暂时未有相关云产品技术能力~
关注公众号【Java极客技术】回复eeee03，获取最新代码资源
hello~各位读者新年好，我是鸭血粉丝（大家会亲切的喊我「阿粉」），是一位喜欢吃鸭血粉丝的程序员！ 回想起前几天在部署springboot项目到正线时，线上环境要求jdk7，可项目是基于jdk8开发的，springboot也是用的springboot2以上的版本，可以说缝缝补补一整天才搞好能满足线上环境的代码，搞完后当然需要小小的了解一下背后的秘密。
Hello~各位读者新年好，我是鸭血粉丝（大家可以称呼我为「阿粉」）。这里阿粉给大家拜个年，祝大家蒸蒸日上烫烫烫，年年有余屯屯屯。
阿粉？阿粉？阿粉？阿粉在哪里，项目经理今天发现阿粉没来，一时间很生气，心里盘算回来一定要让阿粉知道自己不是好惹的？可是阿粉去了哪里呢？阿粉受不鸟这个公司了，太 TM XXX了，阿粉出来面试了！！！阿粉心想一定要找到一个好工作！！！
阿粉？阿粉？阿粉？阿粉在哪里，项目经理今天发现阿粉没来，一时间很生气，心里盘算回来一定要让阿粉知道自己不是好惹的？可是阿粉去了哪里呢？阿粉受不鸟这个公司了，太 TM XXX了，阿粉出来面试了！！！阿粉心想一定要找到一个好工作！！！
相信大家对 ConcurrentHashMap 这个线程安全类非常熟悉，但是如果我想在多线程环境下使用 ArrayList，该怎么处理呢？阿粉今天来给你揭晓答案！
大家好，我是鸭血粉丝，最近阿粉在逛 Youtube 的时候发现了一个很有意思的视频，里面介绍了十款 Mac 上使用的软件，十分好用（原文地址：https://www.youtube.com/watch?v=WKSZXFvpu5Q）。抱着好东西要一起分享的态度，阿粉准备挑几个常用的推荐给大家。
临近假期，很多人都放松了学习，阿粉一阵激动，这可是超越别人的好机会啊，赶紧去补一补数据结构和算法方面的内容。 今天阿粉教你这样解锁单链表环的操作，让你面试手写代码再也不怕！ 说到单链表，肯定会想到 5 种经典操作，饭要一口一口吃，算法要一个一个拿下。今天先来讲讲在单链表中环的操作。
Mybatis相信大家都用的很溜了，今天我鸭血粉丝来整点别的，给大家讲解一下Mybatis最核心的原理：动态生成Mapper代理对象，我会手动对整个过程进行模拟
今天开始，阿粉准备把 mybatis 的知识梳理一遍，为什么梳理 mybatis 呢？因为 mybatis 的源码最简单啊（说什么大实话）。no~no~no~，是因为现在的这些框架都和 springboot 整合在一起了，用起来是方便了，但是其中的原理就越不了解了。所以阿粉整理几篇 mybatis 的文章分享给大家，配合代码案例，希望大家有所收获。另外因为这是第一篇，所以代码量相对来说比较多，希望大家耐心看下去，毕竟阿粉也是下了一番功夫的，绝对是原创，如有雷同，肯定是他们抄袭阿粉的。 好了，话不多说，我们直接进入正题。
前几天阿粉还在和同事抱怨，说现在 JDK 都已经11，12了，结果自己还在用 JDK 7，于是就发生了下面一幕。
hello~各位读者新年好，我是鸭血粉丝（大家可以称呼我为「阿粉」），一位喜欢吃鸭血粉丝的程序员！2019 年，阿粉写了很多 bug，这不前一段时间 OOM 差点就把服务器搞挂。跨年的时刻，阿粉默默立下一个 flag，2020 年再见 bug。
大家好，我是鸭血粉丝（大家会亲切的喊我 「阿粉」），是一位喜欢吃鸭血粉丝的程序员，之前给大家总结了线上 OOM 的情况，相信大家也能从中学到一些东西，身为一名有追求的程序员，阿粉我的理解是光会吃老本是不行的，所以我一直也在学习，今天大家就跟我一起来了解一下 Redis 的 SDS 吧（不是 SOS 哦~）。
大家好，我是鸭血粉丝（大家会亲切的喊我 「阿粉」），是一位喜欢吃鸭血粉丝的程序员，大家要慢慢熟悉我的存在呦，因为接下来所有的技术，都是我来给大家展示的，昨天刚回想起线上OOM，并且做了性能优化，但是接下来，学习的步伐不能停止，在解决Bug的同时，我依旧要学习，大家来继续和我看一下Flink吧！
