魏小言的博客

在大模型的浪潮下，ChatGPT、Sora、Gemini、文言一心 等新技术不断涌现。如何将新技术融合至业务落地，开辟新赛道、提升产品竞争力 是大家比较关心的。因为一旦新融合场景契合可行，对人们生产、生活将是里程碑的创新、跃进。

组织往往会根据自身的研发体系氛围、文化，选择最契合的方式。上述的方式虽然整体可行，在各阶段落地、调试成本、和人智成本相对较高，不建议个人或小规模状态下使用。新服务功能完成测试后，将会进行生产环境的入住，对外提供产品、功能支持。那么如何规范的、安全的、自动化的把本地服务移植到生产环境呢/？为进行服务价值可持续、高效的敏捷交付，组织往往会引入 CICD 的执行方式。进行 自动化、安全、规范、且高效的服务移植。CICD 在实际应用中虽然实现方式，千差万别，但核心功能是同一的。熟悉的同学可通读，感兴趣的可以精度。

一款基于Goland语言实现的Redis分布式锁产品，支持百万级实例/协程并发，适用于各种常见的分布式场景。

首先，文心一言的发展受到多种因素的影响，包括技术的进步、市场竞争格局的变化以及用户需求的变化等。因此，要想真正为百度止颓，文心一言需要在语音识别、自然语言处理、机器学习等多个领域不断努力，提升自己的性能和功能，为用户提供更加智能和高效的服务。因此，文心一言需要在不断完善自身技术的同时，密切关注竞争对手的动态，并积极探索新的技术和产品，以保持竞争优势。作为一家AI公司，文心一言需要通过品牌建设和营销推广，提高自身的知名度和影响力，吸引更多的用户和合作伙伴。整体来讲，个人的态度是积极的。

通过对以上三个实际案例的讲解和具体的代码实现阅读，大家对观察者模式的应用场景和具体实现方案应该有了更加深入的了解了。结合以上三个案例的的分析，适合观察者模式的场景都有以下典型特征：存在多对一的依赖关系：即多个观察者依赖同一个目标对象存在目标变更触发机制：目标变更后，需要触发一系列的其他任务通过观察者机制来实现以上场景，可以实现目标类和观察者类的解耦，即目标对象无需知道需要通知哪些观察者，方便后续的扩展与维护。已获独家授权，尊重原创！｜Kafka 高吞吐、高性能核心技术及最佳应...｜......

““编程语言都差不多的，会一种就等于全部”。这完全是一派胡言，所谓的 “触类旁通“ 不见得有效。毕竟各种语言是天差地别！”

一百年后，人们使用什么语言开发软件?为什么这个问题值得思考?原因不是我们最终会见到这些语言，而是幸运的话，我们从现在开始就能提前注意这些语言！

RocketMQ是一款优秀的分布式消息中间件，在各方面的性能都比目前已有的消息队列要好，RocketMQ默认采用长轮询的拉模式，单机支持千万级别的消息堆积，可以非常好的应用在海量消息系统中。RocketMQ主要由Producer、Broker、Consumer、Namesvr等组件组成，其中Producer负责生产消息，Consumer负责消费消息，Broker负责存储消息，Namesvr负责存储元数据，各组件的主要功能如下​负责生产消息，一般由业务系统负责生产消息。......

目录题目示例思路代码附录题目编写一个函数来查找字符串数组中的最长公共前缀。如果不存在公共前缀，返回空字符串 ""。示例示例 1：输入：strs = ["flower","flow","flight"]输出："fl"示例 2：输入：strs = ["dog","racecar","car"]输出：""解释：输入不存在公共前缀。思路纵向扫描时，从前往后遍历所有字符串的每一列，比较相同列上的字符是否相同，如果相同则继续对下一列进行比较，如果不相同

目录题目示例思路代码附录题目给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。示例示例 1：输入：[7,1,5,3,6,4]输出：5解释：在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 =

混沌工程未知，既然避不开，为何不拥抱它？在实际生产环境中，各种无法预知的事件难以避免，风险隐患无处不在。分布式系统架构的复杂性、海量数据的计算与存储、跨团队协同等，这些都在向系统的稳定性发起挑战。系统不确定性风险的加剧，最终将会波及到我们业务的连续性。你是否想过：如果整个区域或数据中心出现故障、服务出现访问延迟、系统时钟不同步等这些问题发生，将会带来怎样的后果？其中有些结果我们可以预知，但更多可能在意料之外。这时候，你可以阅读这篇文章了解——“混沌工程”。初识混沌工程混沌工程（C

