【真·一篇就够了】网络优秀博文汇总

本文链接：https://blog.csdn.net/zhw21w/article/details/129518542

文章目录

- - - 注:部分参考《后端架构师技术图谱》
架构相关
微服务相关
大数据相关
语言相关
Linux系统相关
网络相关
数据结构算法相关
技术社区

注:部分参考《后端架构师技术图谱》

参考:《架构师技术图谱》

架构相关

存储

SQL

mysql
- 理论
  - 《数据库的三大范式以及五大约束》
    - 第一范式：数据表中的每一列（每个字段）必须是不可拆分的最小单元，也就是确保每一列的原子性；
    - 第二范式（2NF）：满足1NF后，要求表中的所有列，都必须依赖于主键，而不能有任何一列与主键没有关系，也就是说一个表只描述一件事情；
    - 第三范式：必须先满足第二范式（2NF），要求：表中的每一列只与主键直接相关而不是间接相关，（表中的每一列只能依赖于主键）；
- 原理
  - 《MySQL的InnoDB索引原理详解》
  - 《MySQL存储引擎－－MyISAM与InnoDB区别》
    - 两种类型最主要的差别就是Innodb 支持事务处理与外键和行级锁
  - 《myisam和innodb索引实现的不同》
  - 《MySQL数据库存储引擎详解》
- InnoDB
  - 《一篇文章带你读懂Mysql和InnoDB》
- 优化
- 索引
  - 聚集索引, 非聚集索引
    - 《MySQL 聚集索引/非聚集索引简述》
    - 《MyISAM和InnoDB的索引实现》
    - MyISAM 是非聚集，InnoDB 是聚集
  - 复合索引
    - 《复合索引的优点和注意事项》
    - 文中有一处错误：
    - 对于复合索引,在查询使用时,最好将条件顺序按找索引的顺序,这样效率最高; select * from table1 where col1=A AND col2=B AND col3=D 如果使用 where col2=B AND col1=A 或者 where col2=B 将不会使用索引
      - 原文中提到索引是按照“col1，col2，col3”的顺序创建的，而mysql在按照最左前缀的索引匹配原则，且会自动优化 where 条件的顺序，当条件中只有 col2=B AND col1=A 时，会自动转化为 col1=A AND col2=B，所以依然会使用索引。
    - 《MySQL查询where条件的顺序对查询效率的影响》
- 自适应哈希索引(AHI)
  - 《InnoDB存储引擎——自适应哈希索引》
- explain
  - 《MySQL 性能优化神器 Explain 使用分析》
- 系列文章
  - 《Mysql使用系列》
  - 《MySQL存储引擎比较》
  - 读写分离模式
    - 《Mysql主从方案的实现》
    - 《搭建MySQL主从复制经典架构》
    - 《Haproxy+多台MySQL从服务器(Slave) 实现负载均衡》
    - 《DRBD+Heartbeat+Mysql高可用读写分离架构》
    - DRDB 进行磁盘复制，避免单点问题。
    - 《MySQL Cluster 方式》
  - 分片模式
    - 《分库分表需要考虑的问题及方案》
      - 中间件：轻量级：sharding-jdbc、TSharding；重量级：Atlas、MyCAT、Vitess等。
      - 问题：事务、Join、迁移、扩容、ID、分页等。
      - 事务补偿：对数据进行对帐检查;基于日志进行比对;定期同标准数据来源进行同步等。
      - 分库策略：数值范围；取模；日期等。
      - 分库数量：通常 MySQL 单库 5千万条、Oracle 单库一亿条需要分库。
    - 《MySql分表和表分区详解》
      - 分区：是MySQL内部机制，对客户端透明，数据存储在不同文件中，表面上看是同一个表。
      - 分表：物理上创建不同的表、客户端需要管理分表路由。
tidb

