神奇宝贝大师的技术博客

[原创]这篇只是做点记录备忘，个人理解，请批判接受，有误请指正。转载请注明出处: https://heyfl.gitee.io/Make-A-Little-Progress-Every-Day/Make-A-Little-Progress-Every-Day.html

2022-10-25

目前本地缓存使用的方式

• 订运单系统： SF自研的类Ehcache框架，存储的内容不是特别多，都是一些网点月结卡号信息，所有对象存在于Map，占200m左右
• SISP系统： 使用了Caffeine，存储的内容，存储的内容很多，包括员工表（900m），人员表（bdus 800m） 客户表（1.2g），用户及权限相关表（500m）
  • 关联后约占4g内存，目前采用Caffeine默认存储方式，启动即全量加载（极个别采用懒加载方式加载），全部存在于Map中，即堆存储

优化: 缓存为基础数据，数据量稳定，目前采用CMS回收器，堆空间8g，缓存存于堆中，占约4g，平时MajorGC达4~6s，曾出现高峰gc达52s，
应考虑将缓存存于堆外，减少GC的压力，提升性能（风险点，可能会导致内存溢出） 后面自己论证时行不通...因为java对象存到堆外时需要额外进行序列化，经测试，这会导致对象明显变大，浪费的内存有点多，在降本增效的背景下是行不通的

参考 guava、caffeine、ohc（堆外缓存）详解

2022-10-20

Spring中最常用的11个扩展点

• Spring中最常用的11个扩展点

2022-09-02

Hystrix熔断配置

为让Hystrix的熔断降级配置更加合理，会议讨论结果需进行如下优化，

1. 为每个已有Hystrix熔断的接口设置最高并发配置（execution.isolation.semaphore.maxConcurrentRequests），配置200~500之间，具体计算方式
   单节点线程数 = QPS /节点数/ ( 1000 / 被熔断方法的P99耗时ms )
   翻译：方法单节点线程并发数 = QPS /节点数/1s内该方法能执行次数
2. 把Hystrix配置提取到disconf，重启生效，无需发版

QPS和RT的关系：
对于单线程：QPS=1000/P99
对于多线程：QPS=1000线程数量/P99
对于多线程多接点：QPS=1000单节点线程数量*节点数量/P99

2022-08-11

前端跨域请求减少Option请求

后端对CorsConfiguration配置Access-Control-Max-Age，前端请求时接收到Access-Control-Max-Age，在该有效时间内不会再发出Option请求

CorsConfiguration config = new CorsConfiguration();
config.setMaxAge(600L);

后端返回的Access-Control-Max-Age 大于浏览器支持的最大值 那么取浏览器最大值作为缓存时间
否则取后端返回的Access-Control-Max-Age作为缓存时间
缓存时间内不会再发option请求
源码

2022-06-03

POJO、JavaBeans、BO、DTO 和 VO 、DO之间的区别

• POJO，也称为普通旧 Java 对象，是一个普通的 Java 对象，它没有对任何特定框架的引用。
• JavaBean/BO：有约束的POJO，国内用法一般为BO

  • 实现Serializable接口
  • 将属性标记为private
  • 使用 getter/setter 方法来访问属性

• DTO：也称为数据传输对象，封装值以在进程或网络之间传输数据。

  DTO 没有任何显式行为。它基本上有助于通过将域模型与表示层解耦来使代码松散耦合

• VO：外国作为值对象，不过国内用法是用来做视图对象，主要是返回前端用的对象
• DO(Data Object) ，持久化对象，数据库对象

2021-06-01

System.arraycopy方法和Arrays.copyOf()

• System.arraycopy方法：是本地方法，如果是数组比较大，那么使用System.arraycopy会比较有优势，因为其使用的是内存复制，省去了大量的数组寻址访问等时间
• Arrays.copyOf()
  1. Arrays.copyOf()在System.arraycopy()实现的基础上提供了额外的功能
  2. 会创建新数组
  3. 允许与原数组类型不同，但是这样会调用JVM的反射，性能较差

2021-05-20

ES 分词

• text：用于全文索引，该类型的字段将通过分词器进行分词，最终用于构建索引
• keyword：不分词，只能搜索该字段的完整的值，只~~~~用于条件精准查询

通常情况都以 keyworkd 字段进行搜索，因为全文索引的分词器不一定能够完全分词，可能会导致搜索不准确，所以一般都是用 keyword 字段进行搜索

2021-02-26

HBASE 列族,RowKey

HBase是一种面向列的数据库,以row+列名作为key，data作为value，依次存放 假如某一行的某一个列没有数据，则直接跳过该列。对于稀疏矩阵的大表，HBase能节省空间

• 表是行的集合
• 行是列族的集合
• 列族是列的集合
• 列是键值对的集合

2021-02-08

最近要搞懂的事情

• MySQL、HBase、ES的特点和区别

1. redo log和checkpoint机制

单机情况下，MySQL的innodb通过redo log和checkpoint机制来保证数据的完整性。因为怕log越写越大，占用过多磁盘，而且当log特别大的时候，恢复起来也比较耗时。而checkpoint的出现就是为了解决这些问题。

