[{"title":"2024-08-02","url":"/posts/diary-2024-08-02/","summary":"时间来到了早晨6点25分。\n收紧了薄被，当我意识到我躺在床上的时候，我知道这意味着什么，就高兴起来。\n我试着去回忆，去捕捉那些稀疏的碎片。慢慢去拼凑，逐渐有了模糊的轮廓，随后又延伸了细节。当整幅场景浮现在我脑海中的时候，我很幸现在躺在床上， …","date":"2024-08-02","category":"随笔","tags":["日记"],"content":"时间来到了早晨6点25分。\n收紧了薄被，当我意识到我躺在床上的时候，我知道这意味着什么，就高兴起来。\n我试着去回忆，去捕捉那些稀疏的碎片。慢慢去拼凑，逐渐有了模糊的轮廓，随后又延伸了细节。当整幅场景浮现在我脑海中的时候，我很幸现在躺在床上，身上还有层薄被。\n当我写这篇文章的时候，虽然还保留着梦中的印象，却不愿再次回忆起来，每次想起都会有些后怕，又会滋生出庆幸。\n时间还算比较早，这时的天还泛着一层朦胧的白，未曾被光完全刺破。\n我拿起手机，想给我妈打个电话了。\n响了半分钟，没有人接听，我把手机轻轻放下，眯起了眼睛。虽然醒来了，困意还没有完全退去，想多休息一会再起床。\n另一方面，天虽算早，但我想我妈应该起床了，一般起床很早的。一会看到了手机，会给我回电话，所以眯起眼，也在等待手机的再次响起。\n不一会，电话响了\n“咋啦，怎么这么早打电话了“\n”没事，就是想给你打个电话“\n”院子里，树根长起来了，把地板都翘起来了，都不好走路了，我掀起来，把树根去掉重铺一下，刚刚在院子里忙着“\n我想起了院子里的那棵树，这棵树跟我没有太多交集，我工作后，我们搬来了这个院子，这棵树才出现在我的世界中，没有我小时候攀爬的回忆，所以我的印象很模糊，只是隐约记得有棵树，有时候我甚至都想不起院子里有这棵树，只记得有另外一棵无花果树。\n这棵树倒也不是很纤细，主干很粗，足足有半米的直径，枝繁叶茂，或许夏天也给了院落足够的阴 …"},{"title":"看一遍就理解：动态规划详解","url":"/posts/dynamic-programming/","summary":" 作者：捡田螺的小男孩 链接：https://juejin.cn/post/6951922898638471181 来源：稀土掘金 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n","date":"2024-01-22","category":"算法","tags":["算法","动态规划"],"content":" 作者：捡田螺的小男孩 链接：https://juejin.cn/post/6951922898638471181 来源：稀土掘金 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n前言 我们刷leetcode的时候，经常会遇到动态规划类型题目。动态规划问题非常非常经典，也很有技巧性，一般大厂都非常喜欢问。今天跟大家一起来学习动态规划的套路，文章如果有不正确的地方，欢迎大家指出哈，感谢感谢~\n什么是动态规划？ 动态规划的核心思想 一个例子走进动态规划 动态规划的解题套路 leetcode案例分析 什么是动态规划？ 动态规划（英语：Dynamic programming，简称 DP），是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。\ndynamic programming is a method for solving a complex problem by breaking it down into a collection of simpler subproblems.\n以上定义来自维基百科，看定义感觉还是有点抽象。简单来说，动态规划其实就是，给定一个问题，我们把它拆成一个个子问题，直到子问题可以直接解决。然后呢，把子问题答案保存 …"},{"title":"面试八股文","url":"/posts/java-interview-notes/","summary":"锁 悲观锁 VS 乐观锁 悲观锁\n在并发操作时，多个线程争抢同一把锁，会进行线程的切换，将等待线程暂时挂起，等待被唤醒，线程间的切换耗费时间。\n乐观锁\n不会进行线程切换的操作，常见的是通过CAS自旋来实现锁机制，并发时，通过对原值和修改值的 …","date":"2024-01-14","category":"面试","tags":["面试"],"content":"锁 悲观锁 VS 乐观锁 悲观锁\n在并发操作时，多个线程争抢同一把锁，会进行线程的切换，将等待线程暂时挂起，等待被唤醒，线程间的切换耗费时间。\n乐观锁\n不会进行线程切换的操作，常见的是通过CAS自旋来实现锁机制，并发时，通过对原值和修改值的比对进行数据验证，验证不通过，会自旋重试，直到成功为止。这种操作不耗费线程切换的资源，性能高，但也存在一些缺点。\nABA问题，CAS需要在操作值的时候检查内存值是否发生变化，没有发生变化才会更新内存值。但是如果内存值原来是A，后来变成了B，然后又变成了A，那么CAS进行检查时会发现值没有发生变化，但是实际上是有变化的。ABA问题的解决思路就是在变量前面添加版本号，每次变量更新的时候都把版本号加一，这样变化过程就从“A－B－A”变成了“1A－2B－3A”。 循环时间长开销大。CAS操作如果长时间不成功，会导致其一直自旋，给CPU带来非常大的开销。 只能保证一个共享变量的原子操作 对一个共享变量执行操作时，CAS能够保证原子操作，但是对多个共享变量操作时，CAS是无法保证操作的原子性的。Java从1.5开始JDK提供了AtomicReference类来保证引用对象之间的原子性，可以把多个变量放在一个对象里来进行CAS操作。 