编程游记

开源中国的红薯哥写了很多关于缓存的文章，其中多级缓存思路，分页列表缓存这些知识点给了我很大的启发性。 写这篇文章，我们聊聊分页列表缓存，希望能帮助大家提升缓存技术认知。 1 直接缓存分页列表结果 显而

分库分表中间件 和 NoSQL 都是解决大规模数据存储和处理的方案，但分库分表中间件更侧重于对关系型数据库的扩展，而 TiDB ， Oceanbase 是一个完整的分布式数据库系统，具备更强的一致性和

英国著名哲学家培根说： 我小时候就很喜欢看书,也喜欢买书。书就像是我的朋友，不管去任何地方，只要拿本书在手心里，就觉得有安全感。 红楼梦里，读到史湘云醉卧芍药裀，哈哈大笑，真想和这位英豪阔大宽宏量的女

**缓存**，消息队列，分库分表是高并发解决方案三剑客。 缓存之所以能够让系统“更快”，本质上做到了如下两点： - 减小 CPU 消耗 将原来需要实时计算的内容提前算好、把一些公用的数据进

RocketMQ 支持两种消息模式：集群消费（ Clustering ）和广播消费（ Broadcasting ）。 集群消费：同一 Topic 下的一条消息只会被同一消费组中的一个消费者消费。也就是

在中国的 IT 环境里，大多数场景下，学习算法的目的在于通过笔试算法题。 但算法书林林总总，有时候乱花渐欲迷人眼。 杜甫有诗云：读书破万卷，下笔如有神。不管选择哪本书，只要深入学习，分层次，逐层进阶，

布隆过滤器是一个精巧而且经典的数据结构。 你可能没想到： RocketMQ、 Hbase 、Cassandra 、LevelDB 、RocksDB 这些知名项目中都有布隆过滤器的身影。

准确的讲，Redis 事务包含两种模式 : 事务模式 和 Lua 脚本。 先说结论： Redis 的事务模式具备如下特点： 保证隔离性； 无法保证持久性； 具备了一定的原子性，但不支持回滚； 一致性的

RocketMQ 是大家耳熟能详的消息队列，开源项目 rocketmq-spring 可以帮助开发者在 Spring Boot 项目中快速整合 RocketMQ。

「重启程序」对我来讲，太熟悉了不过了，我很纠结，因为它能帮我解决问题，但出于程序员对于程序健壮的强迫症，我又本能的抗拒。 这篇文章， 我想分享 "工作十年，我对「重启程序」的认知升级过程"，希望对同学

谈到分库分表中间件时，我们自然而然的会想到 ShardingSphere-JDBC 。 这篇文章，我们聊聊 ShardingSphere-JDBC 相关知识点，并实战演示一番。

聊聊流式计算吧 , 那一段经历于我而言很精彩，很有趣，想把这段经历分享给大家。 1 背景介绍 2014年，我在艺龙旅行网促销团队负责红包系统。 彼时，促销大战如火如荼，优惠券计算服务也成为艺龙促销业务

RocketMQ 优异的性能表现，必然绕不开其优秀的存储模型 。 这篇文章，笔者按照自己的理解 , 尝试分析 RocketMQ 的存储模型，希望对大家有所启发。 1 整体概览 首先温习下 Rocket

笔者是 RocketMQ 的忠实粉丝，在阅读源码的过程中，学习到了很多编程技巧。 这篇文章，笔者结合 RocketMQ 源码，分享并发编程三大神器的相关知识点。 1 CountDownLatch 实现

RocketMQ 是一款开源的分布式消息系统，基于高可用分布式集群技术，提供低延时、高可靠的消息发布与订阅服务。 这篇文章，笔者整理了 RocketMQ 源码中创建线程的几点技巧，希望大家读完之后，能

工作几年的程序员同学，有了一定的项目经验，对于编程也有了自己的理解，但他们偶尔也会感到困惑，不知道接下来该如何提升自己。 在笔者看来："这个阶段的程序员最需要的是提升自身编程能力和视野高度，而学习开源

在高并发的场景下，异步是一个极其重要的优化方向。 前段时间，生产环境发生一次事故，笔者认为事故的场景非常具备典型性 。 写这篇文章，笔者想和大家深入探讨该场景的架构优化方案。希望大家读完之后，可以对异

2018年，王思聪的冲顶大会，西瓜视频的百万英雄，再到映客的芝士超人，直播答题火爆全网。 我服务的一家电商公司也加入了这次热潮，技术团队研发了直播答题功能。答题结束之后，红包会以红包雨的形式落下，用户

很多年前，读了子柳老师的《淘宝技术这十年》。这本书成为了我的架构启蒙书，书中的一句话像种子一样深埋在我的脑海里：“好的架构是进化来的，不是设计来的”。 2015年，我加入神州专车订单研发团队，亲历了专

阅读一篇「定时任务框架选型」的文章时，一位网友的留言电到了我： 写这篇文章，想和大家从头到脚说说任务调度，希望大家读完之后，能够理解实现一个任务调度系统的核心逻辑。 1 Quartz Quartz是一