Loading...
而SpringCloud就像品牌机，在SpringSource的整合下，做了大量的兼容性测试，保证了机器拥有更高的稳定性，但是如果要在使用非原装组件外的东西，就需要对其基础有足够的了解。一个通俗的描述是：客户端在不知道调用细节的情况下，调用存在于远程计算机上的某个对象，就像调用本地应用程序中的对象一样。SpringCloud基于SpringBoot，为微服务体系开发中的架构问题，提供了一整套的解决方案——服务注册与发现，服务消费，服务保护与熔断，网关，分布式调用追踪，分布式配置管理等。
RPC核心原理
如刚才所讲，RPC是解决应用间通信的一种方式，而无论是在一个大型的分布式应用系统还是中小型系统中，应用架构最终都会从“单体”演进成“微服务化”，整个应用系统会被拆分为多个不同功能的应用，并将它们部署在不同的服务器中，而应用之间会通过RPC进行通信，可以说RPC对应的是整个分布式应用系统，就像是“经络”一样的存在。该代理实现类会拦截所有的方法调用，在提供的方法处理逻辑里面完成一整套的远程调用，并把远程调用结果返回给调用方，这样调用方在调用远程方法的时候就获得了像调用本地接口一样的体验。
新版本Chrome浏览器无法启用老版本浏览器插件
分享一个大牛的人工智能教程。希望你也加入到人工智能的队伍中来！
阿里云RPA干货系列之二：认识RPA（下）
目前的国内外RPA技术的应用已经日趋成熟，该技术的应用可让企业员工通过开发RPA机器人应用来捕获现有应用程序处理交易，操纵数据，与其他信息系统进行通信等，任何采用大规模人力执行的大量重复性工作，现在都可以由RPA机器人代劳，节省人力、金钱和时间。眼睛，利用OCR、图像识别、语义识别等技术，RPA机器人可以“阅读”打印和手写的文字，实现例如发票识别，身份证识别，银行卡识别等功能，在过去两年我的团队已经开发了利用GoogleOCR和微软认知服务实现图像识别和文字识别功能。
阿里云RPA干货系列之一：认识RPA（上）
随着企业经营业务的多元化和复杂化，业务流程变得越来越复杂，在企业内部信息孤岛随处可见，RPA的出现可以整合各个相关业务流，通过自动化的手段将业务流程的上下游串接起来，形成小规模的业务闭环。综上所述，RPA在企业数字化转型和提升业务效能方面发挥着重要的作用，通过RPA项目的快速实施和交付上线，能够迅速推动企业业务流程的自动化进程，为企业持续创造价值，使企业员工能够从大量重复、繁琐的工作中得以解放出来，更专注于具有更高附加值的数据分析、决策和创新工作，提高企业在市场上的竞争力，实现共赢。
测试用例好难写怎么办？
测试用例写清楚了测试什么，怎么测，测试人员按照测试用例的编写去执行，会非常明确，执行的过程和结果都是可控的，杜绝不同的人对测试场景认识的偏差。要把预期结果写清楚。比如商城app里的，用户登录->搜索商品->加购物车->下单->支付->查看订单，这条核心业务线上的功能，就属于P0级。比如商城app里的，用户登录->搜索商品->加购物车->下单->支付->查看订单，这条核心业务线上的功能，就属于P0级。实际工作中，我们无需思考，因为产品需求文档（产品经理提供，简称PRD）都会规划清楚，只需要按照要求填写即可。
假如拿到锁之后，超时了，还没释放，这个时间该怎么设置？
但是有时候业务会因为gc等异常，导致延迟，这样会让锁提前过期了，所以最好可以考虑用redssion来实现分布锁，它自带watchdog机制，会对。分布锁的过期时间过短可能导致业务未执行完锁就被释放（引发并发问题），时间过长则可能因实例崩溃导致锁无法及时释放（阻塞其他请求），所以最好。分享一个大牛的人工智能教程。希望你也加入到人工智能的队伍中来！，避免锁过期了，而业务还在执行的事情发生。：确保业务逻辑能在锁自动释放前完成。人工智能教程。
Redis怎么实现分布式锁的？
Redis本身可以被多个客户端共享访问，正好就是一个共享存储系统，可以用来保存分布式锁，而且Redis的读写性能高，可以应对高并发的锁操作场景。锁变量的值需要能区分来自不同客户端的加锁操作，以免在释放锁时，出现误释放操作，所以，我们使用SET命令设置锁变量值时，每个客户端设置的值是一个唯一值，用于标识客户端；可以看到，解锁是有两个操作，这时就需要Lua脚本来保证解锁的原子性，因为Redis在执行Lua脚本时，可以以原子性的方式执行，保证了锁释放操作的原子性。人工智能教程。
ZooKeeper听说过吗？
当一个客户端需要获取锁时，它会在ZooKeeper中创建一个临时顺序节点，然后检查自己创建的节点是否是序号最小的节点，如果是，则表示获取到了锁；如果不是，则等待前一个节点释放锁。例如，一个由多个微服务组成的系统，各个服务实例可以从ZooKeeper中获取统一的配置，当配置更新时，ZooKeeper会通知所有相关服务重新加载配置。在这个阶段，集群会选举出新的领导者，并确保在新领导者产生之前，不会处理新的写请求。：在创建时，ZooKeeper会为其名称添加一个单调递增的序号，保证节点创建的顺序性。
MySQL的锁你知道哪些？
