不要让任何事情成为你不去学习的理由。

1. 导入依赖 <dependency> <groupId>org.springframework.cloud</groupId> <artifactId>spring-cloud-starter-openfeign</artifactId> </dependency>2. 开启 openFeign配置类或者启动类上添加注解，自动扫描已经定义好

网络编程中出了 IO 模型之外,另一个被经常提到的就是 Reactor 模型和 Proactor 模型, 其实这两个模型和 IO 模型有着重要的关系,看完本文你就知道了.如果你对 IO 模型还不清楚,请先移步下面的文章后再回头来看本文.《到底什么是IO》https://mp.weixin.qq.com/s/OkIajg8aDlkLtsE81NP5jQ在网络编程中,服务器设计的好坏直接影响到能支持的最大并发数,通常会考虑两种方式,一种是通过 线程的方式,另一种就是通过事件的方式.单线程网络通.

什么是分布式系统？分布式系统会带来什么问题？如何解决？带着这些问题，我们来聊一聊。

为什么要分区分区是指把不同的 key 分发到不同的 redis 实例上，每个 redis 实例只存储 所有 key 的一个子集。分区的好处是能够支持更大的数据量，多个 redis 实例能够充分利用多核的优势。分区后带来的问题1. 同时操作多个 key 会比较复杂；2. redis 事务不再支持：跨 redis 实例的两个操作无法保证事务性。3. 伸缩节点比较复杂：redis cluster 在伸缩节点时可以自动 rebalance key ，但是 客户端和代理服务分区的方式就不能

分布式系统中，多个节点间实现请求的负载均衡，如果部分实例由于一些特殊的原因宕机或者需要扩容，这个时候就涉及到部分请求重新分发的问题。为了最小化请求重新分发，引入了一致性 hash 算法。先看下传统的 hash 算法解决请求分发问题的过程。hashhash 算法大家应该很熟悉了，就是将不定长的数据经过计算后输出定长的结果。如果在分布式系统中使用 传统hash 方法来分发请求，server = hash(key)%n这会带来两个问题： 一旦服务器节点数 n 发...

关于分布式一致性问题我已经在之前《分布式一致性协议——Raft》的谈到，还不清楚的朋友可以回头看一下。这篇文章将介绍另一种分布式一致性协议——Gossip。问题思考下，大规模集群时，如果还是采用 raft 协议，会不会有问题？根据上篇文章，我们知道 leader 会广播到 follower ，集群规模较大，势必会造成网络拥挤、网络超时等问题，无论从可用性还是性能角度考虑，都会存在问题。因为大规模集群需要考虑一下问题：1. 集群规模大，可靠性降低，即使出现部分网络问题，数据也应该能最终到达

面试大厂高薪职位，必问！！！

RocketMQ 基础与高级用法看过来，哪点没说明白的欢迎你指出来！！

微服务中——限流、熔断、降级你知道什么意思吗？

分布式事务的解决方案是怎么演进的，XA、两阶段、三阶段提交是不是弄得很晕，这篇文章来一探究竟！！

Nginx + lua 实现网关认证、限流

RMI 案例跑不起来？不要急，带你趟一遍！！！

lookup 功能log4j 提供了 lookup 功能，通过lookup 你可以在你的log4j 配置文件中添加你的变量值。最简单的你配置日志使用的日期格式 $${date:yyyy-MM} 就是通过datelookup 功能实现的。此外还有很多的lookup,比如 docker-lookup、env-lookup 等。lookup 功能使得日志的配置更加灵活，但是提供的Jndi lookup 却暴露了重大的漏洞。通过 jndi 你可以远程访问很多服务或接口。比如 ldap 、 RMI、...

刚刚跑起来，趁着热，就写进了博客，记录下再这个过程踩过的坑：官方的文档指出配置HA关键：By default every Eureka server is also a Eureka client and requires (at least one) service URL to locate a peer. If you don’t provide it the service will run and work, but it will shower your logs with a l

微服务体系中，注册中心是不可或缺的组件。承担了服务的管理（注册、发现）的重要职能。市场上有很多公司使用了不同的注册中心，比如 Netflix 的 eureka、Apache 的 zk、以及国产的 Nacos。但是大家有没有想一想这三个到底哪一个更适合做注册中心。Eurekaeureka 集群采用的是一种去中心化 peer to peer 的方式， 所有的实例都是对等的，不存在主从之分。充分保证了可用性，CAP 理论中取了 AP。Zookeeperzk 集群，有一个leader .

MESI 协议带来的问题，如何解决？答案就是本篇要介绍的内存屏障。

概念MESI 协议是高速缓存一致性协议，是为了解决多 cpu 、并发环境下，多个 cpu 缓存不一致问题而提出的协议。 缓存行在任何时刻一定处于四个状态之一：Modified: 缓存行已经被修改，但是没有被写回主存；Exclusive: 缓存行与主存相同，并且是主存的唯一拷贝；Shared: 和主存系统，可能也存在于其他的缓存中，并不是主存的唯一拷贝；Invalid: 缓存行无效特点MESI 是一种基于回写（write-back）、缓存无效化（invalidate）的协议。.

Seata 作为分布式事务的框架应用非常广泛，刚好最近公司的项目有用到，所以就写下本文以供参考。下面就带大家亲手搭建基于 SpringBoot + SpringCloud + Nacos + Seata 这样一套框架。服务见关系图如下：推荐大家用 Seata 1.4.2 版本，配置信息可以通过一个 dataId 在 nacos 上指定，省去了很多麻烦，并且不容易出错。1. 配置启动 seata-server修改 /conf/registry.conf 文件regist...

Sentinel 是阿里开源的分布式流量哨兵，具有限流、熔断降级、服务监控等功能。下面介绍在 SpringCloud中的具体使用方式。1. 下载并启动 Sentinel 控制台服务java -Dserver.port=8070 -Dcsp.sentinel.dashboard.server=localhost:8070 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard-1.8.2.jar2. 引入起步依赖

概念Bloom Filter（以下简称 BF）是一个空间高效率的概率型数据结构，用来确定一个元素是否是集合中一员。空间高效是指数据存储使用了 bit 的方式，相对来说比较紧凑，空间利用率较高。概率型是指查询时返回两种结果：“一定不在”和 “可能在”。原理本质就是bit 数组，初始化每个 bit 都是 0，添加一个元素时，会使用 n 个 hash 函数计算出 n 个值，每个值都是一个 bit 的位置，最后在 bit 数组中，将对应位的值置为1，这样每个元素都对应 n 个 bit ...

概念首先看下官方的介绍：Redis is an open source (BSD licensed), in-memory data structure store, used as a database, cache, and message broker.Redis 是一种开源的内存数据结构存储，被用来作为数据库、缓存以及消息队列。数据结构 String List: 字符串集合，基于链表实现 Set：唯一、无序的字符串集合 SortedSet：和.