自旋锁 VS 适应性自旋锁 自旋锁\n在等待锁时，不会将线程挂起，而是让当前线程进行自旋，如果在自旋完成后前面锁定同步资源的线程已 …"},{"title":"使用Keepalived搭建Nginx高可用集群","url":"/posts/keepalived-nginx-ha/","summary":"是什么 keepalived是检测服务器状态的软件，如果有一台web服务器宕机，Keepalived将检测到，并将有故障的服务器从系统中删除，同时使用其他服务器代替该服务器的工作，当服务器工作正常后Keepalived自动将服务器加入到服务 …","date":"2024-01-13","category":"分布式","tags":["分布式","Keepalived","Nginx"],"content":"是什么 keepalived是检测服务器状态的软件，如果有一台web服务器宕机，Keepalived将检测到，并将有故障的服务器从系统中删除，同时使用其他服务器代替该服务器的工作，当服务器工作正常后Keepalived自动将服务器加入到服务器集群中，这些工作全部自动完成，不需要人工干涉，需要人工做的只是修复故障的服务器。\n为什么 下面图片是我们日常比较常见的一种服务架构\n我们通常将Nginx作为我们的Web服务,当客户端向服务器发送请求时, 由Nginx负责接收,然后转发到我们具体的微服务进行处理\n这种结构有一个问题,Nginx是单点的,如果Nginx发生了故障或者机器故障导致无法响应服务,即使后端的各个微服务是正常启动的也无法处理请求\n针对这种情况,我们需要对Nginx进行高可用的集群搭建,或者给Nginx配置一个备份机器,当主机器发生故障时,自动将请求转换到备用机器,此时我们的Keepalived就登场了\n下图是我们使用keepalived高可用的服务示意图\n利用keepalived生成一个虚拟IP,客户端发送请求到虚拟IP,然后keepalived会将虚拟IP映射到主机器,如果主机器正常，就会正确的响应服务。当主机器发生故障时,keepalived会将虚拟IP自动切换到备用机器，由备用机器响应服务，此过程由keepalived自动切换，当主机器恢复后，keepalived会再 …"},{"title":"使用Docker部署Spring Boot","url":"/posts/docker-spring-boot/","summary":"随着云原生的普及以及成熟，越来越多的项目开始用容器装载。\nDocker已经是容器的准则了，我们学习如何将Spring Boot项目装载在Docker容器内，然后启动部署。\n","date":"2024-01-12","category":"Java","tags":["Java","Docker","Spring Boot"],"content":"随着云原生的普及以及成熟，越来越多的项目开始用容器装载。\nDocker已经是容器的准则了，我们学习如何将Spring Boot项目装载在Docker容器内，然后启动部署。\n创建Spring Boot项目 导航到https://start.spring.io 。该网站可以选择依赖关系，并自动为我们完成项目设置。 选择Gradle或Maven以及要使用的语言。 单击Dependencies，然后选择Spring Web依赖。 点击生成。 下载生成的ZIP文件，然后用IDEA打开项目 设置Spring Web项目 现在我们简单来创建一个API接口\n编辑src/main/java/hello/Application.java文件\npackage hello; import org.springframework.boot.SpringApplication; import org.springframework.boot.autoconfigure.SpringBootApplication; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; @SpringBootApplication …"},{"title":"kubeadm搭建Kubernetes集群","url":"/posts/kubeadm-kubernetes-cluster/","summary":"官方文档\nhttps://kubernetes.io/zh/docs/setup/production-environment/tools/kubeadm/install-kubeadm/ …","date":"2024-01-12","category":"分布式","tags":["Kubernetes","kubeadm","分布式"],"content":"官方文档\nhttps://kubernetes.io/zh/docs/setup/production-environment/tools/kubeadm/install-kubeadm/ https://kubernetes.io/zh/docs/setup/production-environment/tools/kubeadm/create-cluster-kubeadm/ 准备条件 一台或多台运行着下列系统的机器： Ubuntu 16.04+ Debian 9+ CentOS 7+ Red Hat Enterprise Linux (RHEL) 7+ Fedora 25+ HypriotOS v1.0.1+ Flatcar Container Linux （使用 2512.3.0 版本测试通过 2GB内存或以上 2核CPU或以上 集群中所有机器的网络能相互连接 可以访问外网，需要下载镜像 节点之中不可以有重复的hostname 开启机器上的某些端口。具体端口可看这里 （用于测试可以关闭防火墙） 禁用交换分区。 