史上最强算法论战:请不要嘻哈,这是哈希-阿里云开发者社区

开发者社区> 大数据文摘> 正文

史上最强算法论战:请不要嘻哈,这是哈希

简介:

0?wx_fmt=jpeg

.这是“美丽互联”微信群里的一次算法论战,感谢书记员硅谷寒(梁寒)精彩的说书般的整理。硅谷寒是“湾区评论(valleytalk)”和36氪的专栏作者。


文章很长,但超级干货,值得收藏!


虽然下面的文字略有嘻哈的感觉,但我还是希望您在阅读之后,能够本着严肃的态度,来审视一番当今天下最有用的数据结构~哈希表(hash table)。因为,有人的地方就有江湖,有数据的地方就有哈希。


2015年,67~69日,在史上最强计算机技术微信群里,发生了一场史诗级别的算法论战。


此战,因参与者阵容之强,脑洞之大,足可彪炳微信群聊史册。无论你是技艺精湛的码农,还是拼杀股市的大妈,这次讨论都可以令你受益匪浅。好了,在你准备浏览下述老少咸宜男女通杀的内容之前,请先记下这个微信群的大名~“美丽互联


每场战争都有一个原因,管它是神仙打架,还是明星撕B。这场算法论战也无例外,起因嘛,很简单很money:上证指数突破5000点大关!


龙博下战书

上海证交所的白老师(白硕)在群聊里稍微夸奖了一下龙博(知象CEO)当年设计的一个大数据查询系统,于是龙博兴奋地变身龙霸,在群里点燃了导火索。


龙博:虽然哈希算法是我做的事情里面极小的一部分,但确实是值得骄傲的一个小成就。我拿这个题目考了很多人,谷歌的,微软的,百度的,基本没有及格的,哈哈。曾经有一个谷歌的技术总监要挑战,方案直接被我判了零分。


【书记员(硅谷寒)注:龙博自我吹捧之形,已跃然纸上。要知道,群里谷歌微软的人不要太多,帮主本人就是Google出来的,刚好也混了个技术总监的头衔。】


龙博(开始下战书了):这个哈希算法和数据结构设计也有普适性,交易所内存大部分数据都用这个算法和数据结构进行管理。当上交所的方案是标准答案,看你们的答案与标准答案差异有多大。我就不提示了。有兴趣就挑战,做一个完整的方案出来,给我...


龙博:我稍微把这个哈希算法和数据结构希望解决的问题描述一下


上亿条持仓记录在内存里面需要进行管理,一个主机上可能有几十颗处理器,每个处理器绑定一个进程(可以看成是线程),这几十个进程需要同步地对这上亿条持仓记录进行查询、修改、删除和新增的操作,每个进程每秒需要做数百万次这样的操作。


每条持仓记录,由三个信息来定位(key):

持仓类型(一位字符,A~F),

股东代码(10位字符,第1A~Z,后面9位是数字0~9),

股票代号(short类型)


被定位到的持仓记录是一个64bit的值(value


帮主带头应战,哎...

帮主:就完美哈希了,剩下就是数组问题了,因为是有限集合和数值是预先知道的。【书记员注:这是本群陈帮主,搜索领域大牛。帮主在第一时间跳出来应战】


龙博:你计算一下你需要数据结构所需的内存资源,再评估一下运算开销,是否能达到性能要求。哈希算法本身没什么大不了,上交所现在用的哈希算法平均查找次数为1.1。关键是数据结构设计。【书记员注:龙博在此处已经提示了设计的关键点,但可惜的是,之后参与论战的人都忽略了。】


帮主: 1. (准备阶段)将已知的所有的 KEY 值传给PHFMPHF生成算法,生成PHFMPHF以及相应的数据;


2. (使用阶段)调用已有的PHFMPHF以及相应的数据快速计算哈希值并进行相应的操作。使用MPHF,那么我们可以分配一个Long transactions[几亿],数组。


剩下的就是数组操作了。删除就是置零,其它就是修改Long的值。完毕。谢谢。

【书记员注:帮主一下子抛出来两个英文缩写PHFMPHF,着实把龙博吓了一跳,其实就是完美哈希函数最小完美哈希函数

龙博:你把所有可能的KEY 都放进去了想想你要用多少内存?所以我给你零分。我们总共只有一亿条记录。


帮主:根据前一天的纪录,算一次MPHF,其它新增的放另一个hashtable。如果你说一天都是新增的,那么我们一个小时(x分钟),重算一次MPHF。其实龙博和我也没什么分歧,最后是不是转化为设计一个好的hash function


【书记员注:不得不说,帮主是天分极强的人,其实,他现在的方案已经很接近最终上交所的方案了,只不过缺少了一点点画龙点睛的东西。下面,另一个大牛,独孤虎,要登场了。确切地说,是大牛团队,因为独孤虎不是一个人在战斗,他拉上了自己公司里的整个团队,来解答龙博的题目。】


独孤虎炫目登场,杯具了!