大家好，我是鸭血粉丝（大家会亲切的喊我 「阿粉」），是一位喜欢吃鸭血粉丝的程序员，回想起之前线上出现 OOM 的场景，毕竟当时是第一次遇到这么 紧脏 的大事，要好好记录下来。
大家好，我是鸭血粉丝（大家会亲切的喊我 「阿粉」），是一位喜欢吃鸭血粉丝的程序员，回想起之前线上出现 OOM 的场景，毕竟当时是第一次遇到这么 紧脏 的大事，要好好记录下来。
最近没事在看极客时间上刘超老师的《趣谈网络协议》那门课程，其中有一篇讲得非常有意思，也有些难以理解，我以我的角度来谈谈。
发布订阅系统在我们日常的工作中经常会使用到，这种场景大部分情况我们都是使用消息队列的，常用的消息队列有 Kafka，RocketMQ，RabbitMQ，每一种消息队列都有其特性，关于 Kafka 的使用和源码分析，公号前面有相关的文章，大家可以前往回顾一下，另外两款消息队列大家有需要可以自行研究，后续我们会出相应的介绍文章。这篇文章主要是给大家介绍 Redis 的发布订阅系统，很多时候我们可能不需要独立部署相应的消息队列，只是简单的使用，而且数据量也不会太大，这种情况下，我们就可以使用 Redis 的 Pub/Sub 模型。
发布订阅系统在我们日常的工作中经常会使用到，这种场景大部分情况我们都是使用消息队列的，常用的消息队列有 Kafka，RocketMQ，RabbitMQ，每一种消息队列都有其特性，关于 Kafka 的使用和源码分析，公号前面有相关的文章，大家可以前往回顾一下，另外两款消息队列大家有需要可以自行研究，后续我们会出相应的介绍文章。这篇文章主要是给大家介绍 Redis 的发布订阅系统，很多时候我们可能不需要独立部署相应的消息队列，只是简单的使用，而且数据量也不会太大，这种情况下，我们就可以使用 Redis 的 Pub/Sub 模型。
说到 I/O，想必大家都不会陌生， I/O 英语全称：Input/Output，即输入/输出，通常指数据在内部存储器和外部存储器或其他周边设备之间的输入和输出。
说到 I/O，想必大家都不会陌生， I/O 英语全称：Input/Output，即输入/输出，通常指数据在内部存储器和外部存储器或其他周边设备之间的输入和输出。
说到 I/O，想必大家都不会陌生， I/O 英语全称：Input/Output，即输入/输出，通常指数据在内部存储器和外部存储器或其他周边设备之间的输入和输出。
ConcurrentHashMap 是 Java 并发包中提供的一个线程安全且高效的 HashMap 实现，以弥补 HashMap 不适合在并发环境中操作使用的不足，本文就来分析下 ConcurrentHashMap 的实现原理，并对其实现原理进行分析！
ConcurrentHashMap 是 Java 并发包中提供的一个线程安全且高效的 HashMap 实现，以弥补 HashMap 不适合在并发环境中操作使用的不足，本文就来分析下 ConcurrentHashMap 的实现原理，并对其实现原理进行分析！
ConcurrentHashMap 是 Java 并发包中提供的一个线程安全且高效的 HashMap 实现，以弥补 HashMap 不适合在并发环境中操作使用的不足，本文就来分析下 ConcurrentHashMap 的实现原理，并对其实现原理进行分析！
上一篇文章我讲了关于负载均衡的三种算法，轮询法，随机法，最小连接法，这三种负载均衡的算法，但是关于负载均衡还有其他的算法，我们也需要你去看，而且在面试的过程中，很有可能是会问到的呦。 对于要实现高性能集群，选择好负载均衡器很重要，同时针对不同的业务场景选择合适的负载均衡算法也是非常重要的。之前已经罗列出几个了，接下来在说剩下的几个算法，
Docker 在当下很火，那么，当我们谈 Docker ，谈容器的时候，我们在谈什么？或者说，你对 Docker ，对容器了解吗？容器，到底是怎么一回事儿？
关于 HashMap，以前只知道它是非线程安全，在多线程环境下操作可能会导致程序死循环，CPU直接飙到100%的线上故障，还真是第一次听说......
