09 2019 档案
摘要：如何查询硬解析问题： 绑定变量的不适合场景： sql的逻辑读变零： 函数的逻辑读变成零： keep让sql跑的更快： 查看系统各维度规律： 找到提交过频繁的语句： 日志归档相关案例：
阅读全文
摘要：相对来说，考虑的比较完善的一套方案，分为事前，事中，事后三个层次去思考怎么来应对缓存雪崩的场景 1、事前解决方案 发生缓存雪崩之前，事情之前，怎么去避免redis彻底挂掉 redis本身的高可用性，复制，主从架构，操作主节点，读写，数据同步到从节点，一旦主节点挂掉，从节点跟上 双机房部署，一套red
阅读全文
摘要：在生产环境中部署一个短路器，一开始需要将一些关键配置设置的大一些，比如timeout超时时长，线程池大小，或信号量容量 然后逐渐优化这些配置，直到在一个生产系统中运作良好 （1）一开始先不要设置timeout超时时长，默认就是1000ms，也就是1s（2）一开始也不要设置线程池大小，默认就是10（3
阅读全文
摘要：Oracle中的体系结构： oracle体系结构中的进程： 共享池相关的优化： 绑定变量带来的性能飞跃： 硬解析次数和执行次数： 执行语句： --通过如下命令可以查出生成的trc文件 生成报表： 静态sql自动绑定变量： 参数对Sql性能的影响： 批量提交与否性能差异： 日志关闭与否对性能的影响：
阅读全文
摘要：绑定数据： 父表： 子表： 关联： 主表加载事件： 子表加载事件： 改变事件格式：
阅读全文
摘要：多个商品，需要发送多次网络请求，调用多次接口，才能拿到结果 可以使用HystrixCollapser将多个HystrixCommand合并到一起，多个command放在一个command里面去执行，发送一次网络请求，就拉取到多条数据 用请求合并技术，将多个请求合并起来，可以减少高并发访问下需要使用的
阅读全文
摘要：索引： 生产库中一般没有索引，查询库中有大量的索引，生产库要执行插入操作。 分区效率变低： 无索引： 物化视图：（用空间换取时间） 提高sql的运行速度： 未优化： 一：绑定变量 二：动态sql 改成静态sql（涉及到的表名和列明不存在，考虑使用动态sql） 三：批量提交 四：集合写法 五：直接路劲
阅读全文
摘要：分区清理： 分区表的性能： 普通表： 把一个表分成了多个段，提高了性能。 避免SQL中的函数调用： 但是通过autotrace 比较观察发现两种写法性能上存在巨大差异 第一种： 第二种： 表连接的性能一定比函数调用的高。 减少SQL中的函数调用： 性能对比： 集合写法提高性能。 只取你需要的列，访问
阅读全文
摘要：count（*）和Count（列） select count(*) from t; select count(object_id) from t; 逻辑读和Cost是一样的。、 建索引： create index idx_object_id on t(object_id); select count
阅读全文
摘要：有一个概念，叫做reqeust context，请求上下文，一般来说，在一个web应用中， 我们会在一个filter里面，对每一个请求都施加一个请求上下文，就是说，tomcat容器内，每一次请求，就是一次请求上下文 在一次请求上下文中，如果有多个command，参数都是一样的，调用的接口也是一样的，
阅读全文
摘要：hystrix进行资源隔离，其实是提供了一个抽象，叫做command，就是说，你如果要把对某一个依赖服务的所有调用请求，全部隔离在同一份资源池内 对这个依赖服务的所有调用请求，全部走这个资源池内的资源，不会去用其他的资源了，这个就叫做资源隔离 hystrix最最基本的资源隔离的技术，线程池隔离技术
阅读全文
摘要：重载了一个方法： 调用： 这样重复的键也可以添加了。 java中Map集合类： Map集合类 Key Value Super 说明 HashTable 不允许为null 不允许为null Dictionary 线程安全 concurrentHashMap 不允许为null 不允许为null Abst
阅读全文
摘要：hystrix，框架，提供了高可用相关的各种各样的功能，然后确保说在hystrix的保护下，整个系统可以长期处于高可用的状态，100%。 高可用系统架构： 资源隔离、限流、熔断、降级、运维监控 资源隔离：让你的系统里，某一块东西，在故障的情况下，不会耗尽系统所有的资源，比如线程资源。 限流：高并发的
阅读全文
摘要：1、在storm中，实时的计算出瞬间出现的热点。 某个storm task，上面算出了1万个商品的访问次数，LRUMap 频率高一些，每隔5秒，去遍历一次LRUMap，将其中的访问次数进行排序，统计出往后排的95%的商品访问次数的平均值 比如说，95%的商品，访问次数的平均值是100 从最前面开始，
阅读全文
摘要：在nginx这一层，接收到访问请求的时候，就把请求的流量上报发送给kafka storm才能去消费kafka中的实时的访问日志，然后去进行缓存热数据的统计 从lua脚本直接创建一个kafka producer，发送数据到kafka lua脚本： 两台机器上都这样做，才能统一上报流量到kafka bi
阅读全文
摘要：大数据也是构建各类系统的时候一种全新的思维，以及架构理念，比如Storm，Hive，Spark，ZooKeeper，HBase，Elasticsearch，等等 storm，在做热数据这块，如果要做复杂的热数据的统计和分析，亿流量，高并发的场景下，最合适的技术就是storm，没有其他 举例说明： S
阅读全文
