知识点查漏补缺 当线程池中的任务执行异常时，该任务的执行线程会正常结束任务的运行，并且该线程会回到线程池中准备承接其他任务的执行。这与任务正常执行完成的情况是一样的。：如果任务抛出异常，线程池中的执行线程也会停止当前任务的执行，不会打印异常，会把异常封装给Future，在future.get()结果时才打印异常。如果线程池中的任务在执行过程中抛出异常，线程池本身并不会捕获任务中的异常，而是将异常抛给任务的调用者。在 Java 中，线程池中的任务抛出异常时，线程池的行为取决于任务执行时发生异常的位置以及线程池的配置。
多租户架构解析 设计和实现一个多租户架构需要考虑许多关键因素。动态数据源：通过等机制，根据当前请求的租户ID动态切换数据源。连接池：为每个租户配置独立的数据库连接池，提升性能。租户信息获取：通过请求参数、头信息、Session等方式获取租户ID，并在全局上下文中进行管理。性能优化：合理配置连接池、缓存与数据库查询，确保系统在大规模租户的情况下依然高效。特别是对于不同租户复用同一个数据库连接的情况，限制不同租户的连接资源限制尤为重要。
从零开始学架构 例如，把一个发动机和一台 PC 放在一起不能称之为一个系统，把发动机、底盘、轮胎、车架组合起来才能成为一台汽车。一个学生信息管理系统，这个系统从逻辑的角度来拆分，可以分为“登录注册模块”“个人信息模块”、“个人成绩模块”；从物理的角度来拆分，可以拆分为Nginx、 Web服务器、 MySQL。框架关注的是“规范”，架构关注的是“结构”。框架的英文是Framework，架构的英文是Architecture。“基础结构”这个概念并没有明确说是从什么角度来分解的。
Elasticsearch技术解析与实战 启动发现当Elasticsearch节点启动时，它会尝试连接到配置中的种子节点列表中的每个节点。如果节点是首次启动或需要加入一个新的集群，它会通过种子节点列表来发现集群中的其他节点。Ping操作节点之间通过Ping操作来确认彼此的存在和状态。Elasticsearch会定期向集群中的其他节点发送Ping请求，以检测节点是否仍然在线。构建集群视图通过Ping操作，每个节点都能构建出集群的完整视图，包括集群中所有节点的信息。
大数据技术生态 功能分别是分布式文件存储、资源调度和计算。这一套相当于用Yarn调度资源，读取HDFS文件内容进行MR计算。这一套的问题是使用比较麻烦，要写java代码。所以相当于这一套标准流程的SQL化。Hive可以简单理解为，Hadoop之上添加了自己的SQL解析和优化器，写一段SQL，解析为Java代码，然后去执行MR，底层数据还是在HDFS上。它的问题是运行速度慢，原因是MR，它需要频繁写读文件。这时基于内存的。
如何画好架构图 包括业务规划，业务模块、业务流程，对整个系统的业务进行拆分，对领域模型进行设计，把现实的业务转化成抽象对象。业务闭环：用户使用产品的闭环流程基于用户的某个需求或问题，梳理用户使用的业务流程，梳理参与此模块的用户、角色、场景，将核心流程完整的表述出来，形成闭环。技术架构：确定组成应用系统的实际运行组件（lvs，nginx，tomcat，php-fpm 等），这些运行组件之间的关系，以及部署到硬件的策略。技术架构主要考虑系统的非功能性特征，对系统的高可用、高性能、扩展、安全、伸缩性、简洁等做系统级的把握。
分布式架构原理与实践+解构领域驱动设计 为了完成上面的订单业务流程，将分布式系统分为了四层。客户端：这是用户与系统之间的接口。了提升用户体验，会利用 HTTP 缓存手段将部分静态资源缓存下来，同时也可以将这部分静态资源缓存到 CDN 中，因为 CDN 服务器通常会让用户从比较近的网络节点获取静态数据。负载均衡器（以下称接入层）：负载均衡器可以通过用户 IP 将用户的请求路由到不同的服务器集群。另外，在负载均衡这一层，还可以进行流量控制和身份验证等操作。