之前我讲了关于 线程基础方面的相关知识，本篇文章将会带着大家来学习下线程安全相关的知识。
Kafka 重平衡流程一直是 kafka 比较麻烦和难以理解的地方，此篇文章通过大量的示意图带你了解一下 kafka 重平衡的过程
其实我们写代码的时候一直都在使用for循环，但是偶尔还是会纠结用哪一个循环。
首先我们考虑一个场景：有一个整形数组, 我们希望通过调用一个工具类的排序方法就能对该数组进行排序. 请看下面的代码:
GC 中文直译垃圾回收，是一种回收内存空间避免内存泄漏的机制。当 JVM 内存紧张，通过执行 GC 有效回收内存，转而分配给新对象从而实现内存的再利用。JVM 的 GC 机制虽然无需开发主动参与，减轻不少工作量，但是某些情况下，自动 GC 将会导致系统性能下降，响应变慢，所以这就需要我们提前了解掌握 GC 机制。当面对这种情况时，才能从容不迫的解决问题。另外 GC 机制也是 Java 面试高频考题，了解掌握 GC 是一项必备技能。
复制功能是 Kafka 架构的核心功能，在 Kafka 文档里面 Kafka 把自己描述为 一个分布式的、可分区的、可复制的提交日志服务。复制之所以这么关键，是因为消息的持久存储非常重要，这能够保证在主节点宕机后依旧能够保证 Kafka 高可用。副本机制也可以称为备份机制(Replication)，通常指分布式系统在多台网络交互的机器上保存有相同的数据备份/拷贝。
前面理论性的知识是不是有点太“干货”，所以来点实战性的内容吧，这次记录了如何搭建高可用的 Flink 集群。 在正式配置前，来讲下为何要配置高可用（High Availability） 目前越来越多公司的线上应用，都采用的是分布式架构（一主多从），从而避免单点故障引起的服务不可用。 而在 Flink 中，同样也有集群保障服务的高可用，任何时候都有一个主 JobManager 和多个备 JobManager，当前主节点宕机后，立刻会有备 JobManager 当选成为主 JobManager ，接管集群，让每个作业继续正常进行。 出于这样的考虑，在 Flink 应用上线前，需要有这样一个
之前我讲了关于 HTTP 的安全性问题，本篇文章将会从一个朋友的面试题入手，来说一下关于 HTTP 的重定向和负载均衡。
限时 1 秒钟给出答案，来来来，听我口令：“Java 如何获取数组和字符串的长度？length 还是 length()？” 在逛 programcreek 的时候，我发现了上面这个主题。说实话，我当时脑海中浮现出了这样一副惊心动魄的画面： 面试官老马坐在我的对面，地中海式的发型令我敬佩有加。尽管略显疲惫，但他仍然自信地向我抛出了上面这个问题。稍稍迟疑了一下，我回答说：“数组用 length，字符串用 length 跟上小括号”。老马不愧是面试中的高手，一瞬间就从我的回答中捕获到了不自信。我能感受得出来，因为我看到老马的嘴角微微地动了一下，似乎想要咂咂嘴。但出于对于我的礼貌，他克制住了。
如果你只追一个妹子并且对这个妹子特别用心的话，知道的人一定会说你是个好男人；如果你只是浅尝辄止并且追了大部分妹子的话，知道的人一定会骂你渣男。 做技术也是一样的，如果你对一门技术钻研的特别深的话，那你一定是这个领域不可或缺的人才；如果你每个技术都想学并且遇到一些困难就退缩，那么你就离被替代不远了。
之前的文章说了一下关于 Cookie 的内容，但是也就引出来了一些问题，比如 HTTP 是怎么进行安全处理的？来了，本文给大家讲述 HTTP 的安全问题。
