子落
获得徽章 1
#青训营笔记创作活动#
2月3日 打卡day4
今日学习：
Kafak由三个系统组成：1.消息系统 2.存储系统 3.流式处理平台
一个典型的 Kafka 体系架构包括若干 Producer、若干 Broker、若干 Consumer，以及一个 ZooKeeper 集群，如图所示。其中 ZooKeeper 是 Kafka 用来负责集群元数据的管理、控制器 的选举等操作的。Producer 将消息发送到 Broker，Broker 负责将收到的消息存储到磁盘中，而 Consumer 负责从 Broker 订阅并消费消息。
主题（Topic）与分区（Partion）
消费者与消费组
2月3日 打卡day4
今日学习：
Kafak由三个系统组成：1.消息系统 2.存储系统 3.流式处理平台
一个典型的 Kafka 体系架构包括若干 Producer、若干 Broker、若干 Consumer，以及一个 ZooKeeper 集群，如图所示。其中 ZooKeeper 是 Kafka 用来负责集群元数据的管理、控制器 的选举等操作的。Producer 将消息发送到 Broker，Broker 负责将收到的消息存储到磁盘中，而 Consumer 负责从 Broker 订阅并消费消息。
主题（Topic）与分区（Partion）
消费者与消费组
展开
评论
点赞
#青训营笔记创作活动#
1月15 打卡day03
学习内容：DDD的概念
可以用go-micro和go-zero框架进行微服务项目的实践。
## 1. 单一职责
DDD思想指导我们对业务逻辑进行拆分，明确各自边界，形成不同的领域，不同的领域对应不同的微服务，这就是单一职责。
## 2. 团队独立
不同的领域对应不同的业务团队，也对应着不同的技术团队，彼此之间是解耦的。
## 3. 技术独立
不同的领域，不同的团队可以使用不同的开发语言，各自独立，只要按规范提供服务即可。
## 4. 数据库分离
每个领域（每个服务）都拥有自己的数据源。
## 5. 独立部署
每个领域（每个服务）都是独立的组件，可复用，可替换，降低耦合，易维护，易集群Docker部署服务
1月15 打卡day03
学习内容：DDD的概念
可以用go-micro和go-zero框架进行微服务项目的实践。
## 1. 单一职责
DDD思想指导我们对业务逻辑进行拆分，明确各自边界，形成不同的领域，不同的领域对应不同的微服务，这就是单一职责。
## 2. 团队独立
不同的领域对应不同的业务团队，也对应着不同的技术团队，彼此之间是解耦的。
## 3. 技术独立
不同的领域，不同的团队可以使用不同的开发语言，各自独立，只要按规范提供服务即可。
## 4. 数据库分离
每个领域（每个服务）都拥有自己的数据源。
## 5. 独立部署
每个领域（每个服务）都是独立的组件，可复用，可替换，降低耦合，易维护，易集群Docker部署服务
展开
评论
点赞
#青训营笔记创作活动#
1月14日 打卡day02
学习内容：mysql在最佳性能下可以存放的数据量怎么计算？
MySql中InnoDB的存储结构是B+树，B+树的查询是从上往下一层层查询的，一般认为B+树的高度保持在3层以内是比较好2的，也就是两层索引，最后一层存放数据。
主键索引（聚集索引）和非聚集索引的区别：
聚簇索引的叶子节点一般情况下存的是这条数据的所有字段信息。
非聚簇索引的叶子节点存的是这条数据所对应的主键和索引列信息。
1月14日 打卡day02
学习内容：mysql在最佳性能下可以存放的数据量怎么计算？
MySql中InnoDB的存储结构是B+树，B+树的查询是从上往下一层层查询的，一般认为B+树的高度保持在3层以内是比较好2的，也就是两层索引，最后一层存放数据。
主键索引（聚集索引）和非聚集索引的区别：
聚簇索引的叶子节点一般情况下存的是这条数据的所有字段信息。
非聚簇索引的叶子节点存的是这条数据所对应的主键和索引列信息。
展开
评论
点赞
#青训营笔记创作活动#
1月13日 打卡day1
学习内容：在高并发场景下，应对流量高峰的常用方法有限流、熔断、降级。
根据限流作用范围，可以分为单机限流和分布式限流；根据限流方式，又分为计数器、滑动窗口、漏桶限令牌桶限流。
1.计数器：在一段时间间隔内，对请求进行计数，与阀值进行比较判断是否需要限流，一旦到了时间临界点，将计数器清零。这种方法虽然简单，但也有个大问题就是没有很好的处理单位时间的边界。
2.滑动窗口：把固定时间片进行划分，并且随着时间的流逝，进行移动，固定数量的可以移动的格子，进行计数并判断阀值。滑动窗口解决了部分计数器存在的临界点缺陷。
3.漏桶：采用漏桶算法，原理就是一个固定容量的漏桶，按照固定速率流出水滴。漏桶限制的是常量流出速率（即流出速率是一个固定常量值），所以最大的速率就是出水的速率，不能出现突发流量。
4.令牌桶：采用令牌桶算法，用来控制发送到网络上的数据的数目，并允许突发数据的发送。令牌桶限制的是平均流入速率，允许突发请求，并允许一定程度突发流量。
5.Redis + Lua 分布式限流：单机版限流只能保护自身节点。而分布式限流，以集群为维度，可以方便的控制这个集群的请求限制，从而保护下游依赖的各种服务资源。分布式限流最关键的是要将限流服务做成原子化，我们可以借助 Redis 的计数器，Lua 执行的原子性，进行分布式限流。
1月13日 打卡day1
学习内容：在高并发场景下，应对流量高峰的常用方法有限流、熔断、降级。
根据限流作用范围，可以分为单机限流和分布式限流；根据限流方式，又分为计数器、滑动窗口、漏桶限令牌桶限流。
1.计数器：在一段时间间隔内，对请求进行计数，与阀值进行比较判断是否需要限流，一旦到了时间临界点，将计数器清零。这种方法虽然简单，但也有个大问题就是没有很好的处理单位时间的边界。
2.滑动窗口：把固定时间片进行划分，并且随着时间的流逝，进行移动，固定数量的可以移动的格子，进行计数并判断阀值。滑动窗口解决了部分计数器存在的临界点缺陷。
3.漏桶：采用漏桶算法，原理就是一个固定容量的漏桶，按照固定速率流出水滴。漏桶限制的是常量流出速率（即流出速率是一个固定常量值），所以最大的速率就是出水的速率，不能出现突发流量。
4.令牌桶：采用令牌桶算法，用来控制发送到网络上的数据的数目，并允许突发数据的发送。令牌桶限制的是平均流入速率，允许突发请求，并允许一定程度突发流量。
5.Redis + Lua 分布式限流：单机版限流只能保护自身节点。而分布式限流，以集群为维度，可以方便的控制这个集群的请求限制，从而保护下游依赖的各种服务资源。分布式限流最关键的是要将限流服务做成原子化，我们可以借助 Redis 的计数器，Lua 执行的原子性，进行分布式限流。
展开
评论
点赞