nacos源码阅读 代码学习代码用法AtomicReference参考项目使用保存白名单配置，并在合适的时候更新配置public class AggrWhitelist { /** * 判断指定的dataId是否在聚合dataId白名单。 */ static public boolean isAggrDataId(String dataId) { if (null == dataId) { throw new IllegalArgumen
高性能Mysql Mysql的结构Mysql的逻辑架构如图是Mysql各组件的架构图。第一层是连接客户端。功能比如连接处理、授权认证、安全等。第二层是服务器。它包含了Mysql的核心功能，包括查询解析、分析、优化、缓存以及所有的内置函数，所有跨存储引擎的功能都在这一层：存储过程、触发器、视图等。第三层是存储引擎。存储引擎负责Mysql中数据的存储和提取。服务器通过API与存储引擎进行通信。这些接口屏蔽了不同存储引擎之间的差异，使得这些差异对于上层的查询过程透明。这些接口函数，执行诸如“开始一个事务”、“根据主键
java开发规约 编程规约命名风格【强制】类名使用 UpperCamelCase 风格，但以下情形例外：DO / BO / DTO / VO / AO /PO / UID 等。正例：ForceCode / UserDO / HtmlDTO / XmlService / TcpUdpDeal / TaPromotion反例：forcecode / UserDo / HTMLDto / XMLService / TCPUDPDeal / TAPromotion【强制】抽象类命名使用 Abstract 或 Base
HashMap细节及Map实践 结构从结构实现来说，HashMap是数组+链表+红黑树（JDK1.8增加了红黑树部分）实现的下面简述一下hashmap的属性和重要方法put(k,v)和resize()：属性默认初始容量为16默认负载因子为0.75桶中链表节点转化为红黑树节点的桶元素个数阈值为8桶中红黑树节点转化为链表节点的桶元素个数阈值为6链表节点转化为红黑树节点的最小元素个数为64，即如果桶内元素已经达到转化红黑树阈值，但是表元素总数未达到阈值，则值进行扩容，不进行树形化//默认初始容量为16，容量必须为2的幂
java开发规约 编码规约命名规约【强制】类名使用UpperCamelCase风格，以下情形例外：DO / BO / DTO / VO / AO / UID等。正例：ForceCode / UserDO / HtmlDTO / XmlService / TcpUdpDeal / TaPromotion反例：forcecode / UserDo / HTMLDto / XMLService / TCPUDPDeal / TAPromotion【强制】常量命名应该全部大写，单词间用下划线隔开，力求语义表达完整清楚，不
Java ms总结 小米服务器端1.hashMap扩容为什么是2的幂次？减小hash碰撞，方便扩容2.G1收集器介绍一下参考1⃣️并行与并发2⃣️分代收集3⃣️可预测的停顿G1把内存划分成很多小块, 每个小块会被标记为E/S/O中的一个，从而可以垃圾回收工作更彻底的并行化它回收的大致过程是这样的:在垃圾回收的最开始有一个短暂的时间段(Inital Mark)会停止应用(stop-the-world)然后应用继续运行，同时G1开始Concurrent Mark再次停止应用，来一个Final Mark (
Hadoop Hbase Zookeeper Kafka HadoopMapReducesplit分片hadoop将mapreduce的输入数据划分成等长的小数据块，称为输入分片。hadoop为每个分片构建一个map任务，并由该任务来运行用户自定义的map函数从而处理分片中的每条记录分片是并行处理的，分片小，那么整个处理过程将获得更好的负载平衡；然后分片切的太小，那么管理分片的总时间和构建map任务的总时间将决定作业的执行时间。通常，一个合理的分片大小趋于hdfs的一个块大小，默认128MB。因为它是确保可以存储在单个节点上的最大输入块大小。如果分片跨越
关注