独孤虎:我给出的答案是:

1)采用hash:根据股票代码,将请求hash到特定CPU线程;

2)采用数组+hash+SkipList+hash:持仓类型数量固定,在每个线程(CPU)采用一个10个元素的数组,每个元素为针对于一个持仓类型的Skip ListSkip List的元素的key(用于排序)为股东代码。除了key之外,跳跃表中的每个元素包括一个hash,用于将股票代码映射到特定信息。


优化措施,根据访问热度为每个股票代码设置一个hot值,用于分散访问,但是会带来比较麻烦的数据同步问题。


算法的时间复杂度为O(1)+log(2*Mi/n)+O(1),其中Mi是特定持仓类型中股东代码的最大数量,n是线程或CPU数量。内存采用hash,文件采用B+树,所以采用hashok的,关键是采用何种数据结构降低操作的复杂度。只有完全采用数组,才会考虑稀疏性。这个是hash+数组+跳跃表+hash仅仅是针对于固定数量的持仓类型采用了数组。


需要额外的2*(持仓类型,股东代码,股票代码)数量的指针,每个指针64位计算,16*(持仓类型,股东代码,股票代码)byte


时间复杂度:O(1)+log(2*Mi/n)+O(1),其中Mi是特定持仓类型中股东代码的最大数量,n是线程或CPU数量空间复杂度:需要额外的2*(持仓类型,股东代码,股票代码)数量的指针,每个指针按照64位计算,需要16*(持仓类型,股东代码,股票代码)byte实现hash的方法,我个人感觉这个不是重点,关键是降低复杂度,因为数量太庞大了,即使通过hash,数量依然很多,需要一种数据结构降低操作复杂度。


O(logN)是比较优化的了,能够做的就是通过何种方式降低这个N,比如通过数组或再加hash等。下面是pseudocodelonglong M=max((long long)持仓库类型.股东代码.股票代码

1.

*p=malloc(M*sizeof(U));

memset(p,0,sizeof(U)*M);

while(Proc>lock(p))

do

read or write or change p

done


2. N=>CPU

*p1=malloc(M/N*sizeof(U));

*p2=malloc(M/N*sizeof(U));

...

*p(N1)=

malloc(M/N*sizeof(U));

memset(p1,0,sizeof(U)*M/N);

memset(p2,0,sizeof(U)*M/N);

...

memset(p(n1),

0,sizeof(U)*M/N);

CPUi=>read or write or change p(((longlong)持仓库类型.股东代码.股票代码) mod M)


大型实时算法,就需要简单我估计他们的算法应该是hash+跳跃表,不同支出就是如何处理(持仓类型,股东代码,股票代码)这三个值作为hash和跳跃表的key


【书记员注:独孤虎用一篇超长微信,震撼登场,但杯具了...

龙博(轻扫一眼):@独孤虎,你要回忆一下白老师讲过的,hash表每天只初始化一次。你用的数据结构太复杂了,而且锁的力度太大。你这种设计,如何做到每个进程(线程)与其他几十个线程同步地对这一亿条记录进行操作?没可能的。所以,我给你零分!


帮主(插话):用sharding保证无锁?


龙博(立刻否定):不用任何sharding,无锁的核心在数据结构设计。你可以想象一下,两个线程如何同步地对一个10个元素大小的数组进行无锁操作(增加、删除、修改、查询)。想通这个问题,你就知道我怎么做这个无锁设计的了。


帮主:一个是任务queue,然后thread pool。【书记员注:其实帮主偷偷地上微博,向广大网友征集答案,如何设计无锁结构,用两个线程操作10个元素的数组?】


龙博:我再给你们说一遍,数据是所有进程完全共享的,不做划分。任何一条记录在任何时候都可能被该物理机上的一个进程访问(包括修改、删除、新增)