Next-KeyLock称为临键锁，是RecordLock+GapLock的组合，锁定一个范围，并且锁定记录本身。表锁：通过locktables语句可以对表加表锁，表锁除了会限制别的线程的读写外，也会限制本线程接下来的读写操作。元数据锁：当我们对数据库表进行操作时，会自动给这个表加上MDL，对一张表进行CRUD操作时，加的是。而且记录锁是有S锁和X锁之分的，满足读写互斥，写写互斥。，这样在备份数据库期间，不会因为数据或表结构的更新，而出现备份文件的数据与预期的不一样。
那主从复制出现网络问题怎么办，比如数据延迟这些问题？
分享一个大牛的人工智能教程。希望你也加入到人工智能的队伍中来！：对于大事务或资源密集型操作，直接在主库上执行，避免从库的额外延迟。人工智能教程。
比如你有订单详情页，下单页这种，怎么区分读写？
分享一个大牛的人工智能教程。希望你也加入到人工智能的队伍中来！订单详情页可接受短暂延迟（如1秒内），如果需强一致性可强制走主库。，通过AOP或中间件自动路由。人工智能教程。：订单详情、列表查询。
你提到了读写分离，怎么做？
从库会创建一个专门的I/O线程，连接主库的logdump线程，来接收主库的binlog日志，再把binlog信息写入relaylog的中继日志里，再返回给主库“复制成功”的响应。MySQL主库在收到客户端提交事务的请求之后，会先写入binlog，再提交事务，更新存储引擎中的数据，事务提交完成后，返回给客户端“操作成功”的响应。从库会创建一个用于回放binlog的线程，去读relaylog中继日志，然后回放binlog更新存储引擎中的数据，最终实现主从的数据一致性。
数据库怎么优化，比如一个DB可能在20000TPS？
搭建主从架构，利用数据库的读写分离，Web服务器在写数据的时候，访问主数据库（master），主数据库通过主从复制将数据更新同步到从数据库（slave），这样当Web服务器读数据的时候，就可以通过从数据库获得数据。也可以将字段多的表分解成多个表，有些字段使用频率高，有些低，数据量大时，会由于使用频率低的存在而变慢，可以考虑分开。：引入缓存层，如Redis，存储热点数据和频繁查询的结果，但是要考虑缓存一致性的问题，对于读请求会选择旁路缓存策略，对于写请求会选择先更新DB，再删除缓存的策略。
如果有一条走索引的SQL有千万数据，比如userID、phoneNumber这种，你觉得时间多长是合理的？
分享一个大牛的人工智能教程。希望你也加入到人工智能的队伍中来！（SSD顺序读性能约500MB/s，千万数据索引体积通常较小）。（假设索引体积500MB，顺序读速度500MB/s），（SSD环境下随机I/O开销可控）。（机械磁盘顺序读速度约100MB/s）。（如主键索引命中缓冲池）。（顺序扫描索引叶子链表）。
MySQL慢查询优化，怎么找慢SQL的？
可以通过MySQL的慢查询日志，定位到慢查询的SQL，然后针对慢查询的SQL，使用EXPLAIN命令分析SQL执行计划，找出慢查询的原因，比如是否使用了全表扫描，是否存在索引未被利用的情况等，并根据相应情况对索引进行适当修改。分享一个大牛的人工智能教程。希望你也加入到人工智能的队伍中来！
什么场景可能会用到B树？还是说B树的设计就是为了衬托B+树的？
B树的节点可以存储数据和键值，在进行随机查找时，有可能在非叶子节点就找到目标数据，平均查找次数相对较少，能够充分利用内存的高速读写特性，快速定位和访问数据，因此适用于对随机访问性能要求极高的内存数据库场景。B树的结构相对简单，插入和删除操作相对容易实现，能够有效地组织和管理文件系统中的文件和目录信息，快速实现文件的查找、创建、删除等操作。B树不是陪衬，而是互补，B树牺牲部分范围查询性能，换取更均衡的读写效率和内存紧凑性。写操作优化：在频繁更新场景下，B树的局部性更好，减少分裂和合并的开销。
你提到的双向链表，它有什么好处？
分享一个大牛的人工智能教程。希望你也加入到人工智能的队伍中来！B+树的叶子节点之间是用「双向链表」进行连接，这样的好处是既能向右遍历，也能向左遍历。
B+树是什么？和B树区别在哪里？它俩的好处有什么？
因为数据都集中在叶子节点，且树的高度相对较低，所以在进行数据查询时，需要读取的磁盘块数较少，能够有效减少磁盘I/O操作，提高查询性能。：B树可以在非叶子节点找到数据，而B+树必须遍历到叶子节点才能找到数据。：B+树的结构更加稳定，因为内部节点不存储数据，只存储键值和指针，所以在插入和删除数据时，节点的分裂和合并操作相对较少，从而减少了树结构的调整，提高了系统的稳定性和可靠性。：B树的每个节点都可以存储数据和键值，而B+树的数据只存储在叶子节点，非叶子节点仅存储键值和指针。
MySQL索引分类有哪些？
如果用到了索引，那么查询的时候，可以基于二分查找算法，通过索引快速定位到目标数据。MySQL索引的数据结构一般是B+树，其搜索复杂度为O(logdN)，其中d表示节点允许的最大子节点个数为d个。分享一个大牛的人工智能教程。希望你也加入到人工智能的队伍中来！如果查询的时候，没有用到索引就会全表扫描，这时候查询的时间复杂度是O(n)。索引类似于书籍的目录，可以减少扫描的数据量，提高查询效率。MySQL可以按照四个角度来分类索引。
