工作思考

流量标签的调度隔离，通过 SkyWalking 字节码增强 name + envTag。 一个轻量级分布式任务调度平台，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。

过程 1.首先查看监控平台截取的部分GC日志，发现FullGC出现在MetaSpace元空间 2.将堆整体Dump下来，上传 HeapDump 网站分析，在“类加载器”视图发现有大量的sun.refl

FAQ 常见问题回答 部署&开发遇到的常见问题 1. Apollo是什么？ Apollo（阿波罗）是一款可靠的分布式配置管理中心，能够集中化管理应用的不同环境、不同集群的配置

我收获的深刻感触get 感触1：解决问题才有生存价值 [产品力] 感触2：永无止境的“易用性” [易用性] 感触3：立下“双赢”的flag 感触4：社区建设离不开用户和开发者参与 感触5：从易用到用户

认识问题 【业务背景】某个Java业务应用，所有容器实例每天重启一次，minor GC频繁，major GC偶发。 现象是业务每隔30分钟会从商品域拉取全量商品和SKU数据，更新到缓存中。业务侧短期内

调度模块在很多系统中都是常用的模块，比如实习生的每天签到邮件，预约银行的业务短信，学习通的上课通知，腾讯视频push中台的任务下发，调度系统在中间起到关键作用。 用户画像：圈一群人 业务场景：短信验证

随着企业数字化业务规模变大，迭代速度加快，系统复杂度越来越高，如何保障业务稳定性这一话题也变得愈发重要。 两大典型业务场景：“1-5-10”故障快恢和“变更三板斧”故障预防

【场景】业务服务稳定性保障，流量治理(流量控制、限流、熔断降级、系统负载保护)。 业务研发希望，通过Sentinel提供的流控防护能力，保障业务核心服务的稳定性。

用户群体 产品需求阶段，产品助手，他会和你进行多轮交互，再把需求转换成一个比较规范的产品文档。 研发阶段，除了AI 辅助编码工具，还有AI review代码。 测试阶段，用 AI 生成测试用例，根据我

Arthas是一款线上监控诊断产品，通过全局视角实时查看应用load、内存、gc、线程的状态信息，并能在不修改应用代码的情况下，对业务问题进行诊断，包括查看方法调用的出入参、异常，监测方法执行耗时，类

该文发表在 2008 年的 SIGMOD 会议上。从论文标题可以看出，论文主要内容不是陈述一种新的技术、架构，而是偏向议论、验证。其主要目的在于阐述清楚在 OLAP 下为什么列式存储Column-St

背景 随着应用的请求量上升，日志输出量也会成线性比例的上升，给磁盘IO带来压力与性能瓶颈。应用也遇到了线程池满，是因为大量线程卡在输出日志。为了缓解日志同步打印，会采取异步打印日志。这样会引起日志中的

1.指标度量遥测数据准确、多维度和可观测 2.统一管控台入口(SLS日志查询，OpenTelemetry/SkyWalking，Grafana) Trace、Metric、Log (链路、指标、日志)

针对资源位、评价等静态信息在xx点高峰时进行缓存，达到降低请求峰值的目标。 在成本预算控制下，云资源成本和WAF都受限于请求峰值。 出于业务和数据安全考虑，公司希望接入阿里云的WAF，但一年价格和成本

围绕度量遥测数据构建可视化产品，看板与监控告警。 【目标】 提升服务稳定性 提高资源利用率，降低云成本(降本) 业务梳理与架构治理 度量维度

Spring框架层面，查找方法上的注解的原理与机制是一样的。 在方法层面，Spring框架已经找到子类的@Async注解，原因是查找注解会搜索整棵类型继承树，包括超类和实现的接口。

路由标签打标、传播、检索 链路标签染色与传播 用户请求携带HTTP头信息X-sw8-correlation 链路标签数据检索

Spring异步任务@Async的默认线程池执行器，是从哪里来？是如何初始化的？【结论】异步任务@Async的默认线程池执行器是通过TaskExecutionAutoConfiguration#a

消息隔离的原则 灰度场景 1.灰度消息只由灰度节点消费 2.灰度消息可以由正常节点消费 消息逻辑隔离的灰度方案

应用从dubbo-3.1.*升级到dubbo-*:3.2.*最新稳定版本，提升应用的可观测性和度量数据准确性。 1. dubbo版本发布说明 2. 应用修改点 3. 踩过的坑