logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

一篇打通微服务架构,Nacos + Gateway + Redis + MySQL + Docker

一篇打通微服务架构,Nacos + Gateway + Redis + MySQL + Docker

文章图片
#架构#微服务#gateway
@Transactional(readOnly=true)真的是提高性能的灵丹妙药吗?

我在服务层测试了两个方法,一个是@Transactional(readOnly = true),另一个是存储库层中的@Transactional (readOnly = true)(在 SimpleJpaRepository 中,它是 Jpa Respitory 的默认实现,在类的顶部有@Transformational(ready Only),因此 findAll()方法在默认情况下有@tran

文章图片
#java#开发语言#后端 +3
MongoDB安装全攻略:一步步教你轻松上手

本文详细阐述了MongoDB数据库的安装过程,从准备工作到成功安装,为初学者提供了清晰的指导。首先,介绍了安装MongoDB前需要准备的环境,包括操作系统版本要求、内存和存储空间等。接着,详细说明了MongoDB的安装步骤,包括下载安装包、解压文件、配置环境变量、创建数据目录等。此外,还介绍了如何启动MongoDB服务以及验证安装是否成功的方法。通过本文的指导,读者可以轻松地完成MongoDB的安

文章图片
#mongodb#数据库#后端 +2
微服务回归单体,代码行数减少75%,性能提升1300%

微服务回归单体,代码行数减少75%,性能提升1300%

文章图片
#微服务#架构#云原生
MySQL 如何实现将数据实时同步到 ES ?

1)数据双写是最简单的实现方式,可以最大程度的保证数据的同步写入,不过问题很明显,就是代码侵入性太强了,而且容易因为中间件故障导致写入失败。2)MQ 异步同步,这个方案引入了消息队列,实现了业务的解耦合,而且性能较高,吞吐量也比较大,并且支持多数据源的数据同步,不过由于 MQ 是异步消费模型,所以可能出现数据同步延迟的情况,所以实时性要求比较高的场景可能没办法实现。

文章图片
#mysql#elasticsearch#spring boot +4
千万级数据查询优化:查询分离+ES实战避坑指南

查询分离架构是解决大数据量查询性能问题的有效方案,但需要综合考虑数据一致性、系统复杂度和运维成本。通过合理的架构设计 + Elasticsearch的深度优化,可以构建出支撑千万级数据的高性能查询系统。b、数据同步消费者(DataSyncConsumer.java)a、数据写入服务(DataWriteService.java)✅ 数据需要频繁更新:所有数据都可能被修改(区别于冷热分离)✅ 数据查询

#elasticsearch#缓存#java +3
安装PLSQL并测试连接

安装之前先把客户端工具instantclient_12_1拷贝到一个没有中文或空格的目录中,比如我直接拷贝到D盘目录下1.安装PLSQL Developer(安装目录不能有中文或空格,否则连接不上)2.PLSQL Developer远程连接oracle1).在弹出的登录窗口中点取消,Tools->>Preferences2).从虚拟机中的oracle安装目录中找到 tns...

到底了