获得徽章 1
赞了这篇文章
#青训营笔记创作活动#
2023/2/3 打卡day4
学习 DHCP 协议
插上网线之后，获得IP的方式主要有两种。
第一种是，自己手动在电脑里配。在选择手动配置之后，除了IP地址还需要配上子网掩码和路由器的地址。
第二种获取IP的方式，DHCP（Dynamic Host Configuration Protocol，动态主机配置协议）。通过DHCP，在联网之后可以自动获取到本机需要的IP地址，子网掩码还有路由器地址。
DHCP的工作原理就是向某个管IP分配的服务器，也就是DHCP服务器，申请IP地址。整个操作流程分为 4 个阶段。
step1-DHCP Discover：在联网时，本机由于没有IP，也不知道DHCP服务器的IP地址是多少，所以根本不知道该向谁发起请求，于是索性选择广播，向本地网段内所有人发出消息，询问"谁能给个IP用用"。
step2-DHCP Offer：不是DHCP服务器的机子会忽略你的广播消息，而DHCP服务器收到消息后，会在自己维护的一个IP池里拿出一个空闲IP，通过广播的形式给回你的电脑。
step3-DHCP Request：你的电脑在拿到IP后，再次发起广播，就说"这个IP我要了"。
step4-DHCP ACK：DHCP服务器此时再回复你一个ACK，意思是"ok的"。你就正式获得这个IP在一段时间（比如24小时）里的使用权了。后续只要IP租约不过期，就可以一直用这个IP进行通信了。
电脑插上网线，联网后会通过DHCP协议动态申请一个IP，同时获得子网掩码，路由器地址等信息。
DHCP分为四个阶段，分别是 Discover，Offer， Request和ACK。
如果曾经连过这个网，机器会记录你上次使用的IP，再次连接时优先使用原来的那个IP，因此只需要经历第三第四阶段。
DHCP是应用层协议，考虑到需要支持广播功能，底层使用的是UDP协议，而不是TCP协议。
DHCP分配下来的IP是有可能跟某台手动配置的IP地址重复的。
DHCP得到IP之后还会发3次无偿ARP通告，在确认没有冲突后开始使用这个IP。
2023/2/3 打卡day4
学习 DHCP 协议
插上网线之后，获得IP的方式主要有两种。
第一种是，自己手动在电脑里配。在选择手动配置之后，除了IP地址还需要配上子网掩码和路由器的地址。
第二种获取IP的方式，DHCP（Dynamic Host Configuration Protocol，动态主机配置协议）。通过DHCP，在联网之后可以自动获取到本机需要的IP地址，子网掩码还有路由器地址。
DHCP的工作原理就是向某个管IP分配的服务器，也就是DHCP服务器，申请IP地址。整个操作流程分为 4 个阶段。
step1-DHCP Discover：在联网时，本机由于没有IP，也不知道DHCP服务器的IP地址是多少，所以根本不知道该向谁发起请求，于是索性选择广播，向本地网段内所有人发出消息，询问"谁能给个IP用用"。
step2-DHCP Offer：不是DHCP服务器的机子会忽略你的广播消息，而DHCP服务器收到消息后，会在自己维护的一个IP池里拿出一个空闲IP，通过广播的形式给回你的电脑。
step3-DHCP Request：你的电脑在拿到IP后，再次发起广播，就说"这个IP我要了"。
step4-DHCP ACK：DHCP服务器此时再回复你一个ACK，意思是"ok的"。你就正式获得这个IP在一段时间（比如24小时）里的使用权了。后续只要IP租约不过期，就可以一直用这个IP进行通信了。
电脑插上网线，联网后会通过DHCP协议动态申请一个IP，同时获得子网掩码，路由器地址等信息。
DHCP分为四个阶段，分别是 Discover，Offer， Request和ACK。
如果曾经连过这个网，机器会记录你上次使用的IP，再次连接时优先使用原来的那个IP，因此只需要经历第三第四阶段。
DHCP是应用层协议，考虑到需要支持广播功能，底层使用的是UDP协议，而不是TCP协议。
DHCP分配下来的IP是有可能跟某台手动配置的IP地址重复的。
DHCP得到IP之后还会发3次无偿ARP通告，在确认没有冲突后开始使用这个IP。
展开
评论
1
赞了这篇文章
#青训营笔记创作活动#
2023/2/2 打卡 day3
