算法小生Đ-CSDN博客

原创 Vue vs React：前端框架的差异与选择

Vue和React是现代前端开发中最流行的两大JavaScript框架，它们都用于构建动态、交互式的用户界面。尽管两者在目标上有很多相似之处，但在设计理念、语法、生态系统和使用场景上存在显著差异。本文将从多个方面对比Vue和React，帮助开发者理解它们的异同。

2025-08-24 19:31:30 699 2

原创优化 SQL 查询：选出每个分组最大值的行并插入 10W 条测试数据

在数据库操作中，经常需要从一个表中选出每个分组（例如按字段a分组）中某字段（例如b）最大值的行。本文以一个实际案例为基础，展示如何设计一个表，插入 10W 条测试数据，并比较多种 SQL 查询写法来实现“选出每个a值对应的最大b值的所有行”。我们将分析每种写法的优缺点，并提供完整的实践步骤，适用于现代数据库（如 PostgreSQL、MySQL 8.0+、SQL Server 等）。

2025-08-14 13:00:09 871

原创 Spring、Spring MVC、Spring Boot与Spring Cloud的扩展点全面梳理

Spring生态的扩展点覆盖了从核心容器（Spring）、Web层（Spring MVC）、应用启动（Spring Boot）到微服务架构（Spring Cloud）的各个方面。Spring提供Bean生命周期管理，Spring MVC专注Web请求处理，Spring Boot简化配置和启动，Spring Cloud（结合Nacos）则增强了分布式系统的能力。开发者应根据需求选择合适的扩展点，注意性能和代码清晰度，以构建高效、可维护的应用。建议使用Spring Boot的自动配置减少手动配置。

2025-08-13 20:28:38 1098

原创 OpenFeign 服务调用原理与源码分析

OpenFeign 是 Java 生态中一种声明式的服务调用框架，广泛用于微服务架构中，特别是在 Spring Cloud 生态中。它通过注解定义服务接口，屏蔽了底层的 HTTP 请求细节，让开发者能够像调用本地方法一样调用远程服务。以下是对 OpenFeign 服务调用原理的详细分析，以及核心源码的解读。OpenFeign 的核心目标是提供声明式的 REST 客户端，通过动态代理和注解解析，简化 HTTP 请求的发送和响应处理。，这是 Feign 的入口类，用于配置和生成代理对象。

2025-08-13 17:16:40 1573

原创任务调度系统设计与实现：Quartz、XXL-JOB 和 Apache Airflow 对比与实践

任务调度系统用于在特定时间或固定间隔触发任务执行，常见场景包括金融系统的批量对账、电商平台的库存同步、数据管道的 ETL（提取、转换、加载）等。定时调度：支持灵活的时间规则（如 Cron 表达式）触发任务。高可用性：支持集群部署，确保节点故障时任务不中断。任务分片：支持分布式任务分片，提升处理大规模数据的效率。可观测性：提供任务执行状态监控、日志记录和告警机制。扩展性：支持动态扩展节点和任务，以及多语言支持。

2025-08-12 10:59:27 1047

原创基于 gRPC 的接口设计、性能优化与生产实践

gRPC 凭借 HTTP/2 和 Protobuf 的优势，在性能和开发效率上表现出色，但其复杂性要求开发者在接口设计和性能优化上投入更多精力。接口合并与流式通信：通过合并细粒度接口和使用流式 RPC，显著降低网络开销。负载均衡与高可用：结合 Kubernetes DNS 和 gRPC 的内置负载均衡策略，确保请求分发的高效性和可靠性。监控与可观测性：通过拦截器、Prometheus 和 OpenTelemetry 构建全面的监控体系，快速定位问题。注意事项学习曲线。

2025-08-12 09:57:15 802

原创生产环境下的JVM性能优化：从监控到代码优化再到参数调优

当监控和代码优化无法完全解决问题时，才考虑调整JVM参数或GC策略。JVM调优的目标是平衡吞吐量低延迟和内存使用率。优先级：监控 > 代码优化 > JVM调优。工具驱动：熟练使用jstatjmapArthas等工具，快速定位问题。代码为本：从源头优化，减少不必要的对象创建和资源浪费。谨慎调优：JVM参数调整需基于数据，小步验证，避免副作用。持续监控：建立完善的监控体系（如Prometheus + Grafana），预防性能问题。

