- 博客(234)
- 收藏
- 关注
RSS订阅
原创 redis存储空间复杂度和时间复杂度的平衡
本文分析了不同精度下奖品概率计算的内存占用和时间复杂度权衡。主要结论包括：1) 内存占用随精度(rateRange)线性增长，万分位到亿分位的内存需求从40KB到400MB不等；2) O(1)数组算法内存与精度成正比，适合奖品少精度低场景；3) O(logn)前缀和算法内存与奖品数量成正比，适合高精度或多奖品场景；4) 当rateRange远大于awardCount时选择O(logn)更优，两者相近时性能相当。实际应用中需根据奖品数量和精度要求，在内存占用和查询效率之间进行权衡选择最优算法。
2026-01-07 17:24:42
878
原创 真实业务场景死锁案例：电商订单处理
电商订单确认流程中，多个服务（订单锁、库存锁、支付锁）的嵌套使用可能导致死锁。典型场景是线程A按订单→库存→支付顺序加锁，而线程B按支付→库存→订单顺序加锁，形成循环等待。死锁的根本原因是锁获取顺序不一致、嵌套锁使用不当且缺乏超时机制。解决方案建议统一锁获取顺序（如订单→库存→支付），并对所有锁请求进行全局排序，确保所有线程按相同顺序获取锁，从而避免循环等待。同时应引入锁超时机制，防止无限等待。
2026-01-06 16:03:31
585
原创 tryLock 详细解析：从原理到实战
tryLock是非阻塞锁获取方法，用于尝试获取锁，成功返回true并执行任务，失败立即返回false。本地锁基于CAS机制，分布式锁基于Redis的SETNX命令。与lock()不同，tryLock非阻塞且可限时等待，适用于高并发场景如任务调度、库存扣减等。使用时需注意在finally中释放锁、合理设置过期时间、避免锁粒度过大。Redisson通过Lua脚本和看门狗机制实现原子性和自动续期。典型应用包括XXL-Job任务调度，通过tryLock(3,0,TimeUnit.SECONDS)实现非阻塞获取和自动
2026-01-06 11:07:40
646
原创 电商平台库存扣减方案设计
本文设计了一套电商平台分布式库存扣减方案，采用"缓存预热+原子扣减+分布式锁+异步同步"的技术架构。方案通过Redis原子操作(DECR)实现高性能库存扣减，结合分布式锁防止Redis崩溃导致的超卖问题，并利用延时队列实现数据库的异步同步，保证最终一致性。核心流程包括：1)库存预热至Redis；2)请求校验过滤无效流量；3)Redis原子扣减；4)加锁防崩溃；5)异步同步数据库。该方案具有高性能、防超卖、高可用等优势，适用于秒杀、抽奖等高并发场景。
2026-01-05 15:57:52
902
原创 Redis热点Key独立集群实现方案
Redis热点Key独立集群实现方案摘要 本方案针对高并发场景下的Redis热点Key问题，提出将热点Key分离到独立集群的解决方案。通过多实例配置、灵活的路由策略和统一访问接口，实现资源隔离和负载均衡。方案核心包括： 支持配置多个Redis实例（普通实例和热点实例） 提供多种路由规则（前缀匹配、正则匹配、哈希路由） 对外提供统一访问接口，屏蔽实例差异 通过配置扩展实现灵活部署 技术实现基于Redisson客户端，通过配置文件定义实例和路由规则，初始化时自动创建对应连接池并建立路由映射关系。该方案可有效缓解
2026-01-05 10:28:17
587
原创 营销项目综合梳理报告
本文梳理了某大型互联网公司的营销系统项目概况。该系统作为公司级营销活动管理平台，采用微服务架构和领域驱动设计，核心技术栈包括Java、Spring Boot、Redis等，支持高并发场景和全流程营销管理。项目旨在解决各业务线营销系统重复建设、数据分散等问题，提供活动管理、抽奖策略、积分返利等核心功能，满足多样化营销需求。团队由产品、开发、测试等30余人组成，采用敏捷开发流程。目前项目已完成核心功能开发，计划2026年Q2上线，将显著提升营销效率和系统稳定性。
2026-01-04 16:29:07
773
原创 分布式ID生成策略
