dzhou1991的博客

原创 RedissonClient 使用举例

RedissonClient的接口结构包括以下常见方法及其用途：getBucket(String name): 获取一个存储简单对象的桶，用于操作Redis中的简单数据。getMap(String name): 获取一个Map对象，用于操作Redis中的哈希数据结构。getList(String name): 获取一个List对象，用于操作Redis中的列表数据结构。getSet(String name): 获取一个Set对象，用于操作Redis中的集合数据结构。

原创 RedisTemplate方法汇总

RedisTemplate提供了一系列方法来对Redis中的数据进行操作，包括对字符串（String）、列表（List）、集合（Set）、散列（Hash）和有序集合（ZSet）等数据结构的操作。通过以上的介绍，我们可以看到RedisTemplate提供了丰富的方法来操作Redis中的数据，使得在Spring应用中使用Redis变得更加方便和高效。在使用RedisTemplate进行操作时，应该注意键和值的序列化策略是否与存储在Redis中的数据匹配，否则可能会出现序列化和反序列化的问题。

原创 flink 官方文档地址

看英语费劲的记得用edge翻译 ，Google对照着看，很不错啊。Flink DataStream API 编程指南。

原创 flink为什么需要序列化数据传递到算子

算子（Operator）是数据流处理中的基本计算单元，用于对输入数据进行转换、过滤、聚合等操作。

原创 mysql--Waiting for table metadata lock

在 MySQL 中，"Waiting for table metadata lock" 错误通常发生在尝试执行 ALTER TABLE 等 DDL 操作时，表的元数据锁被其他事务占用，导致当前操作无法继续。解决方法： 通过 performance_schema.events_statements_current 找到失败的语句，并终止相关会话。解决方法： 通过 information_schema.innodb_trx 查看未提交的事务，并终止相关会话。

原创 为什么太空中时间比地面过的更快

我们的重力加速度是9.8m/s^2 ,假设太空无引力场的地方一个电梯，是9.8m/s^2加速度往上升，人在电梯上的感觉是和在地球上一样的。假设这个电梯特别高，为H，从底部发射一个光到电梯顶部；，我们的光波的频率会变低，所以，天花板的频率是比地板的低的；1/时间=频率，所以时间变大，所以天花板的时间是比地板要多的；一段光假如没有被任何东西吸收，一直传播，它的频率可能是忽高忽低的，一直在变化。其次时间是由“光钟”定义的，由光的频率决定。光发出后，其实电梯顶部在远离光源，根据。需要的时间t=H/c。

原创 网关鉴权的方式多种多样

认证方式原理核心服务端状态优点缺点适用场景​​API Key​​预共享密钥，通过签名验证无状态/弱状态简单，易于管理密钥泄露风险高机器对机器（M2M）的 API 调用​​服务端存储会话状态​​有状态​​服务端可完全控制，可立即失效需要共享存储，扩展性稍差传统 Web 应用，需要精细会话管理​​JWT​​自包含、签名的令牌​​无状态​​扩展性好，性能高，自包含无法主动失效，令牌体积大微服务内部、单页应用、移动端 API​​中央认证授权服务器颁发令牌。

原创 非对称加密使用举例

非对称加密在现代生活中的应用非常广泛：应用场景使用的非对称加密特性实际例子​​密钥交换、身份验证网上银行、电商网站​​电子邮件加密​​保密性、完整性验证商业机密通信​​数字货币​​数字签名、所有权证明比特币、以太坊交易​​SSH登录​​身份认证服务器远程管理​​代码签名​​来源验证、完整性保护软件更新、APP商店​​智能门禁​​身份认证、访问控制办公室门禁、酒店门卡这些应用都依赖于非对称加密的核心优势：​​公钥可以公开分享，私钥必须严格保密​。