2. mysql主从架构
   Master-Slave(主挂了可能会丢失一部分数据)和Group Replication 的架构(mgr采用paxos协议实现了数据节点的强同步，保证了所有节点都可以写数据，并且所有节点读到的也是最新的数据)

2021-02-07

稍稍记录一下2020年干过的那些P大点的事

1. 协助完成Redis降存储–>阉割无用字段,(没用上压缩) ,以前是存储整个对象,现在是存储个别有用的字段, 降低了60%~80%的存储
   • 综合订单、CX、操作运单、公共redis，共节省redis资源9034G
2. 团队共同完成灰度发版–>中间加应用,数据先到分流应用,通过分流应用把对应城市、网点的数据分流到对应的应用
3. 独立完成ES查询优化–>优化判断索引逻辑,指定查询具体某个分片,提高性能550倍
4. 生产某个节点线程数过多及CPU高–>dump&排查源码 elasticJob的采用了流式处理,有某个节点的一些线程一直能查到数据,就一直继续工作了;
5. elastic-job流式处理导致最终只有一个线程在跑的问题排查&修复 —> 同上
6. 重试模块加入根据重试次数逃生逻辑,防止异常时空跑把系统跑死
7. 优化ES存储订单数据的结构 —> 4亿+数据量减少到只剩下5kw数据量，降低了十倍左右

• 把orderExtendInfoList类型改为keyword类型（原来为嵌套类型）, 内部额外存储一个作为索引用的值为原orderExtendInfo的key和value对应的Map

描述起来比较麻烦 大概是把下图左边的变成变成右边的

数据造就业务—>咋玩???

1. 目前手上有啥数据:

• 订单–>可以对BSP客户进行分类, 对不同类型客户,可以特别推荐一些增值服务或产品
  ----->根据寄件商品的类型为其推荐增值服务
  扩展信息…没啥用
  增值服务

• 订单状态<—监控? 存在很多很久不揽收的 进行告警通知小哥? 让其决定是取消，还是让其再设定一个较远的预约时间

• FVP所有状态<–

• 运单号生成

• 运单<—

• 产品变更<— 变更监控? 至少可以记录一下产品变化以及运费变化

2021-01-25

一、ZK事件回调原理 – 最近用得少老是忘记，还是记录一下吧

简单来说，就是客户端启动后，会在zk注册一个watcher监听某个我们关心的节点Node的变化；
同时客户端会把这个watcher存到本地的WatcherManager里;
当这个节点出现变化，zk会通知到对应的客户端，调用该watcher的回调方法（process方法）。

以此方式实现动态配置平台的配置刷新下发、分布式锁等功能

2020-12-14

一、 ElasticSearch原理

图解ElasticSearch原理

• 精确查询

term 查询是如何工作的？ Elasticsearch 会在倒排索引中查找包括某 term 的所有文档

• Lucene Index(包含多个Segments)：

Segments 是不可变的（immutable）：
Segments Delete？当删除发生时，Lucene 做的只是将其标志位置为删除，但是文件还是会在它原来的地方，不会发生改变。
Segments Update？所以对于更新来说，本质上它做的工作是：先删除，然后重新索引（Re-index）
随处可见的压缩：Lucene 非常擅长压缩数据，基本上所有教科书上的压缩方式，都能在 Lucene 中找到
缓存所有的所有：Lucene 也会将所有的信息做缓存，这大大提高了它的查询效率

• 整体结构

Cluster由多个Node节点组成
每个Node节点由多个索引Index组成
每个索引由多个Share组成
每个Share(又叫Lucene Index)存在于集群中多个Node中,具体有多少个Share,看你索引的配置,由多个Segment组成
每个Segment(又称Mini索引),每个Segment都是不可变的,只会生成一个增量Segment(含修改后的/新增的数据),原来的数据只能标记为删除,当Segment多了之后会做merge合并操作;

• Segments的创建&刷新 (没玩大数据 大概了解就行了)

进行索引文档后,看是否有达到flush条件的Segment,存在就flush该Segment将该数据刷到硬盘中,没找到就创建一个Segment??
参考 -> ES lucene写入流程，segment产生机制源码分析

2020-11-18

一、 MYSQL是怎么运行的 – 连接原理

–以下为内连接,驱动表为t1,如果t1通过where过滤完还有2条数据,那么会去t2表查询2次
select * from t1 join t2 where ***;
select * from t1 inner join t2 where ***;
select * from t1 cross join t2 where ***;
(以上等价于)select * from t1,t2 where ***;

select * from t1 left join t2 on t1.a=t2.a where ***; – 为外连接

on实际是给外连接用的,在内连接使用的话和where的作用是一样的;
在外连接中使用,如果匹配不上,不会过滤掉驱动表原有的值;如果要过滤掉这种连接不上的值,可以再加个where条件过滤

驱动表t1只会被访问一次，被驱动表t2会被访问多次

2020-09-24(好久没做记录了…)

一、 DB 看似匹配到索引,但是没有走索引的情况(注意事项)