本文详细介绍了分布式ID生成的常见策略及实现方案。首先明确了分布式ID的核心要求：全局唯一性、有序性、高可用性、高性能等。随后重点分析了四种主流方案：UUID简单但无序；数据库自增ID实现简单但有单点风险；Redis方案高性能但依赖外部服务；雪花算法综合性能最优，通过时间戳+机器ID+序列号实现高效ID生成。文章提供了各方案的实现代码和适用场景，为分布式系统设计提供了实用参考。
2026-01-04 14:17:01
884
原创 DDD领域事件详解：抽奖系统实战
本文介绍了抽奖领域的核心业务场景与领域事件设计。主要内容包括：1）抽奖业务流程及规则，如活动创建、用户参与、结果生成等环节；2）领域事件概念及其在解耦系统、异步处理等方面的价值；3）抽奖领域关键事件识别，包括7类核心事件及其关系；4）事件设计与实现方案，提供Java基类及具体事件示例；5）基于Spring Boot的事件发布与订阅机制实现。通过领域事件驱动架构，可有效实现抽奖系统各模块解耦，提高可扩展性和业务一致性。
2025-12-31 16:16:05
860
原创 DDD聚合根与聚合对象详解：订单领域实战
本文介绍了领域驱动设计(DDD)中的聚合概念及其在订单领域的应用。聚合作为业务一致性边界，包含聚合根、实体和值对象。聚合根是唯一入口，负责维护业务规则和数据一致性；实体具有唯一标识和可变性；值对象不可变且通过属性值判断相等性。在订单领域设计中，订单聚合包含订单(聚合根)、订单项(实体)及地址等值对象，通过聚合根确保操作一致性和业务规则验证。文章详细展示了订单聚合的代码实现，包括属性定义和业务方法(如创建订单、取消订单等)，强调通过聚合根维护数据完整性和业务约束。
2025-12-31 15:47:49
966
原创 DDD核心概念详解
本文通过电商营销系统案例解析DDD核心概念。领域指业务问题范围（如用户、商品、订单等），限界上下文定义领域边界。实体（如活动、用户）具有唯一标识和可变状态；值对象（如货币、地址）不可变且基于属性相等。聚合是一组相关对象的集合（如抽奖活动聚合），由聚合根（RaffleActivity）统一管理，维护业务规则一致性。这些概念共同构建了DDD的领域模型基础，帮助开发者有效组织复杂业务逻辑。
2025-12-31 13:50:45
1407
原创 Dubbo + Nacos 完整示例项目
本文介绍了一个基于Spring Boot+Dubbo+Nacos的微服务示例项目。项目包含三个模块：dubbo-api(定义公共接口)、dubbo-provider(服务提供者)和dubbo-consumer(服务消费者)。使用Nacos作为服务注册中心和配置中心，Dubbo实现远程服务调用。详细说明了项目结构、技术栈版本(Spring Boot 2.7.18、Dubbo 3.2.7、Nacos 2.2.3)以及快速启动步骤，包括Nacos服务端配置、项目构建和服务启动流程。同时提供了核心代码示例，如Dub
2025-12-31 13:35:01
867
原创 Seata AT模式详细实例：电商下单场景
本文介绍了Seata AT模式在电商下单场景中的应用。AT模式是一种非侵入式分布式事务解决方案，包含TC、TM、RM等核心组件。文章详细阐述了项目结构设计，包括订单、库存和账户三个服务，以及数据库初始化脚本。代码实现部分展示了父项目POM配置、订单服务的依赖和YAML配置，重点说明了Seata与Spring Cloud的集成方式。通过undo_log表实现事务回滚，确保分布式事务的一致性。整体方案基于Spring Boot 2.7.18、Seata 1.7.1和Nacos 2.2.3构建。
2025-12-30 17:41:27
655
原创 分布式事务解决方案
本文系统介绍了分布式事务的核心挑战与四种主流解决方案。首先分析了分布式事务在CAP理论下的困境，强调必须在一致性和可用性之间权衡。随后详细解析了2PC（两阶段提交）、TCC（Try-Confirm-Cancel）、Saga（长事务解决方案）和可靠消息最终一致性四种方案： 2PC实现简单但性能低，适合金融核心交易等强一致性场景 TCC通过预留资源实现高性能，但业务侵入性强 Saga适用于长流程业务，通过补偿机制保证最终一致性 可靠消息方案利用消息队列实现异步最终一致性 文章结合电商场景的时序图和流程图，直观展
2025-12-30 17:40:41
991
原创 消息积压处理