NoSQL

搜索

ES
- 《如何构建一个低成本，高可用，少运维的ES平台》

分布式相关

《分布式系统的时间》
《分布式架构知识体系》
Zookeeper
- 《ZooKeeper原理及使用》
- 《不理解Zookeeper一致性原理，谈何异地多活改造》
Etcd
- 《etcd：从应用场景到实现原理的全方位解读》
- 《Raft图解》
分布式架构
《亿级Web系统搭建——单机到分布式集群》
《Web系统大规模并发——电商秒杀与抢购》
《从单一架构到分布式交易架构，网易严选的成功实践》
《大规模网站架构的缓存机制和几何分形学》
《终于有人把“TCC分布式事务”实现原理讲明白了》
《分布式系统设计权衡之CAP》
《建高并发高可用的电商平台架构实践》
《分布式集群的负载均衡》
《一个复杂系统的拆分改造实践》
《秒杀业务架构的优化之路》
扩展性设计
- 《架构师不可不知的十大可扩展架构》
  - 总结下来，通用的套路就是分布、缓存及异步处理。
- 《可扩展性设计之数据切分》
  - 水平切分+垂直切分
  - 利用中间件进行分片如，MySQL Proxy。
  - 利用分片策略进行切分，如按照ID取模。
- 《说说如何实现可扩展性的大型网站架构》
  - 分布式服务+消息队列。
- 《大型网站技术架构（七）–网站的可扩展性架构》
CAP 与 BASE 理论
- 《从分布式一致性谈到CAP理论、BASE理论》
  - 一致性分类：强一致(立即一致)；弱一致(可在单位时间内实现一致，比如秒级)；最终一致(弱一致的一种，一定时间内最终一致)
  - CAP：一致性、可用性、分区容错性(网络故障引起)
  - BASE：Basically Available（基本可用）、Soft state（软状态）和Eventually consistent（最终一致性）
  - BASE理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。
分布式锁
- 《分布式锁的几种实现方式》
  - 基于数据库的分布式锁：优点：操作简单、容易理解。缺点：存在单点问题、数据库性能够开销较大、不可重入；
  - 基于缓存的分布式锁：优点：非阻塞、性能好。缺点：操作不好容易造成锁无法释放的情况。
  - Zookeeper 分布式锁：通过有序临时节点实现锁机制，自己对应的节点需要最小，则被认为是获得了锁。优点：集群可以透明解决单点问题，避免锁不被释放问题，同时锁可以重入。缺点：性能不如缓存方式，吞吐量会随着zk集群规模变大而下降。
- 《基于Zookeeper的分布式锁》
  - 清楚的原理描述 + Java 代码示例。
- 《jedisLock—redis分布式锁实现》
  - 基于 setnx(set if ont exists)，有则返回false，否则返回true。并支持过期时间。
- 《Memcached 和 Redis 分布式锁方案》
  - 利用 memcached 的 add（有别于set）操作，当key存在时，返回false。
稳定性 & 高可用
- 《聊聊高并发系统之限流特技-1》
- 《聊聊高并发系统限流特技-2》
- 《高并发之服务降级与熔断》
- 《系统设计：关于高可用系统的一些技术方案》
  - 可扩展：水平扩展、垂直扩展。通过冗余部署，避免单点故障。
  - 隔离：避免单一业务占用全部资源。避免业务之间的相互影响 2. 机房隔离避免单点故障。
  - 解耦：降低维护成本，降低耦合风险。减少依赖，减少相互间的影响。
  - 限流：滑动窗口计数法、漏桶算法、令牌桶算法等算法。遇到突发流量时，保证系统稳定。
  - 降级：紧急情况下释放非核心功能的资源。牺牲非核心业务，保证核心业务的高可用。
  - 熔断：异常情况超出阈值进入熔断状态，快速失败。减少不稳定的外部依赖对核心服务的影响。
  - 自动化测试：通过完善的测试，减少发布引起的故障。
  - 灰度发布：灰度发布是速度与安全性作为妥协，能够有效减少发布故障。
- 《关于高可用的系统》
  - 设计原则：数据不丢(持久化)；服务高可用(服务副本)；绝对的100%高可用很难，目标是做到尽可能多的9，如99.999%（全年累计只有5分钟）。

监控

Open-Falcon
- 《Open-Falcon使用介绍》
Promethues

链路跟踪

日志

ElasticSeach
- 《如何构建一个低成本，高可用，少运维的ES平台》
- 《Elasticsearch 权威指南》
Logstash
Kibana
Filebeat
日志搜集

