A1L__的博客

串、数组和广义表串：内容受限的线性表数组、和广义表：线性结构的推广串（string）零个或多个任意字符组成的有限序列s(串名)="a1a2a3a4...an(串值) 串长n"子串：串中任意个连续字符组成的子序列（含空串）称为该串的子串。例如，“abcde”的子串有“”，“a”,"ab","abc","adcd"和“abcde”等真子串是指不包含自身的所有子串主串：包含子串的串相应的称为主串字符位置：字符在序列中的序号为该字符在串中的位置子串位置：子串第一个字符在主串中的位置空格串：

这里主要使用日志的方式进行debug。

我的插件主要是解开token王header里面塞了三个参数，在调试过程中已经完成。1、在本地安装(基于当前目录中的.rockspec)在加载过程中难免会有错误，需要自己打日志排查。2、打包已安装的文件。

这里主要使用日志的方式进行debug。

​ 最简单的理解和配置consumer的方式是,将其于用户进行一一映射,即一个consumer代表一个用户（或应用）.但是对于KONG而言,这些都无所谓. Consumer的核心原则是您可以为其添加插件,从而自定义他的请求行为. 所以,或许您会有一个手机APP应用,并为他的每个版本都定义一个consumer, 又或者您有一个应用或几个应用,并为这些应用定义统一个consumer,这些都无所谓.

这里参考DB-less-Mode，因为使用的是yaml配置文件的形式，所以所有的相关配置只需要往初始化的kong.yml文件中添加就可以了，就像nginx的配置文件。

这里以Centos为例。

使用批量处理的方式来提升系统吞吐能力。基于磁盘文件高性能顺序读写的特性来设计的存储结构。利用操作系统的 PageCache 来缓存数据，减少 IO 并提升读性能。使用零拷贝技术加速消费流程。

接受消息会重复这一现状，然后通过一些方法来消除重复消息对业务的影响。

现在主流的消息队列产品都提供了非常完善的消息可靠性保证机制，完全可以做到在消息传递过程中，即使发生网络中断或者硬件故障，也能确保消息的可靠传递，不丢消息。绝大部分丢消息的原因都是由于开发者不熟悉消息队列，没有导致的。虽然不同的消息队列提供的 API 不一样，相关的配置项也不同，但是在保证消息可靠传递这块儿，它们的实现原理是一样的。

​ 之前提到的事务ACID大部分传统的单体关系型数据库(Mysql Oracle)都完整的实现了 ACID，但是，对于分布式系统来说，严格的实现 ACID 这四个特性几乎是不可能的，或者说实现的代价太大，大到我们无法接受。​ 分布式事务就是要在分布式系统中的实现事务。在分布式系统中，在保证可用性和不严重牺牲性能的前提下，光是要实现数据的一致性就已经非常困难了，所以出现了很多“残血版”的一致性，比如顺序一致性、最终一致性等等。

每种消息队列都有自己的一套消息模型，像队列（Queue）、主题（Topic）或是分区（Partition）这些名词概念，在每个消息队列模型中都会涉及一些，含义还不太一样。为什么出现这种情况呢？因为没有标准。曾经，也是有一些国际组织尝试制定过消息相关的标准，比如早期的 JMS 和 AMQP。但让人无奈的是，标准的进化跟不上消息队列的演进速度，这些标准实际上已经被废弃了。

消息队列作为使用最广泛、生命力最旺盛的中间件，无论技术如何发展，都离不开分布式系统的最基本需求：通信。它涉及的底层技术是非常全面的，比如：高性能通信、海量数据存储、高并发等。并且，消息队列具有功能简洁、结构清晰的特点，入门简单但具有足够的深度，适合用来进行深入地分析和学习学好消息队列，不应该仅仅停留在使用层面上，还需要深入了解它的。但是要注意循序渐进，由浅入深地去学习。

passwd。

在事故处理中，让：每个人清楚自己的职责是非常重要的。有点反直觉的是，明嘶职费反而能够使每个人可以更独立自主地解决问题，因为他们不用怀疑和担心他们的同事都在干什么。如果一个人目前要处理的事情大多了，该人需要向计划负责人申请更多的人力资源。他们应该将一部分任务交接给其他人，有的时候这些人应该负责在事故流程管理系统中创建更多的子事故（即用来通知公司其他相关部门等。）另外一种方式是，某个负责人可以将某个系统组件完全交给同事来处理，由该同事直接向负责人汇报情识。以下是系统中可以分配给某个人的角色。

ConfigMap 是一种 API 对象，用来将非机密性的数据保存到键值对中。使用时，可以将其用作环境变量、命令行参数或者存储卷中的配置文件。ConfigMap 将你的环境配置信息和解耦，便于应用配置的修改。ConfigMap 并不提供保密或者加密功能。如果你想存储的数据是机密的，请使用， 或者使用其他第三方工具来保证你的数据的私密性，而不是用 ConfigMap。

希尔排序(Shell Sort)是插入排序的一种，它是针对直接插入排序算法的改进。希尔排序又称缩小增量排序，因 DL.Shell 于 1959 年提出而得名。它通过比较相距一定间隔的元素来进行，各趟比较所用的距离随着算法的进行而减小，直到只比较相邻元素的最后一趟排序为止。希尔排序时间复杂度是 O(n^(1.3-2))，空间复杂度为常数阶 O(1)。希尔排序没有时间复杂度为 O(n(logn)) 的快速排序算法快 ，因此对中等大小规模表现良好，但对规模非常大的数据排序不是最优选择，总之比一般 O(n^2 )

树表的查找当表插入，删除操作频繁时，为维护表的有序性，需要移动表中很多记录改用动态查找表----几种特殊的树表结构在查找过程中动态生成对于给定值key若表中存在，则成功返回；否则，插入关键字等于key的记录二叉排序树二叉树排序树（Binary Sort Tree）又称为二叉搜索树、二叉查找树定义：二叉排序树或是空数，或是满足以下性质的二叉树：若其左子树非空，则左子树上所有节点的值均小于根节点的值；若其右子树非空，则右子树上所有节点的值均大于等于根节点的值；其左右子树本身又各是

将实例化对象的方法 给新的对象用class SharedKls: def __setattr__(self, key, value): if not hasattr(SharedKls, key): if callable(value): # 是否可以调用 # 不加staticmethod，会默认传self value = staticmethod(value) s

哈夫曼树及其应用判断树：用于描述分类过程的二叉树假设 小于60分的同学有5% 60-70 15% 70-80 40% 80-90 30% >90 10%显然：两种判别树的效率是不一样的问题：能不能找到一种效率最高的判别树呢？ 这就是哈夫曼树(最优二叉树)研究的问题哈夫曼树基本概念树的路径长度：从树根到每一个节点的路径长度之和，记作TL权将树种结点赋给一个有着某种含义的数值，则这个数值称为该结点的权节点的带权路径长度从根节点到该结点之间的路径长度与该节点的权的乘积