qq_43197840的博客

原创 13种设计模式 demo

demo。

原创 Redis 主从复制的原理详解

当 Sentinel 发现主节点故障时，会通过选举机制，将其中一个从节点提升为新的主节点，并通知其他从节点重新指向新的主节点。如果从节点与主节点断开连接，当从节点恢复连接后，主节点会将自从连接断开后的增量数据发送给从节点，以保持数据的同步。手动故障恢复：在传统的 Redis 主从复制架构中，当主节点故障时，通常需要人工干预，将其中一个从节点提升为主节点，并重新配置其他节点指向新的主节点。增量复制：在全量复制完成后，从节点会通过命令传播机制，接收主节点的实时写操作日志，并应用到自己的数据集中，实现实时同步。

原创 RabbitMQ 和 Kafka 的详细对比表格

RabbitMQ适合需要灵活消息路由、消息确认和易于管理的场景，特别适合中小型项目和需要多种协议支持的场景。Kafka适合需要高吞吐量、低延迟和海量数据处理的场景，特别适合实时数据处理和流处理应用。选择合适的工具取决于应用的具体需求和场景。如果需要灵活的消息路由和易于管理，可以选择 RabbitMQ；如果需要高吞吐量和低延迟，可以选择 Kafka。

原创 Spring Boot 中整合 Kafka

通过以上步骤，我们成功地在 Spring Boot 中整合了 Kafka，并实现了消息的生产和消费。Spring Kafka 提供了简单易用的 API，使得我们可以轻松地与 Kafka 进行交互。你可以根据实际需求进一步扩展和优化这个示例。在 Kafka 中，消费者消费消息失败后是否重新入队（重回队列）取决于消费者的配置和处理逻辑。Kafka 本身并没有直接提供“消费失败重回队列”的功能，但可以通过一些策略来实现类似的效果。

原创 Spring Boot 项目中整合 RabbitMQ，使用死信队列（Dead Letter Exchange, DLX）实现延迟队列功能

配置 RabbitMQ：在文件中配置 RabbitMQ 的连接信息。创建 RabbitMQ 配置类：定义交换机、队列和绑定关系，设置死信交换机。发送延迟消息：通过发送带有 TTL 的消息。消费延迟消息：通过注解消费死信队列中的消息。通过这种方式，可以在 Spring Boot 项目中使用死信队列实现延迟队列功能。需要注意的是，消息的 TTL 是以毫秒为单位的，且消息的延迟时间不能超过 RabbitMQ 的最大消息大小限制。

原创 好文推荐-架构

intro · dianping/cat Wiki · GitHub

原创 mysql 隔离级别-【脏读-不可重复读-幻读】-【读已提交-读未提交-可重复读-串行】- 超级详细包看懂

原创 spring @Transactional 是怎么实现事务的

Spring的注解通过Spring的事务管理机制实现事务控制。这个机制主要依赖于Spring的AOP（面向切面编程）和事务管理器（Transaction Manager）。下面是。

原创 spring事务什么时候会失效

1.bean 对象没有被spring容器管理确保类被Spring管理，通常通过添加@Service或@Component注解。2.方法的访问修饰符不是public注解只能作用于public方法。如果方法不是public的，事务管理将失效。3.自身调用问题在同一个类中，一个方法调用另一个方法，可能导致事务管理失效。解决办法：通过注入自身的方式，强制使用代理类来进行调用。4.数据源没有配置事务管理器在Spring Boot中，事务管理是自动启用的。你只需要在主类上添加。

原创 a 方法调用 b 方法 2个方法都有事务，且传播特性相同或不同。举例所有排列组合场景，并详细说明

在Java中，事务的传播特性定义了方法调用中事务的行为。REQUIRED（默认）：如果当前存在事务，则加入该事务；如果没有事务，则创建一个新的事务。：无论当前是否存在事务，都创建一个新的事务。SUPPORTS：如果当前存在事务，则加入该事务；如果没有事务，则以非事务方式执行。：以非事务方式执行，如果当前存在事务，则将其挂起。MANDATORY：必须在已有事务中执行，如果当前没有事务，则抛出异常。NEVER：以非事务方式执行，如果当前存在事务，则抛出异常。NESTED：如果当前存在事务，则在嵌套事务中执行；

原创 1-安装Elasticsearch

未完待续。

原创 登录过程记录

过程：

原创 CPU飙升 怎么定位问题

【top】查看所有进程占系统CPU的排序，定位是哪个进程搞的鬼。PID那一列就是进程号。定位进程中使用 CPU 最高的线程tid线程 tid 转化 16 进制,例如printf ‘0x%x’ 11882 得到16进制的 0x2e6a【jstack pid | grep tid 】找到线程堆栈，例如jstack 11763 | grep 0x2e6a -A 30查问题时，会要多次上面的操作以分析确定问题，这个过程。期望整合上面的过程成一个脚本，这样一行命令就可以自动化地搞定。