电商大促场景下的消息积压处理方案 消息积压指生产者发送速率持续高于消费者处理能力，导致队列消息堆积。电商场景下，积压会导致订单超时、支付延迟等严重后果。根本原因包括生产者突发流量、队列配置不足和消费者处理慢等。 紧急处理方案： 快速扩容消费者实例和队列分区 优化消费逻辑（批量处理、异步化） 调整队列配置（存储扩容、刷盘策略） 长期优化： 生产者限流和流量削峰 消费者微服务拆分和资源监控 队列合理分区和分层存储 通过分钟级应急响应和小时级架构优化，可有效应对大促期间的突发流量，保障业务稳定性。
2025-12-30 10:01:17
1240
原创 消息可靠性保证
电商订单系统通过消息队列实现端到端可靠性设计，解决传统同步架构的痛点。采用RocketMQ实现异步解耦、流量削峰和最终一致性，其事务消息机制确保订单创建与库存扣减的原子性。生产者端通过二阶段提交、定期回查和幂等设计保障可靠性；消息队列端采用同步刷盘、同步复制和多Master多Slave集群部署，避免单点故障。监控系统（Prometheus+Grafana）和日志系统（ELK+Kafka）提供全链路可观测性，确保电商大促场景下的高并发处理和数据一致性。
2025-12-29 15:46:03
908
原创 消息队列使用场景
消息队列就像生活中的快递柜，解决了系统交互中的等待、拥堵和依赖问题。主要应用场景包括：1）异步处理（如餐厅点餐，提升响应速度）；2）流量削峰（如奶茶店缓冲订单，应对高峰期）；3）系统解耦（如快递柜让收发双方独立运作）；4）日志收集（集中管理分布式日志）；5）延迟队列（定时处理任务）。不同场景可选择RocketMQ、Kafka或RabbitMQ等工具。核心价值在于实现异步通信、缓冲流量和解耦系统，让各组件能独立高效运行。
2025-12-29 15:34:04
751
原创 Redis集群方案详解
本文深度解析Redis集群的三种主流方案：主从复制、哨兵模式和Cluster模式。主从复制实现读写分离和数据同步，通过PSYNC命令支持全量和增量同步；哨兵模式提供高可用性，实现自动故障检测和主从切换；Cluster模式则实现数据分片和水平扩展。文章详细阐述了各方案的架构设计、实现原理、配置示例及适用场景，并针对常见问题提供解决方案，为Redis集群部署提供了全面的最佳实践指导。
2025-12-29 10:56:18
1086
原创 主流消息队列对比：Kafka vs RabbitMQ vs RocketMQ
本文对Kafka、RabbitMQ和RocketMQ三大主流消息队列进行了深度对比。Kafka采用分区模型和顺序I/O，适合高吞吐场景如日志收集和大数据分析；RabbitMQ基于AMQP协议和交换器模型，适合企业级应用和复杂路由；RocketMQ结合了CommitLog存储和NameServer架构，在电商和金融领域表现优异。三者各具特色：Kafka吞吐量最高（单Broker50万+QPS），RabbitMQ延迟最低（微秒级），RocketMQ则平衡了性能与可靠性。选择时需根据业务场景、性能需求和技术栈综合
2025-12-26 16:37:57
1088
原创 Redis持久化机制
Redis提供三种持久化机制：RDB通过快照保存数据，适合大规模恢复但安全性较低；AOF记录所有写命令，安全性高但恢复慢；混合持久化结合两者优势，是Redis 4.0+的推荐方案。RDB采用二进制压缩存储，文件小恢复快，但可能丢失两次快照间的数据；AOF为文本格式，可配置同步频率，支持重写优化。实际应用中应根据数据安全、性能需求选择策略，如主从架构推荐主库混合持久化、从库RDB。持久化机制需权衡安全性、性能和恢复速度，合理配置参数确保Redis高效可靠。
2025-12-25 16:32:14
868
原创 Redis数据结构与底层实现
Redis提供了丰富的数据结构及其底层实现：字符串采用SDS结构，支持高效长度获取和扩容；哈希使用字典结构，通过渐进式rehash避免阻塞；列表可基于压缩列表或双向链表；集合使用哈希表或整数集合；有序集合结合跳表和压缩列表实现高效范围查询；位图基于字符串支持位操作；HyperLogLog则用于基数统计。每种结构针对不同场景优化，如缓存、计数器、排行榜等，兼顾性能与内存效率。
