前言 凌晨4点，我被一阵刺耳的手机铃声惊醒。迷迷糊糊地摸索着手机，屏幕上赫然显示着"线上CPU告警"的字样。瞬间，我的困意全无，取而代之的是一阵冷汗和心跳加速。作为公司核心系统的负责人，我深知这意味着

我想，作为开发人员，即便你不是大数据开发工程师，也应该听说过Hadoop。而且我认为，不论你是从事哪个开发岗位，都应该对它有所了解，因为Hadoop的思想已经渗透在众多技术中。 如果你之前对Ha

前言 提交一个DataSteam 的 Flink应用，需要经过 StreamGraph、JobGraph、ExecutionGraph 三个阶段的转换生成可成执行的有向无环图（DAG），并在 Flin

背景 在高并发下，Java程序的GC问题属于很典型的一类问题，带来的影响往往会被进一步放大。不管是「GC频率过快」还是「GC耗时太长」，由于GC期间都存在Stop The World问题，因此很容易导

Spring Boot应用的jar包因其Fat JAR构建、自定义加载器、内嵌Web容器及自动配置特性，通过Maven或Gradle插件统一打包所有依赖，实现Main-Class指定的启动器加载应用，

缓存不同于预计算这种基于业务场景的一视同仁，而是充分的利用了空间局部性远离，每一次缓存命中，都是计算机的浪漫。Redis与Mysql的配合，全局变量Map，哪怕是CPU，也有不同等级的cache

当我们没有使用云原生方案部署应用时采用的日志方案往往是 ELK 技术栈。 这套技术方案比较成熟，稳定性也很高，所以几乎成为了当时的标配。 可是随着我们使用 kubernetes 步入云原生的时代后，

最近一直在迁移Flink相关的工程，期间也踩了些坑，checkpoint和反压是其中的一个。 敖丙太菜了，Flink都不会，只能我自己来了。看敖丙只能图一乐，学技术还是得看三歪 平时敖丙黑我都没啥水平，拿点简单的东西来就说我不会。我是敖丙的头号黑粉 今天来分享一下 Flink的…

当我们在生产环境发布应用时，必须要考虑到当前系统还有用户正在使用的情况，所以尽量需要做到不停机发版。 所以在发布过程中理论上之前的 v1 版本依然存在