2025-08-11 20:22:15 883

原创 ClickHouse列式数据库的使用场景与基本优化手段

与传统行式数据库（如 MySQL、PostgreSQL）不同，列式数据库按列存储数据，每列的数据连续存储在磁盘上。这种存储方式特别适合需要对大量数据进行聚合、过滤和分析的场景。高压缩率：列式存储允许对相似数据进行高效压缩，减少存储空间。快速查询：列式存储减少了无关数据的读取，适合聚合查询。分布式支持：ClickHouse 支持分布式架构，能够处理大规模数据。实时性：支持快速数据插入和近实时查询。

2025-08-11 19:01:17 607

原创 Apache RocketMQ：消息可靠性、顺序性与幂等处理的全面实践

Apache RocketMQ 由阿里巴巴开源，现为 Apache 顶级项目，支持发布/订阅和点对点消息模型，提供普通消息、定时消息、事务消息等多种类型。NameServer：管理 Broker 元数据，提供服务发现和路由。Broker：负责消息存储、转发和持久化。Producer：消息生产者，发送消息到 Broker。Consumer：消息消费者，从 Broker 订阅消息。RocketMQ 的高性能和灵活性使其成为企业级应用的理想选择，尤其在需要保证消息可靠性、顺序性和幂等性的场景中。

2025-08-11 17:44:12 1135

原创 Redis为什么用跳表实现有序集合

相较于原始有序链表需要 6 次，我们的跳表通过建立多级索引，我们只需两次就直接定位到了目标元素，其查寻的复杂度被直接优化为O(log n)。

2025-08-11 10:43:39 803

原创微服务架构中过滤器（Filter）与拦截器（Interceptor）的区别

过滤器（Filter）基于 Servlet/Jakarta EE 规范，运行于 Web 容器（如 Tomcat、Jetty），位于 HTTP 请求进入 Servlet 前和响应返回客户端后。在微服务中，常用于网关层（如 Spring Cloud Gateway 或 Zuul）处理全局性、非业务逻辑，如日志记录、跨域处理（CORS）、统一认证等。示例：网关层记录所有请求的 IP 和路径，或验证 API Key。拦截器（Interceptor）

2025-08-10 16:44:08 1097

原创 MySQL自增ID与UUID的区别及其在索引分裂中的表现与优化

是MySQL InnoDB使用B+树索引时，因插入新记录导致节点（页面）满载而触发的结构调整。是两种常见的选择，分别适用于不同场景。然而，它们的生成机制和插入模式对数据库索引（尤其是B+树索引）的影响差异显著，特别是会导致不同程度的。本文将深入分析自增ID与UUID的区别、优缺点，以及索引分裂的机制、影响和优化策略，帮助开发者根据业务需求做出合理选择。在MySQL数据库设计中，选择合适的主键或唯一标识符对性能和扩展性至关重要。

2025-08-10 12:05:59 583

原创 MySQL 查询性能优化与索引失效问题全解析

MySQL 查询优化和索引失效问题需从查询语句、索引设计、表结构和配置多方面入手。核心目标是减少扫描行数、提升索引利用率、优化执行计划。通过EXPLAIN分析、合理索引设计和定期维护，可显著提升性能。

2025-08-05 21:45:09 809

原创 java线程同步工具：`synchronized`、`ReentrantLock`与其他并发工具的对比与应用

和适合简单同步场景，代码简洁，依赖JVM优化。提供高级功能（如中断、超时、公平锁），适合复杂场景。其他并发工具线程池（）适合任务管理和并行计算。并发集合（等）优化高并发数据结构操作。高级锁和同步器（Semaphore等）提供灵活的同步控制。原子类（等）适合高效无锁操作。和解决特定场景需求。开发者应根据场景需求选择工具：简单同步用，复杂场景用或并发包工具，高并发数据操作用并发集合，任务管理用线程池。