juejin.cn
最左匹配原则就是指在联合索引中，如果你的 SQL 语句中用到了联合索引中的最左边的索引，那么这条 SQL 语句就可以利用这个联合索引去进行匹配。
最左匹配原则顾名思义：最左优先，以最左边的为起点任何连续的索引都能匹配上。同时遇到范围查询(>、<、between、like)就会停止匹配。最左缀匹配原则的最重要的就是联合索引的第一个字段。
select * 不是造成索引失效的直接原因 大部分原因是 where 后边条件的问题 但是还是尽量少去使用select * 多少还是会有影响的。
范围查找有概率索引失效但是在特定的情况下会生效 范围小就会使用 也可以理解为 返回结果集小就会使用索引
只要是影响到索引列的值，索引就会失效（函数/计算）
索引的时候和查询范围关系也很大，范围过大造成索引没有意义从而失效
在 WHERE 子句中，如果在 OR 前的条件列是索引列，而在 OR 后的条件列不是索引列，那么索引会失效。从执行计划的结果看，是走了全表扫描。优化方式就是在 Or 两边的字段都加上索引。
使用 in 不是一定会造成全表扫描的，in 肯定会走索引，但是当 in 的取值范围较大时会导致索引失效，走全表扫描（not in 同理）。
在 Order By 的情况下 走全表扫描反而是更好的选择。
2023/2/2 打卡 day3
juejin.cn最左匹配原则就是指在联合索引中，如果你的 SQL 语句中用到了联合索引中的最左边的索引，那么这条 SQL 语句就可以利用这个联合索引去进行匹配。
最左匹配原则顾名思义：最左优先，以最左边的为起点任何连续的索引都能匹配上。同时遇到范围查询(>、<、between、like)就会停止匹配。最左缀匹配原则的最重要的就是联合索引的第一个字段。
select * 不是造成索引失效的直接原因 大部分原因是 where 后边条件的问题 但是还是尽量少去使用select * 多少还是会有影响的。
范围查找有概率索引失效但是在特定的情况下会生效 范围小就会使用 也可以理解为 返回结果集小就会使用索引
只要是影响到索引列的值，索引就会失效（函数/计算）
索引的时候和查询范围关系也很大，范围过大造成索引没有意义从而失效
在 WHERE 子句中，如果在 OR 前的条件列是索引列，而在 OR 后的条件列不是索引列，那么索引会失效。从执行计划的结果看，是走了全表扫描。优化方式就是在 Or 两边的字段都加上索引。
使用 in 不是一定会造成全表扫描的，in 肯定会走索引，但是当 in 的取值范围较大时会导致索引失效，走全表扫描（not in 同理）。
在 Order By 的情况下 走全表扫描反而是更好的选择。
展开
评论
点赞
赞了这篇文章
赞了这篇文章
#青训营笔记创作活动#
2023/2/1 打卡 day2
今日学习-如何计算出 MySQL 每张表适合的数据量？
很多人说，MySQL每张表最好不要超过2,000万条数据，否则就会导致性能下降。阿里的Java开发手册上也提出：单表行数超过500万行或者单表容量超过2GB，才推荐进行分库分表。但实际上这个2,000万或者500万都只是一个大概的数字，并不适用于所有场景，如果盲目的以为表数据只要不超过2,000万条就没问题了，很可能会导致系统的性能大幅下降，实际情况下，每张表由于自身的字段不同字段所占用的空间不同的原因，他们在最佳性能下可以存放的数据量也就不同。
根据不同情况下的计算，可以看出InnoDB 三层 B+树情况下的数据存储量范围为120多万条到将近5亿条这个跨度还是非常大的同时，我们也计算了一张博客信息表，可以存储约1,000万条数据。
最终的结论是我们在做项目考虑分表的时候，是需要多关注一下表的实际情况，而不是盲目的认为2,000万调数据就是那个临界点，如果面试谈到这个问题，面试官也并不是想知道这个数字具体是多少，而是想看你如何分析这个问题，看你如何得出这个数字的过程。
2023/2/1 打卡 day2
今日学习-如何计算出 MySQL 每张表适合的数据量？
