分布式系统之一:分布式事务和一致
本文是分布式系统系列第一篇文章,介绍了事务,和在分布式系统中面临的事务挑战。介绍了一些现有的理论和解决算法
本文是分布式系统系列第一篇文章,介绍了事务,和在分布式系统中面临的事务挑战。介绍了一些现有的理论和解决算法
本文是分布式系统系列之二,简单讨论下,在分布式系统中,数据如何分布。日常使用的数据中间件,例如Redis、zookeeper、各种数据库、ElasticSearch、kafka都有集群模式,而集群模式就涉及到数据的分片,和备份。分片涉及到分片算法,而备份就涉及到一致性问题
介绍Spring中@TransactionalEventListener的使用场景,和针对事务一致性的解决方案
这里结合我自身的学习经历,和最近的学习感触,简单聊一下,我对学习这件事情的看法
之前业务接触的开放API使用了数字签名进行加密和验证,在查看代码的过程中,又好奇之前看的HTTPS的验证过程。这里简单从两个服务信息交互的信息安全,一步步了解加密、数字签名的必要性,初步介绍下HTTPs的实现
最近有一个实际的场景需求,需要实时统计总数,于是想到了flink,从入门到实战,整个过程中一直不断的思考实际业务中的问题,在flink中如何解决,与kafka-stream的对比和spark的对比等等。 整个思考和写出demo的过程中,对window机制有了深入的了解,并通过阅读flink java client的源码,了解了其trigger的实现。 本文从实际需求出发,通过提出问题解决问题,结合源码了解flink。
鉴于之前在网上搜索相关spring-kafka的教程,有些杂乱,没有头绪,所以参考Spring-kafka的文章,尝试总结一下。 记得有一句话:不要阅读二手的资料,对于框架来说,最好的资料就是文档(当然不排除有些文档写的不好,没有系统性or不全面),但是spring的文档相对来说都很全面,接触spring-kafka之初,就花了两三天全面读了一下文档,结合coding实践,快速了解了使用和常见的问题,强烈建议遇到问题的情况下,阅读一下原文档,能有一个更系统的认知