单中供大家参考。 原子性是指事务包含的所有操作要么全部成功,要么全部失败回滚,因…
Java并发编程—AtomicInteger 原理剖析
AtomicInteger 是一个支持原子操作的 Integer 类,它提供了原子自增方法、原子自减方法以及原子赋值方法等。其底层是通过 volatile 和 CAS 实现的,其中 volatile 保证了内存可见性,CAS 算法保证了原子性。因此接下来我们先了解下 volat…
分布式缓存架构设计分析
在高并发场景下,需要通过缓存来减少数据库的压力,使得大量的访问进来能够命中缓存,只有少量的需要到数据库层。由于缓存基于内存,可支持的并发量远远大于基于硬盘的数据库。所以对于高并发设计,缓存的设计是必不可少的一环。 为什么要使用缓存呢?源于人类的一个梦想,就是多快好省的建设社会主…
SpringBoot 统一异常处理(附核心工具类-ErrorInfoBuilder)
一. 默认错误处理 SpringBoot 默认为我们提供了BasicErrorController 来处理全局错误/异常,并在Servlet容器中注册error为全局错误页。所以在浏览器端访问,发生错误时,我们能及时看到错误/异常信息和HTTP状态等反馈。工作原理如下: 例如下…
面试必问:HashMap 底层实现原理
当我们调低负载因子时,HashMap 所能容纳的键值对数量变少。扩容时,重新将键值对存储新的桶数组里,键的键之间产生的碰撞会下降,链表长度变短。此时,HashMap 的增删改查等操作的效率将会变高,这里是典型的拿空间换时间。相反,如果增加负载因子(负载因子可以大于1),Hash…
Java并发编程—单例模式线程安全问题
单例模式是指对一个对象进行一次实例化,然后全局都可以调用该实例化对象来完成项目的开发。 在计算机系统中,线程池、缓存、日志对象、对话框、打印机、显卡的驱动程序对象常被设计成单例。这些应用都或多或少具有资源管理器的功能。每台计算机可以有若干个打印机,但只能有一个Printer S…
下一页
个人成就
文章被点赞
796
文章被阅读
145,706
掘力值
4,113
关注了
17
关注者
3,553
收藏集
0
关注标签
12
加入于
2018-11-28