因类型转换导致不走索引

摘自本文结论内容

1. 建表语句cell的数据类型为Varchar

create table t (
id int(20) primary key AUTO_INCREMENT,
cell varchar(20) unique
)engine=innodb;
建表的时候cell定义的是字符串类型

2. Explain

通过explain，基本已经可以判断：
update t set cell=456 where cell=55555555555;
并没有和我们预想一样，走cell索引进行查询，而是走了PK索引进行了全表扫描。

3. 实际问题

where语句cell类型与索引的不匹配，不会走索引，最终会走全表；

4. 结论

类型转换，会导致全表扫描，出现锁升级，锁住全部记录

二、 DB 执行计划查看&&死锁排查

执行计划

• select_type：SIMPLE
  这是一个简单类型的SQL语句，不含子查询或者UNION。

• type：index
  访问类型，即找到所需数据使用的遍历方式，潜在的方式有：
  （1）ALL（Full Table Scan）：全表扫描；
  （2）index：走索引的全表扫描；
  （3）range：命中where子句的范围索引扫描；
  （4）ref/eq_ref：非唯一索引/唯一索引单值扫描；
  （5）const/system：常量扫描；
  （6）NULL：不用访问表；
  上述扫描方式，ALL最慢，逐步变快，NULL最快。

• possible_keys：NULL
  可能在哪个索引找到记录。

• key：PRIMARY
  实际使用索引。

• ref：NULL
  哪些列，或者常量用于查找索引上的值。

• rows：5
  找到所需记录，预估需要读取的行数。

死锁排查

• 有权限的mysql账户执行:

  show engine innodb status;

• 根据查到的结果 分析LATEST DETECTED DEADLOCK里的内容

三、ES 提高查询效率

学习自: ES 在数据量很大的情况下（数十亿级别）如何提高查询效率

1. 把尽可能多的索引放在filesystem cache中
2. 不做复杂查询（Join等），如果有这样的需要，应以设计得更好的document（记录）来实现简单查询（单表）
3. 使用ES+hbase架构:
   ES存索引，索引全放在filesystem cache，数据存HBase；通过ES进行条件查询，获取docId，用该docId去查HBase
4. 禁止深度查询，使用scrollApi或search_after代替

四、ES存储结构

index -> type -> mapping -> document -> field

实例： order~2020-08-02/order/_mapping/记录/字段
翻译： 索引名称/表名/表结构/记录/字段

2019-12-19

Kafka

1. 基础点

Topic&消费组:
一个Topic的一个Partition只能一个Consumer Group的一个节点消费
一个【Topic】对应多个【Partition】(文件)
消息大小限制:
一条消息 默认最大只能为1000000B(976.56 kB),所以一般规定不允许发送>900k的消息

2. 版本区别:

0.8版本 (相对历史版本 支持了Replication高可用 )
当时只有Consumer Coordinator
coordinator需要依赖于ZK，通过zk监听/consumers//ids变化 与 brokers/topic的数据变化决定是否要 rebalanced
rebalanced后,consumer自己决定自己要消费哪些Partition，然后抢先在/consumers//owners//下注册（通过这种方式实现一个Topic的一个Partition只能一个Consumer Group的一个节点消费`）
同时,各个Consumer Coordinator还需要进行位移的提交

弊端: 消费者自己决定消费哪些分区,各个Consumer Coordinator还需要进行位移的提交
并且分区的决定与位移的提交都需要依赖于ZK

0.8.2版本
0.8.2版本开始同时支持将 offset 存于 Zookeeper 中与将offset 存于专用的Kafka Topic 中,但是需要High Level API的支持，且BUG较多，目前公司用的还是Low Level Api

0.9.x版本
新增Group Coordinator,存在于Broker端
代替了0.8.x版本的zk，每个消费组对应一个，负责每个消费者位移的提交&分区消费的决策

0.10+
消息结构添加了时间戳，可根据这个时间戳实现延迟队列

0.11.x版本
新增了对【幂等】、【事务】的支持(依赖于Producer幂等) (exactly-once)

3.High Level和Low Level

• 将仅支持zookeeper维护offset方式的 高级抽象的API称为 Low Level Api,高度抽象,
• 将支持kafka broker 维护offset方式 抽象低的API的称为 High Level API ，
  High level consumer vs. Low level consumer
  官方解释(看最下面的描述)

4. 消息(生产)幂等

每个Topic的每个Partition对每个生产者都维护了一套ID(UUID)
生产者每次发送消息时候,消息体都带上这个ID+1，以此Broker可得知：

• 当消息的squence number等于broker维护的squence number + 1，表示消息有序且第一次消费
• 当消息的squence number小于或等于broker维护的squence number，表示重复消费额
• 当消息的squence number等于broker维护的squence number + n（n > 1），表示存在消息丢失
  参考1:Kafka Producer 幂等的原理
  参考2:上半场的幂等性设计

5. 消息的分区选择:

一条消息会根据Key被路由到某一【Partition】（key=0对应分区0）；如果没有指定key，消息会被均匀的分配到所有分区；目前我们封装的方案是，不管有没有Key，都会被随机打乱到每个分区）
每隔 topic.metadata.refresh.interval.ms 的时间，随机选择一个partition。这个时间窗口内的所有记录发送到这个partition。发送数据出错后也会重新选择一个partition
对key求hash，然后对partition数量求模: Utils.abs(key.hashCode) % numPartitions
代码: kafka.producer.async.DefaultEventHandler#handle

6. Kafka支持的消息发送模式

At most once 消息可能会丢，但绝不会重复传输(例:读到先Commit,再处理)
At least one 消息绝不会丢，但可能会重复传输(例:读到先处理,再Commit)
Exactly once 每条消息肯定会被传输一次且仅传输一次，很多时候这是用户所想要的 (0.8.2版本还不支持)

7. 高可用
   kafka默认会重试3次

8. 零碎小点

   1. Kafka实现的是客户端软负载: 让producer决定丢到哪个partition里
   2. Consumer端仅支持pull模式，这也有利于让Consumer端决定消费速率
   3. Consumer不能消费太久(如Sleep),因为Kafka会认为程序宕了,分区会重新进行分配,把消息分给其他的Consumer (相关配置项: max.poll.interval.ms)
   4. Consumer每次可从Kafka取max.poll.records条数据进行处理
   5. 如果想要消息有序 那么就得保证同个业务key的消息都是发到1个分区里

Redis-Sentinel&Jedis

通过Sentinel集群获取Redis主节点原理

SF-Sentinel中配置Redis链(mymaster1,mymaster2,mymaster3)，然后获取每一条链的Master，进行初始化Redis连接池
原生的Sentinel中配置Redis链，然后获取该链的Master，进行初始化Redis连接池

Jedie的Key是如何被存入Redis的某个节点的

参考:Jedis之ShardedJedis一致性哈希分析

Jedis初始化时会初始化160个虚拟节点，160个虚拟节点通过Map（Map<ShardInfo, R> resources）映射到实际的Redis-Master节点
Jedis在Set key时会对Key分片计算（计算落在160个节点的哪一个），然后再根据虚拟节点与实际节点的映射，把指令发给实际的节点
参考代码：
redis.clients.util.Sharded#initialize
redis.clients.util.Sharded#getShard(byte[])

Redis-Sentinel模式是如何扩容的

空

Jedis一致性分析

2019-11-28

git rebase -i HEAD~2

pick：保留该commit（缩写:p）
reword：保留该commit，但我需要修改该commit的注释（缩写:r）
edit：保留该commit, 但我要停下来修改该提交(不仅仅修改注释)（缩写:e）
squash：将该commit和前一个commit合并（缩写:s）
fixup：将该commit和前一个commit合并，但我不要保留该提交的注释信息（缩写:f）
exec：执行shell命令（缩写:x）
drop：我要丢弃该commit（缩写:d）

Hibernate 基本知识

• inverse属性表示本实体是否拥有主动权
  inverse只有在非many方才有，也就是many-to-many或者one-to-many的set,List等

2019-11-25

数据库count()

官方解释

Returns a count of the number of non-NULL values of expr in the rows retrieved by a SELECT statement. The result is a BIGINT value.
返回行中 expr 的非 NULL 值的计数

count(*) 和 count(1)

5.7.18以后，两个函数执行计划都是一样的

• 如果该表没有任何索引，那么会扫描全表，统计行数
• 如果该表只有一个主键索引，没有任何二级索引的情况下，那么通过主键索引来统计行数的
• 如果该表有二级索引，则会通过占用空间最小的字段的二级索引进行统计

count(column）

如果字段定义为not null，则按行累加，如果允许有null，则会把值取出来判断一下是不是null，将不是null的值累加返回。

MyISAM 与 InnoDB

• MyISAM会记录每个表的行数，count()时直接返回
• InnoDB会通过扫描全表或索引，得到行数
• 在使用count函数中加上where条件时，在两个存储引擎中的效果是一样的，都会扫描全表计算某字段有值项的次数

DB select count速度

count(*)=count(1)>count(primary key)>count(column)

参考

MySQL原理：count(*)为什么这么慢，带你重新认识count的方方面面

2019-11-22

[垂直]分库分表

目标

通过减少数据量，提升性能

原则

• 长度较短，访问频率较高的属性尽量放在一个表里，我们将其称为主表(base表)
• 字段较长，访问频率较低的属性尽量放在一个表里，我们将其称为扩展表(ext表)
• 经常一起访问的属性，也可以放在一个表里(备选)

大数据量场景注意事项

• 不能用Join
  解决方式: 让应用自己拆分成两次查询

• base表和ext表不能Join，因为一旦Join了，那么两张表就出现了耦合，这不利于日后拆表到别的数据库实例上
• Join很消耗数据库的性能(分布式场景下,瓶颈往往是数据库)

提高性能的原理

• 减少单表的数据量，减少磁盘IO（降低每行记录大小）
• 更好的利用缓存

因为减少单表数据量还可以充分利用数据库缓存，减少磁盘IO

2019-11-20

数据库基本知识

MyISAM与InnoDB索引的区别

MyISAM:

