ARTS (第66周)
循序而渐进,熟读而精思
Algorithm 算法
最简单的编译器(加法、乘法)
AST和token节点
1 | package compiler.ast; |
1 | package compiler.ast; |
1 | package compiler.token; |
1 | package compiler.token; |
解析和编译
1 | package compiler.compile1; |
1 | package compiler.compile1; |
1 | package compiler.compile1; |
1 | package compiler.compile1; |
测试
1 | package compiler.compile1; |
Review 英文文章
https://spring.io/guides/topicals/spring-boot-docker/
springboot 整合docker
Tip 技巧
缓存常见问题和解决方案
缓存穿透
缓存穿透是指缓存和数据库中都没有的数据,而用户不断发起请求,如发起为id为“-1”的数据或id为特别大不存在的数据。一般是由于黑客故意去请求缓存中不存在的数据,导致所有的请求都落到数据库上,造成数据库短时间内承受大量请求而崩掉
1、布隆过滤器
最常见的解决方法是采用布隆过滤器,将所有可能存在的数据hash到一个足够大的bitmap中,一个一定不存在的数据会被这个bitmap拦截掉,从而避免了对底层存储系统的查询压力。
2、接口层增加校验,如用户鉴权校验,id做基础校验,id<=0之类的的直接拦截;
3、还有一个更为简单粗暴的方法,即使一个查询返回的数据为空,我们仍然把这个空结果进行缓存,但它的过期时间会很短,最长不超过五分钟。
缓存击穿
缓存击穿是指缓存中没有但数据库中有的数据(一般是缓存时间到期),这时由于并发用户特别多,同时读缓存没读到数据,又同时去数据库去取数据,引起数据库压力瞬间增大,造成过大压力
设置热点数据永远不过期。
加互斥锁
互斥锁:若缓存中没有数据,则获取锁(当前缓存行的锁,如根据缓存的key值创建分布式锁)再从数据库去取数据,获取不到锁则等待一会再去缓存里获取。
缓存雪崩
缓存雪崩是指缓存中数据大批量到过期时间,而查询数据量巨大,引起数据库压力过大甚至down机。和缓存击穿不同的是, 缓存击穿指并发查同一条数据,缓存雪崩是不同数据都过期了,很多数据都查不到从而查数据库。
解决方案:
1、缓存数据的过期时间设置随机,防止同一时间大量数据过期现象发生。
2、如果缓存数据库是分布式部署,将热点数据均匀分布在不同搞得缓存数据库中。
3、设置热点数据永远不过期。
缓存 “无底洞” 现象
指的是为了满足业务要求添加了大量缓存节点,但是性能不但没有好转反而下降了的现象。
产生原因
缓存系统通常采用 hash 函数将 key 映射到对应的缓存节点,随着缓存节点数目的增加,键值分布到更多的节上,导致客户端一次批量操作会涉及多次网络操作,这意味着批量操作的耗时会随着节点数目的增加而不断增大。此外,网络连接数变多,对节点的性能也有一定影响。
解决方案
1、优化批量数据操作命令;
2、减少网络通信次数;
3、降低接入成本,使用长连接 / 连接池,NIO 等。
缓存一致性
缓存一致性要求数据更新的同时缓存数据也能够实时更新。
解决方案
1、在数据更新的同时立即去更新缓存;
2、在读缓存之前先判断缓存是否是最新的,如果不是最新的先进行更新。
3、要保证缓存一致性需要付出很大的代价,缓存数据最好是那些对一致性要求不高的数据,允许缓存数据存在一些脏数据。
Share 分享
https://my.oschina.net/7001/blog/1619842 Hystrix原理与实战
https://www.jetbrains.com/idea/download/other.html IDEA各版本下载
https://blog.csdn.net/Leon_Jinhai_Sun/article/details/100920263 SpringCloud版本定义说明
https://www.jianshu.com/p/51f744091012 MVP(Minimum Viable Product) 最小可行性产品
https://www.jb51.net/article/135852.htm top命令参数和输出