队列

中间件

Web Server
- Nginx
  - 《Ngnix的基本学习-多进程和Apache的比较》
    - Nginx 通过异步非阻塞的事件处理机制实现高并发。Apache 每个请求独占一个线程，非常消耗系统资源。
    - 事件驱动适合于IO密集型服务(Nginx)，多进程或线程适合于CPU密集型服务(Apache)，所以Nginx适合做反向代理，而非web服务器使用。
  - 《nginx与Apache的对比以及优缺点》
    - nginx只适合静态和反向代理，不适合处理动态请求。
  - 《百万并发下的Nginx优化》
  - 《Nginx 中文文档》
- OpenResty
  - 官方网站
  - 《浅谈 OpenResty》
    - 通过 Lua 模块可以在Nginx上进行开发。
  - agentzh 的 Nginx 教程
- Tengine
  - 官方网站
- Apache Httpd
  - 官方网站
- Tomcat
  - 架构原理
- - - 《TOMCAT原理详解及请求过程》
      - 《Tomcat服务器原理详解》
      - 《Tomcat 系统架构与设计模式,第 1 部分: 工作原理》
      - 《四张图带你了解Tomcat系统架构》
      - 《JBoss vs. Tomcat: Choosing A Java Application Server》
      - Tomcat 是轻量级的 Serverlet 容器，没有实现全部 JEE 特性（比如持久化和事务处理），但可以通过其他组件代替，比如Spring。
      - Jboss 实现全部了JEE特性，软件开源免费、文档收费。
      - 调优方案
- - 《Tomcat 调优方案》
    - 启动NIO模式（或者APR）；调整线程池；禁用AJP连接器（Nginx+tomcat的架构，不需要AJP）；
    - 《tomcat http协议与ajp协议》
    - 《AJP与HTTP比较和分析》
      - AJP 协议（8009端口）用于降低和前端Server（如Apache，而且需要支持AJP协议）的连接数(前端)，通过长连接提高性能。
      - 并发高时，AJP协议优于HTTP协议。
  - Jetty
- - 《Jetty 的工作原理以及与 Tomcat 的比较》
    - 《jetty和tomcat优势比较》
      - 架构比较:Jetty的架构比Tomcat的更为简单。
      - 性能比较：Jetty和Tomcat性能方面差异不大，Jetty默认采用NIO结束在处理I/O请求上更占优势，Tomcat默认采用BIO处理I/O请求，Tomcat适合处理少数非常繁忙的链接，处理静态资源时性能较差。
      - 其他方面：Jetty的应用更加快速，修改简单，对新的Servlet规范的支持较好;Tomcat 对JEE和Servlet 支持更加全面。

微服务相关

RPC
- 《从零开始实现RPC框架 - RPC原理及实现》
  - 核心角色：Server: 暴露服务的服务提供方、Client: 调用远程服务的服务消费方、Registry: 服务注册与发现的注册中心。
- 《分布式RPC框架性能大比拼 dubbo、motan、rpcx、gRPC、thrift的性能比较》
- 《RPCX浅析》
《从“被动挖光缆”到“主动剪网线”，蚂蚁金服异地多活的微服务体系》
《互联网架构，究竟为啥要做服务化？》
《微服务：从设计到部署》

大数据相关

语言相关

Linux系统相关

网络相关

《TCP/IP学习》
OSI 七层协议
- 《OSI七层协议模型、TCP/IP四层模型学习笔记》
TCP/IP
- 《深入浅出 TCP/IP 协议》
- 《TCP协议中的三次握手和四次挥手》
HTTP
- 《http协议详解(超详细)》
HTTP2.0
- 《HTTP 2.0 原理详细分析》
- 《HTTP2.0的基本单位为二进制帧》
  - 利用二进制帧负责传输。
  - 多路复用。
  - HTTPS
- 《https原理通俗了解》
  - 《这样理解HTTPS更容易》
  - 使用非对称加密协商加密算法
  - 使用对称加密方式传输数据
  - 使用第三方机构签发的证书，来加密公钥，用于公钥的安全传输、防止被中间人串改。
- 《八大免费SSL证书-给你的网站免费添加Https安全加密》
网络模型
- 《web优化必须了解的原理之I/o的五种模型和web的三种工作模式》
  - 五种I/O模型：阻塞I/O，非阻塞I/O，I/O复用、事件(信号)驱动I/O、异步I/O，前四种I/O属于同步操作，I/O的第一阶段不同、第二阶段相同，最后的一种则属于异步操作。
  - 三种 Web Server 工作方式：Prefork(多进程)、Worker方式(线程方式)、Event方式。
- 《select、poll、epoll之间的区别总结》
  - select，poll，epoll本质上都是同步I/O，因为他们都需要在读写事件就绪后自己负责进行读写，也就是说这个读写过程是阻塞的。
  - select 有打开文件描述符数量限制，默认1024（2048 for x64），100万并发，就要用1000个进程、切换开销大；poll采用链表结构，没有数量限制。
  - select，poll “醒着”的时候要遍历整个fd集合，而epoll在“醒着”的时候只要判断一下就绪链表是否为空就行了，通过回调机制节省大量CPU时间；select，poll每次调用都要把fd集合从用户态往内核态拷贝一次，而epoll只要一次拷贝。
  - poll会随着并发增加，性能逐渐下降，epoll采用红黑树结构，性能稳定，不会随着连接数增加而降低。
- 《select，poll，epoll比较》
  - 在连接数少并且连接都十分活跃的情况下，select和poll的性能可能比epoll好，毕竟epoll的通知机制需要很多函数回调。
- 《深入理解Java NIO》
  - NIO 是一种同步非阻塞的 IO 模型。同步是指线程不断轮询 IO 事件是否就绪，非阻塞是指线程在等待 IO 的时候，可以同时做其他任务
- 《BIO与NIO、AIO的区别》
- 《两种高效的服务器设计模型：Reactor和Proactor模型》
Epoll
- 《epoll使用详解（精髓）》
Java NIO
- 《深入理解Java NIO》
- 《Java NIO编写Socket服务器的一个例子》
kqueue
- 《kqueue用法简介》
连接和短连接
- 《TCP/IP系列——长连接与短连接的区别》
框架
- 《Netty原理剖析》
  - Reactor 模式介绍。
  - Netty 是 Reactor 模式的一种实现。
- 零拷贝（Zero-copy）
  - 《对于 Netty ByteBuf 的零拷贝(Zero Copy) 的理解》
    - 多个物理分离的buffer，通过逻辑上合并成为一个，从而避免了数据在内存之间的拷贝。
    - 序列化(二进制协议)
Hessian
- 《Hessian原理分析》 Binary-RPC;不仅仅是序列化
Protobuf
- 《Protobuf协议的Java应用例子》 Goolge出品、占用空间和效率完胜其他序列化类库，如Hessian；需要编写 .proto 文件。
  - 《Protocol Buffers序列化协议及应用》
  - 关于协议的解释；缺点：可读性差;
    - 《简单的使用 protobuf 和 protostuff》
      - protostuff 的好处是不用写 .proto 文件，Java 对象直接就可以序列化。

