一、java集合 　　研究表明，人类大脑右脑的记忆能力是左脑的10万的倍，右脑对图形图像处理比较敏感，因而借助于图形图像能快速提高记忆效率，废话不多说，直接上图： 　　 　　　　　　　　　　　　　　　　　　　Collection集合体系继承关系 　　 　　　　　　　　　　　　　　　 Map集合体系继承关系 1、线性表的性能分析 各种线性表的性能分析概览： 1.1、数组 　　以一块连续内存区来保存所有的数组元素，所以数组在随机访问时性能最好。所有的内部以数组作为底层实

1. 报错信息： 在使用Seata解决分布式事务超时异常时，添加了@GlobalTransactional后，怎么也不生效 2. 原因分析： 以为 MyBatisConfig、DataSourceProxyConfig这些都是无用的，直接让自动配置类配置不就好了，结果是大意了，这里的DataSourceProxy是Seata数据源代理类… 注意这里的数据源配置是必须的！ 需要使用Seata 代理数据源 import io.seata.rm.datasource.DataSour

1.git pull：获取最新代码到本地，并⾃动合并到当前分支 代码展⽰ # 查看当前远程分⽀ $ git remote -v # 直接拉取远程分支最新代码并合并最新代码到本地当前分支 $ git pull origin master `**⽰例：拉取远端origin/master分⽀合并到本地当前分⽀**` PS：示例：拉取远端仓库的master分支的最新代码合并到本地的master分支 分析：不推荐这种⽅式，因为是直接合并的，⽆法提前处理冲

使用注解的方式不能动态创建消费者，而且需要改变原代码，并重启项目，这往往只会增加后期维护成本。如题目所示，动态创建消费者，在现实的应用场景中显得越来越重要。 一、创建业务表（可以根据实际业务场景进行字段添加） CREATE TABLE `dfs_config_kafka` ( `id` int(11) NOT NULL, `kafka_ip` varchar(255) DEFAULT NULL, `kafka_port` varchar(255) DEFAUL

1.框架搭建  优化前的框架：                                 优化后的框架： UI自动化框架跟接口自动化框架相似，我们拿到一个项目之后，首先把需要的框架先搭建好，然后再一点一点去进行优化，不要急着一步到位，先把基本的流程跑通 gitignore文件：存放不上传到git上的内容 README文件：这个是框架的简单说明，供同事，领导等查看，以及自己时间长了记不清楚查看 requirements.txt文件：需要安装的第三方库 run.py文件：收集并

概述 Flink是什么？ Apache Flink 是一个框架和分布式处理引擎，用于在无边界和有边界数据流上进行有状态的计算。Flink 能在所有常见集群环境中运行，并能以内存速度和任意规模进行计算。 Apache Flink 功能强大，支持开发和运行多种不同种类的应用程序。它的主要特性包括：批流一体化、精密的状态管理、事件时间支持以及精确一次的状态一致性保障等。Flink 不仅可以运行在包括 YARN、 Mesos、Kubernetes 在内的多种资源管理框架上，还支

后面为了学习准备搭建一个分部署的游戏服务器，还有一套基于Unity的客户端轻量级框架。架构图后面补上，用CSDN记录一下自己的开发笔记。 游戏服务器主要分成了四个库（Dll）、三个逻辑服务器、一个Web站点。 一、四个库（Dll） 1.Servers.Common         Common类库主要做的是一些大家都需要用到的通用的事情，为了避免重复，所以就提取出来了一个Dll。Common库主要是实现了表格数据的加载模块、在CsRedisClient、MongoClient中间件的

CloudNative：云原生(分布式云)的简介(发展&演变/为什么需要/优势&价值/安全/对比传统企业应用)、四大核心技术、CNCF云原生交互景观、云原生技术的使用经验及方法之详细攻略 导读：从“软件正在吞噬世界”到“开源正在吞噬软件”，到如今“云原生吞噬开源”，开源项目正在有条不紊地向云化演进。近年来，IT软件技术架构进入云化时代—软件云化和微服务化，容器虚拟化、DevOps等技术快速发展，将整个开发过程、开发流程带入云端，迎来了开发范式上的革命。PaaS、SaaS以

1、为什么要有分布式任务调度？ 要想知道为什么会有分布式任务调度，就需要先了解任务调度这个概念，任务调度也可以称为定时任务，简单来说：任务调度（定时任务）就是在某一时刻部署的服务自动执行对应的任务（操作）。 但是对于分布式微服务的部署也同样的会存在一系列的问题： 多台机器进行部署时，如何保证该任务不被多台机器重复执行？ 在保证服务不重启时，如何调整任务执行的时间？ 当执行调度时，机器发生故障导致调度无法执行，如何进行故障转移？ 如何对执行的任务进行监控？ 单机任务的性能瓶颈如何扩展？

Zhao, J., Dai, F., Song, Y., Wang, F., Zhang, P., Li, F. (2022). A Distributed Optimal Formation Control for Multi-UGV System. In: Jia, Y., Zhang, W., Fu, Y., Zhao, S. (eds) Proceedings of 2022 Chinese Intelligent Systems Conference. CISC 2022. Lectu

前言： 2022/4/14更新：  在我重新回顾这篇文章的时候，我觉得里面内容有点乱，主要还是因为RPC里面涉及到很多概念和知识点。本来代码内容就已经挺抽象了，还要结合各种概念，让人难以阅读，所以特地写了下面这一篇文章，梳理了RPC框架的基本原理和知识点，顺便拓展了一些RPC在实际应用中会遇到的问题。 RPC框架基础篇 链接地址  本次项目用C++实现了一个简单的RPC分布式网络通信框架，因此写下本篇文章梳理一下该框架的实现逻辑和相关知识点。另外本篇文章和项目还在迭代过程中，还有很多功能

基本概念 分布式数据库，从名字上可以拆解为：分布式+数据库。用一句话总结为：由多个独立实体组成，并且彼此通过网络进行互联的数据库。 理解新概念最好的方式就是通过已经掌握的知识来学习，下表对比了大家熟悉的分布式数据库与集中式数据库之间主要的 5 个差异点。 分布式数据库的核心——数据分片、数据同步。 1. 数据分片 该特性是分布式数据库的技术创新。它可以突破中心化数据库单机的容量限制，从而将数据分散到多节点，以更灵活、高效的方式来处理数据。这是分布式理论带给数据库的一份礼物。 分片方