Tomcat/Jetty 是目前比较流行的 Web 容器，两者接受请求之后都会转交给线程池处理，这样可以有效提高处理的能力与并发度。JDK 提高完整线程池实现，但是 Tomcat/Jetty 都没有直接使用。Jetty 采用自研方案，内部实现 QueuedThreadPool 线程池组件，而 Tomcat 采用扩展方案，踩在 JDK 线程池的肩膀上，扩展 JDK 原生线程池。 JDK 原生线程池可以说功能比较完善，使用也比较简单，那为何 Tomcat/Jetty 却不选择这个方案，反而自己去动手实现那？
前面讲了时间 Time 的概念和实际解决问题后，本篇来看下经常搭配使用的另一个关键工具：窗口 Window。 窗口也有三种类型可供选择使用： Tumbling Windows：滚动窗口 Sliding Windows：滑动窗口 Session Windows：会话窗口 友情提示，本篇主要翻译自官网以及参考了 wuchong 大神的博客，内容比较干货，介绍这三种窗口的概念以及使用场景，希望看完能对 Flink 的窗口概念加深理解。
PriorityQueue 一个特殊的优先级队列，今天咱们一起来揭开它的面纱！
前面的例子中有出现过 时间窗口 TimeWindow 这个词语，其实是两个概念，时间 Time 和窗口 Window。 本篇文章比较干货，主要翻译自官网（参考资料一）， 来讲下关于 Time 的学习、理解以及配套的概念 Watermark。 Watermark 有两种译法：水位线、水印。由于个人暂时分不清，所以后面一律以英文 Watermark 出现。
前面的例子中有出现过 时间窗口 TimeWindow 这个词语，其实是两个概念，时间 Time 和窗口 Window。 本篇文章比较干货，主要翻译自官网（参考资料一）， 来讲下关于 Time 的学习、理解以及配套的概念 Watermark。 Watermark 有两种译法：水位线、水印。由于个人暂时分不清，所以后面一律以英文 Watermark 出现。
ArrayDeque 一个循环数组，诞生于 JDK 1.6，今天小编想和大家一起来揭开它的面纱！
作为有追求的程序员，我们日常在写代码的时候往往都会运用很多奇技淫巧，不单单是为了炫耀我们的技术，更是为了追求更高的效率。了解局部性原理，可以有效的帮助我们理解和写出更好的代码，对于局部性原理可能有的小伙伴知道，有的小伙伴不知道，知道的小伙伴就当做复习知识点，不知道的小伙伴也没关系，接着往下看就知道了。
Kafka 是由 Linkedin 公司开发的，它是一个分布式的，支持多分区、多副本，基于 Zookeeper 的分布式消息流平台，它同时也是一款开源的基于发布订阅模式的消息引擎系统。
Kafka 是由 Linkedin 公司开发的，它是一个分布式的，支持多分区、多副本，基于 Zookeeper 的分布式消息流平台，它同时也是一款开源的基于发布订阅模式的消息引擎系统。
Kafka 是由 Linkedin 公司开发的，它是一个分布式的，支持多分区、多副本，基于 Zookeeper 的分布式消息流平台，它同时也是一款开源的基于发布订阅模式的消息引擎系统。
Kafka 是由 Linkedin 公司开发的，它是一个分布式的，支持多分区、多副本，基于 Zookeeper 的分布式消息流平台，它同时也是一款开源的基于发布订阅模式的消息引擎系统。
Kafka 是由 Linkedin 公司开发的，它是一个分布式的，支持多分区、多副本，基于 Zookeeper 的分布式消息流平台，它同时也是一款开源的基于发布订阅模式的消息引擎系统。
发表了文章
2022-09-17
发表了文章
2022-09-17
发表了文章
2022-09-03
发表了文章
2022-07-14
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
发表了文章
2022-02-15
