环境准备 influxdb enterprise运行条件最低需要三个meta nodes节点以及两个data nodes Meta nodes之间使用TCP和Raft一致性协议通信,默认端口为8089 Meta nodes对外暴露8091,用于influxd-ctl命令进行交互 Data nodes通过8088进行数据同步,8086对于用户进行读写服务 在集群中,所有meta nodes节点必须要与data nodes节点保持通信. mata nodes主要保存以下所有的元数据信息 集群中所有的

这是一个系列的文章,打算把Redis的基础数据结构.高级数据结构.持久化的方式以及高可用的方式都讲一遍,公众号会比其他的平台提前更新,感兴趣的可以提前关注,「SH的全栈笔记」,下面开始正文. 如果你是一个有经验的后端或者服务器开发,那么一定听说过Redis,其全称叫Remote Dictionary Server.是由C语言编写的基于Key-Value的存储系统.说直白点就是一个内存数据库,既然是内存数据库就会遇到如果服务器意外宕机造成的数据不一致的问题. 这跟很多游戏服务器也是一样的,感兴趣的

近期比较火的开源项目go-zero是一个集成了各种工程实践的包含了Web和RPC协议的功能完善的微服务框架,今天我们就一起来分析一下其中的RPC部分zRPC. zRPC底层依赖gRPC,内置了服务注册.负载均衡.拦截器等模块,其中还包括自适应降载,自适应熔断,限流等微服务治理方案,是一个简单易用的可直接用于生产的企业级RPC框架. zRPC初探 zRPC支持直连和基于etcd服务发现两种方式,我们以基于etcd做服务发现为例演示zRPC的基本使用: 配置 创建hello.yaml配置文件,配置如

摘要:分享一个HBase集群恢复的方法. 背景 在HBase 1.x中,经常会遇到元数据不一致的情况,这个时候使用HBCK的命令,可以快速修复元数据,让集群恢复正常. 另外HBase数据迁移时,大家经常使用到一种迁移方式是:拷贝HBase的数据目录/hbase/data/default到新的集群,然后在新集群执行HBCK的命令让元数据重建,这种拷贝数据目录然后恢复元数据的方式是一种快速直接的手段. HBase升级到2.X版本之后,hbase hbck中的一些修复命令已经不再支持,包括,所以在HB

线上故障主要会包括cpu.磁盘.内存以及网络问题,而大多数故障可能会包含不止一个层面的问题,所以进行排查时候尽量四个方面依次排查一遍. 同时例如jstack.jmap等工具也是不囿于一个方面的问题的,基本上出问题就是df.free.top 三连,然后依次jstack.jmap伺候,具体问题具体分析即可. CPU 一般来讲我们首先会排查cpu方面的问题.cpu异常往往还是比较好定位的.原因包括业务逻辑问题(死循环).频繁gc以及上下文切换过多.而最常见的往往是业务逻辑(或者框架逻辑)导致的,可以使

Q1: == 和 === 之间有什么区别? 话题: PHP困难: 如果是两个不同的类型,运算符 == 则在两个不同的类型之间进行强制转换 === 操作符执行'类型安全比较' 这意味着只有当两个操作数具有相同的类型和相同的值时,它才会返回 TRUE. 1 === 1: true 1 == 1: true 1 === "1": false // 1 是一个整数, "1" 是一个字符串 1 == "1": true // "1" 强

Java 如果遇到会出现高并发的情况,一般建议使用悲观锁 :synchronized (member){代码块}  需要对数据库进行修改或新增的时候,建议写上事务--@Transactional @Transactional public Map<String, Object> saveCode(Member member, SessionRecord sr) { // TODO Auto-generated method stub log.getLogger("dbeleven20

Gin是一个用Golang编写的HTTP网络框架.它的特点是类似于Martini的API,性能更好.在golang web开发领域是一个非常热门的web框架. 启动一个Gin web服务器 使用下面的命令安装Gin go get -u github.com/gin-gonic/gin 在代码里添加依赖 import "github.com/gin-gonic/gin" 快速启动一个Gin服务器的代码如下 package main import "github.com/gin-

背景 我们都知道 Zookeeper 是基于 ZAB 协议实现的,在介绍 ZAB 协议之前,先回顾一下 Zookeeper 的起源与发展. Zookeeper 究竟是在什么样的时代背景下被提出?为了解决了哪些棘手的问题? Zookeeper 最早起源于雅虎研究院的一个研究小组.当时,研究人员发现,在雅虎的很多大型系统基本都需要依赖一个类似的系统来进行分布式协调,但是这些系统都存在分布式单点问题,所以雅虎的开发人员就试图开发出一个通用的无单点问题的分布式协调框架,以便让开发人员将精力集中在处理业务

这是Spring Aop的第二篇,案例代码很详解,可以查看https://gitee.com/haimama/java-study/tree/master/spring-aop-demo. 阅读前,建议先阅读 Spring Aop 详解一 切入点表达式 execution execution表达式是到方法级别,具体构成查看上一篇文章中 Spring Aop 详解一 完全不限制(不可用,报错) 正常情况下,我们可以写出这样不会编译报错的表达式,但是执行效果就呵呵了.不知道是不是规避这种不限制的规则

