Caffeine 的介绍
概述Caffeine 是一个高性能,高命中率,低内存占用,near optimal 的本地缓存。它是 Guava Cache 的优化加强版,有些文章把 Caffeine 称为“新一代的缓存”、“现代缓存之wang”。Caffeine 是基于 Java 8 开发的,提供了近乎最jia命中率的高性能本地缓存组件。从 Spring5 开始,Spring 不再支持 Guava Cache,改为使用 C
Guava的介绍
介绍Guava 是 Google 开源的一个 Java 工具库,它包含许多 Google 内部 Java 项目依赖的核心类。Guava 扩展了 Java 的基础类库,比如集合和并发等,并增加了一些其他强大功能,比如缓存和限流等。Guava 提供了新的集合类型(比如 multimap 和 multiset)、不变集合(immutable collections)、并发库(concurrency
Zilliz Cloud的介绍
介绍Zilliz Cloud 是一种全托管的向量数据库服务,它基于 Milvus,由 Milvus 的创造者打造。使用 Zilliz Cloud 可以轻松构建十亿级向量数据库,部署和扩展向量搜索服务。Zilliz Cloud 定位于依托公有云的全托管数据库即服务(DBaaS),旨在为向量数据处理、非结构化数据分析和企业 AI 应用开发提供一站式解决方案。Zilliz Cloud 提供了高性能的
大数据技术 - FlinkSQL join的方式
介绍Flink SQL 支持多种数据 Join 方式,主要包括以下三种:动态表(流)与动态表(流)的 Join,动态表(流)与外部维表(比如 Redis)的 Join,以及动态表字段的列转行(一种特殊的 Join)。细分 Flink SQL 支持的 Join 包括:Regular Join,Interval Join,Temporal Join,Lookup Join,Array Expans
CompletableFuture 异步的优点和缺点
介绍CompletableFuture 是 Java 8 引入的一个类,它实现了 Future 接口,但是提供了更多的功能和灵活性。它可以让你创建和组合异步任务,提供回调函数,处理异常,以及利用流式 API 来处理结果。 优点它可以避免阻塞当前线程,让你的程序更高效地利用 CPU 和内存资源。它可以让你用函数式编程的风格来编写异步代码,提高可读性和可维护性。它可以让你用 thenApply,
大数据技术 - Flink和Lambda架构的关系
介绍Flink不是Lambda架构,而是一种流批统一的架构。Lambda架构是一种数据处理架构,它利用批处理和流处理两种方法来处理大量的数据。Flink是一个用于在无边界和有边界数据流上进行有状态计算的框架和分布式处理引擎。3 Flink可以同时支持批处理和流处理,而不需要维护两套引擎和代码,从而降低了系统的复杂性和可维护性。 Flink也可以使用SQL和Table API来对流和批进行统一的
大数据技术 - Lambda架构
介绍Lambda架构是一种数据处理架构,它利用批处理和流处理两种方法来处理大量的数据。这种架构的目的是平衡延迟、吞吐量和容错性,通过批处理提供完整和准确的批数据视图,同时通过实时流处理提供最新数据的视图。这两种视图可以在展示之前进行合并。Lambda架构由三层组成:批处理层、速度(或实时)处理层和服务层。批处理层:使用分布式处理系统预先计算结果,可以处理非常大量的数据。批处理层的目标是通过能够
ALTER VIEW 和 CREATE VIEW的区别
介绍CREATE VIEW 和 ALTER VIEW 都是 SQL 语句,用于创建和修改视图。 CREATE VIEWCREATE VIEW 用于创建新视图。它的语法如下: CREATE VIEW view_name AS SELECT column1, column2, ... FROM table_name WHERE condition; 其中,view_name 是要创
Flink - Lookup join快的原理
介绍Lookup Join 是一种常用的等值 JOIN 算法,它通常用于维表关联。它的原理是基于 JOIN 算子执行时的时间点查询右表的数据进行关联。它只支持等值 JOIN。Lookup Join 的快速性主要来自于它能够快速查询右表中与左表中的数据匹配的数据。例如,对于外表中的每批数据,它可以将这一批数据的 JOIN Key 拼成一个 IN (…) 条件,然后加到内表的查询中,从而快速查询出
chrome 插件推荐
TrancyAI沉浸翻译和YouTube/Netflix双字幕 - Trancy Google 翻译浏览网页时可轻松查看翻译版本。由Google翻译小组提供。 ChatGPT for Google在搜索引擎结果中同时显示 ChatGPT 的回答 uBlock Origin一款高效的网络请求过滤工具,占用极低的内存和 CPU。 WebChatGPT通过网页浏览,增强您的ChatGPT提示