擅长高性能多处理器系统设计的唐博登场

【书记员注:下面,另一大牛,唐博,要登场了。唐博在高性能多处理器系统的设计上,独树一帜。】


唐博:我们DDoS的处理也有类似的问题,早就有答案了。与之不同的是,hash key 是可变长的URL。可以理解为16150长度的字符。大家复习一下

1. atomic instruction

2. CAS primitive

然后再来讨论比较靠谱。


【书记员注:唐博一上来,就叫大家去复习功课。计算机系的小伙伴们,你们还记得原子指令和CAS原语吗?】


龙博:类似的内存数据管理技术,用到了交易系统的几乎所有的内存数据结构中。因此可以最大程度发挥CPU的运算能力,减小同步、进程切换的开销。全异步、无锁、用户态和核心态数据共享等技术。为了提高运算效率,我甚至连乘法都是自己实现。。。


书记员注:我硅谷寒搞了N年的芯片设计,觉得龙博这句连乘法都是自己实现的,有点儿吹牛了。他应该不知道怎么设计高速乘法器。估计他都不知道啥是booth multiplier?如何设计硬件pipeline?】


龙博:交易所交易系统,就是屠龙之技啊。。。呵呵。例如数组的查询,数据有key + payload。如果你把所有key放到一起,那么整个数组的key可能被装进cache中,这样查询效率就很高了。。。这个也经常要用


独孤虎回来了

独孤虎(憋了一下午,又和自己的团队有了新方案,再次发布超长微信):

整个问题划分为两个部分1)、2)和三个阶段a)、b)、c):

1)网络操作部分,负责接收请求和返回应答;

2)内存操作部分,负责内存持仓记录的操作;

a)接收服务请求>

b)操作持仓记录>

c)返回服务应答


对于网络操作部分:

因为a)为了避免操作的复杂性;b)采用非阻塞式,操作比较快,所以网络操作部分采用一个线程:a)监听、读取和写入三个socket操作采用EPOLL方式以非阻塞方式执行;b)一旦接收到服务请求,该线程根据服务请求中的(持仓类型,股东代码,股票代码)信息,通过hash将请求信息发送给对应的进程(节点),进程之间的通信方式采用非阻塞的MPIc)在每个轮训周期内,通过MPI_Test过程测试是否返回操作应答,如果返回,则驱动执行socket写入操作。


对于内存操作部分,前提条件为NUMA架构。【书记员注:请大家复习NUMA


a)每个Node为一个进程,每个进程内多个线程,线程数量与每个node内的CPU

数量*每颗CPU内的核数相关;

b)线程按照线程池组织,采用一个无锁的队列实现生产者和消费者模式,即一个线程负责通过非阻塞的MPI将请求放入队列中,而其他线程则分别读取,并执行具体的持仓记录操作;

cNUMA架构的数据存放策略采用firsttouch,即通过hash将持仓记录划分到每个节点,确保每个节点仅仅操作本地内存;

由于分配到每个节点的记录数量还是非常庞大,需要有效的数据结构组织这些数据,可选方案有三种:

ahash

bbalanced trees

cSkip List


上述三种方案都有很多种不同lockfree的实现方式,只要拿来用就ok了,但是balanced trees的操作比较复杂一点,首先排除。只剩下hashSkip Lista)hash的问题需要每个节点分配一个非常非常大的数组,并且保证hash表的负载比较合理,可以采用将持仓类型+股东代码+股票代码形成一个字符串,在采用Murmurhash3这类算法进行hashb)采用Hash+Skip List,当难以保证hash表的负载比较平衡的时候,可以采用小一点的hash表,但是每个表的元素为一个Skip List


两种方式,关键要考虑持仓记录的变动情况,如果变动情况,不影响hash的负载均衡,采用方案a)。否则,采用方案b)


无锁操作,采用CAS方式实现hashskip list的方式很多,拿过来用就可以。无锁方案很多,如果采用java实现,比如生产和消费者模式,就可以采用disruptor


龙博(估计没看完独孤虎的长文,一直攻击其数据结构设计):你说cas指令随便用,但前提是cas或者其他无锁的数据结构需要满足某些条件,你的数据结构能满足这些条件么?这些都是很重要的工程问题。不是说,有cas, 有很多无锁设计和实现,直接拿来用就行。。。


独孤虎(赞许道):龙博,你一招鲜,吃遍天。二十年后还靠无锁设计、CAS吃饭。


龙博:我现在已不靠这个吃饭,靠这个吹牛。。。


独孤虎(接着给方案):1)所有节点的操作的内存是本地的,无需操作其他节点内容;2hash表是一个数组,数组中的不同元素可以并行操作;3)数组内的每一个元素是一个链表,仅仅在头部插入和内部删除,有多种无锁操作方案。


龙博(还是说独孤虎的数据结构不对):你想象一下,所有这些数据在共享内存里面。。。如果是链表,很难实现完全的无锁设计。零分


独孤虎:一下午,还是零分,我哭!