准备环境 准备两台虚拟机\nhostname IP ks-m 172.16.193.11 ks-n 172.16.193.12 # 修改主机名 hostnamectl set-hostname \u0026amp;lt;your-hostname\u0026amp;gt; # 关闭防火墙： …"},{"title":"Kubernetes安装IngressNginx","url":"/posts/kubernetes-ingress-nginx/","summary":"安装 kubectl apply -f …","date":"2024-01-11","category":"分布式","tags":["Kubernetes","IngressNginx","分布式"],"content":"安装 kubectl apply -f https://raw.githubusercontent.com/kubernetes/ingress-nginx/controller-v0.44.0/deploy/static/provider/baremetal/deploy.yaml 部署完，我们查看一下状态\n对应的service和deployment已经创建完毕，并且service以NodePort方式对外开放了32756端口\n部署tomcat进行测试 我准备了yaml文件，部署一个tomcat，并指定host信息\n--- apiVersion: apps/v1 kind: Deployment metadata: name: tomcat spec: replicas: 3 selector: matchLabels: app: tomcat template: metadata: name: tomcat labels: app: tomcat spec: containers: - name: nginx image: tomcat:6.0 ports: - containerPort: 8080 --- apiVersion: v1 kind: Service metadata: name: tomcat spec: selector: app: tomcat …"},{"title":"一文看懂｜分布式系统之CAP理论","url":"/posts/cap-theorem/","summary":" 链接:https://cloud.tencent.com/developer/article/1860632 来源:腾讯云开发者社区 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n","date":"2024-01-11","category":"分布式","tags":["CAP","分布式","转载"],"content":" 链接:https://cloud.tencent.com/developer/article/1860632 来源:腾讯云开发者社区 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n引言 CAP 理论，相信很多人都听过，它是指：\n一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项。\n为什么要理解 CAP 理论？我能说出很多理由来。如果是在职场上，也许最合适的理由是，当领导给出的任务不靠谱时，我们可以依据 CAP 去否决它。\n比如，有这么一个任务，给你定了三大目标：\n既要提升系统的可用性 又要保证数据的实时可见 还有提升系统的容错能力 看到“既要、又要、还要”，是不是想到了阿里……\nOK，如果你深刻理解了 CAP，你会发现完成这个任务是不可能的。但是，如果你不理解 CAP，然后又拍了胸脯保证完成任务，不好意思，职场是不需要眼泪和后悔的。\n有点跑题了，书归正传。CAP 理论是分布式设计中最基础最重要的理论，不懂它，你可能连分析一套分布式系统的核心设计理念都做不到。\n关于 CAP 为何你读了那么多文章都还是搞不明白呢？因为 CAP 理论来自学术界，而解读 CAP 理论的人尝试用工程师的方式去阐述它，这本身就有了问题。\nCAP 本身基于状态，基于瞬态， …"},{"title":"高性能队列——Disruptor","url":"/posts/disruptor-queue/","summary":" 作者: 宫铭 链接：https://tech.meituan.com/2016/11/18/disruptor.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n","date":"2024-01-10","category":"Java","tags":["队列","Disruptor","转载","Java"],"content":" 作者: 宫铭 链接：https://tech.meituan.com/2016/11/18/disruptor.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n背景 Disruptor是英国外汇交易公司LMAX开发的一个高性能队列，研发的初衷是解决内存队列的延迟问题（在性能测试中发现竟然与I/O操作处于同样的数量级）。基于Disruptor开发的系统单线程能支撑每秒600万订单，2010年在QCon演讲后，获得了业界关注。2011年，企业应用软件专家Martin Fowler专门撰写长文介绍。同年它还获得了Oracle官方的Duke大奖。\n目前，包括Apache Storm、Camel、Log4j 2在内的很多知名项目都应用了Disruptor以获取高性能。在美团技术团队它也有不少应用，有的项目架构借鉴了它的设计机制。本文从实战角度剖析了Disruptor的实现原理。\n需要特别指出的是，这里所说的队列是系统内部的内存队列，而不是Kafka这样的分布式队列。另外，本文所描述的Disruptor特性限于3.3.4。