中间件

相信大家对上周的 《来自 Spring Cloud 官方的消息，Spring Cloud Alibaba 即将毕业》文章记忆犹新。本周，Spring Cloud Alibaba 正式毕业，并发布了毕业后的第一个版本。

引言 前几期的评测中，我们对比了Kafka和RocketMQ的吞吐量和稳定性，本期我们要引入一个新的评测标准——软件可靠性。 何为“可靠性”？ 先看下面这种情况：有A，B两辆越野汽车，在城市的周边地区均能很好应对泥泞的路况。当一同开去穿越西藏，A车会因为西藏本地的汽油不达标，导致油路受阻无

就在不久前，2017年阿里双11刚刚创下电商史上的新销售奇迹，24小时交易金额达1682亿，每秒交易创建峰值325000，每秒支付峰值256000！在这个海量交易背后是数十万个结点规模的应用的高效运行。

笔者从 2008 年开始工作到现在也有 11 个年头了，一路走来都在和数据打交道，做过大数据底层框架内核的开发（Hadoop，Pig，Tez，Spark，Livy），也做过上层大数据应用开发（写 MapReduce Job 做 ETL ，用 Hive 做 Ad hocquery，用 Tableau 做数据可视化，用 R 做数据分析）。

性能压测，是保障服务可用性和稳定性过程中，不可或缺的一环，但是有关性能压测的体系化分享并不多。

本文主要基于 spring cloud + spring jpa + spring cloud alibaba fescar + mysql + seata 的结构，搭建一个分布式系统的 demo，通过 seata 的 debug 日志和源代码，从 client 端（RM、TM）的角度分析其工作流程及原理。

日前，阿里巴巴中间件（Aliware）旗下产品业务实时监控服务ARMS正式商用。首发商用的ARMS目前涵盖应用监控和前端监控两大功能。由此，ARMS的商业化正式填补了阿里云在APM(Application Performance Management)领域空白。

导读：2019 年 10 月 17 日，阿里巴巴合伙人、阿里云智能基础产品事业部总经理蒋江伟（花名：小邪）在 Qcon 上海重磅宣布，阿里云与微软联合推出开放应用模型 Open Application Model （OAM）开源项目。

Cloud Toolkit 支持阿里云小程序云自今年3月，在阿里云北京峰会上，阿里巴巴宣布小程序繁星计划发布，目前已经有成千上万的开发者开始使用阿里云小程序。这是一个面向小程序应用场景，为开发者提供一键构建后端应用运行环境、后端服务部署、运维监控的能力。

因 JetBrains 插件市场官方服务器在海外，如遇访问缓慢无法下载安装的，请加入文末交流群，向 Cloud Toolkit 产品运营获取离线包安装。 确保 IntelliJ 在 2018.1 或更高版本 第 1 步：打开 Intellij 的 Settings ( Windows下 ) 或 P...

Worker模式 想解决的问题 异步执行一些任务，有返回或无返回结果 使用动机 有些时候想执行一些异步任务，如异步网络通信、daemon任务，但又不想去管理这任务的生命周。这个时候可以使用Worker模式，它会帮您管理与执行任务，并能非常方便地获取结果 结构 很多

开发笔记20 | 多模块工程部署

我是一名创业公司的Java开发工程师，公司没有运维团队，由程序员负责代运维。

本文将为您介绍，在采集多类日志数据的情况下，阿里云业务实时监控服务（ARMS）之前端监控如何优化日志上报

本文是《Performance Test Together》（简称PTT）系列专题分享的第7期，该专题将从性能压测的设计、实现、执行、监控、问题定位和分析、应用场景等多个纬度对性能压测的全过程进行拆解，以帮助大家构建完整的性能压测的理论体系，并提供有例可依的实战。

近日，阿里云宣布高性能时间序列数据库 (High-Performance Time Series Database , 简称 HiTSDB) 正式商业化。

基于阿里云全面的物联网、云计算与大数据技术搭建云端的企业能源管理物联网平台实现能耗数据采集、统计分析、平衡调度、节能优化等全面的能源管控协同平台。是企业生产运行保障的利器，也是大量企业实现云上管理的实践案例。

