阳阳的博客

到底啥是分布式系统开发经验？https://mp.weixin.qq.com/s?__biz=MzU0OTk3ODQ3Ng==&mid=2247484872&idx=1&sn=d28383f3397ef6b250afc5c182fcb200&chksm=fba6edcbccd164dd38701a0e06a381249ebb6ad9d0205df2c605b9634688d0dd58f00a2d645a&scene=21#wechat_redirect图解 |

第一期内容​​​​​​第二期内容第三期内容mysql：如何解决幻读、锁的分类、主从复制、分库分表；redis：主从复制、热key、大key；框架：MyBatis一二级缓存、只有接口没有实现类怎么实现查询、MyBatis插件原理；分布式部分：接口幂等性、限流算法、降级与熔断；实操部分：排查慢sql；设计模式部分：原型模式、责任链模式、组合与聚合的区别；mq部分：保证消息不丢失、处理重复消息、消息有序性、消息堆积处理、mq宕机怎么保证数据不丢失、消息队列选型；linux.

本文从源码角度讲解了使用Curator获取分布式锁的流程，接着从等待锁的演化过程角度出发，分析了Zookeeper在分布式锁场景下避免羊群效应的解决方案。

一、前言上一篇文章Redis主从复制原理中简要地说明了主从复制的一个基本原理，包含全量复制、复制积压缓冲区与增量复制等内容，有兴趣的同学可以先看下。利用主从复制，可以实现读写分离、数据备份等功能。但如果主库宕机后，需要运维人员手动地将一个从库提升为新主库，并将其他从库slaveof新主库，以此来实现故障恢复。因此，主从模式的一个缺点，就在于无法实现自动化地故障恢复。Redis后来引入了哨兵机制，哨兵机制大大提升了系统的高可用性。二、什么是哨兵哨兵，就是站岗放哨的，时刻监控周围的一举一动

Zookeeper是一个分布式协调框架，提供分布式锁、配置项管理、服务注册与集群管理等功能。为了保证Zookeeper的高可用，一般都会以集群的模式部署。这个时候需要考虑各个节点的数据一致性，那么集群在启动时，需要先选举出一位Leader，再由Leader完成向其他节点的数据同步工作。本文将是Zookeeper系列的第一篇文章，从源码角度讲述Zookeeper的选举算法。

一、简单回顾三种日志在讲解两阶段提交之前，需要对MySQL中的三种日志即binlog、redo log与undo log有一定的了解。在这三种日志中，很多同学会把binlog与redo log混淆，下面使用一张表格来简单对比下两者的区别。...

Redisson是一个可以在java项目中使用的Redis客户端，其屏蔽了原子性、可重入、锁续期的诸多细节，内部实现各种各样的锁。例如可重入锁、公平锁、MultiLock与Red Lock与读写锁等，今天主要分析可重入锁与锁续期的源码。

在流量突增的场景下，为了保证后端服务在整体上一个稳定性，我们需要对请求进行限流，来避免系统崩溃。不过限流会对少部分用户的请求直接进行拒绝或者延迟处理，影响这些用户的体验。本文会介绍一些常见的限流算法，并在最后附上对分布式限流的一些思考。

核心流程解读我们从一段简单的代码入手，从头到尾分析以下其中的奥秘。如果在一个controller中调用service方法，该方法被@Transaction注解修饰。controller方法： @GetMapping("/save") public String saveStudent() { testService.save(); return "success"; }service方法： @Transactional

​我们通常使用缓存机制来提升系统的性能，缓存系统下的读写操作，一般都需要操作数据库与缓存。对于读操作，一般是先查询缓存，查询不到再查询数据库，最后回写进缓存。而对于写操作，究竟是先删除(更新)缓存，再更新数据库，还是先更新数据库，再删除(更新)缓存呢？由于对数据库以及缓存的整体操作，并不是原子性的，再加上读写并发，究竟什么样的方案可以保证数据库与缓存的一致性呢？下面介绍8种方案，配合读写时序图，希望你能从其中了解到保证一致性的设计要点。