2025-12-25 16:10:41
597
原创 主流缓存中间件对比：Redis vs Memcached
Redis与Memcached是主流缓存中间件，各有优势。Redis支持多种数据结构（如List、Set、Geo等）和持久化机制，适合复杂业务场景；Memcached仅支持KV存储但性能更优，适合简单缓存需求。Redis采用单线程模型，Memcached为多线程，后者在高并发读场景表现更好。选型需考虑业务复杂度、数据持久化需求、集群规模等因素：Redis适合需要高级功能的场景，Memcached则适用于简单KV缓存和高并发读环境。
2025-12-25 16:09:48
865
原创 缓存穿透/击穿/雪崩问题及解决方案
缓存问题解决方案摘要 三大核心问题 缓存穿透：请求不存在数据导致数据库压力增大，解决方案包括布隆过滤器拦截、空值缓存和接口限流 缓存击穿：热点数据过期引发并发访问，可通过永不过期策略或互斥锁机制解决 缓存雪崩：大量缓存同时失效，采用随机TTL和多级缓存分散风险 关键技术 布隆过滤器：空间高效拦截无效请求 互斥锁：防止并发重建缓存 随机过期时间：避免集中失效 多级缓存：增强系统容错能力 每种方案需根据业务场景选择，结合多种措施可构建更健壮的缓存体系。
2025-12-25 11:09:50
681
原创 缓存更新策略深度解析与最佳实践
本文深度解析了四种主流缓存更新策略：Cache-Aside、Read-Through、Write-Through和Write-Behind。Cache-Aside作为最常用模式，适合读多写少场景，但存在短暂不一致问题；Read-Through将读取逻辑封装在缓存层，降低应用复杂度；Write-Through同步更新缓存和数据库，确保强一致性。文章详细分析了各策略的实现原理、适用场景及解决方案，并提供了电商商品查询等典型场景的代码示例。开发者可根据业务需求（如一致性要求、读写比例）选择合适策略，平衡性能与可靠
2025-12-25 09:55:06
1073
原创 缓存原理详解
本文系统介绍了缓存命中率的计算方法和优化策略。核心内容包括：1）命中率计算公式与关键指标定义；2）影响命中率的六大因素及优化方向；3）提高命中率的六大策略，包括合理设置缓存大小、优化过期时间、预加载热点数据等；4）分层缓存架构设计，分析本地缓存与分布式缓存的协同机制；5）解决缓存三大问题（穿透、击穿、雪崩）的具体方案；6）数据一致性保障方案。通过科学的缓存设计和持续的监控调优，可显著提升系统性能，降低后端存储压力。
2025-12-24 17:24:43
792
原创 慢查询分析与优化
MySQL慢查询日志配置与分析指南 本文介绍了MySQL慢查询日志的配置与分析方法。核心配置参数包括slow_query_log（启用日志）、long_query_time（阈值设置）等，可通过会话、全局或配置文件三种方式设置。慢查询日志记录了查询执行时间、用户、扫描行数等关键信息。分析工具方面，推荐使用pt-query-digest（提供详细的统计分析和TOP N查询报告）和MySQL Workbench（可视化分析）。优化建议包括设置合理的查询阈值(1秒)、限制未使用索引的查询日志数量(10条/秒)，以
2025-12-24 16:00:00
601
原创 用户订单表分库分表策略深度解析
本文深入解析订单表分库分表策略，重点探讨分库键选择、分库必要性判断及与用户表的存放关系。主要建议：1）优先按用户ID分库分表，确保同用户数据在同一分片；2）分库决策需综合考虑QPS、数据量和连接数；3）用户相关表尽量同库存放以优化关联查询；4）主备与分库分表结合时需注意数据同步和一致性。最佳实践强调业务驱动技术，逐步演进架构，平衡性能与复杂度。核心原则是根据实际查询和写入模式选择最适合的策略，避免过度设计。
2025-12-24 15:25:12
363
原创 分库分表技术方案文档
分库分表是应对数据量增长和系统性能瓶颈的关键技术。本文系统分析了分库分表的实施原因、核心原则和主要策略，包括垂直分库、垂直分表、水平分库和水平分表四种方式，详细比较了各自的优缺点和适用场景。同时，深入探讨了主流中间件ShardingSphere和TDDL的架构原理、核心功能及性能特点，为技术选型提供决策依据。分库分表方案需遵循业务导向、可扩展性、一致性、性能优先和可维护性五大原则，根据实际业务需求选择合适的分片策略和中间件工具，以有效提升系统性能和扩展能力。