目录云原生网关逐步成型、服务网格回归理性微服务架构分层逐渐清晰微服务技术标准逐步形成数据面 SidecarProxy 与 Proxyless 模式的融合服务治理数据面透明化，控制面标准化分布式事务从多样化到标准化多语言解决方案标准化服务网格技术回归理性云原生网关逐步成型总结云原生网关逐步成型、服务网格回归理性随着开源和云计算的推进，云原生微服务作为核心的技术保持着 20%左右的高速增长；随着微服务技术的成熟，门槛大幅降低，开始渗透到各行各业；一方面人力成本

Spark离线开发框架设计与实现导读：本文介绍了开发框架的整体设计，随后对各模块进行了拆解，重点介绍了如何快速实现应用程序的开发，并从设计思路、实现方式、功能介绍及创建方式等角度对通用的数据回溯应用进行了全面介绍，实现了一次环境准备，多数据回溯任务的启动方案。总之，框架对开发效率、回溯任务的效率与维护成本及代码管理便捷性都会有显著的效果。一、背景随着 Spark 以及其社区的不断发展，Spark本身技术也在不断成熟，Spark在技术架构和性能上的优势越来越明显，目前大多数公司在大数据处理中都倾向

目录Falcon 存储优化: 高性能内存 TSDB 的诞生TSDB背景graph 之殇柳暗花明cacheserver 的诞生压缩算法的实现数据模型的实现rpc encode/decodekey 的组成为什么不落盘与graph的关系及相关统计数据结尾Falcon 存储优化: 高性能内存 TSDB 的诞生TSDB先说 TSDB（时序数据库）是什么，下面的定义引用自WikipediaA time series database (TSD..

目录MVC模式和DDD模式对比，谁才是银弹？从DDD的角度看MVC架构的问题第一层：初出茅庐第二层：草船借箭（战术设计）第三层：运筹帷幄（战略设计）DDD的不足总结MVC模式和DDD模式对比，谁才是银弹？DDD这几年越来越火，资料也很多，大部分的资料都偏向于理论介绍，有给出的代码与传统MVC的三层架构差异较大，再加上大量的新概念很容易让初学者望而却步。本文从MVC架构角度来讲解如何演进到DDD架构。关注我 code 杂坛，了解更多......从DDD的角度看M

ZooKeeper 是一个分布式协调服务，由 Apache 进行维护。ZooKeeper 可以视为一个高可用的文件系统。ZooKeeper 可以用于发布/订阅、负载均衡、命令服务、分布式协调/通知、集群管理、Master 选举、分布式锁和分布式队列等功能 。目录ZooKeeper 到底是什么？深入阐述 ZooKeeper一、ZooKeeper 简介一、Zookeeper 基本简介1.1 ZooKeeper 是什么1.2 ZooKeeper 的特性1.3 ZooKeep...

目录缓存和数据库如何保证数据最终一致性Cache-Aside1、为什么删除缓存，而不是更新缓存？2、为什么先更新数据库，而不是先删除缓存？3、如果选择先删除缓存，再更新数据库，那如何解决一致性问题呢？4、那么 Cache-Aside 存在数据不一致的可能吗？补偿机制1、删除重试机制2、基于数据库日志（ MySQL binlog ）增量解析、订阅和消费3、数据传输服务 DTSRead-ThroughWrite-ThroughWrite-BehindW

目录Java中 9 种常见的 CMS GC 问题分析与解决1. GC1.1 引言1.2 概览2. GC 基础2.1 基础概念2.2 JVM 内存划分2.3 分配对象2.4 收集对象2.5 收集器2.6 常用工具3. GC 问题判断3.1 判断 GC 有没有问题？3.2 判断是不是 GC 引发的问题？3.3 问题分类导读4. 常见场景分析与解决4.1 场景一：动态扩容引起的空间震荡4.2 场景二：显式 GC 的去与留4.3 场景三

目录会员系统[同程艺龙] — 高可用架构设计实践ES高可用方案ES双中心主备集群架构ES流量隔离三集群架构ES集群深度优化提升会员Redis缓存方案Redis双中心多集群架构高可用会员主库方案MySQL双中心Partition集群方案会员主库平滑迁移方案MySQL和ES主备集群方案异常会员关系治理展望：更精细化的流控和降级策略更精细化的流控策略更精细化的降级策略结语会员系统[同程艺龙] — 高可用架构设计实践会员系统是一种基础系统，

