摘要: 首先了解一个关键词Soc。 Soc:Separation of concerns 关注分离点, 在不同的场景SOC有着不同的含义 Soc是一个过程:Soc是一个将功能点分解以尽量减小功能交叉的过程; Soc是软件开发的一个基本规则 Soc是一个指标:关注点的分离度 Soc的实践体现在不同的编程模型( 阅读全文
posted @ 2017-12-31 20:23 Sheldon_blog 阅读(326) 评论(0) 推荐(0) 编辑
摘要: JavaScript事件中有非常重要的特性——事件冒泡: 闲话少说,让我们通过例子来说明一切 观察下面的代码: <div onclick="alert('The handler!')"> <em> If you click on <code>EM</code>, the handler on <co 阅读全文
posted @ 2017-12-30 15:49 Sheldon_blog 阅读(405) 评论(0) 推荐(0) 编辑
摘要: 因为我们项目上没有使用过两种,而我依旧对他们孰优孰劣比较好奇。 所以我逛了很多国内外的网站,得到了以下的结论。 首先,Redis和Memcached是两款非常给力的、快速的、并且都是使用内存做分布式缓存数据的服务。对于提升我们网站的的性能有很大的帮助(通过缓存数据、HTML片段或其他)。 接下来,通 阅读全文
posted @ 2017-12-25 19:54 Sheldon_blog 阅读(588) 评论(0) 推荐(0) 编辑
摘要: Redis 简介 Redis 是完全开源免费的,遵守BSD协议,是一个高性能的key-value数据库。 Redis 与其他 key - value 缓存产品有以下三个特点: Redis支持数据的持久化,可以将内存中的数据保存在磁盘中,重启的时候可以再次加载进行使用。 Redis不仅仅支持简单的ke 阅读全文
posted @ 2017-12-25 18:40 Sheldon_blog 阅读(161) 评论(0) 推荐(0) 编辑
摘要: 一、需求缘起 【业务场景】 有一类写多读少的业务场景:大部分请求是对数据进行修改,少部分请求对数据进行读取。 例子1:滴滴打车,某个司机地理位置信息的变化(可能每几秒钟有一个修改),以及司机地理位置的读取(用户打车的时候查看某个司机的地理位置)。 void SetDriverInfo(long dr 阅读全文
posted @ 2017-12-25 16:14 Sheldon_blog 阅读(661) 评论(0) 推荐(0) 编辑
摘要: 本文内容:创业型公司如何快速搭建可扩展,可落地的立体化监控平台 一、需求缘起 创业型公司有系统监控么?来看两个case: case 1:CXO大群内贴了一张“用户微信投诉”的截图 (1)CXO大群内贴了一张“用户微信投诉”的截图 (2)技术反馈“正在跟进” (3)10分钟之后,CXO询问进度,技术反 阅读全文
posted @ 2017-12-25 16:12 Sheldon_blog 阅读(445) 评论(0) 推荐(0) 编辑
摘要: 缘起:在高并发的分布式环境下,对于数据的查询与修改容易引发一致性问题,本文将分享一种非常简单但有效的优化方法。 一、业务场景 业务场景为,购买商品的过程要对余额进行查询与修改,大致的业务流程如下: (1)从数据库查询用户现有余额 SELECT money FROM t_yue WHERE uid=$ 阅读全文
posted @ 2017-12-25 16:12 Sheldon_blog 阅读(896) 评论(0) 推荐(0) 编辑
摘要: 一、需求缘起 大伙打开微信钱包,会发现58到家入驻了微信钱包的一级入口(如下图),这个入口流量极大,微信要求被接入的H5必须能抗住n万的qps(58到家的系统是偏交易的系统,虽然一天100w订单其实也没多少请求),这是之前的业务系统没有遇到过的,要抗住这个n万的qps的优化思路是怎么样的呢? 这里做 阅读全文
posted @ 2017-12-25 16:11 Sheldon_blog 阅读(470) 评论(0) 推荐(0) 编辑
摘要: 从0开始做垂直O2O个性化推荐 上次以58转转为例,介绍了如何从0开始如何做互联网推荐产品(回复“推荐”阅读),58转转的宝贝为闲置物品,品类多种多样,要做统一的宝贝画像比较难,而分类别做宝贝画像成本又非常高,所以更多的是进行用户画像、分类预测推荐、协同过滤推荐等个性化推荐。 有些同学反馈,他们的产 阅读全文
posted @ 2017-12-25 16:10 Sheldon_blog 阅读(443) 评论(0) 推荐(0) 编辑
摘要: 从0开始做互联网推荐【产品+算法+实现】 一、58转转简介 58旗下真实个人闲置物品交易平台 二、从0开始设计推荐产品框架 (1)首页推荐:提取用户画像,根据线下提取出的用户年龄、性别、品类偏好等在首页综合推荐宝贝 (2)宝贝详情页推荐:买了还买,看了还看类的关联宝贝推荐 (3)附近推荐:和首页推荐 阅读全文
posted @ 2017-12-25 16:09 Sheldon_blog 阅读(362) 评论(0) 推荐(0) 编辑