2025-08-05 19:24:23 513

原创深入解析 ThreadPoolExecutor 配置：原理与实践优化

线程池是一种线程管理机制，通过维护一组可复用的线程来执行任务，避免频繁创建和销毁线程的开销。线程池的核心思想是将任务与线程解耦，任务提交后由线程池分配线程执行，从而提高资源利用率和并发处理能力。的核心在于通过线程复用和任务队列管理实现高效并发。理解其工作原理（任务提交、线程分配、队列处理、拒绝策略）是合理配置的基础。配置时需根据任务类型、系统资源和业务需求权衡参数，结合压测和监控动态优化。合理的线程池配置能显著提升程序性能和稳定性。

2025-08-05 18:44:14 988

原创深入剖析 RocketMQ 分布式事务：原理、流程与实践

RocketMQ 的分布式事务消息通过两阶段提交和事务状态检查机制，有效解决了分布式系统中本地事务与消息发送的原子性问题。其核心在于半消息的不可见性和 Broker 的事务状态检查，确保消息的可靠投递和最终一致性。事务消息适用于电商、金融、微服务等场景，能够简化分布式事务的开发复杂度，同时提供高性能和高可用性。关键点使用半消息和 Op 消息实现事务的原子性。通过定期检查未确定状态的半消息，确保事务的最终一致性。适合需要异步处理和最终一致性的分布式系统。

2025-07-30 22:17:30 688

原创 RocketMQ 核心特性解析及与 Kafka区别

Apache RocketMQ 以其高性能、低延迟和事务消息支持，成为业务驱动场景的优选消息中间件，特别适合电商、金融等需要复杂逻辑和实时性的系统。Kafka 凭借高吞吐量和流式处理能力，适合日志流和大数据处理场景。KRaft 模式的引入使 Kafka 架构更简洁，但与 RocketMQ 的 NameServer 相比，KRaft 在资源占用和逻辑复杂度上并非更轻量。选择建议如果需要事务消息、低延迟和多 Topic 场景的稳定性能，选择 RocketMQ。

2025-07-30 17:26:27 605

原创 JavaScript 闭包（Closure）介绍

在JavaScript中，闭包是指一个函数（或函数表达式）连同其词法环境（Lexical Environment）的组合。这个词法环境包含了函数创建时所能访问的所有外部变量。简单来说，闭包让内部函数可以“记住”并访问外部函数的作用域，即使外部函数已经返回。

2025-07-30 15:16:15 875

原创 Apache Kafka核心组件详解

Apache Kafka 的核心组件——Broker、Topic、Partition、Producer、Consumer、Consumer Group、Zookeeper（传统模式）、KRaft（新模式）、Offset、Replication 和 Controller——共同构成了一个高效、可靠的分布式消息系统。KRaft 模式的引入标志着 Kafka 架构的重大升级，通过移除 Zookeeper 依赖，简化了部署和运维，同时显著提升了性能和扩展性。

2025-07-30 12:07:13 1108

原创 Kafka 重复消费与 API 幂等消费解决方案

通过事务性偏移量管理，Kafka 结合生产者事务（acks=-1）和消费者配置（），实现消息从生产到消费的精确一次语义。事务性偏移量提交将消息写入、业务处理和偏移量更新绑定在一个原子事务中，确保不重复、不丢失。结合业务层去重、偏移量管理和消费者组优化，可进一步提升系统可靠性。Broker 端通过事务协调器和内部主题（）支持事务性机制，确保高一致性场景下的可靠投递和消费。

2025-07-30 11:11:53 1095

原创 Vue2 vs Vue3：核心差异与升级亮点

Vue3 在响应式、性能、TypeScript 和开发体验上全面升级，Composition API 和新特性使其更适合现代开发。Vue2 适合维护旧项目或需兼容 IE 的场景。特性Vue2Vue3响应式ProxyAPI性能一般提升 1.5-2 倍TypeScript较弱原生支持新特性无生态兼容性IE9+现代浏览器。

2025-07-29 21:17:08 1114

原创 Mysql索引为何使用B+树结构

MySQL的索引机制中，有一点可谓是路人皆知，既默认使用B+树作为底层的数据结构，有人会说树结构是以二分法查找数据，所以会在很大程度上提升检索性能，这点确实没错，但树结构有那么多，但为什么要选择B+树呢？而不选择二叉树、红黑树或B树呢？下面一起聊一聊这个话题。