原创 对称加密详解

对称加密是一种使用​​进行加密和解密的加密方法。下面我将从原理、算法、应用场景到代码实现全面介绍对称加密。

原创 简简单单区块链

difficulty可以改成8​​：表示区块链中的单个区块包含索引、时间戳、数据、前一个区块的哈希、当前哈希和随机数（nonce）方法使用 SHA-256 算法计算区块哈希方法实现工作量证明（挖矿）过程​​：管理整个区块链创建创世区块（第一个区块）addBlock()添加新区块并执行挖矿验证区块链的完整性打印整个区块链​​：扩展 Block 类以添加设置前一个哈希的方法实际应用中可能需要修改 Block 类设计​​：演示区块链的创建、添加区块和验证过程包含篡改检测演示。

原创 starrocks有哪些operator

StarRocks 的 Operator 体系是其高性能查询引擎的基石。它们通过 ​​向量化处理​​（一次处理一批数据）和 ​​Pipeline 执行​​（异步流水线，避免阻塞）实现了极高的执行效率。理解这些 Operator 的功能，对于进行 SQL 调优（例如，通过执行计划判断是否出现了不该有的CrossJoin，或HashJoin的构建端是否过大）至关重要。

原创 StarRocks 是如何进行并行计算

StarRocks 的并行计算是一个多层次、协同工作的系统：层次技术作用​​数据存储层​​分区与分桶（Tablet）将数据物理打散，为并行计算提供基础。​​查询规划层​​MPP 查询规划器（FE）将查询拆分成多个可并行执行的 Fragment，并调度到多个 BE。​​计算执行层​​MPP 计算框架（BE）多个 BE 节点同时执行计算任务，通过 Shuffle 进行数据交换。​​CPU 执行层​​向量化执行引擎。

原创 mysql查询执行的伪代码

以下是 ​。

原创 数据库类文档地址

starrocks-康凯森数据库学习资料。

原创 starrocks学习视频

https://www.bilibili.com/video/BV1ea41187KK/?spm_id_from=333.337.search-card.all.click&vd_source=933aae7f0a948cc1a0909892f9465f13https://www.bilibili.com/video/BV1ea41187KK/?spm_id_from=333.337.search-card.all.click&vd_source=933aae7f0a948cc1a0909892f9465f

原创 AST语法树应用于sql检查

语法树，就是一颗表达式的二叉树，比如获取sql where条件的 左表达式 右表达式；，判断where 条件里面是不是就是没有带条件，或者没有什么用的条件 1=1，delete_flag=0。以下是blockAttackInnerInterceptor里校验sql的方法。

原创 starrocks查询伪代码

尽可能下推到存储层，在扫描时利用索引 (前缀索引、Bloom Filter、位图索引、ZoneMap) 提前过滤掉大量无关数据块，减少 I/O 和 CPU 处理量。​，实现了极致的查询性能。它将数据处理任务分解成高效的、针对现代硬件优化的批处理操作流，最大限度地榨干了 CPU 和 I/O 的性能。​ 在列数据上执行紧凑的循环，最大化 CPU 缓存利用率。​ 只读查询需要的列，利用列存格式的压缩和编码优势。​ (数据流驱动，最小化等待) 两大核心技术，结合​。​ (所有算子处理 Batch) 和 ​。

原创 starrocks大纲

原创 简简单单搭建一个oss服务

​​OSS​​ 的全称是 ​​对象存储服务​​。你可以把它想象成一个巨大的、无限的、在互联网上的“网盘”，但它是专门为程序（而不是主要为人）来存储和读取文件而设计的。为了理解它，我们通常把它和另外两种存储方式做对比：​​块存储​​​​比喻​​：就像电脑的硬盘（C盘、D盘）。它被格式化成一种文件系统（如NTFS, ext4），你可以创建文件夹、移动文件、直接修改文件的一部分。​​特点​​：低延迟，常用于安装操作系统、数据库等需要直接读写磁盘块的场景。​​例子​。

原创 shardingsphere加载过程

​​​​ / ​​​​：Spring Boot 自动配置入口。​​​​：ShardingSphere 的入口 DataSource 实现。​​​​：分片规则配置核心。​​​​：SQL 优化器。​​​​：分片 SQL 执行引擎。​​​​：SQL 分片路由器。​​关键步骤详解​​：​​配置解析​​： ​​规则构建​​：解析 生成物理表映射。初始化分片算法（精确、范围、复合分片等）。​​路由阶段详细流程​​：​​SQL 解析​​：将 SQL 解析为抽象语法树，识别查询类型、表名、条件等。​​分片键提取

