⼀、本地事务 1、ACID特性 原⼦性(A) ⼀致性(C) 隔离性(I) 持久性(D) 2、事务的隔离级别 两个或多个事务并发操作相同的数据的时候事务之间的相互访问关系 查询当前隔离级别：select @@tx_isolation 设置隔离级别：set session transaction iso
同步算法的共性是所有的节点会以一定的频率进行全局同步。然而，当工作节点的计算性能存在差异，或者某些工作节点无法正常工作（比如死机）的时候，分布式系统的整体运行效率不好，甚至无法完成训练任务。为了解决此问题，人们提出了异步的并行算法。在异步的通信模式下，各个工作节点不需要互相等待，而是以一个或多个全局服务器做为中介，实现对全局模型的更新和读取。这样可以显著减少通信时间，从而获得更好的多机扩展性。
自我18年使用 Mybaits 以来，开发环境中如果修改了 xml 文件后，只有重启项目才能生效，如果小项目重启还好，但是对于一个重启需要十几分钟的大型项目来说，这就非常耗时了。开发人员因为修改了xml 文件少量内容，比如添加一个逗号、查询增加一个字段或者修改一个 bug 等，就需要重启整个项目，这就非常痛苦了。
本文主要介绍博主在以往开发过程中，对于不同业务所对应的 sql 写法进行归纳总结而来。进而分享给大家。 本文所讲述 sql 语法都是基于 MySql 8.0+ 博主github地址：http://github.com/wayn111 欢迎大家关注，点个star 一、ORDER BY FIELD()
本文翻译自国外论坛 medium，原文地址： # 什么是数据复制？ 数据复制是指将数据复制到一个或多个数据容器以确保可用性的过程。复制的数据通常存储在不同的数据库实例中，即使一个实例发生故障，我们也可以从其他实例获取数据。 一种流行数据复制的实现架构是主从架构。 > 推荐博主开源的 H5 商城项目*
分布式系统是指由多个节点通过网络进行通信和协作的系统，它具有高可用性、高扩展性、高性能等优点，但也面临着一些挑战，如数据一致性、容错性、负载均衡等。为了解决这些问题，分布式系统设计出现了一些经典的理论和方法，如 CAP 理论、BASE 理论、一致性等。 # CAP 理论 CAP 理论是指一个分布式系
摘要：企业版性能指标达到业界TOP1，行业领先30%，内核态实现真正多线程。 一．背景介绍 近年来，随着各行业业务需求急速增加，数据量和并发访问量呈指数级增长，原来只能依附于关系型数据库的传统“缓存”逐渐难以支撑上层业务，开源Redis也面临着如“容量有限”、 “可靠性有限”、 “数据重复拷贝，成本
摘要：这些年大家都在谈分布式数据库，各大企业也纷纷开始做数据库的分布式改造。那么所谓的分布式数据库是什么？采用什么架构，优势在哪？为什么越来越多企业选择它？我们不妨一起来深入了解下。 本文分享自华为云社区《GaussDB分布式架构大揭秘》，作者：华为云数据库首席架构师 冯柯。 这些年大家都在谈分布式
摘要：本文讲了关于服务发现的很多干货内容，核心内容为服务发现组件的选择、网关的介绍、 客户端侧如何发给已发现的服务。 本文分享自华为云社区《分布式场景下，如何对外提供易变的服务，打造可靠的注册中心？》，作者：breakDawn。 随着云原生的概念越来越火，服务的架构应该如何发展和演进，成为很多程序员
摘要：本文介绍了实现分页列表缓存的三种方式。 本文分享自华为云社区《分页列表缓存，你真的会吗》，作者： 勇哥java实战分享 。 1 直接缓存分页列表结果 显而易见，这是最简单易懂的方式。 我们按照不同的分页条件来缓存分页结果 ，伪代码如下： public List getPage
分享人：孙长虹 京东云DevOps解决方案架构师 复旦大学计算机系毕业，并拥有人民大学心理学硕士学位。曾任职于Alcatel-Lucent，IBM和惠普，具有丰富的大型复杂产品研发及项目管理经验，擅长组织级敏捷和DevOps转型，并拥有EXIN Agile Coach, 业务敏捷，DevOps Ma
今天想聊一下分库分表，因为对于快速增长的业务来说，这个是无法回避的一环。之前我在做商城相关的SAAS系统，商品池是一个存储瓶颈，商品池数量会基于租户增长和运营变得指数级增长，短短几个月就能涨到几千万的数据，而运营半年后就可能过亿。而对于订单这种数据，也会跟着业务的成长，也会变得愈发巨大。
## 基础理论 ### CAP理论 一致性（Consistency） ：在分布式系统中所有的数据备份，在同一时刻都保持一致状态，如无法保证状态一致，直接返回错误； 可用性（Availability）：在集群中一部分节点故障，也能保证客户端访问系统并得到正确响应，允许一定时间内数据状态不一致； 分区容
复制，即在不同的节点上保存相同的副本，提供数据冗余。如果一些节点不可用，剩余的节点仍然可以提供数据服务，这些节点可能部署在不同的地理位置，以此来改善系统性能
说到分布式事务，大家并不陌生。在实际工作中，用得比较多的还是柔性分布式事务，今天主要把在工作中运用到的几种柔性分布式事务的场景及实现方式做一个简单介绍，也可以看做是柔性分布式事务的一个演进过程。
导读 本文主要基于京东物流的分拣业务平台在生产环境遇到的一些安全类问题，进行定位并采取合适的解决方案进行安全治理，引出对行业内不同业务领域、不同类型系统的安全治理方案的探究，最后笔者也基于自己在金融领域的经验进行了关于API网关治理方案的分享。 写在前面 随着互联网应用的多元化、复杂化、服务化成为显
1 背景 最近在做需求的时候需要在一张表中增加一个字段。 这张表情况如下： 1、拆分了多个库多张表 2、库表拆分按表中商户编码字段hash之后取模进行拆分 由于库表拆分按照商户编码，有些大商家的单子数量远远要高于其他普通商家，这样就造成了严重的数据倾斜。 在增加字段的时候尝试多种办法，执行多次都添加
本文记录 Mysql 分库分表 和 Elasticsearch Join 查询的实现思路，了解分布式场景数据处理的设计方案。文章从常用的关系型数据库 MySQL 的分库分表Join 分析，再到非关系型 ElasticSearch 来分析 Join 实现策略。逐步深入Join 的实现机制。
分布式一致性是构建可靠的分布式系统的关键要素之一。为了确保数据的一致性和可用性，一致性算法的设计变得至关重要。在这篇博文中，我们将深入探讨两个与分布式一致性密切相关的主题：Raft 算法和 etcdRaft 存储系统。 ## Raft 算法：分布式一致性的基石 Raft 算法是一种分布式一致性算法，
分表是一种数据库分割技术，用于将大表拆分成多个小表，以提高数据库的性能和可管理性。在MySQL中，可以使用多种方法进行分表，例如基于范围、哈希或列表等。下面将详细介绍MySQL如何分表以及分表后如何进行数据查询。 基于哈希的分表 基于哈希的分表是一种将数据分散到多个子表中的数据库分表策略。这种方法通