2025-12-24 14:25:35
482
原创 分页优化深度解析
本文深度解析数据库分页优化技术，针对传统LIMIT offset方式存在的性能瓶颈，提出8种优化方案：1）索引覆盖查询避免回表；2）延迟关联减少扫描范围；3）书签分页实现稳定性能；4）预加载热点数据；5）数据分区降低单表压力；6）虚拟滚动优化前端体验；7）避免不必要排序；8）合理设置分页大小。通过对比各方案适用场景及优缺点，指出优化核心在于减少数据库扫描范围和IO开销，需结合索引设计、查询优化和缓存策略，根据具体业务场景选择最佳实践。
2025-12-24 14:16:09
876
原创 Hash 索引与 B+树索引的区别与适用场景
Hash索引与B+树索引的核心区别：Hash索引基于哈希表，仅支持O(1)等值查询但不支持范围查询，适用于内存数据库和简单键值场景；B+树索引基于平衡树结构，支持范围查询和排序（O(n)），是关系型数据库的默认选择，适合复杂业务场景。主要数据库如MySQL InnoDB优先使用B+树，而Redis等内存数据库采用Hash索引。实际应用中，90%业务推荐B+树索引，仅在纯等值查询时考虑Hash索引，部分数据库支持混合使用（如InnoDB的自适应哈希）。选择时需权衡查询类型、性能需求和数据特性。
2025-12-24 11:14:08
610
原创 SQL优化技术指南与实践分析
本文系统介绍了MySQL慢查询诊断与优化的方法论，分为慢查询识别分析、索引优化策略和SQL语句优化三部分。首先详细讲解了慢查询日志配置、执行计划解读和性能瓶颈定位流程；其次深入剖析了索引类型选择、设计原则及失效场景规避；最后提供了SQL语句重构、函数使用规范等核心优化策略。文章还总结了系统性优化慢查询的四个维度（业务逻辑、SQL语句、索引设计、数据库配置）和实际案例优化步骤，并指出了常见优化误区。通过全面的技术解析和实用指导，帮助开发者有效提升数据库查询性能。
2025-12-24 10:18:37
1149
原创 MVCC 版本链深度解析
MVCC版本链是数据库实现并发控制的核心机制，通过维护数据行的多个历史版本形成单向链表。其核心组成包括数据行、隐藏字段（事务ID和回滚指针）、Undo日志等物理结构。版本链通过Insert/Update/Delete操作动态维护，不同隔离级别下采用不同的读取策略。长事务会导致版本链膨胀和性能问题，需要合理优化。相比MySQL的Undo日志实现，PostgreSQL采用数据文件内存储版本。深入理解版本链对解决数据库并发问题和性能优化至关重要，涉及版本遍历、可见性判断等关键技术点。
2025-12-24 09:35:44
653
原创 数据库锁机制详解
本文系统梳理了MySQL数据库锁机制的核心内容。主要涵盖四种锁类型：行锁（基于索引锁定单条记录）、表锁（锁定整表）、间隙锁（防止幻读）和意向锁（协调行锁与表锁）。文章详细分析了各类锁的实现原理、适用场景及锁兼容性，特别强调行锁在高并发写操作中的优势。针对死锁问题，提出了顺序加锁、缩短事务、使用乐观锁等解决方案，并给出了锁机制的最佳实践建议，包括优先使用行锁、避免无索引条件等。最后通过对比表格总结了不同锁的特性，为数据库性能优化和面试准备提供了实用指导。
2025-12-23 16:51:10
896
原创 MVCC（多版本并发控制）实现机制详解
MVCC（多版本并发控制）是一种无锁并发机制，通过版本链、ReadView和Undo Log实现读写不阻塞。核心原理包括：每条记录维护事务ID和回滚指针形成版本链；Undo Log记录修改前状态；ReadView通过活跃事务列表判断版本可见性。MVCC在不同隔离级别下表现不同：读已提交每次查询生成新ReadView，可重复读事务开始生成一次ReadView。相比传统锁机制，MVCC实现无锁读，但写操作仍需加锁。优势是提高并发性能，局限是写冲突仍需锁解决。MVCC与锁机制配合，成为现代数据库核心并发控制技术。
2025-12-23 16:07:24