大数据技术 - Openjob
概述Openjob 是一个分布式、高性能的任务调度框架,支持多种 cronjob、延迟任务、工作流、轻量级分布式计算、无限水平扩展,具有高可扩展性和容错性。还具有权限管理、强大的报警监控,并支持多种语言 。Openjob 具有高可靠性,采用无状态设计,使用 Master/Worker 架构,支持多种数据库(MySQL/PostgreSQL/Oracle)。系统使用一致性分片算法,无锁设计,任务
linux 杀死进程 的命令有哪些
介绍在 Linux 中,有几个命令可以用来杀死进程:kill:此命令向进程发送信号以终止它。进程由其进程 ID(PID)标识。例如,kill 12345 将向 PID 为 12345 的进程发送默认的 SIGTERM 信号 。pkill:此命令根据名称向一个或多个进程发送信号。例如,pkill firefox 将向所有名称为 firefox 的进程发送默认的 SIGTERM 信号 。killa
git merge和rebase的区别
介绍git merge 和 git rebase 都是将一个分支的更改集成到另一个分支的命令。但是,它们的工作方式非常不同。git merge 将被合并分支的所有更改集成到当前分支中,并在此过程中创建一个新的合并提交。这样可以保留两个分支的历史记录,但可能会导致非线性历史记录,并带有额外的合并提交。另一方面,git rebase 通过在目标分支上重放其提交来重写被变基分支的历史记录。这样会产生
UNION ALL 和 UNION 的区别
介绍UNION 和 UNION ALL 都是 SQL 语言中的集合运算符,用于合并两个或多个 SELECT 语句的结果。它们的主要区别在于处理重复数据的方式不同。 特点UNION:当你使用 UNION 运算符来合并两个或多个 SELECT 语句的结果时,它会自动去除查询结果中所有列都相同的重复行。也就是说,只有当查询结果中有两行或多行数据的所有列都完全相同,才会被视为重复数据并被去除。UNI
Idea - maven打包之resource配置
概述根据我的搜索结果,我发现了一些关于Maven打包项目时配置文件的问题。在构建Maven项目时,如果没有进行特殊的配置,Maven会按照标准的目录结构查找和处理各种类型文件。例如,src/main/resources和src/test/resources目录中的文件会分别被复制到target/classes和target/test-classes目录中。但是,如果你在src/main/jav
Flink 与 StarRocks 的数据类型映射关系
类型映射Flink type StarRocks type BOOLEAN BOOLEAN TINYINT TINYINT SMALLINT SMALLINT INTEGER INTEGER BIGINT BIGINT FLOAT FLOAT DOUBLE DOUBLE DECIMAL DECIMAL BINARY
Linux性能优化
Linux性能优化的概念和目的Linux性能优化是指通过分析和调整Linux系统的各个组成部分,如CPU、内存、磁盘、网络、进程等,来提高系统的运行效率和响应速度,降低系统的资源消耗和延迟,从而达到更好地满足用户需求和业务目标的过程。Linux性能优化的目的是为了让系统能够更好地发挥其潜力,提升用户体验和业务价值,同时也能够节省成本和资源,防止系统出现故障和崩溃。 Linux性能优化的方法和
java stream简介
介绍java stream是Java 8提供的一个重要新特性,它允许开发人员以声明性方式处理集合,其核心类库主要改进了对集合类的API和新增Stream操作。常用于集合对象的计算,与Lambda表达式结合,可以提高编程效率、简洁性和程序可读性。 特性不是数据结构:stream不会存储元素,而是按需计算。支持函数式编程:stream操作可以接收Lambda表达式作为参数,实现函数式编程风格。支
Kafka SQL Connector的介绍
概述Kafka SQL Connector 分为 Kafka SQL Connector 和 Upsert Kafka SQL Connector 功能Upsert Kafka Connector支持以 upsert 方式从 Kafka topic 中读写数据Kafka Connector支持从 Kafka topic 中读写数据 区别a)建表语句的主键i)Kafka Connector
Flink和Kafka连接时的精准一次保证
介绍Flink和Kafka连接时可以实现精que一次(exactly-once)的保证。这是通过Flink的检查点(checkpoint)机制和Kafka的事务机制来实现的。在Flink内部,检查点机制可以保证状态和处理结果的exactly-once语义。在输入端,Kafka可以对数据进行持久化保存,并可以重置偏移量(offset)。因此,我们可以在Source任务(FlinkKafkaCon