很多人说，MySQL每张表最好不要超过2,000万条数据，否则就会导致性能下降。阿里的Java开发手册上也提出：单表行数超过500万行或者单表容量超过2GB，才推荐进行分库分表。但实际上这个2,000万或者500万都只是一个大概的数字，并不适用于所有场景，如果盲目的以为表数据只要不超过2,000万条就没问题了，很可能会导致系统的性能大幅下降，实际情况下，每张表由于自身的字段不同字段所占用的空间不同的原因，他们在最佳性能下可以存放的数据量也就不同。
根据不同情况下的计算，可以看出InnoDB 三层 B+树情况下的数据存储量范围为120多万条到将近5亿条这个跨度还是非常大的同时，我们也计算了一张博客信息表，可以存储约1,000万条数据。
最终的结论是我们在做项目考虑分表的时候，是需要多关注一下表的实际情况，而不是盲目的认为2,000万调数据就是那个临界点，如果面试谈到这个问题，面试官也并不是想知道这个数字具体是多少，而是想看你如何分析这个问题，看你如何得出这个数字的过程。
展开
评论
点赞
赞了这篇文章
#青训营笔记创作活动#
2023/1/31 打卡 day1
今日学习并发编程系列-限流
限流定义：限流是限制到达系统的并发请求数量，保证系统能够正常响应部分用户请求，而对于超过限制的流量，则通过拒绝服务的方式保证整体系统的可用性。
限流作用范围：可以分为单机限流和分布式限流；
限流方式：计数器、滑动窗口、漏桶限流、令牌桶限流。
上面的限流方式，主要是针对服务器进行限流，我们也可以对容器进行限流，比如 Tomcat、Nginx 等限流手段。
Tomcat 可以设置最大线程数（maxThreads），当并发超过最大线程数会排队等待执行；而 Nginx 提供了两种限流手段：一是控制速率，二是控制并发连接数。
在实际的限流场景中，我们也可以控制单个 IP、城市、渠道、设备 id、用户 id 等在一定时间内发送的请求数；如果是开放平台，需要为每个 appkey 设置独立的访问速率规则。
计数器：
优点：固定时间段计数，实现简单，适用不太精准的场景；
缺点：对边界没有很好处理，导致限流不能精准控制。
滑动窗口：
优点：将固定时间段分块，时间比“计数器”复杂，适用于稍微精准的场景；
缺点：实现稍微复杂，还是不能彻底解决“计数器”存在的边界问题。
漏桶限流：
优点：可以很好的控制消费频率；
缺点：实现稍微复杂，单位时间内，不能多消费，感觉不太灵活。
令牌桶限流：
优点：可以解决“漏桶”不能灵活消费的问题，又能避免过渡消费，强烈推荐；
缺点：实现稍微复杂，其它缺点没有想到。
Redis + Lua 分布式限流：
优点：支持分布式限流，有效保护下游依赖的服务资源；
缺点：依赖 Redis，对边界没有很好处理，导致限流不能精准控制
2023/1/31 打卡 day1
今日学习并发编程系列-限流
限流定义：限流是限制到达系统的并发请求数量，保证系统能够正常响应部分用户请求，而对于超过限制的流量，则通过拒绝服务的方式保证整体系统的可用性。
限流作用范围：可以分为单机限流和分布式限流；
限流方式：计数器、滑动窗口、漏桶限流、令牌桶限流。
上面的限流方式，主要是针对服务器进行限流，我们也可以对容器进行限流，比如 Tomcat、Nginx 等限流手段。
Tomcat 可以设置最大线程数（maxThreads），当并发超过最大线程数会排队等待执行；而 Nginx 提供了两种限流手段：一是控制速率，二是控制并发连接数。
在实际的限流场景中，我们也可以控制单个 IP、城市、渠道、设备 id、用户 id 等在一定时间内发送的请求数；如果是开放平台，需要为每个 appkey 设置独立的访问速率规则。
计数器：
优点：固定时间段计数，实现简单，适用不太精准的场景；
缺点：对边界没有很好处理，导致限流不能精准控制。
滑动窗口：
优点：将固定时间段分块，时间比“计数器”复杂，适用于稍微精准的场景；
缺点：实现稍微复杂，还是不能彻底解决“计数器”存在的边界问题。
漏桶限流：
优点：可以很好的控制消费频率；
缺点：实现稍微复杂，单位时间内，不能多消费，感觉不太灵活。
令牌桶限流：
优点：可以解决“漏桶”不能灵活消费的问题，又能避免过渡消费，强烈推荐；
缺点：实现稍微复杂，其它缺点没有想到。
Redis + Lua 分布式限流：
优点：支持分布式限流，有效保护下游依赖的服务资源；
缺点：依赖 Redis，对边界没有很好处理，导致限流不能精准控制
展开
评论
点赞
赞了这篇文章
赞了这篇文章