• MyISAM不存在聚集索引,主键索引与普通索引没区别，叶子节点都是存储的都是数据的地址

InnoDB:

• InnoDB必然有[一个]聚集索引（为主键索引,没主键时会用第一个非空普通索引，都没有会生成一个基于行号的聚集索引）

select * from t where name=‘lisi’;
会先通过name辅助索引定位到B+树的叶子节点得到id=5，再通过聚集索引定位到行记录

违反唯一索引场景:
MyISAM会出现一个update语句，部分执行成功，部分执行失败(因为不支持事务)

2019-11-11

Elastic-Job

1. 运行规则:

   3台机器的一个集群 ,shardingCount=10 ,分片结果为：1=[0,1,2,9], 2=[3,4,5], 3=[6,7,8] (参考AverageAllocationJobShardingStrategy)
   如果本机的数据分片分到了多个分片（即一个JVM进程分到了多个分片），则Elastic-Job会为每一个分片去启动一个线程来执行分片任务

2. 线程:

   每个任务对应一个线程池,其默认线程数为: 2*逻辑核心数(参考DefaultExecutorServiceHandler)
   线程池配置为: new ThreadPoolExecutor(threadSize, threadSize, 5L, TimeUnit.MINUTES, workQueue, new BasicThreadFactory.Builder().namingPattern(Joiner.on("-").join(namingPattern, "%s")).build()); (参考ExecutorServiceObject)

3. 问题:

   要注意单机线程数要 大于 单机获取到的分片数 - 参考 《Elastic job 线程模型 源码分析》
   一个jvm实例 处理多个 job ， 每个job 在该实例上分片数又大于逻辑核心数*2 的数量
   
   随着job不断增加 ， 单个job任务执行时间可能会变长 ，有可能超过平时的任务完成超时时间 ，造成任务失败

   举个例子:
   如果一台机器 处理器数 2 ， 线程池 就是 4 ， 如果 分片是 5 ， 就是说 一个分片会被排队 ，实际完成时间 >2 个分片 完成时间

Elastic-Job其他

1. 失效转移

- 参考

1. 【简单的HA】版失效转移 (默认)
   在作业节点下线，或者zk的session超时（默认60s）时，会在下一轮任务分片时，把这个该问题节点的分片分给别的正常节点进行作业 （可能会存在作业重复处理的问题）

2. 【真正的】'失败’转移 (需要开启)
   当failover（默认值为false） 配置为true时，才会启动真正的失效转移；
   当failover（默认值为false） 和 monitorExecution（默认值是true）这两个配置都为true时 只有对monitorExecution为true的情况下才可以开启失效转移；
   如果任务1在A节点执行【失败】，那么会【转移】给别的存活的节点【竞争】执行这个任务1；

- 参考
- 官方参考

2019-08-26

官方参考

MySQL锁

• InnoDB锁机制是基于索引建立的
• 如果SQL语句中匹配不到索引,那么就会升级为表锁

记录锁

-- id 列为主键列或唯一索引列
SELECT * FROM table WHERE id = 1 FOR UPDATE;
或
update table set age=2 WHERE id = 1;

通过唯一索引实现的记录锁,只会锁住当前记录(必须为=不然会退化为临键锁)

间隙锁

• 间隙锁只有在事务隔离级别 RR(可重复读)中才会生效.
• 为非唯一索引组成(如class,age等)

select student where age>26 and age<28 lock in share mode ; -- 这里以读锁为例

使用间隙锁的条件

• 命中普通索引锁定；
• 使用多列唯一索引；
• 使用唯一索引命中多行记录

临键锁(Next-key Locks)

• 临键锁只有在事务隔离级别 RR(可重复读)中才会生效.
• 是记录锁与间隙锁的组合
• 可以是唯一索引,也可以是非唯一索引,对其都以间隙锁的形式进行锁定(以唯一索引匹配,并且只匹配到一条数据除外)

临键锁(Next-key Locks) 例子:

tno(唯一索引)	tname	tsex	tbirthday	prof	depart	age(非唯一索引)
858	张旭	1	1969-03-12	讲师	电子工程系	25
857	张旭	女1	1969-03-12	讲师	电子工程系	25
856	张旭	男	1969-03-12	讲师	电子工程系	25
831	刘冰	女	1977-08-14	助教	电子工程系	29
825	王萍	女	1972-05-05	助教	计算机系	28
804	李诚	男	1958-12-02	副教授	计算机系	26

其中有唯一索引的临键为:
(-∞,804]
(804,825]
(825,831]
(831,856]
(856,857]
(857,858]
(858,+∞]

其中有非唯一索引的临键为:
(-∞,25]
(25,26]
(26,28]
(28,29]
(29,+∞]

非唯一索引临键锁验证

-- session1
select * from teacher WHERE age between 26 and 28 lock in share mode ;

这时候会锁定非唯一索引的临键 (25,29]
所以我们测试更新age=25–>成功 插入age=27阻塞 更新age=29阻塞 插入age=30成功即可验证

-- session2
-- 更新age=25-->成功
update teacher set tsex='女1' WHERE age=25;