\nJava内置队列 介绍Disruptor之前，我们先来看一看常用的线程安全的内置队列有什么问题。Java的内置队列如下表所示。\n队列 有界性 锁 数据结构 ArrayBlockingQueue bounded …"},{"title":"Sharding-JDBC 的基本用法和基本原理","url":"/posts/sharding-jdbc-guide/","summary":" 作者：码海 链接：https://juejin.cn/post/6894046209552416782 来源：稀土掘金 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n","date":"2024-01-09","category":"Java","tags":["Java","数据库","Sharding-JDBC","转载"],"content":" 作者：码海 链接：https://juejin.cn/post/6894046209552416782 来源：稀土掘金 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n前言 这是一篇将“介绍 Sharding-JDBC 基本使用方法”作为目标的文章，但笔者却把大部分文字放在对 Sharding-JDBC 的工作原理的描述上，因为笔者认为原理是每个 IT 打工人学习技术的归途。\n使用框架、中间件、数据库、工具包等公共组件来组装出应用系统是我们这一代 IT 打工人工作的常态。对于这些公共组件——比如框架——的学习，有些人的方法是这样的：避开复杂晦涩的框架原理，仅仅关注它的各种配置、API、注解，在尝试了这个框架的常用配置项、API、注解的效果之后，就妄称自己学会了这个框架。这种对技术的肤浅的认知既经不起实践的考验，也经不起面试官的考验，甚至连自己使用这些配置项、API、注解在干什么都没有明确的认知。\n所以，打工人们，还是多学点原理，多看点源码，让优秀的设计思想、算法和编程风格冲击一下自己的大脑吧 :-)\n因为 Sharding-JDBC 的设计细节实在太多，因此本文不可能对 Sharding-JDBC 进行面面俱到的讲解。笔者在本文中仅仅保留了对 Sharding-JDBC 的核心特性、核心原理的讲解，并尽量使用简单生动的文字进行表达， …"},{"title":"缓存那些事","url":"/posts/java-caching/","summary":" 作者: 明辉 链接：https://tech.meituan.com/2017/03/17/cache-about.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n","date":"2024-01-08","category":"Java","tags":["缓存","Java","转载"],"content":" 作者: 明辉 链接：https://tech.meituan.com/2017/03/17/cache-about.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n前言 一般而言，现在互联网应用（网站或App）的整体流程，可以概括如图1所示，用户请求从界面（浏览器或App界面）到网络转发、应用服务再到存储（数据库或文件系统），然后返回到界面呈现内容。\n随着互联网的普及，内容信息越来越复杂，用户数和访问量越来越大，我们的应用需要支撑更多的并发量，同时我们的应用服务器和数据库服务器所做的计算也越来越多。但是往往我们的应用服务器资源是有限的，且技术变革是缓慢的，数据库每秒能接受的请求次数也是有限的（或者文件的读写也是有限的），如何能够有效利用有限的资源来提供尽可能大的吞吐量？一个有效的办法就是引入缓存，打破标准流程，每个环节中请求可以从缓存中直接获取目标数据并返回，从而减少计算量，有效提升响应速度，让有限的资源服务更多的用户。\n如图1所示，缓存的使用可以出现在1～4的各个环节中，每个环节的缓存方案与使用各有特点。\n图1 互联网应用一般流程\n缓存特征 缓存也是一个数据模型对象，那么必然有它的一些特征：\n命中率 命中率=返回正确结果数/请求缓存次数，命中率问题是缓存中的一个非常重要的问题，它是衡量缓存有效性的重要指标。命中率越高，表明缓存 …"},{"title":"聊聊MyBatis缓存机制","url":"/posts/mybatis-cache/","summary":" 作者: 凯伦 链接：https://tech.meituan.com/2018/01/19/mybatis-cache.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n","date":"2024-01-07","category":"Java","tags":["缓存","Mybatis","转载","Java"],"content":" 作者: 凯伦 链接：https://tech.meituan.com/2018/01/19/mybatis-cache.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n前言 MyBatis是常见的Java数据库访问层框架。在日常工作中，开发人员多数情况下是使用MyBatis的默认缓存配置，但是MyBatis缓存机制有一些不足之处，在使用中容易引起脏数据，形成一些潜在的隐患。个人在业务开发中也处理过一些由于MyBatis缓存引发的开发问题，带着个人的兴趣，希望从应用及源码的角度为读者梳理MyBatis缓存机制。\n本次分析中涉及到的代码和数据库表均放在GitHub上，地址： mybatis-cache-demo 。\n目录 本文按照以下顺序展开。\n一级缓存介绍及相关配置。 一级缓存工作流程及源码分析。 一级缓存总结。 二级缓存介绍及相关配置。 