麻了啊!一个烂分页,踩了三个坑!
借着这个问题,也盘点一下我遇到过的三个关于分页查询有意思的坑。
一种基于动态代理的通用研发提效解决方案
作为一名研发人员,除了业务开发之外,研发提效是一个永恒的话题,而女娲正是这一话题下进行的一次全面的剖析和实践。
Kafka、RocketMQ、RabbitMQ的优劣势比较
在高并发业务场景下,典型的阿里双11秒杀等业务,消息中间件有不可替代的作用。
下单时如何保证数据一致性?
为了解决Redis缓存的数据一致性问题,我们需要做到以下两点: 保证所有请求都是读取最新的数据; 保证所有更新操作都是互斥的并且按照请求的顺序执行。
三点“揭露”内向技术人如何做好分享?
希望本文能帮助所有内向者发现自身的优势,实现由内而外的成长。
从原理聊JVM(五):JVM的编译过程和优化手段
前端编译就是将Java源码文件编译成Class文件的过程,编译过程分为4步:
最累的一场面试,还得是腾讯!
这次面经的考点,我简单罗列一下: Java:hashmap、垃圾回收算法、线程模型 操作系统:用户态与内核态、进程调度、进程间通信、虚拟内存、进程&线程&协程 网络:tcp三次握手、拥塞控制、https redis:5 种数据结构 mysql:b+树 算法:4 个算法题
外卖骑手一面,也很不容易!
今天就分享一个重点在数据结构考察比较多的美团Java后端面经,从常见的数据结构->Java 集合>MySQL B+树->Redis 数据结构。所以,这是一场比较重基础的后端面试,问题也比较多,面试时长超过 1 小时了,还挺艰难的。
把业务架构搞搞懂,才算敲开了理解业务的大门!
为了真正掌握业务的核心,我们需对其背后的框架进行深入探讨。这正体现了业务架构的至关重要性。业务架构不仅仅是业务的高层设计图谱,它还是数据、应用和技术架构驱动所在。随着当前数字化转型的推进,业务架构已逐渐变为跨领域流程设计的核心环节。
【实践篇】DDD脚手架及编码规范
我们团队一直在持续推进业务系统的体系化治理工作,在这个过程中我们沉淀了自己的DDD脚手架项目。脚手架项目是体系化治理过程中比较重要的一环,它的作用有两点: 可以对新建的项目进行统一的规范 对于指导老项目进行DDD的改造提供指导 本文主要是梳理和总结了DDD脚手架使用中的编码规范以及遇到的问题。
转转C2B验机报告演进之路
1 问题背景 1.1 什么是验机报告? 1.2 为什么要做验机报告的统一? 2 C2B用户验机报告的演进 2.1 瑕疵项报告 2.2 差异项报告 2.3 验机报告统一 3 差异项报告系统设计 3.1 对比映射模板 3.2 业务配置 3.3 映射解析 4 遇到的问题 5 总结
跟着iLogtail学习设计模式
本文将结合 iLogtail 项目,从实践角度探讨一些常见设计模式的技术原理。
负载均衡器在系统设计中的作用
当一个网站变得非常流行时,网站上的流量增加,单个服务器的负载也增加。并发流量超过单个服务器的处理能力,导致网站变得对用户响应缓慢。为了应对这些高数据量的请求,以快速可靠的方式返回正确的响应,我们需要对服务器进行扩展。这可以通过向网络中添加更多的服务器,并将所有请求分布到这些服务器上来实现。但是...谁来决定将哪个请求路由到哪个服务器呢...???
Dubbo实现原理详解(看这篇就够了)
本篇我就接着来分享分布式RPC Dubbo,重点来谈Dubbo的底层实现原理
业务系统架构实践总结
我从2015年起至今2022年,在业务平台(结算、订购、资金)、集团财务平台(应收应付、账务核算、财资、财务分析、预算)、本地生活财务平台(发票、结算、预算、核算、稽核)所经历的业务系统研发实践的一个总结。
围绕 transformers 构建现代 NLP 开发环境
本文将从“样本处理”,“模型开发”,“实验管理”,“工具链及可视化“ 几个角度介绍基于 tranformers 库做的重新设计,并简单聊聊个人对“软件2.0”的看法。
TCP的可靠性之道:确认重传和流量控制
TCP 的传输基于字节流,记录起始序列号、是否发送、是否接收。本文从实战出发,使用 Wireshark 抓包工具来分析具体的请求。
程序员必备的30条防御式编程思想原则
本文汇编我在需求评审、编码、项目上线几个阶段总结的原则,这些原则虽然不能直接解决问题,但是可以尽可能地优化每一步行为,从防御式编程思维方式、行为习惯层面尽量避免错误的发生。
Spring 中 @Primary 注解的原理是什么?
本文结合@Autowired 到底是怎么把变量注入进来的? 和 Spring 中 @Qualifier 注解还能这么用? 一起食用效果更好哦!
数据编织与数据中台、数据湖、数据治理、DataOps的关系究竟如何?
“数据编织”一词高频出现,似乎已经进入落地阶段,本文介绍了数据编织产生的背景及其定义,详细分析了数据编织与数据中台、数据治理、DataOps的关系,以及未来数据编织发展的方向和需要关注的问题。 最近在日常的工作和跟客户的交流中,频繁谈及“数据编织”这个词,我开始关注数据编织是源于对主动式数据治理和数据编排的研究,从现在的趋势来看,数据编织显然已经进入落地阶段。数据编织正在从一个概念、一个理念向一线生产场景演进,正在加速产品化和实战化。