作者 | 刘燕采访嘉宾 | 谢纯良编辑 | Natalie AI 前线导读： 自 2018 年底以来，伴随着阿里、腾讯、百度、京东等一众互联网巨头的大规模组织架构调整，“中台”的热度陡然攀升。一时间，各大互联网公司纷纷开始跟随建设中台。

EagleEye作为阿里集团老牌的链路跟踪系统，其自身业务虽不在交易链路上，但却监控着全集团的链路状态，特别是在中间件的远程调用上，覆盖了集团绝大部分的场景，在问题排查和定位上发挥着巨大的作用，保障了各个系统的稳定性，为整个技术团队打赢这场战役保驾护航。

本文主要讲述在使用ZooKeeper进行分布式锁的实现过程中，如何有效的避免“羊群效应( herd effect)”的出现。 一般的分布式锁实现 这里简单的讲下一般的分布式锁如何实现。具体的代码实现可以在这里看到：https://svn.apache.org/repos/asf/zookeepe

在Dubbo可扩展机制实战中，我们了解了Dubbo扩展机制的一些概念，初探了Dubbo中LoadBalance的实现，并自己实现了一个LoadBalance。是不是觉得Dubbo的扩展机制很不错呀，接下来，我们就深入Dubbo的源码，一睹庐山真面目。

导读查尔斯·狄更斯在《双城记》中写道：“这是一个最好的时代，也是一个最坏的时代。”移动互联网的快速发展，出现了许多新机遇，很多创业者伺机而动；随着行业竞争加剧，互联网红利逐渐消失，很多创业公司九死一生。

首先我们必须承认，Java 8 是一个里程碑式的版本，这个相信大多数Java程序员都认同，其中最知名的是 Streams & Lambda ，这让 Functional Programming 成为可能，让 Java 换发新的活力。

近日，Apache RocketMQ 发布了 v4.4.0，该版本主要增加了权限控制（ACL）和消息轨迹（Message Trace）两大特性，并做了8项优化，和修复了4处bug。 权限控制（ACL） 该特性主要为 RocketMQ提供权限访问控制。

导读 微服务架构体系下，我们可以按照业务模块分层设计，单独部署，减轻了服务部署压力，也解耦了业务的耦合，避免了应用逐渐变成一个庞然怪物，从而可以轻松扩展，在某些服务出现故障时也不会影响其它服务的正常运行。

服务注册和服务配置开源项目 Nacos 本周发布了 v0.8.0 Pre-GA 版本，作为开源项目生命周期中的里程碑版本之一，v0.8.0 Pre-GA版本支持登录、命名空间、Metrics监控（对接Prometheus），并可以通过 Nacos-Sync 组件实现从传统的注册中心向 Nacos 注册中心进行数据平滑迁移等特性，补齐了安全隔离、监控和服务迁移等上生产的最后一公里，以更稳定的支撑用户的生产环境。

通过 Cloud Toolkit 进行 Arthas 诊断

报名链接，点击这里。 阿里云性能测试 PTS 团队此次携手国内知名测试社区 TesterHome，将阿里生态内实践沉淀的压测、高可用体系结合阿里云对外产品化多年的经验进行一次分享和 WorkShop 的专项培训。

Nacos 开源至今已有一年，在这一年里，得到了很多用户的支持和反馈。在与社区的交流中，我们发现有一些问题出现的频率比较高，为了能够让用户更快的解决问题，我们总结了这篇常见问题及解决方法，这篇文章后续也会合并到 Nacos 官网的 FAQ 里。

Cloud Toolkit 2018.12 新版本发布，提供了在 Intellij IDEA 或 Eclipse 中直接将文件上传到远程服务器。 界面缩略图 第 1 步 ：添加目标机器 如上图所示，在菜单 Tools - Alibaba Cloud - Alibaba Cloud View - Host中打开机器视图界面，如下图： 点击右上角Add Host按钮，出现添加机器界面 第 2 步 ：登陆服务器 Terminal 点击机器列表中的 Terminal 按钮，即可完成终端登陆。