原创 kafka vs rocketmq

特性KafkaRocketMQ​​设计理念​​高吞吐、低延迟的​​实时数据流​​平台高可靠、高可用的​​业务消息​​中间件​​优势​​吞吐量极大，生态成熟（尤其大数据领域），适合日志采集、监控数据、流处理。功能丰富（重试、延迟、事务），消息可靠不丢，运维友好，适合电商、金融等核心交易场景。​​像什么​​​​高速公路系统​​，追求车流（数据流）的畅通和速度。​​顺丰/京东物流​​，追求每个包裹（消息）的准确、可靠投递。简单说：如果你需要构建一个​​实时数据管道​。

原创 jvm垃圾搜集器

垃圾回收器JDK 默认状态主要目标适用场景注意事项​​Serial​​客户端模式默认简单高效嵌入式、单核CPU会暂停所有线程，延迟高​​Parallel​​JDK 8 服务器模式默认​​高吞吐量​​后台计算、数据处理会暂停所有线程，延迟较高​​CMS​​无 （已废弃）​​低延迟​​传统Web服务（历史选择）有碎片化问题，已废弃​​G1​​​​JDK 9+ 服务器模式默认​​​​吞吐量与延迟平衡​​​​通用首选​​，大堆内存，停顿可控配置稍复杂​​ZGC​​。

原创 jvm调优

​​思路优先​​：先监控诊断，再调整验证。切忌瞎调参数。​​工具是关键​​：熟练掌握jstatjstackjmap以及 GC日志分析和 MAT 工具。​​理解原理​​：结合G1/CMS原理，才能理解为什么要这么调。​​循序渐进​​：一次只调整1-2个参数，然后观察效果，再决定下一步。

原创 springboot，mybatis，feignClient启动时序图

mybatis的加载的时序图。加载bean的时序图。

原创 mybatis +springboot启动过程详细版

整个过程的时序图可以简化为以下步骤：​​Spring Boot 启动​​：加载。​​创建 SqlSessionFactory​利用从得到的数据源，创建Spring 调用，生成真正的实例。​​扫描 Mapper 接口​) 扫描指定包下的 Mapper 接口。为每一个 Mapper 接口在 Spring 容器中注册一个，其实现类指向。​​注入并使用 Mapper​​：当 Service 层需要注入UserMapper时，Spring 发现它的定义是调用，该方法内部通过返回一个​​动态代理对象​。

原创 spring的扩展点有哪些

​​作用​​：通过 XML 配置或 Java 注解指定普通的类方法作为初始化和销毁方法，无需实现 Spring 接口。​​使用方式​​：​​XML​​:​​Java 注解​​:​​Java 注解（在方法上）​​:​​执行顺序​​：构造函数 -> 依赖注入 ->->-> 自定义。扩展点介入时机主要用途功率​​​​Bean ​​实例化/依赖注入完成​​后修改/包装/代理 Bean★★★★★​​​​Bean ​​定义加载完成​​后修改 Bean 的元数据（配置）★★★★☆​​。

原创 InvacationHandler代理实现

1. **实现 [invoke](file:///Users/x/IdeaProjects/SpringAll/54.Spring-Boot-Kafka/src/main/java/com/example/demo/FlinDemo.java#L15-L15) 方法**：这是 `InvocationHandler` 接口的唯一方法，所有代理对象的方法调用都会经过这里。3. **方法调用**：通过 `method.invoke(target, args)` 调用实际对象的方法。

原创 mybatis vs mybatis-plus

​。

原创 mybatis-plus原理

简而言之，Mybatis-Plus 通过动态代理、元数据解析、SQL 模板拼接、拦截器扩展等技术，在 MyBatis 的基础上实现了通用 CRUD 操作的零 SQL 编码和复杂查询的便捷构建，同时保持了 MyBatis 的灵活性和强大功能。​，极大地简化了单表 CRUD 操作和常见功能的开发。Mybatis-Plus (MP) 的核心原理可以理解为在 ​。

