首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
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
登录
注册
yexihu
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
20
文章 20
沸点 0
赞
20
返回
|
搜索文章
赞
文章( 20 )
沸点( 0 )
【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…
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…
【Java进阶面试系列之五】消息中间件集群崩溃,如何保证百万生产数据不丢失?【石杉的架构笔记】
目前为止,你的RabbitMQ部署在线上服务器了,对吧?然后订单服务和仓储服务都可以基于RabbitMQ来收发消息,同时仓储服务宕机,不会导致消息丢失。 好,我们来看下目前为止的架构图。 答案其实很简单,默认情况下,按照我们目前的代码和配置,这个数据就会丢失了。 所以在这里而言…
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…
从基础讲全排列(Java实现)
提起全排列,第一印象是不是大学概率中的排列和组合呢,回头翻了翻书(怪自己太笨,记不住),才发现全排列是排列的一种。那就先延伸一下排列和组合呗。 一般地说,从n个不同元素中,任取m(m≤n)个元素,按照一定的顺序排成一列,这就叫做从n个元素中取出m个元素的一个排列。 这表明,n个…
尴尬的面试现场:说说你们系统有多大QPS?系统到底怎么抗住高并发的?【石杉的架构笔记】
“ 这篇文章,给大家说一个同样是很多人都很迷惑的问题,因为实在是太多同学来问我类似的问题了,所以写一篇文章给大家来说一下。 事情的起因是这样子的:很多好学的同学,都会自己平时研究很多的技术,比如常见的就是买书看书,参加在线培训课程,购买一些知识付费的专栏,或者购买一些视频课程。…
互联网公司面试官是如何360°无死角考察候选人的?(下篇)【石杉的架构笔记】
用一个面试连环炮引出了平时中大型互联网公司的面试官是如何发问的。 紧接着从技术广度、底层技术、技术深度几个角度说了一下,我们一般是如何来考察候选人的技术。 本文是下篇,将会从项目经验、系统设计、履历/学历/素质、候选人与岗位的匹配、多轮面试官的协作这些方面,继续告诉大家,互联网…
【行走的Offer收割机】记一位朋友斩获BAT技术专家Offer的面试经历【石杉的架构笔记】
通过这两篇文章,我们给大家聊了聊国内中大型互联网公司,在Java面试时一些高频的技术问题。 面试者是笔者以前的下属,多年的好朋友。 这是他今年早些时候出去面试,拿到BAT等多家一线互联网公司技术专家Offer的面试经历。 本科毕业,接近10年工作经验。跳槽之前,在国内某大型互联…
下一页
关注了
4
关注者
1
收藏集
6
关注标签
50
加入于
2016-07-21