无限接近真实流量的全链路压测，具备超高并发能力，多维动态支持压测场景下的多变环境，1分钟即可设置简单压测场景……这个神奇的压测“黑科技”就是PTS铂金版！

在之前文章中，其中一个遗留问题是如何存放访问ACM配置本身的敏感信息，比如要访问ACM本身需要的AccessKey ID(简称AK)或Secret AccessKey(简称SK)如何存放，即所谓敏感配置的"最后一公里"问题。

一、消息中间件的定义： 　　没有标准定义，一般认为，采用消息传送机制/消息队列 的中间件技术，进行数据交流，用在分布式系统的集成 二、为什么要用消息中间件？ 解决分布式系统之间消息的传递。电商场景：　　用户下单减库存，调用物流系统，系统扩充后服务化和业务拆分。

Cloud Toolkit 部署应用到阿里云经典网络 ECS

Apache Kafka是开源分布式高并发消息中间件，支持每秒百万级消息并发，在互联网高并发架构：双11、电商秒杀抢购、网络直播、IOT大数据采集、聊天App、导航等高并发架构中大量使用。本节课程一起Java Spring Boot2.0实战Kafka并深入其架构原理。

Fescar 简介 常见的分布式事务方式有基于 2PC 的 XA (e.g. atomikos)，从业务层入手的 TCC( e.g. byteTCC)、事务消息 ( e.g. RocketMQ Half Message) 等等。

随着互联网金融业务和相关技术的不断发展，传统金融行业为满足业务快速发展需求，正在积极引入各类开源技术，以快速抢占市场。那么，以金融和科技作为双驱动的平安银行在开源技术的引入方面是如何评估，运用到哪些业务场景，以及面对复杂的网络环境，是如何去部署的呢？ 本文将以 Apache RocketMQ 为例，和您一起了解平安银行在开源技术选型方面的思考和实践。

在之前文章 如何在阿里云上安全的存放您的配置 - 续 中，我们讲述了云上安全存放配置的方法。基于前文原理，本文将以代码示例方式讲解如何基于配置中心产品 ACM 将应用配置(如 数据库连接配置)从应用程序代码中解耦，从而达到以下目的： 安全合规：应用程序和生产环境上将不需要发布和持久化任何程序敏感信息； 敏捷发布：数据库连接串配置修改动态生效，不需要程序重新发布甚至重启。

前言 为满足 C++ 应用系统故障演练，阿里妈妈安全生产团队开源了 C++ 混沌实验执行器，填补了 C++ 应用混沌工程实验的空白，其遵循《混沌实验模型》，可通过 ChaosBlade 工具直接执行。

本文是 《如何做好性能压测》系列专题分享的第三期，该专题将从性能压测的设计、实现、执行、监控、问题定位和分析、应用场景等多个纬度对性能压测的全过程进行拆解，以帮助大家构建完整的性能压测的理论体系，并提供有例可依的实战。

性能压测本身是一件非常有意义的事情，也是非常复杂的工作。对搜索引擎压测，不仅是数据集构建、查询集构建、 标准参照集构建等麻烦，而且只需一轮测试周期常，测试结果与语言本身有关联，更与集合其他数据有潜在关联，因为排序是 整体的，互关联的。 测试的具体执行环境、执行用例、参数配置和清除、quer

自2015年年底，阿里巴巴对外宣布全面启动2018年中台战略，构建符合DT时代的更具创新性、灵活性的“大中台、小前台”组织机制和业务机制后，承载中台战略的企业级互联网架构已在各行业快速复制，帮助各行业客户进行业务创新，实现数字化转型。

流量预警和限流方案中，比较常用的有两种。第一种滑窗模式，通过统计多个单元时间的访问次数来进行控制，当单位时间的访问次数达到的某个峰值时进行限流。第二种为响应模式，通过控制当前活跃请求数，来进行流量控制。下面来简单分析下两种的优缺点。 1、滑窗模式 模式分析:在每次有访问进来时，我们判断前N个单位