-- 插入age=27阻塞
insert into `test`.`teacher` ( `tno`, `tname`, `tsex`, `tbirthday`, `prof`, `depart`,`age`) values ( '740', '张旭1', '12', '1969-03-12 00:00:00', '讲师', '电子工程系',27);

-- 更新age=29-->阻塞
update teacher set tsex='女1' WHERE age=29;


-- 更新age=30-->成功
insert into `test`.`teacher` ( `tno`, `tname`, `tsex`, `tbirthday`, `prof`, `depart`,`age`) values ( '740', '张旭1', '12', '1969-03-12 00:00:00', '讲师', '电子工程系',30);

唯一索引临键锁验证

-- session1
select * from teacher WHERE tno between "831" and "856" lock in share mode ;

根据上面的sql,我们匹配到唯一索引临键锁为:(825,857]
所以我们测试更新tno=825–>成功 更新tno=857阻塞 更新age=858成功即可验证

-- 更新tno="825"-->成功
update teacher set tsex='女1' WHERE tno="825";
-- 更新tno="857"-->阻塞
update teacher set tsex='女1' WHERE tno="857";
-- 更新tno="858"-->成功
update teacher set tsex='女1' WHERE tno="858";

2019-08-22

Spring事务/AOP增强

• @EnableAspectJAutoProxy(exposeProxy = true)

1. 进入代理时,通过AopContext.serCurrentProxy(proxy)把当前代理设置到ThreadLocal中
2. 后续在线程销毁(请求结束)前调用代理内部之间的调用就可以通过((AService)AopContext.currentProxy()).b()进行调用了
3. PS. 性能影响不大 不过实际上代理内部之间还需要AOP增强的场景不多,一般没必要用

Spring LTW实现的静态织入（应该不能叫做代理）

• 需要添加配置：

1. 代码添加: @EnableLoadTimeWeaving(aspectjWeaving=ENABLED)或<context:load-time-weaver aspectj-weaving="enable" />
2. 添加JVM参数-javaagent:类加载器代理路径

1. LTW(LoadTime Weaving)
   加载时织入。在通过JVM加载类时候会先调用ClassTransformer的transform()进行字节码替换后才会进行加载。

2. 静态AOP
   通过LTW可以实现静态AOP增强，加载到的类就是已经增强后的代码。这样我们调用方法的时候,直接就是调用了增强后的方法,比起动态代理的调用,更加地高效。

上述流程大致如下所示:

graph TD
A[Target]
B[增强后的字节码]
C[加载后的代码]
D[注入后的Bean]
E[调用方]
A--ClassTransformer的transform方法进行字节码植入-->B
B--JVM加载-->C
C--Spring使用,创建/注入Bean-->D
E--方法调用-->D

2019-08-01

Spring事务

对于this.b()这些类实例的内部调用，b()实际上是无事务的
但是可以用((AService)AopContext.currentProxy()).b() 结合@EnableAspectJAutoProxy(exposeProxy = true) 这样b()就包裹在事务里了

2019-7-20

seata

• seata需要管理所有的数据库操作，不然不能通过前镜像进行回滚

2019-7-17

Spring事务/Cglib

1. final,static,private修饰符无法被增强

由于使用final,static,private修饰符的方法都不能被子类覆盖，相应的，这些方法将不能被实施的AOP增强

2. 增强应该作用在实现类中

@Transactional 注解可以作用于接口、接口方法、类以及类方法上，但是 Spring 建议不要在接口或者接口方法上使用该注解，因为这只有在使用基于接口的代理时它才会生效。

2019-5-20

【GC日志】GC耗时解析

【Time: user=0.71 sys=0.01 real=0.02 secs】

1. user表示：本次GC过程中【所有线程】在用户态消耗的时间总和
2. sys表示： 本次GC过程中 【所有线程】在内核态所消耗的时间总和
3. real表示：本次GC过程中，实际GC消耗的时间

2019-5-1

数据库MVCC

• MVCC：多版本并发控制(Multi-Version Concurrency Control)
• 优势：查询速度快，并发环境尤是。对于大多数读操作，我们只需要通过MVCC进行简单的查询操作，而不需要获取任何一个锁。
• 劣势：需要多存储数据。对每一条记录都需要存储所有版本的数据
• MVCC只工作在REPEATABLE READ和READ COMMITED隔离级别下
• READ UNCOMMITED不是MVCC兼容：因为这个模式只能读取到最新的数据
• SERIABLABLE也不与MVCC兼容：因为每个读操作都需要为读到的数据上锁

MVVC机制：

• 以下摘自《五分钟搞清楚 MVCC 机制》

1. 每一条数据库表记录,都隐藏2个字段

   • 数据行的版本号 （DB_TRX_ID）
   • 删除版本号 (DB_ROLL_PT)