927
原创 事务ACID特性与隔离级别详解
事务是数据库操作的逻辑单元，要么全部执行成功，要么全部执行失败。特性定义实现机制原子性（Atomicity）事务中的所有操作要么全部成功，要么全部回滚，不可分割日志：通过Undo Log记录操作前状态，失败时回滚锁机制：确保事务操作的原子性一致性（Consistency）事务执行前后，数据库从一个一致状态转换到另一个一致状态约束检查：主键、外键、唯一性约束等业务逻辑：应用层保证原子性+隔离性+持久性：共同保证一致性隔离性（Isolation）多个事务并发执行时，一个事务的操作不会影响其他事务。
2025-12-23 14:57:25
581
原创 JVM 问题排查手段
Big Market电商移动应用因商品缓存机制导致内存泄漏，引发频繁界面冻结。问题表现为滚动时2-3秒的界面卡顿，尤其在30分钟以上使用后加剧。分析发现静态LinkedList<Product>无限累积对象，触发Full GC事件。解决方案采用带LRU驱逐策略的LinkedHashMap，限定缓存大小为1000个对象。修复后，内存使用稳定在350MB，UI冻结完全消除，GC暂停时间减少96%。该案例展示了合理缓存机制对用户体验的关键影响。
2025-12-23 14:33:17
1073
原创 索引原理详解
B+树索引是数据库优化的核心技术，采用多路平衡查找树结构，具有层级少、叶子节点相连等特点，支持高效的单值和范围查询。相比B树，B+树在范围查询、磁盘IO和查询稳定性方面更具优势。聚簇索引将数据与索引物理存储在一起，而非聚簇索引分离存储，两者在查询效率、更新成本和数量限制上存在差异。联合索引需遵循最左前缀原则，并可通过索引覆盖提升性能。常见的索引失效场景包括不满足最左前缀、使用函数、类型转换、模糊查询以%开头等。深入理解索引原理和优化规则对提升数据库性能至关重要。
2025-12-23 11:04:13
993
原创 JDK诊断工具使用指南：何时使用jps/jmap/jstat/jinfo/jstack
JDK诊断工具使用指南摘要 本文系统介绍了5种核心JDK诊断工具的使用场景和命令组合： jps - 快速定位Java进程ID和主类信息 jstat - 实时监控GC、类加载等JVM运行指标 jmap - 分析内存使用、生成堆转储文件（MAT分析） jstack - 排查死锁/线程阻塞/高CPU问题 jinfo - 查看和动态修改JVM参数 文章提供了典型故障排查流程： 内存泄漏：jps→jstat→jmap→MAT 高CPU：top→jstack→线程分析 死锁：jstack自动检测 生产环境建议谨慎使用j
2025-12-23 10:04:25
724
原创 JVM性能监控与故障排查工具详解
本文系统介绍了Java性能监控与诊断工具。命令行工具包括jps（进程查看）、jstack（线程分析）、jmap（堆转储）、jstat（JVM监控）和jinfo（参数调整）；可视化工具涵盖JConsole（基础监控）、VisualVM（全面分析）和Arthas（线上诊断）；堆转储分析工具对比了MAT（内存泄漏检测）和JProfiler（商业分析）。重点讲解了各工具的核心功能、常用命令和典型应用场景，如使用jstack分析死锁、Arthas线上问题排查等。这些工具组合使用可有效定位Java应用的性能问题，满足从
2025-12-22 15:39:50
964
原创 JVM调优参数配置详解
JVM调优参数指南 本文总结了JVM调优的关键参数设置建议，涵盖堆内存、垃圾收集器、元空间等核心配置： 堆内存参数：建议-Xms=-Xmx避免扩容开销，合理设置年轻代大小和Survivor区比例 垃圾收集器：详细对比了Serial、ParNew、Parallel、CMS、G1和ZGC收集器的适用场景和核心参数，G1适合8GB以上堆内存，ZGC适合TB级超大堆 元空间配置：建议设置初始大小和上限，避免频繁Full GC 监控参数：推荐开启GC日志、OOM自动转储等诊断功能 文末提供了Web应用和大堆应用的具体
2025-12-22 15:05:10
1061
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人