中间件

消息队列中间件（简称消息中间件）是指利用高效可靠的消息传递机制进行与平台无关的数据交流，并基于数据通信来进行分布式系统的集成。通过提供消息传递和消息排队模型，它可以在分布式环境下提供应用解耦、弹性伸缩、冗余存储、流量削峰、异步通信、数据同步等等功能，其作为分布式系统架构中的一个重要组件，有着举足轻重的地位。

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。

今年双11是X-DB的第一次大考，本次双11X-DB服务于天猫/淘宝核心交易系统、核心物流系统、核心IM系统，经受了零点业务32.5万笔/秒峰值的性能考验,同时X-DB支撑起了新一代单元化架构.

近日，开源中国公布了2017年度“最受欢迎中国开源软件”榜单，阿里中间件（Aliware）4大开源项目，数据库连接池Druid、JSON解析库Fastjson、分布式服务框架Dubbo、消息中间件Apache RocketMQ再次上榜。

一、Zookeeper简介 Zookeeper是一个服务，是一个分布式协调技术，他提供高性能，分布式的协调服务。主要用来解决分布式环境当中多个进程之间的同步控制，让他们有序的去访问某种临界资源，防止造成“脏数据”的后果。

阿里云中间件对外服务已有很多年的历程了，也由此发展推出了很多的产品。在阿里云双11访谈之中间件专场中，阿里云中间件产品运营雁溪和阿里云中间件产品专家银时跟大家介绍一些中间件产品，分享中间件在企业架构中的价值、推出中间件产品在即将到来的双11活动中的巨大优惠活动。

分析Django的生命周期,我们知道所有的http请求都要经过Django的中间件. 假如现在有一个需求,所有到达服务端的url请求都在系统中记录一条日志,该怎么做呢? Django的中间件的简介 Django的中间件类似于linux中的管道符 Django的中间件实质就是一个类,类之中有Django已经定义好了一些方法.

本文讲的是阿里云中间件技术 促进互联网高速发展【IT168 资讯】从电商巨头向科技巨头华丽转身的阿里巴巴，正在凭借技术创新受到越来越多的海外关注。春节期间，《麻省理工科技评论》(MIT Technology Review)刊登专题文章报道阿里在中间件技术领域的雄厚实力，并介绍了通过阿里云提供服务的互联网中间件平台，如何为传统企业提供大规模高可用的互联网技术能力，从容应对瞬息万变的市场和业务需求。

接上一篇的《什么是分布式消息中间件？》，这一篇来介绍一下消息中间件相关的一些概念和专业术语。   Topic 主题，从逻辑上讲一个Topic就是一个Queue，即一个队列；从存储上讲，一个Topic存储了一类相同的消息，是一类消息的集合。

## 简介 前面写了关于文件系统的三篇文章，[深入浅出文件系统][文件系统之读写基础篇]，[文件系统之读写高级篇]，此篇算是对文件系统相关文章的一个总结。 `MetaQ`是一款高性能的消息中间件，经过几年的发展，已经非常成熟稳定，历经多年双11的零点峰值压测，表现堪称完美。 `MetaQ`当前最新最稳定的稳本是`3.x`系统，`MetaQ 3.x`重新设计和实现，比之前的版本更优秀。

本章将要和大家分享的是一个单点登录中间件，中间件听起来高深其实这里只是吧单点登录要用到的逻辑和处理流程封装成了几个方法而已，默认支持采用redis服务保存session的方式，也可以使用参数Func方法来做自定义session存储操作的方式，就不用我默认提供的redis存储的方法了；要说本章内容的来源，其实是我在以前的ShenNiu.