2. 执行insert语句插入的时候,会把当前的事务ID写到该记录的数据行的版本号 （DB_TRX_ID）中:

   begin;-- 获取到全局事务ID 假设为2
   insert into `test_zq` (`id`, `test_id`) values('5','68');
   commit;-- 提交事务

   id	test_id	DB_TRX_ID	DB_ROLL_PT
   5	68	2	NULL
   6	78	1	3

3. 修改数据库记录的时候

   1. 更新原记录的删除版本号 (DB_ROLL_PT)为当前事务ID
   2. 插入一行新的更新后的记录,且它的数据行的版本号 （DB_TRX_ID）为当前事务ID

   begin;-- 获取全局系统事务ID 假设为 10
   update test_zq set test_id = 22 where id = 5;
   commit;

   id	test_id	DB_TRX_ID	DB_ROLL_PT
   5	68	2	10
   6	78	1	3
   5	22	10	NULL

4. 查询的时候需要根据数据行的版本号 （DB_TRX_ID） 和 删除版本号 (DB_ROLL_PT) 二者进行数据数据筛选，需要同时满足以下规则：

   1. 数据行的版本号 （DB_TRX_ID） <= 当前事务
   2. 删除版本号 (DB_ROLL_PT) > 当前事务

   begin;-- 假设拿到的系统事务ID为 10
   select * from test_zq;
   commit;

   id	test_id	DB_TRX_ID	DB_ROLL_PT
   6	22	10	NULL

2019-04-24

Spring的Lifecycle (SpringAppilication生命周期)

Spring会拿到所有Lifecycle实现类，然后委托DefaultLifecycleProcessor进行逐个处理

• Lifecycle 可以在SpringAppilication在初始化后执行start()方法,Spring停止的时候调用stop()方法
• 但是单单实现该类不能实现SpringAppilication在启动后,停止时调用Lifecycle对应的方法
• 这时候我们应该需要使用SmartLifecycle（Lifecycle的子类）,重写isAutoStartup()返回true，才能产生理想效果

2019-04-23

关于测试类的规范

1. 单元测试应该是不依赖于别的单元测试的
2. 所有单元测试应该都得回滚，如果存在异步处理的情况，应尽可能把主线程与fork线程拆成2个测试类方法进行测试
3. 每个测试类／测试方法应写上对应的名称@DisplayName
4. 每个接口，都必须写一个正向测试方法
5. 关于测试类的类名：测试类与被测试的类的路径需要一致，名字也需要对应，如：

com.fpx.wms.service.impl.InstockServiceImpl
↓对应↓
com.fpx.wms.service.impl.InstockServiceImplTest

6. 关于测试类的方法名： 方法名尽可能为成功的条件如shouldSuccessAfterPay()，而方法具体用来测试哪个场景的，我们已经使用了@ DisplayName来描述，无须担心
7. 对于结果，需要适应assert断言输出与结

2019-04-22

Spring @Lookup

作用

在单例A里 可能依赖到原型类型B,这时候如果用普通的Autowrite不能拿到原型的B，这时候就需要使用@Lockup了

使用参考

• 参考地址
• 官网地址参考地址

2019-04-21

架构设计三大原则

• 合适原则
• 简单原则
• 演化原则

即，合适优于先进，简单优于复杂，演化优于一步到位
→能不分，尽可能不分

2019-03-20

策略模式 vs 命令模式

1. 策略模式

策略模式针对一个命令,多种实现方式

2. 命令模式

命令模式针对多个命令,每种命令都有各自的实现

3. 总结

命令模式等于菜单中的复制，移动，压缩等，而策略模式是其中一个菜单的例如复制到不同算法实现。

2019-03-15

策略模式 vs 代理模式

1. 策略模式

需要调用方告知具体的策略

2. 代理模式

需要调用方告知使用哪个[代理类]
具体的【被代理类】由【代理类】生成，客户端不知道具体被代理的是谁

2.1 动态代理

需要调用方告知[被代理类]及其接口

3.One More Thing

以上模式都需要客户端告知具体的[策略]/[代理]/[被代理者]
为了使实现其与调用方进行隔离,可以使用[**工厂模式**]进行隔离

2019-03-12

Spring循环依赖

场景现有3个类相互依赖，依赖关系分别为：

graph LR
A-->B
B-->C
C-->A

场景细分为3种

1. 构造注入参数循环依赖(报错)
   报错

根据Spring初始化方式,Spring容器会按照顺序创建"无属性"的A放到“当前创建Bean池”中，同理再B、C、A，但是在再次创建A的时候发现“当前创建Bean池”已经存在A了，那么这时候会报错循环依赖

2. Setter注入的循环依赖(单例)

没毛病，在set的时候对象ABC都已经实例化放在Spring缓存了好了

3. Setter注入的循环依赖(prototype)
   报错

prototype修饰的bean不会被Spring缓存,都是使用的时候当场创建的

Spring注入方式选择

结合上面的循环依赖问题，Setter出现问题的概率会低一些 推荐使用Setter注入

1. 构造注入
2. Setter注入
3. 接口注入(没用过)

2019-03-11

一、集合操作

遍历

1. Enumeration(JDK1.0)
   • 只提供读集合相关功能，因为没有fail-fast，速度较快一点
2. Iterator(推荐)
   • 除了读功能，还有删除集合元素的能力，并且支持fail-fast（防止多线程同时对集合修改的一种机制）