搞持续集成自动化打包上传到appstore遇到这个问题,记录一下. 其实主要就一条到命令: xcrun altool --upload-app -f xxxx.ipa -u "yanqizhou@126.com" -p "*******" 这里的密码不是App id的登录密码,是一个App专用的密码,如果使用登录密码会报错:Please sign in with an app-specific password. You can create one at appl

因在一个问题上掉两次坑所以还是决定记录下来,方便以后查阅. 第一次因为要部署.net 应用程序要求使用TLS1.2,所以修改了操作系统的默认启用的安全协议类型,导致好多应用程序出问题. 第二次因为vs2013 的nuget服务获取包,查阅也是因为.net framework 4.5  TLS1.2不支持,通过修改注册表添加支持,但是第二天电脑自动更新后就无法链接企业WIFI,但是个人WIFI没问题. Windows Registry Editor Version 5.00 [HKEY_LOCAL

第1章 非关系型数据库 1.1 NoSQL数据库概述 1) NoSQL(NoSQL = Not Only SQL ),意即"不仅仅是SQL",泛指非关系型的数据库. NoSQL 不依赖业务逻辑方式存储,而以简单的key-value模式存储.因此大大的增加了 数据库的扩展能力. 2) NoSQL的特点 不遵循SQL标准 不支持ACID 远超于SQL的性能. 3) NoSQL的适用场景 对数据高并发的读写 海量数据的读写 对数据高可扩展性的 4) NoSQL的不适用场景 需要事务支持 基于

关于CRC(循环冗余校验),我在网上看了许多的文章,感觉看的很懵逼,废话一堆(可能是我理解不上去0.0),下面是我的一些理解(如果有误谢谢指出): 关于crc,它主要分为两个部分,一个是发送端通过crc算法进行编码,另一个是通过crc算法进行译码.来检测传输过程中是否错误,是否有数据丢失.(网上大多数都是编码,很少讲解码) 1.crc编码: 假如想要传输的数据为6bit的101001,那么对于一个随机的除数1101来说,下面就是他的算法,通过除数与被除数之间按位异或,得到余数001,将其加回到数

一,前言 上一篇博客Jenkins集成appium自动化测试(Windows篇)介绍了怎么使用远程Jenkins新建节点连接本地Windows电脑进行Appium自动化测试集成. 但是在做ios App自动化测试时,因为ios系统生态闭环的原因,苹果测试真机或者苹果模拟器需要连接Mac电脑才能更好的进行自动化测试.且Mac电脑上同样可以进行基于appium的Android APP自动化测试,所以最好选择Mac电脑用于APP UI自动化测试. 接下来就介绍怎样使用远程服务器上的Jenkins在本地

1 package com.itheima_01; 2 3 import java.math.BigDecimal; 4 import java.text.DecimalFormat; 5 import java.text.NumberFormat; 6 7 public class Demo03 { 8 public static void main(String[] args) { 9 /* 10 保留指定小数点后位数 11 */ 12 double a = 1.01234567891234

前言 本文记录日常学习<深入理解Java虚拟机>,不知道为啥感觉看一遍也就过了,喜欢动动手理解理解,这样才有点感觉,静不下心来的时候,看书抄书也可以用这个办法. 一.什么是JIT(Just In Time Compiler)即时编译器 在虚拟机中(Sun HotSpot),Java程序最初是通过解释器执行的,当虚拟机发现某个方法或代码块的运行特别频繁时,就会把这些代码认定为"热点代码"(Hot Spot Code).为了提高热点代码的执行效率,在运行时,虚拟机会把这些代码编

1.简介 Parzen窗估计属于非参数估计.所谓非参数估计是指,已知样本所属的类别,但未知总体概率密度函数的形式,要求我们直接推断概率密度函数本身. 对于不了解的可以看一下https://zhuanlan.zhihu.com/p/88562356 下面仅对<模式分类>(第二版)的内容进行简单探讨和代码实现 2.窗函数 我们不去过多探讨什么是窗函数,只需简单理解这种估计的思想即可. 假设一种情况,你正在屋里看模式分类,结果天降正义掉下来一盆乒乓球,掉的哪里都是,你觉得这是天意,如果很多乒乓球都掉

目录 1 kafka架构进阶 1.1 Kafka底层数据的同步机制(面试常问) 1.1.1 高水位截断的同步方式可能带来数据丢失(Kafka 0.11版本前的问题) 1.1.2 解决高水位截断数据丢失和不一致问题(leaderEpoch) 1.1.3 LeaderEpoch解决数据丢失 1.1.4 LeaderEpoch解决数据不一致 1.2 kafka监控之Kafka-Eagle 1.2.1 Kafka-Eagle安装 1.3 Kafka-Flume集成 1.4 Kafka-SpringBoo

由于枚举类型呢,是属于一种标签类型,所以在使用std::cout输出的时候,会导致无法匹配数据类型而导致cout函数失败. 这里给的建议呢就是在想要输出的时候,将枚举类型转换为数据类型就可以啦. 如: #include <iostream>enum class day{ a=1, b, c, d};int main(){ std::cout << static_cast<int>(day::c) << std::endl;} static_cast<i