数据结构算法相关

数据结构
- 队列
  - 《java队列——queue详细分析》
    - 非阻塞队列：ConcurrentLinkedQueue(无界线程安全)，采用CAS机制（compareAndSwapObject原子操作）。
    - 阻塞队列：ArrayBlockingQueue(有界)、LinkedBlockingQueue（无界）、DelayQueue、PriorityBlockingQueue，采用锁机制；使用 ReentrantLock 锁。
    - 《LinkedList、ConcurrentLinkedQueue、LinkedBlockingQueue对比分析》
- 集合
  - 《Java Set集合的详解》
- 链表、数组
  - 《Java集合详解–什么是List》
- 字典、关联数组
  - 《Java map 详解 - 用法、遍历、排序、常用API等》
- 栈
  - 《java数据结构与算法之栈（Stack）设计与实现》
  - 《Java Stack 类》
  - 《java stack的详细实现分析》
    - Stack 是线程安全的。
    - 内部使用数组保存数据，不够时翻倍。
- 树
  - 《二叉树》
    - 每个节点最多有两个叶子节点。
- 完全二叉树
  - 《完全二叉树》
  - 叶节点只能出现在最下层和次下层，并且最下面一层的结点都集中在该层最左边的若干位置的二叉树。
- 平衡二叉树
  - 左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。
  - 《浅谈数据结构-平衡二叉树》
  - 《浅谈算法和数据结构: 八平衡查找树之2-3树》
- 二叉查找树（BST）
  - 二叉查找树（Binary Search Tree），也称有序二叉树（ordered binary tree）,排序二叉树（sorted binary tree）。
  - 《浅谈算法和数据结构: 七二叉查找树》
- 红黑树
  - 《最容易懂得红黑树》
    - 添加阶段后，左旋或者右旋从而再次达到平衡。
  - 《浅谈算法和数据结构: 九平衡查找树之红黑树》
- B，B+，B*树
  - MySQL是基于B+树聚集索引组织表
  - 《B-树，B+树，B*树详解》
  - 《B-树，B+树与B*树的优缺点比较》
    - B+树的叶子节点链表结构相比于 B-树便于扫库，和范围检索。
- LSM 树
  - LSM（Log-Structured Merge-Trees）和 B+ 树相比，是牺牲了部分读的性能来换取写的性能(通过批量写入)，实现读写之间的平衡。 Hbase、LevelDB、Tair（Long DB）、nessDB 采用 LSM 树的结构。LSM可以快速建立索引。
  - 《LSM树 VS B+树》
    - B+ 树读性能好，但由于需要有序结构，当key比较分散时，磁盘寻道频繁，造成写性能较差。
    - LSM 是将一个大树拆分成N棵小树，先写到内存（无寻道问题，性能高），在内存中构建一颗有序小树（有序树），随着小树越来越大，内存的小树会flush到磁盘上。当读时，由于不知道数据在哪棵小树上，因此必须遍历（二分查找）所有的小树，但在每颗小树内部数据是有序的。
    - 《LSM树（Log-Structured Merge Tree）存储引擎》
      - 极端的说，基于LSM树实现的HBase的写性能比MySQL高了一个数量级，读性能低了一个数量级。
      - 优化方式：Bloom filter 替代二分查找；compact 小数位大树，提高查询性能。
      - Hbase 中，内存中达到一定阈值后，整体flush到磁盘上、形成一个文件（B+数），HDFS不支持update操作，所以Hbase做整体flush而不是merge update。flush到磁盘上的小树，定期会合并成一个大树。
- BitSet
  - 经常用于大规模数据的排重检查。
  - 《Java Bitset类》
  - 《Java BitSet（位集）》