目录线程数 == CPU 核数？之间有什么关系呢？炒菜与线程傻傻的CPU操作系统与多任务进程与线程单核与多线程阻塞式I/O多核时代真正的并行需要多少线程？总结线程数 == CPU 核数？之间有什么关系呢？炒菜与线程实际上CPU和厨师一样，都是按照菜谱(机器指令)去执行某个动作，从操作系统的角度讲当CPU切换回用户态后，CPU执行的一段指令就是线程，或者说属于某个线程。这和炒菜一样，我可以按照菜谱抄鱼香肉丝，那么炒菜时这就是鱼香肉丝线程；

目录Epoll 到底是什么？“不” 简单的网络I/O模型？1 简介2 引言3 初识 epoll4 epoll背后的原理4.1 阻塞4.2 上下文切换的优化4.3 IO 多路复用的进化5 总结Epoll 到底是什么？“不” 简单的网络I/O模型？1 简介Epoll 是个很老的知识点，是后端工程师的经典必修课。这种知识具备的特点就是研究的人多，所以研究的趋势就会越来越深。当然分享的人也多，由于分享者水平参差不齐，也产生的大量错误理解。今天我再次分享 epo

定时任务的前世今生[内含Linux时钟\常规定时组件介绍]今天想跟大家一起探讨一个听起来很简单的话题：定时任务机制。无非就是一个计时器，到了指定时间就开始跑呗。too young，要是这么简单我还说啥呢，干不就完了。那如果是几千上万个定时任务，你的计时器该如何设计呢？如果是 A 任务执行完后再执行 B 任务你会怎么调度呢？如果是几十台机器同时要处理一些任务，你又该如何设计呢？带着这些看似不简单的问题我们开始时间之旅。关注我 code 杂坛，了解更多，不迷路...操作系统的时间

—1—业务背景当今时代处在信息大爆发的时代，信息借助互联网的潮流在全球自由的流动，产生了各式各样的平台系统和软件系统，越来越多的业务也会导致系统的复杂性。当核心业务出现了问题影响用户体验，开发人员没有及时发现，发现问题时已经为时已晚，又或者当服务器的CPU持续增高，磁盘空间被打满等，需要运维人员及时发现并处理，这就需要一套有效的监控系统对其进行监控和预警。如何对这些业务和服务器进行监控和维护是我们开发人员和运维人员不可忽视的重要一环，这篇文章全篇大约5000多字，我将对vivo服务...

了解更多，请关注 公众号 “ [code 杂坛](Kafka 高吞吐、高性能核心技术及最佳应用场景...) “！01什么是 eBPF与 eBPF 基金会？简单来说，eBPF 是 Linux 内核中一个非常灵活与高效的类虚拟机 (virtual machine-like) 组件， 能够在许多内核 hook 点安全地执行字节码 (bytecode)。很多内核子系统都已经使用了 BPF，例如常见的网络、跟踪与安全。eBPF 基金会 (https://ebpf.io) 是一个为 eBPF 技术而创

机票报价承载机票主站搜索的流量请求，目前国内机票报价日搜索量达 2 亿+，国内航线数量超过 2W+，为了支撑用户在 qunar app 等渠道查询购买机票操作，报价系统作为机票搜索核心之一，力求在用户的购票流程上做到： 快速响应报价搜索请求； 合理设计报价缓存和闭环降低机票购买流程的拦截率。 要解决这两个问题，我们引出机票报价高并发实施的关键路径，分别从下面四个部分来介绍。一、机票报价高并发关键路径依据1、报价的由来当用户需要在 qunar app 上预定一张成都到海口2

文章目录如何快速构建服务发现的高可用能力背景一个真实的案例面向失败的设计服务发现过程中的高可用原理解析动手实践前提条件准备工作应用场景后续附录关注 code杂坛 一线大厂 “ 互联网时讯、各技术栈、产品、开源社区、等最新讯息 ”如何快速构建服务发现的高可用能力​背景注册中心作为承担服务注册发现的核心组件，是微服务架构中必不可少的一环。在 CAP 的模型中，注册中心可以牺牲一点点数据一致性（C），即同一时刻每一个节点拿到的服务地址允许短暂的不一致，但必须要保证可用性（A）。因为一旦由于某些问题导致注