二级缓存源码分析。 二级缓存总结。 全文总结。 一级缓存 一级缓存介绍 在应用运行过程中，我们有可能在一次数据库会话中，执行多次查询条件完全相同的SQL，MyBatis提供了一级缓存的方案优化这部分场景，如果是相同的SQL语句，会优先命中一级缓存，避免直接对数据库进行查询，提高性能。具体执行过程如下图所示。\n每个SqlSession中持有了Executor，每个Executor中有一 …"},{"title":"Java实现数字千位分隔符","url":"/posts/java-number-thousand-separator/","summary":"DecimalFormat new DecimalFormat(\u0026#34;,###\u0026#34;).format(new BigDecimal(1234567890).longValue()) String.format …","date":"2024-01-06","category":"Java","tags":["Java"],"content":"DecimalFormat new DecimalFormat(\u0026amp;#34;,###\u0026amp;#34;).format(new BigDecimal(1234567890).longValue()) String.format String.format(\u0026amp;#34;%,d\u0026amp;#34;,new BigDecimal(1234567890).longValue()) 正则表达式 String.valueOf(new BigDecimal(1234567890).longValue()).replaceAll(\u0026amp;#34;(\\\\d)(?=(\\\\d{3})+\\$)\u0026amp;#34;, \u0026amp;#34;\\$1,\u0026amp;#34;) #!/usr/bin/perl use strict; use warnings; my $num = 1234556789; #纯数据模式 $num =~ s/(?\u0026amp;lt;=\\d)(?=(\\d{3})+$)/,/g; print $num,\u0026amp;#34;\\n\u0026amp;#34;; #带有小数点模式 $num = 123456.1234; $num =~ s/(?\u0026amp;lt;!\\.\\d)(?\u0026amp;lt;=\\d)(?=(\\d{3})+\\b)/,/g; print $num,\u0026amp;#34;\\n\u0026amp;#34;; #大于5位之后。。。 #\\K 模式，可变长否定向后环视;\\K容许在它之前的模式只匹配而不被替换。替换操作只对\\K之后的字符串 …"},{"title":"Java符号运算","url":"/posts/java-bitwise-operators/","summary":"先给大家晒一晒代码\nimport cn.hutool.core.util.HexUtil; String hex = \u0026#34;1f8698690e02ca16618550ef7f19da8e945b555a\u0026#34;; byte[] …","date":"2024-01-05","category":"Java","tags":["Java"],"content":"先给大家晒一晒代码\nimport cn.hutool.core.util.HexUtil; String hex = \u0026amp;#34;1f8698690e02ca16618550ef7f19da8e945b555a\u0026amp;#34;; byte[] hexByte = HexUtil.decodeHex(hex); int bin_code = (hexByte[10] \u0026amp;amp; 0x7f) \u0026amp;lt;\u0026amp;lt; 24 | (hexByte[11] \u0026amp;amp; 0xff) \u0026amp;lt;\u0026amp;lt; 16 | (hexByte[12] \u0026amp;amp; 0xff) \u0026amp;lt;\u0026amp;lt; 8 | (hexByte[13] \u0026amp;amp; 0xff); bin_code = bin_code % (int)Math.pow(10,6); 看到这段代码，大家什么感受。\n尤其平时大家在翻阅源码时，这样的代码更是屡见不鲜。\n是不是脑袋已经泛起了涟漪。小小的脑袋里面，充满了大大的问号？\n这是个什么东东，是什么运算，运算过程是什么，运算结果又是什么样的。\n今天我们就来好好探究探究里面的秘密。\n其实这些运算都是对数据的二进制进行运算。\n感觉难理解是因为我们最直观的是十进制，对于二进制我们需要脑袋里面先进行转换，将十进制切换到二进制再进行运算，就有点绕弯弯。\n那我们换种思路呢，我们抛弃掉十进制。\n当呈现在我们眼前的就是直观的二进制，然后我 …"},{"title":"Java线程池实现原理及其在美团业务中的实践","url":"/posts/java-thread-pool-principles/","summary":" 作者: 陆晨 链接：https://tech.meituan.com/2020/04/02/java-pooling-pratice-in-meituan.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业 …","date":"2024-01-04","category":"Java","tags":["Java","线程池","转载"],"content":" 作者: 陆晨 链接：https://tech.meituan.com/2020/04/02/java-pooling-pratice-in-meituan.