lakeslove

2020年2月10日

摘要：在使用消息队列的过程中，你会遇到很多问题，比如选择哪款消息队列更适合你的业务系统？如何保证系统的高可靠、高可用和高性能？如何保证消息不重复、不丢失？如何做到水平扩展？诸如此类的问题，每一个问题想要解决好，都不太容易。总结起来，通过这次系列课程的学习，你可以达成三个成就：成为消息队列领域的“技术高阅读全文

posted @ 2020-02-10 15:33 lakeslove 阅读(310) 评论(0) 推荐(0) 编辑

12 | 缓存：数据库成为瓶颈后，动态数据的查询要如何加速？

摘要：从整体上看，数据库分了主库和从库，数据也被切分到多个数据库节点上。但随着并发的增加，存储数据量的增多，数据库的磁盘 IO 逐渐成了系统的瓶颈，我们需要一种访问更快的组件来降低请求响应时间，提升整体系统性能。这时我们就会使用缓存。缓存的不足首先，缓存比较适合于读多写少的业务场景，并且数据最好带有一阅读全文

posted @ 2020-02-10 13:25 lakeslove 阅读(455) 评论(0) 推荐(0) 编辑

2020年2月9日

11 | NoSQL：在高并发场景下，数据库和NoSQL如何做到互补？

摘要：阅读全文

posted @ 2020-02-09 21:07 lakeslove 阅读(312) 评论(0) 推荐(0) 编辑

10 | 发号器：如何保证分库分表后ID的全局唯一性？

摘要：建议你搭建发号器服务来生成全局唯一的 ID。怎么不用UUID？因为在系统设计时，ID 有可能成为排序的字段。 ID 有序也会提升数据的写入性能。不能作为 ID 的另一个原因是它不具备业务含义最后，UUID 是由 32 个 16 进制数字组成的字符串，如果作为数据库主键使用比较耗费空间。 Sn 阅读全文

posted @ 2020-02-09 20:12 lakeslove 阅读(483) 评论(0) 推荐(0) 编辑

09 | 数据库优化方案（二）：写入数据量增加时，如何实现分库分表？

摘要：数据库的写入请求量大造成的性能和可用性方面的问题，要解决这些问题，你所采取的措施就是对数据进行分片。这样可以很好地分摊数据库的读写压力，也可以突破单机的存储瓶颈，而常见的一种方式是对数据库做“分库分表”。数据库分库分表的方式有两种：一种是垂直拆分，另一种是水平拆分。这两种方式，在我看来，掌握拆分方阅读全文

posted @ 2020-02-09 17:17 lakeslove 阅读(354) 评论(0) 推荐(0) 编辑

08 | 数据库优化方案（一）：查询请求增加时，如何做主从分离？

摘要：依据一些云厂商的 Benchmark 的结果，在 4 核 8G 的机器上运 MySQL 5.7 时，大概可以支撑 500 的 TPS 和 10000 的 QPS 那么你可能会说，是不是我无限制地增加从库的数量就可以抵抗大量的并发呢？实际上并不是的。因为随着从库数量增加，从库连接上来的 IO 线程比较阅读全文

posted @ 2020-02-09 16:51 lakeslove 阅读(243) 评论(0) 推荐(0) 编辑

07 | 池化技术：如何减少频繁创建数据库连接的性能损耗？

摘要：一般在线上我建议最小连接数控制在 10 左右，最大连接数控制在 20～30 左右即可。阅读全文

posted @ 2020-02-09 16:22 lakeslove 阅读(341) 评论(0) 推荐(0) 编辑

06 | 面试现场第一期：当问到组件实现原理时，面试官是在刁难你吗？

摘要：阅读全文

posted @ 2020-02-09 16:05 lakeslove 阅读(222) 评论(0) 推荐(0) 编辑

05 | 系统设计目标（三）：如何让系统易于扩展？

摘要：高可扩展性的设计思路拆分是提升系统扩展性最重要的一个思路，它会把庞杂的系统拆分成独立的，有单一职责的模块。相对于大系统来说，考虑一个一个小模块的扩展性当然会简单一些。将复杂的问题简单化，这就是我们的思路。其实就是微服务系统的易扩展之从存储和业务拆分来考虑。业务拆分是容易理解的，专人专事；从存储阅读全文

posted @ 2020-02-09 15:45 lakeslove 阅读(401) 评论(0) 推荐(0) 编辑

04 | 系统设计目标（二）：系统怎样做到高可用？

摘要：阅读全文

posted @ 2020-02-09 15:27 lakeslove 阅读(344) 评论(0) 推荐(0) 编辑

公告