这篇主要介绍对慢 SQL 优化的一些手段，而在讲解具体的优化措施之前，我想先对 EXPLAIN 进行介绍，它是我们在分析查询时必要的操作，理解了它输出结果的内容更有利于我们优化 SQL。为了方便大家的阅读，在下文中规定类似 key1 的表示二级索引，key_part1 表示联合索引的第一部分，uni
问题回溯 2023年Q2某日运营反馈一个问题，商品系统商家中心某批量工具模板无法下载，导致功能无法使用（因为模板是动态变化的） 商家中心报错（JSON串）： {"code":-1,"msg":"失败"} 负责的同事看到失败后立即与我展开讨论（因为不是关键业务，所以不需要回滚，修复即可），我们发现新功
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。
本文通过对贫血三层架构进行精炼，推导出适合我们落地的应用架构，并且将之实现为Maven Archetype以应用到实际开发，然而应用架构只是落地DDD的一个知识点，要完整落地DDD还必须体系化地掌握限界上下文、上下文映射、充血模型、实体、值对象、领域服务、Factory、Repository等知识点。
最近在对稳健理财BFF层聚合查询服务优化治理，针对文章内的串行改并行章节进行展开，分享下实践经验，主要涉及原同步改异步的过程、全异步化后衍生的问题以及治理方面的思考与改进。
本文将对测试驱动开发（TDD）进行探讨，主要内容有：TDD基本理解、TDD常见误区、TDD技术选型，以及案例实战。希望通过本文，读者能够理解掌握TDD并将其应用于实际开发中。
编写API可能对于很多后端开发人员来说，并不是什么难事儿，但如果您主要从事前端功能，那么可能还是有一些门槛。 那么有没有工具可以帮助我们降低编写API的学习门槛和复杂度呢？ 今天就来给大家推荐一个不错的开源工具：APITable APITable是一个面向API的可视化数据库，它适用于所有人，甚至没
说起办公自动化就离不开对excel表格的处理，现在哪个办公族不得每天面对着几份excel过日本子？
哈喽大家好，我是咸鱼 今天我们从几个方面来比较一些现在流行的两个 python web 框架——Flask 和 Django，突出它们的主要特性、优缺点和简单案例 到最后，大家将更好地了解哪个框架更适合自己的特定需求 参考链接：https://djangocentral.com/flask-vs-d
问题描述 使用Azure Redis服务，客户端使用Redisson 3.X , 在近期Microsoft Azure对Redis服务进行大规模变动升级( Redis 版本由 4 升级到 6），对于这次升级的影响有以下的问题？ 问题解释 问题一：Redis 6.0 和 Redisson 3.X 之间
问题描述 在Azure Blob的官方示例中，都是对文件进行上传到Blob操作，没有实现对已创建的Blob进行追加的操作。如果想要实现对一个文件的多次追加操作，每一次写入的时候，只传入新的内容？ 问题解答 Azure Storage Blob 有三种类型： Block Blob, Append Bl
问题描述 当对AKS的登录方式(认证和授权)从“Local Account with Kubernetes RBAC ”改变为“Azure AD authentication with Azure RBAC”. 通过 kubectl 连接AKS会要求交互式登录，需要通过浏览器输入认证码后关联azur
引言 net同僚对于async和await的话题真的是经久不衰，这段时间又看到了关于这方面的讨论，最终也没有得出什么结论，其实要弄懂这个东西，并没有那么复杂，简单的从本质上来讲，就是一句话，async 和await异步的本质就是状态机+线程环境上下文的流转，由状态机向前推进执行，上下文进行环境切换，
前两天在微信后台收到了读者的私信，问了一个这样的问题，由于私信回复有字数和篇幅限制，我在这里统一回复一下。读者的问题是这样的： 大佬您好，之前读了您的文章受益匪浅，我们有一个项目经常占用 7-8GB 的内存，使用了您推荐的ArrayPool以后降低到 4GB 左右，我还想着能不能继续优化，于是 du
1. 概述 之前的文章提到，在Three.js中使用InstanceMesh来实现性能优化，可以实现单个Mesh的拾取功能 那，能不能实现碰撞检测呢？肯定是可以的，不过Three.js中并没有直接的API可以实现对InstanceMesh的碰撞检测，需要手动实现 回顾本文的描述的Three.js的场
反射机制就是通过字节码文件对象获取成员变量、成员方法和构造方法，然后进一步获取它们的具体信息，如名字、修饰符、类型等。 反射机制的性能较低有很多原因，这里详细总结以下4点原因： （1）JIT优化受限： JIT 编译器的优化是基于静态分析和预测的。反射是一种在运行时动态解析类型信息的机制，在编译时无法
类型检查和转换：当你需要检查对象是否为特定类型，并且希望在同一时间内将其转换为那个类型时，模式匹配提供了一种更简洁的方式来完成这一任务，避免了使用传统的as和is操作符后还需要进行额外的null检查。 复杂条件逻辑：在处理复杂的条件逻辑时，特别是涉及到多个条件和类型的情况下，使用模式匹配可以使代码更
从Mybatis-Plus开始认识SerializedLambda 背景 对于使用过Mybatis-Plus的Java开发者来说，肯定对以下代码不陌生： @TableName("t_user") @Data public class User { private String id; private
问题描述 MultiLineTraceByChannel，看函数名字是返回射线检测到的所有对象，实际使用过程中，发现返回的数组中只又一个对象。 Multi Line Trace by Channel 可以看下官方的文档解释： 此指南说明如何使用 Multi Line Trace by Channel
一行代码省流：SystemAPI.GetSingleton() 当你需要按照区域、距离或者场景对Ghost进行筛选的时候，Netcode for Entities里并没有类似FishNet那样方便的过滤方式，需要获取一个过滤专用的组件：GhostRelevancy。 这个结构的内容不多，但功能很强大
