1 背景随着数据量的增长，发现系统在与其他系统交互时，批量接口会出现超时现象，发现原批量接口在实现时，没有做分片处理，当数据过大时或超过其他系统阈值时，就会出现错误。由于与其他系统交互比较多，一个一个接口做分片优化，改动量较大，所以考虑通过AOP解决此问题。2 Spring-AOPAOP （Aspect Or
Redis是一个单进程单线程单实例的缓存框架，但是照样做到了大数据量的吞吐，是因为什么呢？ 1、Redis在请求内核的时候，在过路的路上有用到一个叫做epoll的组件 2、epoll实现了线程的多路复用，并且在中间还增加了一个共享位置，这样，当JVM中的数据和内核的数据在做交换数据的时候，还有通过sele
计算机网络性能指标速率（或数据率，即 bps）指的是你网络单位时间内最大能传输的数据量，往往受很多外界因素的影响（时延、信道的干扰），实际上并没有速率标识的那么大。所以，速率也只是一个额定速率（或标称速率）。 对实际的速率有专门的名词：吞吐量（throughput），表示在单位时间内通过某个网络（或信道
三大范式 为什么需要数据规范化 信息重复 更新异常 插入异常 无法正常显示信息 删除异常 丢失有效的信息 三大范式(了解) 第一范式(1NF) 原子性：保证每一列不可再分 第二范式(2NF) 前提：满足第一范式 每张表只描述一件事情 第三范式(3NF) 前提：满足第一范式和第
1. 所有表 mysql> SELECT TABLE_NAME,TABLE_ROWS FROM information_schema.`TABLES` -> WHERE TABLE_SCHEMA = (SELECT database()) -> ORDER BY TABLE_ROWS DESC; +------------------------+------------+ | TABLE_NAME | TABLE_ROWS | +--------
索引原则 索引不是越多越好 不要对经常变动数据加索引 小数据量的表不需要加索引 索引一般加在常用来查询的字段上！ 索引的数据结构 Hash类型的索引 Btree：InnoDB的默认数据结构~ 阅读：http://blog.codinglabs.org/articles/theory-of-mysql-index.html
问题描述： 预发环境目前加载全部变更会超时，线上正常。需要看一下是什么问题避免预发上的问题带到线上 分析解决过程： EXPLAIN SELECT i.damand_manager_info_id as damand_manager_id, title, i.damand_change_type, i.customer_cloud_name_id, i.damand_cha
收到运维同学电话，MySQL服务器连接数满了，登录服务器查看，确实满了，好吧，首先增加连接数到2500，暂时提供对外服务。连接继续升高，又快达到2500。发现有大量的查询时间将近到了1200秒，大量的长连接堆积，导致连接数攀升，看来还是sql的问题。在这些长连接中，发现这样的sql SELECT product_id,gif
阿里：https://help.aliyun.com/document_detail/29338.html 一.通用互联网服务端性能 TPS大于期望值错误概率小于0.5%响应时间小于期望值CPU利用率小于75%JVM内存使用率小于80%平均每核CPU的Load小于1FullGC频率大于半小时每次 二.用户感知正常响应时间的标准 一秒为优秀三秒为普通
1，水平分割： 例：QQ的登录表。假设QQ的用户有100亿，如果只有一张表，每个用户登录的时候数据库都要从这100亿中查找，会很慢很慢。如果将这一张表分成100份，每张表有1亿条，就小了很多，比如qq0,qq1,qq1...qq99表。 用户登录的时候，可以将用户的id0，那么会得到0-99的数，查询表的时候，将表名qq跟取模
LoadModule status_module modules/mod_status.so <Location "/status"> SetHandler server-status #限制谁可以访问 <requireany> require all denied require ip 192.168.37.0/24 </requireany> </Location> #ExtendedStatu
原则：没事不要用缓存 引入缓存后的不良后果： 缓存和数据库双写不一致 缓存雪崩、缓存穿透、缓存击穿 缓存并发竞争 适用场景： 读密集型 存在热数据 对响应时间要求高 对一致性要求不严格 需要实现分布式锁 不适用场景： 更新频繁 对一致性要求严格 读少 数据量很小
