https://www.jianshu.com/p/cae00d9c99fe 某游戏海外版本堆外内存泄露排查 现象 线上有部分服务器用top发现Java进程内存占用占比达到99，而且出现了有一个服务器被Linux OOM Kill 排查 选择了110服，该机器的Java进程最大堆内存设置的是9710
https://github.com/landon30/Bulls/wiki/java-profiling-tools landon 网络游戏资深服务器架构师 2018-06-14 线上遇到了问题？ 服务上线出问题，想增加打印日志怎么办？ 线上怀疑某个接口慢，想打印接口耗时怎么办？ 线上某个接口报错
常见的数据存储方式有四种：在线存储、近线存储、脱机存储和站外保护。 不同的存储方式提供不同的获取便利性、安全性和成本开销等级。 在大多数场景中，四种存储方式被混合使用以达到最有效的存储策略。 来看一看这四种数据存储方式各自的含义： 1. 在线存储 (Online storage)： 有时也称为二级存
https://www.zhihu.com/people/trumandu-95/posts 5条最佳建议 1.仅安装产线需要依赖与软件 镜像尽可能最小原则 仅复制jar/war 使用自定义JRE(Java Runtime Environment) 2.使用多阶段构建 FROM maven:3.6.
https://zhuanlan.zhihu.com/p/583922188 一、问题 近期我们运维同事接到线上LB（负载均衡）服务内存报警，运维同事反馈说LB集群有部分机器的内存使用率超过80%，有的甚至超过90%，而且内存使用率还再不停的增长。接到内存报警的消息，让整个团队都比较紧张，我们团队负
https://my.oschina.net/u/5246775/blog/5981861 Web 应用性能优化迫在眉睫。线上经济活动份额不断增长，发达世界的互联网经济已占经济总量的 5% 以上（请参见下文的互联网统计数据来源）。在这个始终在线、超级互联的现代世界，用户的期望已经今非昔比。如果您的网
https://zhuanlan.zhihu.com/p/500525072 4 月 13 日-15 日，欧拉开发者大会（openEuler Developer Day 2022）在线上和线下同步举行。大会以“一起创未来，欧拉更精彩”为主题，旨在推动 openEuler 在服务器、云计算、边缘计算和
https://z.itpub.net/article/detail/8A4E4E96522BD59D45AB5A4CA442EDB3 自开始负责生产环境部署，中间遇到了若干线上环境内存以及CPU的问题。由于微服务以及容器的流行，现在已经可以很方便的使用 K8s + prometheus + gra
https://www.cnblogs.com/micrari/p/8831834.html 1. 问题背景 上周线上某模块出现锁等待超时，如下图所示：我虽然不是该模块负责人，但出于好奇，也一起帮忙排查定位问题。 这里的业务背景就是在执行到某个地方时，需要去表中插入一批数据，这批数据需要根据数据类型
Linux运维常用150个命令 转载自：www.cnblogs.com/bananaaa/p/7774467.html 命令 功能说明 线上查询及帮助命令(2个) man 查看命令帮助，命令的词典，更复杂的还有info，但不常用。 help 查看Linux内置命令的帮助，比如cd命令。 文件和目录操
记druid 连接池没满,但超时问题 GetConnectionTimeoutException active 5, maxActive 100 问题说明 线上服务突然出现报错，通过日志查找发现是因为服务升级导致压力集中到某个节点上，出现连接获取超时导致的。 从日志中也找到了异常。 异常信息： co
# 背景 本篇是c3p0连接泄露问题的第二篇，在前面一篇里面，大体介绍了问题，问题就是，我们发现线上服务不响应的原因是拿不到连接。而为啥拿不到连接呢，因为空闲链表为空，那么为什么空闲链表为空呢？ 这个我一开始的猜测就是，估计是某处代码从连接池里获取了连接，用完了没有归还，那么，怎么才能找到这些罪恶的
本文将学术界和工业界的纠删码技术的核心研究成果进行了相应的梳理，然后针对公司线上存储系统的纠删码进行分析，结合互联网企业通用的IDC资源、服务器资源、网络资源、业务特性进行分析对原有纠删码技术进行优化和微创新，提出了融合EC整体方案以及可落地的RS+LRC+中间结果优化+并行修复跨AZ带宽设计方案，为后续的工程实践提供重要原理和架构支撑。
在表数据量很大的时候直接添加字段，以及其他表结构修改，会严重影响线上使用，而且耗费时间很长；使用这个工具可以很好的在线修改表结构。 好处: 降低主从延时的风险 可以限速、限资源，避免操作时MySQL负载过高 建议: 在业务低峰期做，将影响降到最低 直接原表修改缺点： 当表的数据量很大的时候，如果直接
作者：李遵举 一、问题 近期我们运维同事接到线上LB（负载均衡）服务内存报警，运维同事反馈说LB集群有部分机器的内存使用率超过80%，有的甚至超过90%，而且内存使用率还再不停的增长。接到内存报警的消息，让整个团队都比较紧张，我们团队负责的LB服务是零售、物流、科技等业务服务的流量入口，承接上万个服
不知道 AI 在你那边是什么样的具象，在我这就是各种搞图：从给线稿图上色，到直接给你生成一张小色图，AI 最近是真出风头，本周热点速览也收录了
京销易系统已经接入大网、KA以及云仓三个条线商机，每个条线商机规则差异比较大，当前现状是独立实现三套系统分别做支撑。
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
## 1. 背景 - 业务背景：CRM系统随着各业务条线对线索精细化分配的诉求逐渐增加，各个条线的流向规则会越来越复杂，各个条线甚至整个CRM的线索流转规则急需一种树形的可视化的图来表达。 - 技术背景：在开发之前考虑了三种方案，原生canvas、fabric以及G6，三种方案各有优劣势 | |