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n随着计算机行业的飞速发展，摩尔定律逐渐失效，多核CPU成为主流。使用多线程并行计算逐渐成为开发人员提升服务器性能的基本武器。J.U.C提供的线程池：ThreadPoolExecutor类，帮助开发人员管理线程并方便地执行并行任务。了解并合理使用线程池，是一个开发人员必修的基本功。\n本文开篇简述线程池概念和用途，接着结合线程池的源码，帮助读者领略线程池的设计思路，最后回归实践，通过案例讲述使用线程池遇到的问题，并给出了一种动态化线程池解决方案。\n一、写在前面 1.1 线程池是什么 线程池（Thread Pool）是一种基于池化思想管理线程的工具，经常出现在多线程服务器中，如MySQL。\n线程过多会带来额外的开销，其中包括创建销毁线程的开销、调度线程的开销等等，同时也降低了计算机的整体性能。线程池维护多个线程，等待监督管理者分配可并发执行的任务。这种做法，一方面避免了处理任务时创建销毁线程开销的代价，另一方面避免了线程数量膨胀导致的过分调度问题，保证了对内核的充分利用。\n而本文描述线程池是JDK中提供 …"},{"title":"是时候聊聊Google Authenticator了","url":"/posts/google-authenticator-totp/","summary":"我们平常在进行账号安全设置的时候，平台都会建议设置二次验证。\n然后会生成一个二维码，手机下载Google Authenticator，去扫描这个二维码，扫描完成后就会出现一组6位数字。\n","date":"2024-01-03","category":"算法","tags":["Google Authenticator","TOTP","HOTP","算法"],"content":"我们平常在进行账号安全设置的时候，平台都会建议设置二次验证。\n然后会生成一个二维码，手机下载Google Authenticator，去扫描这个二维码，扫描完成后就会出现一组6位数字。\n我们后续每次进行重要操作的时候，都会输入这组6位数字来进行安全验证。\n关键这组数字还是动态的，每隔十几秒就会刷新一次，而且还可以断网使用。\n当时就好了奇了，这么神奇吗，动态刷新还可以断网，他咋和服务器交互验证的呢。\n先来用一用 探索真理最好的途径就是实践，想要搞懂它，我们不妨来使用使用。\n首先，我们得先整一个二维码，这个二维码用来绑定Google Authenticator。\n我们去PSN 的官网来弄一个，下面我已经弄好了，大家自行扫描。二维码别外传呦。骗你的，二维码是我自己生成的\n然后，掏出我们的 iPhone 100 Pro Max 来扫描一下。\n扫描完了。\n然后就得到了神奇的6位数 213 993，这就是我们以后进行安全认证的法宝了。\n除了6位数字，我们还看到了其他的一些信息，我们来一一说明一下\nSony 一般都是平台信息 longlei@longlei.me 一般是账号，和Sony组合起来就构成了验证码的标识，来说明验证码使用的场景 当然，这两个也不是固定的，有的平台不按套路出牌，给的是他们认为的唯一标识 总之我们知道他是来标识用户的就OK，这样方便我们添加多个验证码的时候快速找到对应平台和 …"},{"title":"Java魔法类：Unsafe应用解析","url":"/posts/java-unsafe-guide/","summary":" 作者:璐璐 链接:https://tech.meituan.com/2019/02/14/talk-about-java-magic-class-unsafe.html 来源:美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非 …","date":"2024-01-03","category":"Java","tags":["Java","Unsafe","转载"],"content":" 作者:璐璐 链接:https://tech.meituan.com/2019/02/14/talk-about-java-magic-class-unsafe.html 来源:美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n前言 Unsafe是位于sun.misc包下的一个类，主要提供一些用于执行低级别、不安全操作的方法，如直接访问系统内存资源、自主管理内存资源等，这些方法在提升Java运行效率、增强Java语言底层资源操作能力方面起到了很大的作用。但由于Unsafe类使Java语言拥有了类似C语言指针一样操作内存空间的能力，这无疑也增加了程序发生相关指针问题的风险。在程序中过度、不正确使用Unsafe类会使得程序出错的概率变大，使得Java这种安全的语言变得不再“安全”，因此对Unsafe的使用一定要慎重。\n注：本文对sun.misc.Unsafe公共API功能及相关应用场景进行介绍。\n基本介绍 如下Unsafe源码所示，Unsafe类为一单例实现，提供静态方法getUnsafe获取Unsafe实例，当且仅当调用getUnsafe方法的类为引导类加载器所加载时才合法，否则抛出SecurityException异常。\npublic final class Unsafe { // 单例对象 private static final Unsafe …"},{"title":"红包算法","url":"/posts/red-packet-algorithm/","summary":" import java.math.BigDecimal; import java.math.RoundingMode; import java.util.