读者提问： 『性能测试准备测试数据，我是从数据库中把数据提取出来，放在 TXT 中，是否需要直接从数据库中访问数据，这两者得到的性能测试结果差异大吗，应该以哪个为准呢 ？』 阿常回答： 数据量较小的情况，数据放在 TXT 中或是从数据库中读取，区别不大。 数据量较大的情况，从 TXT 读
分析 打表 发现n 为奇数的时候，结果是-1，n 为偶数的时候结果是1,。由于数据量太大，所以用string存n #include<bits/stdc++.h> using namespace std; const int N = 20; int f[N]; int main() { f[0] = 0,f[1] = 1,f[2] = 1; for(int i = 3;i<N;i++) { f[i] = f[
幕布 和 xmind 的大纲模式 都很不错 xmind 思维导图 ctrl+a 折叠所有子分支 然后就能一级一级展开 最后选择用 xmind的大纲模式，因为免费。 幕布收费，限300个节点，小数据量的还行。
一、订单业务复杂度分析 对于订单系统来说，业务复杂度主要体现在流程复杂、状态多、状态转换复杂等问题。 1、流程设计 从流程上说，订单系统有下单流程、退款流程、退货流程、换货流程、业务对账、业务订正等场景，场景复杂。 2、状态设计
前言 毫不夸张的说咱们后端工程师，无论在哪家公司，呆在哪个团队，做哪个系统，遇到的第一个让人头疼的问题绝对是数据库性能问题。如果我们有一套成熟的方法论，能让大家快速、准确的去选择出合适的优化方案，我相信能够快速准备解决咱么日常遇到的80%甚至90%的性能问题。 从解决问
1. 查询优化 超过500条创建索引,在索引字段上查询 使用连接代替子查询 尽用IN代替0R, OR的效率是n级别，IN 的效率是log(n)级别，IN 的个数建议控制在200以内 能用BETWEEN不用IN,B+树的特性这种取范围值是比较快的 尽用LIMIT,同时尽量不用count *,inndo是不维护数量的会扫描表数量 切
源码：https://gitee.com/antia11/excel-data-import-demo 背景：客户需要每周会将上传一个 Excel 数据文件，数据量单次为 20W 以上，作为其他模块和报表的基础数据。 客户需求分析： 数据量为 20W 条左右。 数据需要去重。 等待时间不能太长。 文件中会有错误数据存在，错误数据跳过不进入
前言 毫不夸张的说咱们后端工程师，无论在哪家公司，呆在哪个团队，做哪个系统，遇到的第一个让人头疼的问题绝对是数据库性能问题。如果我们有一套成熟的方法论，能让大家快速、准确的去选择出合适的优化方案，我相信能够快速准备解决咱么日常遇到的80%甚至90%的性能问题。 从解决问
首先举例介绍上行业务和下行业务： 上行业务：用户设备（如手机）到基站的传输 下行业务：基站到用户设备（如手机）的传输 对称业务：上行数据量和下行数据量相当，如电话服务，对称业务需要上下行用一样多的频谱资源 不对称业务：上行数据量和下行数据量不相当，比如上网，有时上行数据量大（如微博服
卷积神经网络CNN-Convolutional Neural Networks 卷积层：识别特定线条，卷积核与图像特定部分卷积，识别出横线、竖线、斜线。 卷积核在图像矩阵上进行运算，每次移动的距离称为步长。得到的新矩阵反应了图像的部分特征（横线、竖线） 称为特征图feature
1 #include<stdio.h> 2 #include<stdlib.h> 3 #include<unistd.h> 4 #include<string.h> 5 #include<errno.h> 6 7 #include"fastsort.h" 8 9 #if 0 10 #define DEBUG(...) printf(__VA_ARGS__) 11 #else 12 #define DEBU
以前对分库分表的认知是狭隘的， 分库分表都可以在垂直方向和水平方向进行思考； 垂直方向是指业务层面的切分： 分库：可以分为用户库，帖子库等等 分表：将业务进行细分，防止某个表的字段数量过多，比如用户表可以分为用户基本信息表和用户扩展信息表 水平方向： 分库有两个目的：1、处理连接紧张的
如果出现下述两种情况，交易 可能无效： 交易金额超过 $1000 或者，它和 另一个城市 中 同名 的另一笔交易相隔不超过 60 分钟（包含 60 分钟整） 给定字符串数组交易清单 transaction 。每个交易字符串 transactions[i] 由一些用逗号分隔的值组成，这些值分别表示交易的名称，时间（以分钟计），金