原创 mysql的锁

原创 git update-git-for-windows 升级失败

再执行一次git update-git-for-windows 成功。

原创 一个完整的 Web 请求到底发生了什么

本文主要内容是试图记录一个完整 Web 请求的详细过程，从用户在浏览器中输入 URL 地址说起，然后浏览器如何找到服务器地址的过程，并发起请求；最后到请求在服务器端处理完成后，浏览器渲染响应页面过程。6.当数据返回浏览器时，浏览器解析数据发现还有一些静态资源（如：css，js或者图片）时又会发起另外的请求，而这些请求可能会在CDN上，那么CDN服务器又会处理这个用户的请求。但需要注意的是，从 HTTP 1.1 开始，服务器可以与客户端保持长连接，不一定是请求完成后就断开连接，这取决于服务器的操作。

原创 【系统响应慢排查所需命令】ps -ef、grep、jstat、pmap 、sort 、head 、jmap 、dump.hprof

假如是搜索功能缓慢，就用查看符合条件的进程【查询包含字符串“search”的进程】【ps -ef | grep search】jstat 这个命令主要是查看gc 、内存相关的信息【jstat -option】,以下是jstat 支持的选项。查看search 服务的gc情况【查询进程id 31665 的 gc 情况】【jstat -gc 31665】: 显示垃圾回收的统计信息，包括各个内存池的使用情况和垃圾回收的时间。状态的线程，并统计每个线程等待的锁的数量，输出前 10 个。

原创 关键词查找【Knuth-Morris-Pratt (KMP) 算法】

KMP算法的核心是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。

原创 关键词查找【Aho-Corasick 算法】

【代码】关键词查找【Aho-Corasick 算法】

原创 关键词查找【Boyer-Moore 算法】

BM算法的精华就在于BM(text, pattern),也就是BM算法当不匹配的时候一次性可以跳过不止一个字符。通常搜索关键字越长，算法速度越快。它的效率来自于这样的事实：对于每一次失败的匹配尝试，算法都能够使用这些信息来排除尽可能多的无法匹配的位置。BM算法实际上包含两个并行的算法（也就是两个启发策略）：坏字符算法（bad-character shift）和好后缀算法（good-suffix shift）。这两种算法的目的就是让模式串每次向右移动尽可能大的距离（即上面的BM( )尽可能大）。

原创 快速排序【示例】

们的计算机每秒钟可以运行 10 亿次，那么对 1 亿个数进行排序，桶排序只需要 0.1 秒，而冒。空间的问题，但在算法的执行效率上却牺牲了很多，它的时间复杂度达到了 O(N2)。设置一个基准点，将小于等于基准点的数全部放到基准点的左边，将大于等于基准点的数全。快速排序之所以比较快，是因为相比冒泡排序，每次交换是跳跃式的。冒泡排序可以说是我们学习的第一个真正的排序算法，并且解决了桶排序浪费。因此快速排序的最差时间复杂度和冒泡排序是一样的，都是 O(N2)，然在最坏的情况下，仍可能是相邻的两个数进行了交换。

原创 冒泡排序【示例】

冒泡排序的基本思想是：每次比较两个相邻的元素，如果它们的顺序错误就把它们交换过来。第二个循环O(n-1 + n-2 +n-3 +....1)这种排序空间复杂度较堆排序少，但是时间复杂度高。答案：不要走开，请看下节——快速排序。那还有没有更好的排序算法呢？：只需要借助一个temp,第一个循环O(n-1)

原创 最简单的桶排序【示例其实是简化版的桶排序算法，真正的桶排序算法要比这个更加复杂】

简化版的桶排序：它非常浪费空间！即便只给你 5 个数进行排序（例如这 5 个数是 1、1912345678、2100000000、18000000 和 912345678），你也仍然需要 2100000001 个“桶”，这真是太浪费空间了！还有，如果现在需要排序的不再是整数而是一些小数，比如将 5.56789、2.12、1.1、3.123、4.1234这五个数进行从小到大排序又该怎么办呢？小哼的班上只有 5 个同学，这 5 个同学分别考了 5 分、3 分、5 分、2 分和 8 分。

原创 单点登录(SSO)是什么

1.同域 SSO 2.同父域 SSO 3.跨域 SSO

原创 java 线上生产问题排查思路-【jvm内存溢出】

栈内存可以分为虚拟机栈（VM Stack）和本地方法栈（Native Method Stack），除了它们分别用于执行Java方法（字节码）和本地方法，其余部分原理是类似的（以虚拟机栈为例说明）。如果递归的次数足够多，多到栈中栈帧所使用的内存超出了栈内存的最大容量，此时JVM就会抛出StackOverflowError。内存溢出指程序申请内存时，没有足够的内存供申请者使用。内存溢出就是你要的内存空间超过了系统实际能分配给你的空间，相当于此时系统没法满足你的需求，就会报内存溢出的错误。

