云计算架构最全详解(图文全面总结)
云计算是技术的未来发展重点,掌握好云计算架构会使你更具竞争力,下面我就全面来详解云计算架构
云原生容器最全详解(图文全面总结)
容器技术是云原生非常核心的组件,也是大厂经常考察的内容,下面我就全面来详解容器技术
Kubernetes最全详解(图文全面总结)
Kubernetes是云技术的最核心的部分,是云原生技术的基石,下面我就全面来详解Kubernetes
制定数据策略的注意事项
在日益数据驱动的世界中,精心设计的数据策略对于旨在在数字经济中健康发展的企业来说是必要的。但从哪儿开始呢?更重要的是,如何确保数据策略不仅仅存在于纸面上,而是转化为有形的商业价值?
通过示例理解 MapReduce | 系统设计
尽管对于大多数现代大数据批处理任务来说,Spark取代了MapReduce,但理解MapReduce仍然很重要,因为它为理解这些强大工具的工作原理提供了坚实的基础。
面试官:MyBatis中resultMap的实现原理是什么?彻底懵逼了。。
面试的时候,被问到 “MyBatis中resultMap的实现原理是什么?” 我的第一反应就是,resultMap不就是进行自动映射的嘛!还有原理?
IM系统完结了,那简历该怎么写?(含简历项目描述)
为了能够让小伙伴们更好的理解分布式IM即时通讯系统的设计,我们站在架构师的角度,在充分了解系统需求,业务流程和技术流程后,从全局视角为系统设定方案目标,对技术方案进行选型,对系统进行总体架构设计和分层架构设计,并梳理清楚发送消息的交互链路、单聊和群聊的交互链路。以方便各位小伙伴将分布式IM即时通讯系统写到自己的简历中,增强自己的竞争力。
Dubbo原理机制最全详解(万字图文总结)
Dubbo无论是实际工作中,还是大厂都经常考察,但是很多同学不了解Dubbo的原理与机制,下面我就重点来详解Dubbo的原理与机制
何时使用 GraphQL、gRPC 和 REST?
构建 API 是现代工程中开发人员的最重要任务之一。这些 API 允许不同的系统进行通信和数据交换。虽然 REST 多年来一直是实现 API 的事实标准,但今天也有新兴的标准,如 gRPC 和 GraphQL。
Twitter如何优化处理4000亿事件的流程
通过将基于TSAR的旧架构迁移到Twitter数据中心和Google Cloud平台的混合架构,Twitter能够实时处理数十亿事件,并实现低延迟、高精度、稳定性、架构简化和降低工程师的运营成本。
分布式任务调度最全详解(图文全面总结)
分布式任务调度是非常核心的分布式系统,下面我就全面来详解分布式任务调度,以及分布式任务调度框架
如果你还不理解 RBAC,看看 Jenkins 如何做到的
通过本篇你可以学习到如下内容: RBAC 的基础知识。 Jenkins 的角色权限插件的使用。 实战:通过角色来管理用户的部署权限。
晓谈数据工程4-数据管道
内容: 1. 数据管道 2. 数据管道的类型 3. 如何实现数据管道 4. 如何防止数据管道破损 5. Apache Kafka
晓谈数据工程3-数据质量和治理
内容: 1. 数据质量 2. 如何实施数据质量 3. 数据治理 4. 如何实施数据治理
晓谈数据工程2-数据存储
内容: 1.数据仓库 2.数据湖 3.数据Lakehouse 4.数据网格 5.数据虚拟化 6.DataFabric 数据工程概念:第1部分,数据建模
https安全性 带给im 消息加密的启发
大家好,我是蓝胖子,在之前# MYSQL 是如何保证binlog 和redo log同时提交的?这篇文章里,我们可以从mysql的设计中学会如何让两个服务的调用逻辑达到最终一致性,这也是分布式事务实现方式之一。今天来看看我们能够从httpsd设计中得到哪些启发可以用于业务系统开发中。
3种发布策略 | 基于 API 的基础架构
在决定发布策略之前,我们必须区分两个重要概念:部署和发布。部署涉及将功能完全推进生产环境,因为您现在在系统中运行了一个进程。尽管已经部署,但新功能并未通过与生产系统的交互活跃或执行。
晓谈企业数据管理二:识别数据问题
这里我主要讲一下数据的识别、分类和量化问题。我们将看到数据问题的不同分类、衡量数据质量的参数和分析数据源的参数。
花了100块大洋搞懂 ipv6的用户如何访问ipv4 服务器
ipv4和ipv6的协议栈不同,这意味着,其对应的ip包的封装和解析不同,那么只支持ipv4的机器就无法直接与ipv6的服务器进行通信。但目前已经有越来越多人使用ipv6进行通信,如果仅仅让服务器支持ipv4,这无疑会损失一大部分用户,特别是针对于海外业务。
国外客商数据清洗示例
数据清洗,通常也称为数据清理,实际上不是对数据库的单个活动,而是涉及多种技术使用的整个过程。他们的目标是:拥有一个干净、可靠、一致和完整的数据库。干净的数据无非就是高质量的数据,我们可以信任的数据,并可以根据这些数据做出正确的决策。在商业领域,据估计每年有25%的数据已过时,而受污染的数据会导致收入减少多达20%,这一点尤其重要。 作为一家每天处理客户贸易登记册和各种业务数据库中聚合数据清理工作的数据软件公司,我们今天将告诉您实践中的数据库清理是什么,数据清理和处理的各个阶段是什么?它们都是关于什么的。不过,首先让我们提供一些好的论据来解释为什么值得关注这个问题。