实现原理：效能平台在打包部署成功之后，通知测试管理平台本次部署的需求，分支，环境，应用等信息，测试管理平台根据这些信息比对当前部署分支与master分支的代码差异，然后在用户执行案例后，通过jacoco工具生成本次测试的增量覆盖率。如在测试过程中发现bug部署多次，则最终会合并所有的覆盖率报告。二、JaCoCo基本概念行覆盖率：度量被测程序的每行代码是否被执行，判断标准行中是否至少有一个指令被执行

比如在项目中不同的类型的业务可能需要上传各种各样的附件，此时就可以定义好不同的一个附件的枚举，来区分不同业务的附件。不要在代码中直接写死，不定义枚举，代码阅读起来非常困难，直接看到数字都是懵逼的。。我们做了这么多的工作，最终也只有跑起来才能够看到效果，所以在maven打包的时候，不要在了，让测试跑起来。如果可以的话，把单元测试加到我们的CI/CD流程中，只有常态化的用起来，才可以真正的产生效果。上

所谓的水平伸缩，指的是不去提升单机的处理能力，而是使用更多的服务器，将这些服务器构成一个分布式集群，通过这个集群，对外统一提供服务，以此来提高系统整体的处理能力。此外，还有外部环境引发的不可用，比如促销引来大量用户访问，导致系统并发压力太大而崩溃，以及，黑客攻击、机房火灾、挖掘机挖断光缆，各种情况导致的应用不可用。比如用更快频率的 CPU，用更多核的 CPU，用更大的内存，用更快的网卡，用更多的磁

seata线上问题汇总；操作，而这个地方耗时比较长，大概知道原因了，这可能是服务重试，或者网络延迟导致调用参与方服务的时候超时，事务已经回滚结束了，这个延迟的请求才到底对应服务，并尝试加入全局事务，但是全局事务已经结束了，所以抛出异常来回滚所做的操作保证一致性。是相同的，以致于后续回滚查询分支事务的时候无法保证其先后顺序，而后执行回滚的顺序就一样无法保证，才最终导致上述错误！项目使用了微服务，并且

事务是由一个或多个操作运行的一个逻辑工作单元，这个工作单元具有ACID四种特性：原子性（Atomic）：事务必须是原子工作单元，对数据进行修改，要么全部执行，要么全部都不执行。一致性（Consistent）：事务在完成时，必须使所有数据都保持一致状态，事务结束时所有的内部数据结构都必须是正确的；如果事务是并发多个，系统也必须如同串行事务一样操作。其主要特征是保护性和不变性(Preserving a

Seata全局事务读未提交，并不是说本地事务的db数据没有正常提交，而是指全局事务二阶段commit | rollback未真正处理完（即未释放全局锁），而且这时候其他事务会读到一阶段提交的内容。默认情况下，AT是工作在读未提交的隔离级别下，保证绝大多数场景的高效性。有些应用如果需要达到全局的读已提交，AT也提供了相应的机制来达到目的，那就是。

在接收到来自集群中的其他 Follow 服务器的投票信息后，集群中的每个 Follow 服务器都会与自身的投票信息进行对比，如果判断新的投票信息更合适，则采用新的投票信息作为自己的投票信息。在集群中的投票信息还没有达到超过半数原则的情况下，再进行新一轮的投票，最终当整个 ZooKeeper 集群中的 Follow 服务器超过半数投出的结果相同的时候，就会产生新的 Leader 服务器。当该提案通过

Redission是一个基于Redis实现的Java分布式对象存储和缓存框架。它提供了丰富的分布式数据结构和服务。例如：分布式锁、分布式队列、分布式Rate Limiter等。Redisson顾名思义，Redis的儿子，Redisson是一个在Redis的基础上实现的Java驻内存数据网格（In-Memory Data Grid）。它不仅提供了一系列的分布式的Java常用对象，还提供了许多分布式服

特别值得一提的是，多时间点快照技术支持同时提取多个时间点样本同时恢复，这对于很多逻辑错误的灾难定位十分有用，如果用户有多台服务器或虚拟机可以用作系统恢复，通过比照和分析，可以快速找到哪个时间点才是需要回复的时间点，降低了故障定位的难度，缩短了定位时间。在平台层面，通过将异构存储资源进行抽象化，将传统的存储设备级的操作封装成面向存储资源的操作，从而简化异构存储基础架构的操作，以实现存储资源的集中管理

工欲善其事，必先利其器。” 懂得原理方能触类旁通，立于不败之地。本场 Chat 将分 4 节详细解读著名的分布式一致性算法——Raft，在此基础上，再介绍 Etcd 的架构和典型应用场景。通常，Raft 集群中只有一个 Leader，其它节点都是 Follower。Follower 都是被动的：它们不会发送任何请求，只是简单的响应来自 Leader 或者 Candidate 的请求。