*; /** * 红包 * 采用二倍均值算法 * (0.01, (X/Y) *2) …","date":"2024-01-03","category":"算法","tags":["红包算法","算法"],"content":" import java.math.BigDecimal; import java.math.RoundingMode; import java.util.*; /** * 红包 * 采用二倍均值算法 * (0.01, (X/Y) *2) */ public class RedEnvelope { // 最小可领取的金额 private BigDecimal minAmount; // 最佳金额 private BigDecimal bestAmount; // 总金额 private BigDecimal totalAmount; // 总领取数量 private Integer number; // 当前已经领取数量 private Integer currentNumber; // 默认最小领取金额（单位:元） private final static BigDecimal MIN_AMOUNT_DEFAULT = BigDecimal.valueOf(0.01); // 金额领取池 private List\u0026amp;lt;BigDecimal\u0026amp;gt; amountPool; /** * 设置最小领取金额 * @param minAmount */ public void setMinAmount(BigDecimal minAmount) { this.minAmount = …"},{"title":"消息队列","url":"/posts/message-queue/","summary":"1. 消息队列的基本作用 消息队列的主要作用是：解耦、异步、削峰。\n解耦 A 系统通过接口调用发送数据到 B、C、D 三个系统。那如果现在 E 系统也要这个数据呢？那如果 C 系统现在不需要了呢？现在 A 系统又要发送第二种数据了呢？这样的 …","date":"2024-01-03","category":"队列","tags":["队列"],"content":"1. 消息队列的基本作用 消息队列的主要作用是：解耦、异步、削峰。\n解耦 A 系统通过接口调用发送数据到 B、C、D 三个系统。那如果现在 E 系统也要这个数据呢？那如果 C 系统现在不需要了呢？现在 A 系统又要发送第二种数据了呢？这样的话 A 系统的维护成本就非常的高，而且 A 系统要时时刻刻考虑 B、C、D、E 四个系统如果出现故障该怎么办？A 系统是重发还是先把消息保存起来呢？使用消息队列就可以解决这个问题。A 系统只负责生产数据，不需要考虑消息被哪个系统来消费。\n异步 A 系统需要发送个请求给 B 系统处理，由于 B 系统需要查询数据库花费时间较长，以至于 A 系统要等待 B 系统处理完毕后再发送下个请求，造成 A 系统资源浪费。使用消息队列后，A 系统生产完消息后直接丢进消息队列，不用等待 B 系统的结果，直接继续去干自己的事情了。\n削峰 A 系统调用 B 系统处理数据，每天 0 点到 12 点，A 系统风平浪静，每秒并发请求数量就 100 个。结果每次一到 12 点 ~ 13 点，每秒并发请求数量突然会暴增到 1 万条。但是 B 系统最大的处理能力就只能是每秒钟处理 1000 个请求，这样系统很容易就会崩掉。这种情况可以引入消息队列，把请求数据先存入消息队列中，消费系统再根据自己的消费能力拉取消费。\n2. 消息队列的优缺点有哪些 优点 消息队列的优点就是：解耦、异步、 …"},{"title":"雪花算法","url":"/posts/snowflake-id/","summary":"是什么 SnowFlake 中文意思为雪花，故称为雪花算法。最早是 Twitter 公司在其内部用于分布式环境下生成唯一 ID。在 2014 年开源 scala 语言版本。\nID 结构 雪花算法原理就是生成一个的 64 位比特位的 long …","date":"2024-01-03","category":"算法","tags":["雪花算法","算法"],"content":"是什么 SnowFlake 中文意思为雪花，故称为雪花算法。最早是 Twitter 公司在其内部用于分布式环境下生成唯一 ID。在 2014 年开源 scala 语言版本。\nID 结构 雪花算法原理就是生成一个的 64 位比特位的 long 类型的唯一 id。\n第 1 位。二进制中数字表达形式最高位为 1 的代表负数，为 0 代表正数。我们生成的 id 一般都使用整数，所以这个最高位固定是0 接下来 41 位存储毫秒级时间戳，2^41/(1000_60_60_24_365)=69，大概可以使用 69 年。 再接下 10 位存储机器码，包括 5 位 datacenterId 和 5 位 workerId。最多可以部署 2^10=1024 台机器。 最后 12 位存储序列号。同一毫秒时间戳时，通过这个递增的序列号来区分。即对于同一台机器而言，同一毫秒时间戳下，可以生成 2^12=4096 个不重复 id。 算法实现（Java） import java.util.Set; import java.util.TreeSet; /** * @description 雪花算法ID生成器 */ public class SnowflakeIdGenerator { // 初始时间戳(纪年)，可用雪花算法服务上线时间戳的值 // 1649059688068：2022-04-04 16:08:08 …"},{"title":"从ReentrantLock的实现看AQS的原理及应用","url":"/posts/reentrantlock-aqs/","summary":" 作者：李卓 链接：https://tech.meituan.com/2019/12/05/aqs-theory-and-apply.