qq_25037905的博客

VUE文件：/src/modules/reception/view/thirdlogin.vue<template> </template><script>import { getToken, setToken, removeToken,checkToken } from '~/commonPublic/utils/auth'import Cookies from 'js-cookie'//saas第三方登录的入口界面//http://...

KAFKA优化：Kafka消息不丢设置：1、消费者：enable.auto.commit设置成false。follower replica如果落后leader replica太多就不能参与竞选。2、服务端：unclean.leader.election.enable=false 1<min.insync.replicas <= replication.factor副本数。满足副本成功。3、生产者：retries重试设大 重试次数producer.send(ms

1、树2、二叉查找树BST；包含左子树和右子树的树，节点下最大有俩个子树，左子树节点都小于根节点，右子树节点都大于根节点。3、平衡二叉查找树AVL；它的作用是优化了二叉树减少计算量，普通的二叉搜索树是有缺陷的；如果左子树和右子树高度相差巨大，那么在运算的高度就会越多。所以左子树和右子树的高度差不超过1，就能把降低高度，把更多节点安排在层内。从而减少计算量。当发生不平衡的情况，需要旋转来使它平衡：第一次右旋得到第二次左旋得到最终我们得到一个高度2的平衡二叉搜

先分析应用场景特点，本文不讲如何用cache,讲互联网公司数据库如何使用。互联网场景：前台业务 数据量大 并发量大 数据库成为瓶颈军规优化的核心方向：降低数据库CPU计算、降低磁盘IO。 读写分离2台以上数据库，降低单台数据库的负担 增加数据cache减少数据库访问 增加SQL索引 编写优质的SQL语句SQL军规：大对象不要存储数据库里，字段存储小数据量。 不要数据库做复杂的CPU计算，非必须的计算在service层进行计算。（服务层容易通过加机器来扩展，数据库层很难不改

大家都知道like %suibin% 这种查询的效率极低，而MYSQL也建议不要这样模糊查询，常用的是把数据同步到CACHE里：1、比如同步到ES里用ES模糊查询。或者同步数据到MongoDB实现模糊查询。这样需要写SQL还需要再写一套语法通过判断切换，还要写一个数据库同步表数据的逻辑。2、其实我们可以把以上的架构设计进行改进，我就做一个mybatis插件实现，那么在组件内部实现了同步数据和查询切换。这样开发人员不需要去关心实现上述代码。下面一个方案，当然该方案里spring-jdbc,spring

flink 顶层架构：离线和实时，所有数据都是流，如果流有界比如一个小时数据，就是离线批处理，如果流是无界就是实时数据。spark顶层架构：所有处理都是有界数据的批处理，实时的是数据量比较的快速处理。flink 集成了几种常见的资源管理器：hadoop yarn,apache mesos,k8。yarn 专注大数据的资源调度管理，mesos专注通用的资源调度管理。yarn 专注大数据的资源管理，资源粗粒度管理资源利用率低一些；mesos专注通用的资源管理，资源细粒度管理资源利用率高一些，但会有一些问题。k8

2016年创业做了一个社区团购，2019年社区团购公司死了一批，2021年阿里，滴滴，京东，美团开始社区团购大战？这是什么鬼。社区团购大战，会导致5，6，7线城市的店铺小摊贩的租金下降甚至绝迹，这是2016年社区团购地推失败的主要原因:小商贩和摊主的利益链条稳固。(去年疫情导致摊主收租和小商贩的矛盾，给了社区团购新的发展机会，难怪会被政府监管，损失了农贸市场租金的核心利益)5，6，7线城市小商贩和摊主的主要利益链条:租金，供应链。社区团购全国供应链铺满之后，摊主老板可能会被迫倒闭去团购大厂的供应链上.

废话不多说。直奔主题！这是目前遇见的一个业务场景：1、为了支撑一套产品生产线，打造了一套中间件框架。这套框架集成了各种通用性功能，大大缩短了开发成本。2、你可以理解，是一套业务中台。3、我该次讲的是数据中台部分，一套支撑上层应用的数据访问层DAO。也不废话，直接说设计思路：继续说重点：这里说的是multdao如何实现整合mysql和mongodb和ES数据库.如果要整合，俩个目标：读和写。写：同步syn写，一次写记录，分别在mysql、mongodb、es里存在一条，数据