使用命令发现磁盘使用率为100%了，还剩几十兆。一系列神操作备份数据库，删除实例、删除数据库表、重启mysql服务，结果磁盘空间均没有释放。怎么办网上查了很多资源，说要进行磁盘碎片化整理。原因是datafree占据的空间太多啦。具体可以通过这个sql查看。SELECTCONCAT(TRUNCATE(SUM(data_length)/1024/1024,2),'MB')ASdata_size,CON

1 数据库审计数据库审计是指当数据库有记录变更时，可以记录数据库的变更时间和变更人等，这样以后出问题回溯问责也比较方便。对于审计表记录的变更可以两种方式，一种是建立一张审计表专门用于记录，另一种是在数据库增加字段。本文所讨论的是第二种方案。那如何在新增、修改、删除的时候同时增加记录呢？如果每张表都单独记录，代码就会显得很冗余。更好的方式应该是做切面或者事件监听，当数据有变更时统一进行记录。2 Sp

3.1 Sentinel熔断降级Sentinel 被称为高可用流量管理框架，分布式系统流量卫兵。假如对一个接口QPS（每秒请求数）最大限制为10000，在QPS超过10000之后的请求我们就要限制其访问，并给出友好的提示。不限制QPS无限的次数就会造成服务器超量访问而宕机。在服务调用的过程中，如果调用链路中的某个资源出现了不稳定，比如错误数增加，请求平响升高，则大概率会导致请求堆积，进而诱发整个链

前言Netty作为目前最流行的NIO框架，Netty在互联网领域、大数据分布式计算领域、游戏行业、通信行业等获得了广泛的应用，知名的Elasticsearch 、Dubbo 框架内部都采用了Netty。随着互联网对各行各业的渗透，我们可以看到一些计算机领域的热门技术，例如云计算、微服务、物联网等，其背后的核心一直是连接。在这样一个背景下，掌握Netty可以算得上是一个开发人员最重要的技能。但很多人

前言从移动电话到互联网，我们的生活越来越依赖于以无缝和透明的方式将计算机和其他设备连接在一起的分布式系统。分布式系统从诞生到现在已经有几十个年头了，微服务、云原生、Kubermetes、Service Mesh是分布式领域的热点技术，它们并不是凭空出现的，一定继承了某些“前辈”的优点。我们不仅要了解这些技术，还要深入理解其发展脉络、原理等，才能游刃有余地将其用于现有的项目开发或老系统改造中。今天这

本文转至顶级架构师我们要了解的是微服务和DDD到底有什么关系呢？　　因为在互联网时代，软件所面临的问题域比以往要复杂得多，这种复杂性来源于不断扩展的问题域自身，也来源于创新变化，以及这种规模性增长所带来的挑战。　　然而一个人一个团队，他对复杂的事物的认知是有极限的，面对这种复杂问题唯一的方法就是分而治之。分主要考虑的是如何去分；治意味着分出来的每一个部分要能够独立的运行，能够互相的协作，完成整体的

一、过滤器和拦截器的区别1、过滤器和拦截器触发时机不一样，过滤器是在请求进入容器后，但请求进入servlet之前进行预处理的。请求结束返回也是，是在servlet处理完后，返回给前端之前。2、拦截器可以获取IOC容器中的各个bean，而过滤器就不行，因为拦截器是spring提供并管理的，spring的功能可以被拦截器使用，在拦截器里注入一个service，可以调用业务逻辑。而过滤器是JavaEE标

为什么用雪花ID？❄ 因为大厂也在用，推特、百度、美团、滴滴等等。❄ 雪花ID是走向分布式架构的垫脚石，如果只会Guid和数据库自增，怎敢说会分布式系统架构。❄ 雪花ID适合小项目、大项目、超级大项目。本算法介绍❄ 这是优化的雪花算法（雪花漂移），它生成的ID更短、速度更快。❄ 支持 k8s 等容器环境自动扩容（自动注册 WorkerId），可在单机或分布式环境生成数字型唯一ID。❄ 原生支持 C

​Rocketmq和kafka这两个消息队列大家应该都比较熟悉吧，哪怕不是很熟悉，应该也听说过的吧，你别告诉我，作为一个资深的程序员，你没听过这两门技术。我之前使用这两个消息队列的时候就遇到一个很奇怪的问题，就是在kafka里面弄了比较多的topic，性能下降的速度贼快，不知道大家遇到过没，而同样的场景切换到消息队列rocketmq中，下降速度却没有那么快。不熟悉这俩消息队列结构的朋友，一听这个肯

在大数据、高并发的系统中，为了突破瓶颈，会将系统进行水平扩展和垂直拆分，形成独立的服务。每个独立的服务背后，可能是一个集群在对外提供服务。这就会碰到一个问题，整个系统是由多个服务(子系统)组成的，数据需要在各个服务中不停流转。如果数据在各个子系统中传输时，速度过慢，就会形成瓶颈，降低整个系统的性能。从而就形成了以Kafka为中心的解决方案！因为阅读Kafka源码重要性就不言而喻，今天小编就分享一份