首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
架构
订阅
yexihu
更多收藏集
微信扫码分享
微信
新浪微博
QQ
11篇文章 · 0订阅
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)【石杉的架构笔记】
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…
高并发场景下,如何保证生产者投递到消息中间件的消息不丢失?【石杉的架构笔记】
上篇文章:《面试大杀器:消息中间件如何实现消费吞吐量的百倍优化?》,我们分析了RabbitMQ开启手动ack机制保证消费端数据不丢失的时候,prefetch机制对消费者的吞吐量以及内存消耗的影响。 通过分析,我们知道了prefetch过大容易导致内存溢出,prefetch过小又…
面试大杀器:消息中间件如何实现消费吞吐量的百倍优化?【石杉的架构笔记】
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…
拜托!面试请不要再问我Spring Cloud底层原理
毫无疑问,Spring Cloud是目前微服务架构领域的翘楚,无数的书籍博客都在讲解这个技术。不过大多数讲解还停留在对Spring Cloud功能使用的层面,其底层的很多原理,很多人可能并不知晓。因此本文将通过大量的手绘图,给大家谈谈Spring Cloud微服务架构的底层原理…
亿级流量系统架构之如何支撑百亿级数据的存储与计算【石杉的架构笔记】
首先简单介绍一下项目背景,公司对合作商家提供一个付费级产品,这个商业产品背后涉及到数百人的研发团队协作开发,包括各种业务系统来提供很多强大的业务功能,同时在整个平台中包含了一个至关重要的核心数据产品,这个数据产品的定位是全方位支持用户的业务经营和快速决策。 这篇文章就聊聊这个数…
【Java进阶面试系列之四】扎心!线上服务宕机时,如何保证数据100%不丢失?【石杉的架构笔记】
上篇文章「Java进阶面试系列之三」消息中间件在你们项目里是如何落地的?,我们用一个简单易懂的电商场景给大家引入说明了一个消息中间件的使用场景。 同时,我们还基于RabbitMQ的HelloWorld级别的代码,给出了订单服务和仓储服务如何基于MQ中间件收发消息的示例。 这篇文…
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)【石杉的架构笔记】
这篇文章,我们来聊聊在线上生产环境使用消息中间件技术的时候,从前到后的全链路到底如何保证数据不能丢失。 这个问题,在互联网公司面试的时候高频出现,而且也是非常现实的生产环境问题。 如果你的简历中写了自己熟悉MQ技术(RabbitMQ、RocketMQ、Kafka),而且在项目里…
【双11狂欢的背后】微服务注册中心如何承载大型系统的千万级访问?
Spring Cloud微服务架构体系中,Eureka是一个至关重要的组件,它扮演着微服务注册中心的角色,所有的服务注册与服务发现,都是依赖Eureka的。 下面这些问题,大家先看看,有个大概印象。带着这些问题,来看后面的内容,效果更佳! 库存服务原本部署在1台机器上,现在扩容…
亿级流量系统架构之如何设计每秒十万查询的高并发架构【石杉的架构笔记】
上篇文章(亿级流量系统架构之如何设计承载百亿流量的高性能架构)聊了一下系统架构中,百亿流量级别高并发写入场景下,如何承载这种高并发写入,同时如何在高并发写入的背景下还能保证系统的超高性能计算。 首先回顾一下,整个架构右侧部分演进到的那个程度,其实已经非常的不错了,因为百亿流量,…