独孤虎:如果不用链表:第一种方式是copy on writehash包中的每个元素为指向一个数组的指针,当指向插入和删除操作时,采用内存copy这个数组操作,然后在这个副本上进行插入和删除操作,此种方式不是最优,但是最容易想到的。


第二种方式是采用无链表的hash,有两个数组,第一个数组H是一个Hash表,存放一个无符号整数,指向第二个数组的一个具体位置,第二个数组D是一个非常大的数组,数组中的每个元素包括(持仓类型,股东代码,股票代码,记录数据,next),其中next指向D中的另一个位置,从而模拟一个链表:

a)添加操作,一旦通过(持仓类型,股东代码,股票代码)计算出在数组Akey所指D的位置已经存在值,则在数组D中查到next0的元素tail,并变化一下(持仓类型,股东代码,股票代码)重新计算自己的hash,并插入到D中,然后采用CAS方式将其位置添加到tailnext;

b)删除操作:删除一个位置d,则采用CAS方式将父亲p中的next指向自己的next即可。


Penny :独孤虎的角度基本是做一个erp系统的sense,不是做高性能系统的sense啊,链表内存分布都是飘的,咋缓存感知啊!【书记员注:Penny是新鲜出炉的清华计算机博士,其创办的公司,拥有世界上最多的人均IP数量。】


独孤虎:工作太努力容易精神分裂。你们知道吗?Jeff Hammerbacher在哈佛读书时就精神分裂,返校毕业后先是加入华尔街做量子码工,之后是Facebook的早期数据科学家,后来是cloudera的创始人,因为工作太疯狂,精神分裂了,现在投身于基于数据科学的疾病治疗,主要是免疫和药物及基因的关系,为病人做个性化治疗。



一夜过去了…孤独虎精神抖擞的回来了!

独孤虎:昨天给出的第三个方案存在如下两个问题:

1)没有考虑结构体的填充问题,struct结构内的数据要对齐,从而导致其数据占有更大的内存;

2CAS的操作受限,目前gcc仅仅针对1,2,48字节长度的int类型提供了CAS以及原子性

的加减逻辑运算;

3)没有考虑数据的读写原子性问题,有可能这个元素在同时读写,从而导致问题;改进之后第四种方法的核心思想是每个线程仅仅操作一个固定范围的数组,确保一个元素最多仅有一个线程在操作,从而保证操作的原子性。


下面给出第四种方案:

a)每个Node为一个进程,每个进程内K个线程,Knode内的CPU数量*每颗CPU内的核数相关;

b)线程按照线程池组织,采用K个无锁的队列实现生产者和消费者模式,即一个线程负责通过非阻塞的MPI接收请求,并将请求放入特定的队列中,而其他每一个线程读取特定队列中的请求,并执行具体的持仓记录操作;

cNUMA架构的数据存放策略采用firsttouch,即通过hash将持仓记录划分到每个节点,确保每个节点仅仅操作本地内存;

采用一个非常大的数组D作为Hash表,表中的每个元素值包括(持仓类型,股东代码,股票代码,记录数据,count),如果存在key值冲突,则相同key的值连续放置,其中count表示后继节点有多少与之具有相同key的元素。其中股东代码可以表示为一个字节字符和四个字节无符号整数,共5个字节,股票代码表示为2个字节的无符号整数,股票持仓为8个字节整数,持仓类型和count公用一个字节(分别占用四位),因此采用如下的结构保存

struct record {

unsigned long compoundKey;

unsigned long data;

}

其中data表示股票持仓数据,而compoundKey(持仓类型,股东代码,股票代码,count)的复用,其中最低四位表示count。将数组D划分为K段,每段由一个线程负责操作,即根据hash值确定所在范围,然后放入对应的队列中由对应的线程处理,由于确保了每个元素仅有一个线程操作,从而整个操作过程无需CAS或者枷锁。