本文将探究MySQL索引结构的技术选型，分析哈希表、二叉搜索树、AVL树、红黑树、B树与B+树各自的优缺点。解释了MySQL最终选择B+树作为其索引的组织方式的原因，并在最后增加了3道常问的面试题。

过滤器示例：@Componentpublic class MyFilter implements Filter { @Override public void init(FilterConfig filterConfig) throws ServletException { System.out.println("Filter.init"); } @Override public void doFilter(ServletRequest se

某日当我点开熟悉的界面，一个又一个请求失败的提示赫然出现在屏幕上，不会是昨晚上线的代码有问题吧？吓得我急忙按F12查看了响应——"exception":"java.lang.OutOfMemoryError","message":"unable to create new native thread"出现了内存溢出的情况，无法创建更多的本地线程。接着查看了实例的监控大盘，发现每个实例的JVM线程数量都处于9000+的规模，且还有上涨的趋势。这是其中一个实例的线程数量监控图：10.

单机Redis面临的问题单机Redis在发生故障时，由于无法做到故障转移，所以接下来的请求将会直接打到数据库。大量的查询使得数据库连接数达到峰值，且内部锁冲突严重，造成慢查询、连接超时等后果。所以这个时候，我们想着能不能将Redis数据以多副本的形式保存在多台Redis上，当发生故障时，快速地手动去切换连接的Redis?当然，Redis本身也提供了这个功能。主从模式能将Master节点的数据冗余到多台Slave上，配合哨兵模式能够快速感知Master宕机从而进行主从切换实现故障转移。

Raft节点的角色划分与任期在Raft中，有以下三种角色：Follower 跟随者所有节点的初始状态，内部都会有一个超时时间。对于每一个Follower，其超时时间是随机的。这个超时时间，规定了在倒计时结束后仍然收不到Leader的心跳，Follower就会转变为Candidate。为什么每个Follower的超时时间是随机的，改成一样的可以吗？不可以，相同的超时时间会造成多个Follower同时转变为Candidate，选票被瓜分，导致获取不到半数以上的选票，就需要进行新一轮的选举

一、事务简介与四大特性事务指的是一组命令操作，在执行的过程中，要么全部成功，要么全部失败。由引擎层支持事务，MyISAM就不支持事务，而InnoDB是支持事务的。事务具有以下四大特性（ACID）：原子性（Atomicity）：指事务不可分割，要么全部成功，要么全部失败，不可能存在部分成功或部分失败的情况。如果执行某一条语句失败后，将会触发之前所有执行过的语句的回滚，因此靠的是undo log。 一致性（Consistency）：在事务执行前后，数据的完整性没有遭到破坏。一致性是mysql追

假设我们现在做一个简单的文件缓存服务，由于文件数过多，我们先使用3台机器用来存储文件。为了由文件名（假设文件名称不重复）能得到存储的机器，考虑先对文件名做hash运算，接着对3取余，得到的余数即为所在机器的编号。这套系统运行了很久，后来文件数量慢慢增多，3台机器存不下了，现在我们考虑扩充到4台。这个时候，我们的算法更新为hash(文件名)%5。那么使用该算法获取abc.txt文件所在的缓存机器时，在其hash值为10的时候，将会映射到0号机器上，而之前是存储在1号机器上的，这个时候就会重

一、前言上次我们在手把手教你解决循环依赖，一步一步地来窥探出三级缓存的奥秘中分析了Spring解决循环依赖的方式，在第6节中的doCreateBean（AbstractAutowireCapableBeanFactory类中）其实已经隐约看到了Bean的生命周期的几个阶段。 protected Object doCreateBean(final String beanName, final RootBeanDefinition mbd, final @Nullable Object[] ar

一、前言对于Mysql，数据是持久化在磁盘上的。如果误删数据，可以使用binlog进行恢复；突然宕机时，其本身可以借助redo log进行崩溃恢复。更多关于Mysql日志的内容，可以参考我的另外一篇文章数据库日志——binlog、redo log、undo log扫盲而对于Redis，一般是把数据直接存储在内存中。如果不做任何持久化工作，在出现宕机后，内存中的全部数据就会丢失。显然，业务方是不能容忍这样的情况发生的。好在Redis提供了一系列的持久化机制，分别是AOF日志与RDB快照。二