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n","date":"2024-01-02","category":"Java","tags":["Java","锁","AQS","转载"],"content":" 作者：李卓 链接：https://tech.meituan.com/2019/12/05/aqs-theory-and-apply.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n前言 Java中的大部分同步类（Lock、Semaphore、ReentrantLock等）都是基于AbstractQueuedSynchronizer（简称为AQS）实现的。AQS是一种提供了原子式管理同步状态、阻塞和唤醒线程功能以及队列模型的简单框架。本文会从应用层逐渐深入到原理层，并通过ReentrantLock的基本特性和ReentrantLock与AQS的关联，来深入解读AQS相关独占锁的知识点，同时采取问答的模式来帮助大家理解AQS。由于篇幅原因，本篇文章主要阐述AQS中独占锁的逻辑和Sync Queue，不讲述包含共享锁和Condition Queue的部分（本篇文章核心为AQS原理剖析，只是简单介绍了ReentrantLock，感兴趣同学可以阅读一下ReentrantLock的源码）。\n下面列出本篇文章的大纲和思路，以便于大家更好地理解：\n1 ReentrantLock 1.1 ReentrantLock特性概览 ReentrantLock意思为可重入锁，指的是一个线程能够对一个临界资源重复加锁。为了帮助大家更好地理 …"},{"title":"不可不说的Java“锁”事","url":"/posts/java-locks-explained/","summary":" 作者：家琪 链接：https://tech.meituan.com/2018/11/15/java-lock.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n","date":"2024-01-01","category":"Java","tags":["Java","锁","转载"],"content":" 作者：家琪 链接：https://tech.meituan.com/2018/11/15/java-lock.html 来源：美团技术团队 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。\n前言 Java提供了种类丰富的锁，每种锁因其特性的不同，在适当的场景下能够展现出非常高的效率。本文旨在对锁相关源码（本文中的源码来自JDK 8和Netty 3.10.6）、使用场景进行举例，为读者介绍主流锁的知识点，以及不同的锁的适用场景。\nJava中往往是按照是否含有某一特性来定义锁，我们通过特性将锁进行分组归类，再使用对比的方式进行介绍，帮助大家更快捷的理解相关知识。下面给出本文内容的总体分类目录：\n1. 乐观锁 VS 悲观锁 乐观锁与悲观锁是一种广义上的概念，体现了看待线程同步的不同角度。在Java和数据库中都有此概念对应的实际应用。\n先说概念。对于同一个数据的并发操作，悲观锁认为自己在使用数据的时候一定有别的线程来修改数据，因此在获取数据的时候会先加锁，确保数据不会被别的线程修改。Java中，synchronized关键字和Lock的实现类都是悲观锁。\n而乐观锁认为自己在使用数据时不会有别的线程修改数据，所以不会添加锁，只是在更新数据的时候去判断之前有没有别的线程更新了这个数据。如果这个数据没有被更新，当前线程将自己修改的数据成功写入。如果数据已经被其他线程更新，则 …"},{"title":"2023-12-26","url":"/posts/diary-2023-12-26/","summary":"阳光透过窗户轻轻的撒了进来，柔柔的在地板上铺展开来。早晨的光亮还没有那么强烈，屋内未被撑满，灰暗还留有一丝余息，在等待着最后的审判。\n其实，阳光猛烈时，屋内也会留有黑暗的角落，在蓄势待发，等待着夕阳余晖落下时，吹起号角后的反击。\n","date":"2023-12-26","category":"随笔","tags":["日记"],"content":"阳光透过窗户轻轻的撒了进来，柔柔的在地板上铺展开来。早晨的光亮还没有那么强烈，屋内未被撑满，灰暗还留有一丝余息，在等待着最后的审判。\n其实，阳光猛烈时，屋内也会留有黑暗的角落，在蓄势待发，等待着夕阳余晖落下时，吹起号角后的反击。\n四周的墙壁，加上厚压压的屋顶，只在床头边裁剪了一处1平米的豁口，以供喘息。小小的窗口也不负众望，担起了重责，让室内唤起了一丝丝生机，足以寥慰居住在此的生灵。\n又是急促的一个早晨，睁开双眼的时候，看了一眼枕头旁边的手机，已经过了8点钟，早起的计划又一次泡汤。虽然如此了，但还是在床上闭目养神了一会，8点15分，才慢悠悠的起身。已经习惯了晚起的节奏，对于上班时间的把控也越发的精确，心里信心满满，对时间的排班一点也不着急。\n花花在床边已经踱步了好久，在我还在睡梦中，哒哒声就已经悄然袭击了我，仿佛是有节奏的在拍打着我，代替了闹钟提醒我起床，可朦朦睡意的大脑终究有自己的个性，待到困意疲倦、清醒充足时才娓娓睁开了双眼让我醒来。\n花花变的很是急迫，哒哒声密集了很多，那一扇屋门格挡了她的去处，如若不然，她定要冲向外面，好肆意的挥洒她的力气，欣然的呼吸着自然的气息，这是她一直所向往的。事实却冷落了她，只有更密集的哒哒声在抱怨着不满，也在提醒着我要加快出去的步伐。\n我没有更换衣服，依旧穿着睡衣，拿起椅子上摆放的棉袄，匆匆披上，便领着花花出门了。\n穿着睡衣，不是说要赶时间，着急出 …"}]