1)插入操作,根据(持仓类型,股东代码,股票代码)计算key:如果D[key]所在位置的compoundKey非零,则冲突,查看下一个位置,即key+1位置,直到不冲突为止,即compoundKey0时,对所在位置的元素赋值。

2)删除操作,如果要删除一个hash值为key的元素,则首先找到该元素所在位置key+mm大于等于0a)如果key+m所在位置的count0,则直接赋值为0,并跳转到步骤c); b)如果key+m所在位置的count大于0,则逐次向后操作,将此位置设置为后继的、并且hash值为key的元素,直到hash值为key并且count值为0时结束,并跳转到步骤c);c)从此位置向前一直到key,将所有具有相同key所在位置的count减1

3)更改操作/读取操作:比较简单。


这个方法,仅仅需要多个无锁队列,其他的操作即无需锁,也无需CAS。对数据和请求进行了两次划分,第一个次是根据hash将数据和请求划分到不同的节点(每个节点具有多个CPU,共享本地内存),第二次是根据hash将数据和请求划分到数组的不同位置段,并由不同线程负责操作


龙博:@独孤虎在接近正确答案。部分思路正确了。不过你不用考虑生产者消费者这种复杂的模型。要考虑如果让多个进程无锁同步地访问同一个大数组(哈希表),不要分区。


独孤虎(相当开心):我跟团队又讨论了一个下午。


龙博解密

龙博:如果你能设计出完全的无锁结构,就没必要做这个划分了。所以能够设计出完全的无锁数据结构,是关键。作为compound key的三部分,我已经告诉你每个部分的特征了,你试试看。


龙博:其实这个题目在白老师的发言里面已经给了一个很大的提示,哈希表。别看这个提示很小,绝大部分人连这一步都跨不过去。无锁数据结构的关键是什么?就是key不要超出字长 ...在我们现在的机器上,字长就是8字,64bit...提示到这里,该做出来了吧...

龙博:因为只要你的key不超出字长,哈希表的新增、删除、修改操作都可以是原子操作。就是机器指令直接支持的原子操作,也就是无锁操作。哈希表的新增,删除和修改操作就是对这个8字进行赋值而已。。。明白了么?


【书记员注:我其实蛮失望的,原来最关键的地方就是拼一个64bit以内的Key,感觉像是郭靖的亢龙有悔,最厉害的一招就是最平淡无奇的一招!】


龙博:这是最核心的,说出来其实也很简单。我在总结一下,最关键的几部分:

1. 开放地址探测的哈希(非链式哈希!)

2. 哈希表的key值压缩在一个8字以内

3. 稍微特别考虑一下哈希表的删除(你得维护key冲突的时候的链条)


龙博:实际测试结果,一亿条记录,在哈希表的装载率(load factor)为70%的情况下,平均查询次数为1.1次,最大查询次数不超过4次。。这应该是最好的结果了。key+value 16字节。这应该是最高效的存储结构了。


帮主:这么来说,这题的难点在哪?地址探测,最坏情况可能是 O (n)。所以关键是将key编码成64bits?根据那三种信息,不是显而易见的吗?我倒觉得,线性探测是核心,但那玩意有worstcase。独孤虎居然花了那么多时间,那么严肃的研究,感觉龙博在逗我们玩。


【书记员注:呵呵,帮主跟我一样,心有不甘,觉得自己败在了最平凡的一招上。】


龙博:用开放地址探测的散列,要保证在一定步数内找到一个空位,你必须让数组长度为一个质数。在装载率为70%的情况下,一个质数长度的数组,基本就是几步之内你就一定能找到一个空位。


帮主:好吧。关键是你怎么能控制一天的交易数?一开始开多大数组?万一当天的订单数好几亿,超出了数组容量呢?


龙博:一天的交易数有上限,到目前为止,还没突破过。但即使突破,交易系统后台会返回一个技术错误告诉券商这笔交易无法执行,但交易系统一切正常。包括内存被分配光也是一样,你要保证在极端情况下系统可以正常反应。


帮主:你说的一天可能上亿,整个都可能是新增的,对吗?