原创 7个神级网盘搜索引擎推荐，建议收藏

今天，我向大家推荐7个高质量的网盘搜索引擎网站，它们支持目前各大主流网盘，完全免费，简单易用，绝对是资源党的福音。它支持搜索阿里云盘、夸克网盘、百度网盘等多种网盘资源，并支持用户自主上传阿里、夸克、UC资源链接，且资源不断更新，非常丰富。支持百度网盘、诚通网盘、阿里云盘、夸克网盘，搜索关键词结果琳琅满目，资源丰富可用，唯一的缺点是资源需购买，不过价格不贵！网站资源多，响应快，支持百度、阿里、夸克、迅雷网盘，资源很丰富，唯一的缺点是需要付年费，不过个人觉得很值！网址：www.xiaoluso.com。

原创 html表单ajax提交后，数据库保存下来的值多了个“,”

解决方式：将display=none 的input 设置 disabled=true,这样这个input 就不会参与序列化了。原因：页面上有2个name 相同的input,其中一个input display=none。serialize() 序列化会将display=none 的input 的值也序列化进去。

原创 大批量更新禁止for循环更新单个，要用批量更新

大批量操作可能会造成严重的主从延迟，特别是主从模式下，大批量操作可能会造成严重的主从延迟，因为需要 slave 从 master 的 binlog 中读取日志来进行数据同步。大批量写操作（UPDATE、DELETE、INSERT），需要分批多次进行操作。binlog 日志为 row 格式时会产生大量的日志。场景：65w条 for循环更新单个，出现了主从异常。

原创 一张表数据量有几百万，新增一个字段要花一小时才执行结束，这一小时内影响点有哪些

在字段新增过程中，数据库可能会经历一定程度的性能下降，因为数据库引擎需要执行大量的写操作来更新表中的每一行数据。：在新增字段的过程中，数据库服务器的 CPU、内存和磁盘等资源可能会被大量使用，导致系统负载增加。：在更新过程中，如果出现错误或中断，可能会导致数据不一致的情况。：如果应用程序依赖于新增字段的数据，那么在字段新增期间，应用程序可能无法正常工作或会收到不完整或错误的数据。为了减少这些影响，您可以考虑在系统负载较低的时段执行这样的操作，或者在操作之前做好充分的备份和准备工作。

原创 定时任务刷数据：mysql 65w数据分页查询 每页100条，40w以后越来越慢

解决方式：定时任务指定入参，例如0,100000（主键id>0 且

原创 30个人一人出一万一起开店，这算非法集资吗

疑惑？？？

原创 关键词搜索里 minimum_should_match 和 multi_match

minimum_should_match 设置99%的话，也是必须命中其中任意一词才符合召回条件（搜索词分出来的词数*最小匹配度百分比后向下取整 得到1）例如搜索词“迈瑞呼吸机” 分出了2个词，minimum_should_match 设置1的话，必须命中其中任意一词才符合召回条件。minimum_should_match 是最小匹配数，可以设置数字也可以设置百分比。multi_match 是跨字段搜索。

原创 动态添加同义词和扩展词问题

安装完ik分词插件后，在ik插件的配置文件IKAnalyzer.cfg.xml 里设置远程扩展词地址，扩展词更新后，搜索词实时生效，但是索引里的历史数据必须重刷才能生效，所以数据量小的话可以定期全量重刷，数据量大的话用reindex重建。建索引的时候在settings里设置同义词远程地址 并设置刷新间隔30s,动态添加的同义词30s后生效。

原创 ik_smart 和 ik_max_word 如何选择

指标：搜索分词器选哪个：索引分词器选哪个：如何设置搜索分词器和索引分词器

原创 ik-7.8.0 阅读源码笔记

ISegmenter是分词器接口，它下面有3个实现类 分别是 中文-日韩文子分词器 中文数量词子分词器 英文字符及阿拉伯数字子分词器。4、下载源码后 config 目录下是ik 自带的词库，主词典，扩展主词典、停止词、副词、量词等。3、同义词地址 是建索引 的时候 在 setting里设置的，未完待续（还没看完），有读过源码的，欢迎在评论区一起讨论研究。5、ik 是怎么实现一个字符串 分成 一个一个的词的？1、ik 是安装在 es 插件目录下的。将要分词的搜索词，经过3个分词器去分词。

原创 相关性得分计算公式

原创 explain:true 查看es 相关性得分 是如何计算出来的

原创 es 清除查询出来的文档

原创 查看和取消任务http://xxxxx:9200/_tasks/Doh6WMb3TLyinndekte6KA:39938 http://xxxxx:9200/_tasks/任务id

通过上述请求获取执行结果，包含完成结果，总文档数，创建文档数，更新文档数，耗时。reindex 分批执行后返回任务id。

原创 post http://xxxxx:9200/_reindex?wait_for_completion=false 用法和生产速度

将符合条件的数据从invite_tender_p 复制到 zhao_tou_biao_p 索引里，分批复制，每批5000，同时zhao_tou_biao_p 里的文档id 用invite_tender_p 的infoId。使用场景：es 字段已经创建无法动态修改分词器，也无法动态修改 setting.当想修改分词器和setting的时候使用。生产340w 数据19G 需要89分钟。