CAP原则又称CAP定理，指的是在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼分布式系统的CAP理论：理论首先把分布式系统中的三个特性进行了如下归纳：一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）可用性（A）：在集群中一部分

摘要：RPC 协议采用多路复用的 TCP 长连接方式，在服务提供者和调用者间有多个服务请求同时调用时会共用同一个长连接，即一个连接交替传输不同请求的字节块。它既避免了反复建立连接开销，也避免了连接的等待闲置从而减少了系统连接总数，同时还避免了 TCP 顺序传输中的线头阻塞（head-of-line blocking）问题。Docker相关：考虑到应用故障的隔离、更方便的服务管控，目前...

一、为什么要进行业务容器化改造1.1 传统业务面临的问题　　世界著名大思想家斯宾塞·约翰逊曾经说过“唯一不变的是变化本身”，因此对于任何事物，我们都需要用动态的眼光去看待。在IT领域也是如此，对于一个业务系统来说，是否需要作出改变，主要取决于两个方面：一个业务的需求变化，这里的需求包含业务功能的需求、支撑更多用户访问量的需求、应用部署运维和升级的需求、业务开发管理的需求等；一个是技术的发展变化，即

CAP原则又称CAP定理，指的是在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼分布式系统的CAP理论：理论首先把分布式系统中的三个特性进行了如下归纳：一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）可用性（A）：在集群中一部分

概述学习DDD也一段时间了，阅读过许多相关的文章，但是一直给我一种云里雾里的感觉。一方面大部分文章都是在讲DDD的概念，并没有实际的例子，导致难以理解；另一方面DDD与传统的数据库建模相差较大，对以往的开发方式冲击较大，导致无从下手。本文尝试使用DDD来介绍有赞信贷核心系统的设计过程，让大家对DDD的落地有一定的了解。由于本文主要讲解设计过程，因此不会展开讲DDD的基本概念，希望读者对于DDD的相

排列组合公式排列组合公式/排列组合计算公式公式P是指排列，从N个元素取M个进行排列。公式C是指组合，从N个元素取M个进行组合，不进行排列。N-元素的总个数M参与选择的元素个数！-阶乘，如9！＝9*8*7*6*5*4*3*2*1从N到数M个，表达式应该为n*（n-1)*(n-2)..(n-m+1);因为从n到（n-m+1)个数为n－(n-m+1)＝m举例：Q1:有从1到9共计9个号码球，请问，可以组

G1和CMS如何选择G1最小堆内存 6个G能稳定运行，因此对cpu的要求最少是4核8GJDK8及更高版本同等环境下只要内存够大(最少8G)优先使用G1CMSCMS追求停顿时间越短越好对cpu性能要求比较高同时对内存要求不算高(最少4G)JDK8及更高版本同等环境下只要cpu性能比较好并且内存不算大 (最少4G)可以使用CMSJDK7及更低版本同等环境下 可选择CMS (G1不完善)注意:单核、双核

一、背景HTTP协议是无状态的协议，即每一次请求都是互相独立的。因此它的最初实现是，每一个http请求都会打开一个tcp socket连接，当交互完毕后会关闭这个连接。HTTP协议是全双工的协议，所以建立连接与断开连接是要经过三次握手与四次挥手的。显然在这种设计中，每次发送Http请求都会消耗很多的额外资源，即连接的建立与销毁。于是，HTTP协议的也进行了发展，通过持久连接的方法来进行socket

背景据Redisson官网的介绍，Redisson是一个Java Redis客户端，与Spring 提供给我们的 RedisTemplate 工具没有本质的区别，可以把它看做是一个功能更强大的客户端（虽然官网上声称Redisson不只是一个Java Redis客户端）我想我们用到 Redisson 最多的场景一定是分布式锁，一个基础的分布式锁具有三个特性：互斥：在分布式高并发的条件下，需要保证，同

SnowFlake算法据国家大气研究中心的查尔斯·奈特称，一般的雪花大约由10^19个水分子组成。在雪花形成过程中，会形成不同的结构分支，所以说大自然中不存在两片完全一样的雪花，每一片雪花都拥有自己漂亮独特的形状。雪花算法表示生成的id如雪花般独一无二。snowflake是Twitter开源的分布式ID生成算法，结果是一个long型的ID。其核心思想是：使用41bit作为毫秒数，10bit作为机器