上一篇文章互联网面试必杀：如何保证消息中间件全链路数据100%不丢失（1）,我们初步介绍了之前制定的那些消息中间件数据不丢失的技术方案遗留的问题。 一个最大的问题，就是生产者投递出去的消息，可能会丢失。 丢失的原因有很多，比如消息在网络传输到一半的时候因为网络故障就丢了，或者是…

上一篇文章：互联网面试必杀：如何保证消息中间件全链路数据100%不丢失（2），我们分析了ack机制的底层实现原理（delivery tag机制），还有消除处理失败时的nack机制如何触发消息重发。 通过这个，已经让大家进一步对消费端保证数据不丢失的方案的理解更进一层了。 这篇文…

这个首先你可以说下你们公司选用的是什么消息中间件，比如用的是RabbitMQ，然后可以初步给一些你对不同MQ中间件技术的选型分析。 举个例子：比如说ActiveMQ是老牌的消息中间件，国内很多公司过去运用的还是非常广泛的，功能很强大。 但是问题在于没法确认ActiveMQ可以支…

公众号第一篇文章 拜托！面试请不要再问我Spring Cloud底层原理！问世。由此《石杉的架构笔记》正式和大家见面！ 接下来，一大波微服务、分布式、高并发、高可用的文章也陆续更新，这些文章大多是笔者实际工作的经验总结，或者指导其他公司解决线上故障的真实方案。 随着文章的更新，…

上篇文章《亿级流量系统架构之如何保证百亿流量下的数据一致性（上 ）》，初步给大家分析了一下，一个复杂的分布式系统中，数据不一致的问题是怎么产生的。 简单来说，就是一个分布式系统中的多个子系统（或者服务）协作处理一份数据，但是最后这个数据的最终结果却没有符合期望。 这是一种非常典…

老规矩！我们首先看一下这个复杂的系统架构演进到当前阶段，整体的架构图是什么样子的。 笔者再次友情提醒，如果各位小伙伴对下面这个复杂的架构图还有什么不理解的地方，一定要先回看之前的文章，因为系列文必须对上下文有清晰的理解和认识。 简单来说，在一个复杂的系统中一定会对一些数据做出非…