龙博:可以,因为这个哈希表增加一个元素的操作开销跟查询没什么分别。


【独孤虎团队,经过一番修整,终于给出了最终的第五个完美方案】

独孤虎:现设计数据结构如下:

struct record {

unsigned long compoundKey;

unsigned long data;

}

其中data表示股票持仓数据,而compoundKey(股东代码,股票代码,持仓类型,flag)的复合体,股东代码占用最6327位(5位字符和四个字节无符号整数),股票代码占2611位(两个字节),持仓类型占用106位(四个字节),isTail占用第5位,表示是否为尾部,即后继元素中没有相同hash值的元素。doWrite占用第4位,表示该key正在更改/写入,readerCount占用30为表示该key正在读的线程数量。

采用非常大的数组,数组中的每个元素为struct record


具体操作如下:

1)插入操作,根据(持仓类型,股东代码,股票代码)计算hashkey

a)如果D[key]所在位置doWrite1,则循环判断,直到其值为0为止(在循环中采用cache操作,直接从内存读取doWrite),继续执行;

b)采用CAS操作,将doWrite设置为1,如果操作失败,则跳转到步骤a),如果成功,则继续执行;

c)如果readerCount0,则循环等待,直到readerCount0(在循环中采用cache操作,直接从内存读取);

d)如果readerCount0,则从key开始连续查找到key相同并且isTail1的元素,然后将其设置为0,并从后继元素找到第一个compoundKey0的位置,并写入;

e)将doWrite0,并采用cache操作,将其写回内存。


2)删除操作:如果要删除一个hash值为key的元素,其操作类似与插入操作,不同的地方是在获取doWritereaderCount之后:

a)如果被删除元素的isTail1,则从该位置开始到key进行查找,找到第一个

hash值为key的元素,将其的isTail设置为1

b)如果被删除的元素的isTail0,则需要继续查找,将其isTail1并且hash值为

key的元素拷贝到这里,然后将原来尾部元素的上一个元素的isTail设置为1


独孤虎收获满满,一掷千金

独孤虎(兴奋道):我们团队上可证NP,下可写哈希。


独孤虎:感谢龙博慷慨地贡献出一个如此优秀系统的核心算法!比如做大规模流量交易平台,算法相当重要。如果一天要处理百亿千亿次交易,就需要考虑系统核心算法的性能,而不仅仅是拼机器的数量和硬件性能。


独孤虎:我发个红包给群里所有人!!


【书记员注:独孤虎乃真土豪也,群里平均每个人收到了¥50...独孤虎在此次论战中表现出了超级的持久作战力,强大的团队协作精神,堪称中国互联网之铁血军魂!】


【书记员注:最后,本群创始人,院长,出来总结陈词,论功行赏。院长是网络系统安全界的超级高手,尤其精通PowerPCMIPSARM这些RISC计算机系统!】


院长总结陈词

院长:

1. 龙博在巨大项目压力下,靠straightsmart能想出算法,并在白老师的鼓励和指导下,实践完成,为8年后的股波波的到来立下了卓越贡献。建议中央军委给予龙博记一等功,花翅一枚。


2. 帮主基础扎实,算法雄厚。由于长期在search领域,对hash算法,retrivial系统了若熊掌。非常的脚工赞。但由于他打酱油太多。窃以为龙博略微牛一些。


3. 独孤虎,从理论界,再次横空跨界。身体力行,团队作战。令人泣血。方案里有链表,有cas,还考虑了cache。深感算法设计课需要重新设计。手工赞!


院长最后科普了一下原子操作的概念:

原子操作与cpu强相关。不同的cpu实现的方式不一样。由于现代cpu都是load store模型。基本上可以理解对一个变量赋值需要:load;寄存器操作一哈;写回。所以,这3个指令之间可能中断,并发线程都有touch那个变量的可能,形成并发冲突。


现代cpu都会提供一些相关的指令,从而操作系统可以提供一些atomic原语,例如,addsetdectest等等。其实现原理是通过一些特殊的指令可以监视其他逻辑对一个memoryspace是否有touch,通过监控bus上的transaction


简单说来,就是,如果我想own,我reserve这个mem。一旦reserve失败或者被abort,来回try


史上最强之技术聊天,持续了两天半,以独孤虎团队的胜利告终。台上选手高声论战,台下群友默默潜水,虽然台下也有许多高手,但都怕一出声,不着调,毁了自己半生清誉。这也算是一道有趣的风景吧。


本次讨论,难得众高手相聚于美丽互联,正如古人所云:


今番良晤,豪兴不浅,若得山水重逢,再当把酒言欢。


是夜,暖风轻,圆月明,朋友聚还散,路人停复行。



原文发布时间为:2015-06-28

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
大数据文摘
使用钉钉扫一扫加入圈子
+ 订阅

官方博客
官网链接