《MIT Technology Review》如何评价阿里云中间件技术？

本篇主要整理工作中遇到的一些消息中间件的相关知识，包括Kafka, RabbitMQ, RocketMQ, ActiveMQ等，不排除收录其他消息中间件的可能。 这里会持续收录相关知识，包括安装、部署、使用示例、监控、运维、原理等。

路由 通常HTTP URL的格式是这样的： http://host[:port][path] http表示协议。 host表示主机。 port为端口，可选字段，不提供时默认为80。 path指定请求资源的URI(Uniform Resource Identifier，统一资源定位符)，如果URL中没有给出path，一般会默认成“/”（通常由浏览器或其它HTTP客户端完成补充上）。

昨天，我们将分布式消息中间件RocketMQ捐赠给了开源软件基金会Apache。孵化成功后，RocketMQ或将成为国内首个互联网中间件在Apache上的顶级项目。今天，我们特别邀请到阿里巴巴中间件（Aliware）技术研究员蒋江伟（花名：小邪）跟大家分享一下RocketMQ开源的前世今生。

在内部系统不是非常的高并发，大流量的场景下，且有windows，Linux混合操作系统场景下，便于配置维护，可以使用HApoxy 替代 LVS一试。

［一］任务队列的好处 --->松耦合：生产者和消费者无需知道彼此实现的细节，只需要约定好任务的描述格式。这使得生产者和消费者可以由不同的团队使用不同的编程语言编写。 --->易于扩展：消费者可以有多个，而且可以分布在不同的机器。

Spark是一个由加州大学伯克利分校（UC Berkeley AMP）开发的一个分布式数据快速分析项目。它的核心技术是弹性分布式数据集(Resilient distributed datasets)，提供了比Hadoop更加丰富的MapReduce模型，可以快速在内存中对数据集进行多次迭代，来支持.

本来安装这件事情，不用单独开一篇谈的。但是Spark的安装实在是一件点蛋疼的事情，这和Spark的语言和框架两者有颇大的关系。 Spark是Scala语言写的，所以要先安装Java和Scala，而底层的调度框架是Mesos，Mesos是C++写的，所以又对机器的glibc和gcc环境有一定的要求。

SolrQueryLog DataMineSolrQueryLog DataMine 这一块工作非常具有市场和技术价值。尽管现在还没有开源的，有一个付费系统soleami 读作 so ray me。 我个人正在初步积累相关知识，依赖NLP和结构化信息提取虚拟团队，正着手搭建一个通用、可开源的So

0. 亲，低级错误知多少 "" 写成了“” <br> true 写成了 ture <br> false写成了fasel <br> String 写成了 string <br> userId 写成了userid <br> user_id 写成了 user_Id <

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

人们总觉得这个搜索领域很多秘密，门槛如此之高，如此神秘。其实不是那么回事。基本的原理、流程理解了。就可以做到心中不慌。先了解机制，细节和具体才是难点，不要被难在开始！下面就结合实际经验积累，给出参考信息。不针对任何排序模型，只描述粗略内容。具体场景具体怎么高，私下交流。 提示：排序规则务必公开，否

需求: 个性化得分排序：类似 Score= defaultTextScore*facetA + offlineValue*（1-factorA） 方案： 目前直接支持的排序、全部候选方案。推荐1  和2.  参见样例！ 1: sort by (score, offlin

关于trieField的理解补充下3篇文档，相当的系统、全面！看相关文档连接，不解释。 http://lucene.apache.org/core/old_versioned_docs/versions/3_5_0/api/all/org/apache/lucene/search/NumericR

淘宝系统依赖关系比较复杂。A系统依赖B系统资源，当B系统发生故障的时候，A系统势必会被拖累，导致A系统也发生故障                                  图：[ A]--依赖-->[B] 这里的依赖要区分两种情况 1、A强依赖于B     任何强依赖都要尽可能的转化

solr调优步骤参考这篇blog主要以实践出发，从顶到底，从大到细的思路来进一步描述，solr优化，并且是基于横向发展来说的（管理更多core），对于纵向的（core内部、搜索核心技术）。 例如分词、queryparse、分词、实时、分布式的优化、排序等偏轻！ 文章有不合理，或者错误的请及时反馈

我们已经在上面的分析中，我们已经看到observer模型在多机场景下的问题，所以，paxos模型的目标就是解决这个问题，他解决这个问题的方法就是quorum模型。 我的目标是让大家能弄明白，掌握这些复杂的概念，所以我也会将以前我在淘宝java中间件团队内分享时候，大家经常犯的一些错误，也写到【】里