文章目录大规模场景中的Redis使用进阶技巧奇技淫巧，万象丛生Redis CRUD鱼与熊掌不可兼得Redis Pipeline猜你喜欢大规模场景中的Redis使用进阶技巧“ 具备高吞吐量和高性能的 Redis 始终活跃在程序设计实现一线，优秀的特性让多少人为之折服。在繁多的使用姿势中，掌握些奇技淫巧将会事半功倍，让人刮目相看！”点击卡片关注 code 杂坛 ，和我们一起奇技淫巧，万象丛生Redis 支持存储、缓存、中间件…等各种功能作用，凭借其出色的特性获得大家青睐。作为最常用的明星组件之一，其在

文章目录Kafka ETL 的应用及架构解析｜告别 Kafka Streams，让轻量级流处理更加简单消息流处理框架选型消息流处理框架主要面临的问题阿里云的解决方案 - Kafka ETLKafka ETL 简介Kafka ETL 优势Kafka ETL 操作Kafka ETL 的架构解析数据流转场景数据计算场景应用场景详解阿里云消息队列 Kafka 版的优势支持海量分区多副本技术优化水平扩容，秒级数据均衡猜你喜欢Kafka ETL 的应用及架构解析｜告别 Kafka Streams，让轻量级流处理更加

文章目录快速理解负载均衡一、负载均衡简介1.1. 大型网站面临的挑战1.2. 什么是负载均衡二、负载均衡的分类2.1 载体维度分类2.1.1硬件负载均衡2.1.2 软件负载均衡2.2 网络通信分类2.2.1 DNS 负载均衡2.2.2 HTTP 负载均衡2.2.3 反向代理负载均衡2.2.4 IP负载均衡2.2.5 数据链路层负载均衡三、负载均衡算法3.1 随机3.1.1 随机算法3.1.2 加权随机算法3.2 轮询3.2.1 轮询算法3.2.2 加权轮询算法3.3 最小活跃数3.4 源地址哈希3.5 一致

文章目录Redis的进程调度演进史单线程原理Lazy Free机制多线程I/O及其局限性局限性Tair多线程实现原理小结Redis的进程调度演进史Redis作为一个基于内存的缓存系统，一直以高性能著称，因没有上下文切换以及无锁操作，即使在单线程处理情况下，读速度仍可达到11万次/s，写速度达到8.1万次/s。但是，单线程的设计也给Redis带来一些问题：只能使用CPU一个核；如果删除的键过大（比如Set类型中有上百万个对象），会导致服务端阻塞好几秒；QPS难再提高。针对上面问题，Redis在4.

文章目录HTTP缓存协议实战一、什么是缓存二、为什么要使用缓存技术三、HTTP缓存的作用四、HTTP缓存协议HTTP缓存协议实战一、什么是缓存缓存，又称作Cache，我们把临时存储数据的地方叫做缓存池，缓存池里面放的数据就叫做缓存。当用户需要使用这些数据，首先在缓存中寻找，如果找到了则直接使用。如果找不到，则再去其他数据源中查找。二、为什么要使用缓存技术缓存的本质就是用空间换时间，以临时存储的数据暂时代替数据源中读取最新的数据，这种方式带来的好处在不同的场景下是不一样的。举个例子：当我们需要喝

文章目录如何快速全面熟悉一个系统?（内含知识大图）前言业务学习技术学习1. 逻辑架构2. 开发架构3. 运行架构4. 物理架构5. 数据架构6. 系统运维如何快速全面熟悉一个系统?（内含知识大图）前言开发人员经常会面临下面一些场景：新人入职，需要学习已有系统，作为 landing 的一部分，如何学习？被拉过去参与一个陌生系统的迭代开发或者系统维护（bugfix），如何快速上手？同事离职或转岗，需要把系统交接给你，怎么去接？内心 os：这是一口锅吗？这样的场景多了，就需要去梳理常见问题以及应对

文章目录Mysql 数据库优化秘籍调优原则 — 倒金字塔SQL 语法/执行顺序2.1 语法顺序2.2 执行顺序SQL 优化策略3.1 索引未生效/利用3.2 Select级别调优3.3 Create级别调优Mysql 数据库优化秘籍“ SQL优化在提升系统性能中扮演着举足轻重的角色，已经成为衡量程序猿优秀与否的硬性指标，甚至在各大厂招聘岗位职能上都有明码标注。如果是你，在这个问题上能吊打面试官还是会被吊打呢？”调优原则 — 倒金字塔数据库优化是个亘古存在的问题，在数据库角度可以分成 SQL/索引优