原创 K8s是什么

∙​​Docker​​：是​​打包和创建容器​​的工具。它解决了“​​应用和环境一起搬运​​”的问题。∙​​比喻​​：负责​​制造和标准化集装箱​​。∙​​：是​​自动化管理和调度大量容器​​的平台。它解决了“​​成千上万个容器如何在集群中高效、可靠地运行​​”的问题。∙​​比喻​​：负责​​指挥全球的集装箱货轮舰队​​，决定哪个集装箱放哪艘船、何时出发、如何路由、坏了如何替换。所以，在你之前了解的企业网站架构中，​​K8s​​ 就位于 ​​“支撑与运维层”​​，它和 ​​Docker​。

原创 F5和Nginx的区别

它们不是简单的“二选一”关系，在现代大型架构中，它们常常是​​协作共存​1.​​分工协作​​：​​F5​​ 作为​​全局流量调度员和安全大门​​，站在最前线，负责扛住最猛烈的流量和攻击，并将流量分发给后端的多个业务集群。​​Nginx​​ 则作为​​集群内部的交通指挥员​​，接收来自F5的流量，进行更精细化的路由，分发到具体的微服务上。2.​​适用场景​∙​​选择 Nginx​。

原创 网站架构图

原创 7层的API网关

特性4层 (L4) 负载均衡7层 (L7) API网关​​工作层面​​传输层 (TCP/UDP)应用层 (HTTP/HTTPS)​​决策依据​​IP地址、端口URL路径、HTTP方法、Header、Cookie等​​主要能力​​网络流量分发、高可用​​路由、认证、限流、熔断、日志、聚合​​​​比喻​​快递分拣员智能前台总监 + 安全保安 + 流量警察​​所以，为什么要7层？​​因为现代微服务架构的复杂度已经远远超出了“根据IP和端口转发流量”的需求。

原创 普通MYSQL数据库是怎么做sum操作的

MySQL 的SUM()操作实现是一个结合​​的高效过程。

原创 elastic search 是如何做sum操作的

简单来说，Elasticsearch SQL 的SUM操作是通过将其​​来实现的，具体来说是sum度量聚合（Metric Aggregation）。

原创 flink 伪代码

1.创建作业图list：source数据源，mapper处理算子，sink输出算子提交。3.jobmaster 添加一个作业 id：job，里main含有job图。4.生成执行图，里面装的是执行ExecutionVertex。2.加入jobmanager。5.给执行图分配slot。

原创 大数据相关总结

原创 LocalResolver使用

如果你没有显式配置它根据 HTTP 请求头中的来决定语言环境。场景使用哪种 LocaleResolver前后端分离项目，前端控制语言需要记住用户语言偏好用户登录后语言绑定到会话固定语言用于测试从 token/header/param 获取✅ 自定义多租户、数据库动态配置✅ 自定义如果你能提供你的或相关配置代码片段，我可以帮你更具体分析你当前用的是哪个。

原创 alibaba-JSONObject使用

在阿里巴巴的项目中，通常使用的是 `com.alibaba.fastjson.JSONObject`，这是阿里巴巴开源的 fastjson 库的一部分。String jsonString = "{\"name\":\"张三\",\"age\":30,\"isStudent\":false}";11. **序列化和反序列化 Java 对象**6. **处理嵌套的 JSONObject**user.setName("张三");10. **遍历 JSONObject**1. **创建 JSONObject**

原创 Jackson使用

你可以通过实现 `JsonSerializer` 和 `JsonDeserializer` 接口来自定义序列化和反序列化的过程。#### 自定义序列化示例@Override#### 自定义反序列化示例// ... 其他代码 ...// 反序列化@Override// 自定义反序列化逻辑// 解析 JSON 并返回 User 对象Jackson 提供了丰富的功能来处理 JSON 数据，能够满足各种复杂的应用场景。