方圆想当图灵

在前文 如何实现百万 QPS 下服务本地缓存的同步 和 百万 QPS 并发下缓存架构的演进 文章中我们谈到了多服务实例本地缓存的刷新和高性能系统架构的演进，本文是在这两篇文章的基础上再谈一谈在百万 Q

最近读完了《生产微服务》，它是蛮不错的一本小册子，其中列举的对微服务的评估清单可以说是大型互联网团队的血泪史了，这也让我明白了为什么当前工作的团队在日常工作中要对其中提到的内容严格

本篇文章是关于 Nacos ISSUE #13546 的分析及修改过程，采用的是本地启动测试用例并借助 IDEA Profiler 分析内存快照的方法，最终解决方案已在 PR 13646 中提交。

大家好，我是 方圆。分布式一致性（distributed consensus）是分布式系统中最基本的问题，它用来保证一个分布式系统的 可靠性以及容灾能力。简单来说：就是如何在多个服务器间对某一个值达成

在使用 Java 的 ScheduledThreadPoolExecutor 进行定时任务调度时，默认以为任务在执行时即使抛出异常也不会影响后续任务的执行...

在上篇文章 如何实现百万 QPS 下服务本地缓存的同步？，我们聊到了多服务实例本地缓存数据同步的方案，它实现起来比较复杂，也不容易上手。如果团队内有多个不同业务的服务都要刷新本地缓

在电商系统中，商详、购物车等相关业务对查询接口性能要求很高（比如在 20ms 以内）并且访问量 QPS 在几万甚至数十万以上，直接从数据库中查询数据不能满足性能要求，且对数据库压力过大。如果请求二级缓

其实接触和使用 Copilot 和 Cursor 已经有蛮长的时间了，前者在最初使用时自动补全功能给我带来了很大的冲击，再到后来的 Cursor 以编辑器的形式出现提供了更强大的功

在上篇 深入理解软件设计：领域驱动设计 DDD 文章中，我们讲解了领域驱动设计相关的概念，以及实践领域驱动设计的流程。在本篇文章中，我们则采用用例分析的方法，从一个简单业务场景出发