修改

正例：

以List为例子,先得获取他的Iterator,通过iterator来进行修改操作


反例：

使用增强型foreach进行add/remove操作：

因为增强型foreach实际上是使用iterator实现的java语法糖:

List<String> userNames = new ArrayList<String>() {{
    add("test1");
    add("test12");
    add("test13");
    add("test14");
}};
for (String userName : userNames) {
    if (userName.equals("test12")) {
        userNames.remove(userName);
    }
}

编译后

List<String> userNames = new ArrayList<String>() {
    {
        this.add("test1");
        this.add("test12");
        this.add("test13");
        this.add("test14");
    }
};
Iterator var1 = userNames.iterator();

while(var1.hasNext()) {
    String userName = (String)var1.next();
    if (userName.equals("test12")) {
        userNames.remove(userName);
    }
}

所以实际上for (String userName : userNames) 这里每次都会去调用itertor.next()
如果你在迭代期间,操作了list.add()和list.remove()等不通过Iterator的操作
next()里会去调用checkForComodification()方法
然后发现modCount != expectedModCount 抛出异常

因为list.add()和list.remove()等不通过Iterator的操作,是不会修改expectedModCount的

其它

• fail-fast：

防止多线程同时对集合修改的一种机制

• modCount：

****List**中的一个成员变量。它表示该集合实际被修改的次数

• expectedModCount：

是 ****List**中的一个内部类——Itr中的成员变量

二、Hystrix

1. Feign-starter包含Hystrix以及ribbon(只用他的均衡负载 http请求还是用feign自己的)
2. 一个@FeignClient对应一个线程池或信号量
3. 隔离
   • 线程池隔离

   tomcat的请求线程会交给线程池的线程处理
   超过线程池会排队或者降级，一个线程池对应的服务挂了，不会影响别的线程池的服务

   • 信号量隔离

   只作为开关
   并发数超过X服务的信号量,多出来的Tomcat请求将会被拒绝

---

2019-03-09

2019-03-05

一、StringBuilder在高性能场景下的正确用法

StringBuilder在高性能场景下的正确用法(文中代码打错了一些字…)

• 正确写法应该是这样↓
  StringBuilderUtil.java

2019-03-01

一、分布式锁

从需求上说，分布式锁要求是不一样的：

1. 如果是用于聊天等社交场景,那么可以使用AP的分布式锁:Redis
2. 如果是用于交易等不允许极端情况下获取锁不一致的，那么AP的Redis锁是不能接受的，这时候一定得用CP的分布式锁,如:etcd Zookeeper这一类

2019-02-22

一、ThreadLocal

1. 每个线程都有一个ThreadLocalMap,ThreadLocalMap以Entry的形式保存着各个线程自己的数据

2. Entry为一个WeakReference,以你new的ThreadLocal为Key

3. 基于2.当你new的ThreadLocal没被外部强引用时,线程该Thread下对应该ThreadLocal的Entry会在下次GC被回收

4. 当一条线程创建了多个ThreadLocal，多个ThreadLocal放入ThreadLocalMap 会极大地增加冲突概率

5. ThreadLocalMap对冲突的处理方式与普通HashMap的链表处理不一样，而是以原来的位置+1，一直寻找到没有冲突的地方存入

6. ThreadLocal在ThreadLocalMap中是以一个弱引用身份被Entry中的Key引用的

7. ThreadLocal.remove(),移除ThreadLocalMap与Entry的关系，释放内存

2019-02-17

一、常量池

常量池包含:

1. class常量池 存在于class文件中
2. 运行时常量池 存在于方法区中 一个类对应一个运行时常量池
3. 字符串常量池 全局唯一 JDK6存在于方法区(独立于运行时常量池) JDK6以后存在于堆中

二、字符串加载到字符串常量池的2种方式

graph LR
A[编译后的class文件中的class常量池]
B[运行时常量池*N]
C[字符串常量池]
D[Java代码运行]
A-->B
D-->B
B-->C

2019-01-28

Mybatis

一级缓存

(范围为一个SqlSession)
有Session/STATEMENT级别:

• 默认是SESSION 级别，即在一个MyBatis会
  话中执行的所有语句，都会共享这一个缓存。
• 一种是STATEMENT 级别，可以理解为缓存只对当前执行的
  这一个Statement 有效

二级缓存

基于mapper
二级缓存开启后，同一个namespace下的所有操作语句，都影响着同一个Cache，即二级缓存被多个SqlSession共享

• 补充: 缓存为本地缓存, 在集群部署的系统里开启后,会导致A1查询与A2查询结果不一致的问题 看情况开启,一般为关闭;或者使用Redis等工具使用统一的第三方缓存

2018-11-06

一、 分布式事物要看场景的

举个例子:

1. 流量充值涉及到订单支付，金钱交易严格用tcc;
2. 订单支付完后要给用户增加积分，这个必要成功，用最终消息一致性方案;
3. 订单支付完后还要给用户发送一条短信，短信一般是跟电信运营商的第三方接口对接，有可能成功有可能失败，用最大努力通知方案