2025-07-29 17:47:00 292

原创处理订单过期但支付成功的系统设计：平衡用户体验与业务规则

通过结合自动恢复订单、退款和人工干预三种策略，系统能够在订单过期但支付成功的场景下，兼顾用户体验和业务规则。预防措施（如支付前校验、库存延迟释放）和用户沟通（如透明通知、补偿机制）进一步提升方案的鲁棒性。实际实现时，需根据业务场景（如电商、票务）调整策略优先级，并通过监控和日志系统确保异常可追溯。

2025-07-29 11:15:43 1429

原创 Elasticsearch 深度分页问题与 `search_after` 解决方案

【代码】Elasticsearch 深度分页问题与 `search_after` 解决方案。

2025-07-29 10:29:35 988

原创 Kafka 顺序消费实现与优化策略

Kafka 实现顺序消费的核心是利用。

2025-07-28 22:42:21 908 1

原创 Kubernetes 核心组件解析

Kubernetes 由控制平面（API Server、etcd、调度器、控制器管理器）和节点组件（Kubelet、Kube-proxy、容器运行时）组成，配合附加组件（如 DNS、监控工具）实现容器编排和管理。每个组件各司其职，共同维护集群的高可用性、扩展性和自动化。

2025-07-27 17:25:32 432

原创 OpenResty 高并发揭秘：架构优势与 Linux 优化实践

OpenResty 能够支持高并发（如数十万甚至百万并发连接）的核心原因在于 Nginx 的架构优势、LuaJIT 的高效执行，以及 OpenResty 的灵活扩展能力。以下是详细分析，结合你的前述问题（Linux 系统配置、Go 的高并发能力），解释 OpenResty 为何能支持高并发，并探讨在 Linux 系统上运行高并发 OpenResty 所需的额外配置。OpenResty 继承了 Nginx 的高性能架构，并通过 LuaJIT 和模块化设计进一步增强了并发能力。

2025-07-27 16:09:50 1144

原创优化Linux高并发：文件描述符与端口范围的协同调优

可以让进程处理更多连接，但如果端口范围不足，主动发起的连接仍会受限。这两个参数看似都与高并发有关，但它们的作用和影响范围不同。在高并发场景下，文件描述符和端口范围分别限制了不同的资源瓶颈。（最大文件描述符数量）来支持高并发，为什么还需要调整。限制了所有这些资源的使用，而。仅限制主动连接的源端口分配。要弄清楚为什么需要同时调整。

2025-07-27 13:51:48 973

原创分布式系统中Token续期问题解决方案

时，主要目标是确保用户在Token过期后能够无缝继续使用服务，而无需频繁重新登录，从而提升用户体验并兼顾安全性。在现代前后端分离项目中，

2025-07-27 13:03:51 1146

原创 Redis 单线程模型与多线程机制

Redis 的单线程模型是其核心设计，通过事件驱动、非阻塞 I/O 和内存操作实现了高性能、低复杂度的内存数据库，适合高并发、低延迟场景。单线程模型的优势在于简单性和高效性，但需注意避免阻塞操作并结合集群扩展性能。从 Redis 6.0 开始，多线程 I/O 优化了网络处理，显著提升了高并发场景的吞吐量，但核心命令执行仍由单线程负责，保留了原子性和一致性。开发者应根据场景选择是否启用多线程 I/O，并合理配置以平衡性能和复杂性。

2025-07-24 16:40:32 630

原创深入浅出 IO 多路复用：用 Java NIO 打造高性能网络应用

IO 多路复用是一种机制，允许一个线程同时监控多个文件描述符（在 Java 中为Channel），检查哪些通道可以执行 IO 操作（如读、写）。它通过事件驱动的方式，只在通道就绪时通知程序处理，避免了传统阻塞 IO 的资源浪费和非阻塞 IO 的忙轮询。在 Java 中，IO 多路复用主要通过 NIO 的Selector实现，底层依赖操作系统的多路复用机制（如 Linux 的 epoll、Windows 的 IOCP）。：跨平台，适合小规模连接。epoll（Linux）：高性能，适合大规模并发。

2025-07-24 16:21:51 1056