文章目录什么是 TLS ?HTTPS 中的 TLSTLS 加密过程加密算法附录什么是 TLS ?TLS 安全传输层协议（TLS）用于在两个通信应用程序之间提供保密性和数据完整性。HTTPS 中的 TLSHTTPS 数据的加密协议就是 TLS 协议。 在网络七层协议中，TLS 处于 传输层之上的会话层。TLS 利用 非对称 + 对称 加密算法协作完成数据的加密。TLS 加密过程以 HTTPS 为例子讲解，在网络通信时往往会进行双端连接的建立，在建立过程中就会完成加密算法的协商约定，为后续数据

文章目录du, ls , df 三者的区别du, ls , df 三者的区别du, ls , df 三者的区别，放张生图，后续有大把时间了在详细掰扯：du : 显示每个文件和目录的磁盘使用空间~~~文件的大小。du -sh : 查看当前目录总共占的容量。而不单独列出各子项占用的容量du -lh --max-depth=1 : 查看当前目录下一级子文件和子目录占用的磁盘容量。du -sh * | sort -n 统计当前文件夹(目录)大小，并按文件大小排序注：df：检查

文章目录什么是流式计算数据流数据时序数据集有界数据集无界数据集主要应用场景批、流计算相结合Q&A附录什么是流式计算当你谈起流式计算的时候，说明你当前的处境已经涉及到了大数据范畴。流式计算是大数据计算模式之一，之外还有 图计算、交互计算，与之常对应出现的批计算，等等…了解流式计算，首先要明确一下数据流的相关背景。数据流在生产中，数据产出的周期与产品生命周期一致，处理加工链路呈流状。数据像河流一样从服务起触发，流经各个环节，至服务止。数据时序产品架构各种玲琅满目的技术手段、业务逻辑，本

文章目录如何降低服务失败率，提高服务稳定性 -- 双发策略[重试机制]谈论失败率的前提重试双发附录如何降低服务失败率，提高服务稳定性 – 双发策略[重试机制]谈论评估一个服务的性能时，核心指标有 QPS、耗时、失败率…等等，其中 “失败率” 体现了服务的稳定性能，更意味着全年可服务时长…如何能够降低服务失败率，提高服务稳定性呢？谈论失败率的前提在现分布式的架构中，产品功能往往分解为多个边界清晰的服务模块，各模块独立部署，共同提供功能支撑。服务之间相互通信时，由于读写耗时、网络、机器IO…等各种

文章目录RPC 和 HTTP 有哪些区别？通信协议、网络模型、服务治理框架...不可对比性RPCHTTP其他通信协议通信协议实质Q&A附录RPC 和 HTTP 有哪些区别？通信协议、网络模型、服务治理框架…之前有小朋友问 RPC 请求和 HTTP 请求有什么区别？公司里服务之间使用 RPC 、对外服务的接口用 HTTP、跨语言服务交互的时候用基于 HTTP 的 RPC …很多场景使用不同的方式，这里总的来简单梳理一下，更深一点的等时间充裕了再码文！不可对比性RPC 和 HTTP 从本

文章目录关注服务硬软指标服务器关键指标CPU 负载CPU 使用率网卡 IN & OUT内存 & 磁盘Q&A附录关注服务硬软指标在搭建维护服务时，我们经常和服务的性能指标打交道，比如，QPS、耗时、P90/99、等等；然而服务的良好运行依托于服务的部署，离不开机器支撑，所以我们也要去关注服务器的运行指标。关注服务硬软指标、深耕业务特性、衡量 ROI …也是资深工程师进阶必掌握的技能！服务器关键指标有这样的场景，运行良好的服务中有两台机器即将过保，需要从其他服务中的机器中选出两

或翻译可认为99.999准确实时，但是并不会100十分精确，至少一次发送，存在多发的场景、且日志旋转速度超过时，存在数据丢失、Linux inode 重用也可能导致跳过行发送Logstash 占用资源高，不适合线上业务部署。官方文档：https://www.elastic.co/guide/en/beats/filebeat/current/filebeat-overview.htmlFilebeat is a lightweight shipper for forwarding and centr