https://zhuanlan.zhihu.com/p/568107004 背景 设计一个可扩展系统(scalable system)的时候, 最重要的一点是要考虑到在多个服务器之间如何拆分(partition)数据, 还有如何复制(replicate)数据. 我们来看看这两点的具体定义: 数据拆
https://segmentfault.com/a/1190000022248118 etcd 是线性一致性读，而 zk 却是顺序一致性读，再加上各种共识、强弱一致的名词，看的时候总会混淆，这篇文档就列举下分布式系统中的那些"一致性名词"，引用了很多其他的文章，不过会多出一些例子来帮助理解。 什么
https://github.com/hanxt/raft-zh_cn/blob/master/raft-zh_cn.md 寻找一种易于理解的一致性算法（扩展版） 摘要 1 介绍 2 复制状态机 3 Paxos 算法的问题 4 为了可理解性的设计 5 Raft 一致性算法 5.1 Raft 基础 5
https://zhuanlan.zhihu.com/p/151745863 在计算机系统设计实践中，我们常常会遇到下图所示架构： 为了解决单个存储器读吞吐无法满足要求的问题，常常需要在存储器上面增加一个或多个缓存。但由于相同的数据被复制到一个或多个地方，就容易引发数据一致性问题。不一致的数据可能出
背景 之前在一次不规范HTTP请求引发的nginx响应400问题分析与解决 中写过客户端query参数未urlencode导致的400问题，当时的结论是： 对于query参数带空格的请求，由于其不符合HTTP规范，golang的net/http库无法识别会直接报错400，而nginx和使用uwsgi
sourceTree合并一次提交的内容 在基于git的开发中，经常遇到不同分支需要合并某一次特定的提交的代码，而不是合并整个代码。 场景：A分支是通用分支，B分支是私有化分支，现在A分支修改了一个通用的功能，需要合并到B分支上，功能在一次提交上。B分支只需要这次提交的代码，对A分支上改动的其他代码都
物流合约中心是京东物流合同管理的唯一入口。为商家提供合同的创建，盖章等能力，为不同业务条线提供合同的定制，归档，查询等功能。由于各个业务条线众多，为各个业务条线提供高可用查询能力是物流合约中心重中之重。同时计费系统在每个物流单结算时，都需要查询合约中心，确保商家签署的合同内容来保证计费的准确性。
JDK 8 是一次重大的版本升级，新增了非常多的特性，其中之一便是 CompletableFuture。自此从 JDK 层面真正意义上的支持了基于事件的异步编程范式，弥补了 Future 的缺陷。 在我们的日常优化中，最常用手段便是多线程并行执行。这时候就会涉及到 CompletableFuture 的使用。
重构不仅能够提高代码质量，让代码优雅起来，同时也能让我们学以致用。我们所学的设计思想、原则、模式等理论知识，往往在重构中能够真正实践。
本文是一次工作中对并发问题的处理案例，问题发生在快递分拣的流程中，我尽可能将业务背景简化，让大家只关注并发问题本身。
今天来说一个老生常谈的问题，来看一个实际案例：业务中往往都会通过缓存来提高查询效率，降低数据库的压力，尤其是在分布式高并发场景下，大量的请求直接访问Mysql很容易造成性能问题。
分布式事务提交慢的一次总结和思考 背景 分布式事务未提交 是应用程序出现宕机异常的很重要的一原因. 应用宕机主要可以分为: 1. 内存泄露导致的OOM宕机. 表现在系统越来越慢, 应用的内存和CPU占用量越来越高. 最终达到无响应的状态, 此时数据库一般是正常的. 2. 分布式事务未提交导致的宕机,
上上周 Next.js 新版本火了一把，这不本周热点趋势就有了一个 Next.js 13 新特性构建的网站，虽然它只是个实验性项目。同样可以搞定一些业务的还有 lama
再来一次优化，方向是质因数计算逻辑，目标是明显提升排名
在现代大型分布式软件系统中，有一个绕不过去的课题，那就是如何保证系统的数据一致性。数据一致性保障为什么难呢？
本文主要讲解了一致性哈希算法的原理以及其存在的数据倾斜的问题，然后引出解决数据倾斜问题的方法，最后分析一致性哈希算法在Dubbo中的使用。通过这篇文章，可以了解到一致性哈希算法的原理以及这种算法存在的问题和解决方案。
## 基础理论 ### CAP理论 一致性（Consistency） ：在分布式系统中所有的数据备份，在同一时刻都保持一致状态，如无法保证状态一致，直接返回错误； 可用性（Availability）：在集群中一部分节点故障，也能保证客户端访问系统并得到正确响应，允许一定时间内数据状态不一致； 分区容
本文记录了一次排查FullGC导致的TP99过高过程,介绍了一些排查时思路,线索以及工具的使用,希望能够帮助一些新手在排查问题没有很好的思路时,提供一些思路,让小白也能轻松解决FullGC问题
本文将对几种缓存与数据库保证数据一致性的使用方式进行分析。为保证高并发性能，以下分析场景不考虑执行的原子性及加锁等强一致性要求的场景，仅追求最终一致性。
微服务架构是将单个服务拆分成一系列小服务，且这些小服务都拥有独立的进程，彼此独立，很好地解决了传统单体应用的上述问题，但是在微服务架构下如何保证事务的一致性呢？
