CAP理论和BASE理论
This commit is contained in:
罗祥
parent
29a6cc946b
commit
6ba5a17420
@ -2,43 +2,64 @@
|
||||
|
||||
<div align="center"> <img width="380px" src="pictures/full-stack-notes-logo.png"/> </div>
|
||||
<br/>
|
||||
|
||||
<div align="center">
|
||||
<img src="pictures/芽.png"/>
|
||||
<strong>一个处于萌芽阶段的知识库，用于持续分享自己的所见、所学、所思！</strong>
|
||||
</div>
|
||||
<br/>
|
||||
|
||||
<div align="right">
|
||||
<a href="">点击切换详细目录</a>
|
||||
</div>
|
||||
|
||||
## :coffee: JAVA
|
||||
|
||||
1. [Java 反射与注解](notes/Java_反射与注解.md)
|
||||
|
||||
反射机制、自定义注解、@Target 与 @Retention、注解的继承
|
||||
|
||||
2. [Java 并发编程](notes/Java_并发编程.md)
|
||||
3. [Java 设计模式](notes/Java_设计模式.md)
|
||||
4. [Java 虚拟机](notes/Java_虚拟机.md)
|
||||
5. [JVM 性能监控之命令行工具](notes/JVM_性能监控之命令行工具.md)
|
||||
6. [JVM 性能监控之可视化工具](notes/JVM_性能监控之可视化工具.md)
|
||||
7. [Java NIO 核心组件详解](notes/Java_NIO.md)
|
||||
8. 函数式编程
|
||||
|
||||
非原子性协定、计算机多级高速缓存、缓存一致性协议、写缓冲与无效化队列、内存屏障、锁机制、无锁 CAS、线程池
|
||||
|
||||
3. [Java NIO 核心组件详解](notes/Java_NIO.md)
|
||||
|
||||
缓冲区 Buffer、通道 Channel、选择器 Selector、实现多人聊天室
|
||||
|
||||
4. [Java 函数式编程](notes/Java_函数式编程.md)
|
||||
|
||||
Lambda 表达式、函数式接口、流、收集器、并行流
|
||||
|
||||
5. [Java 设计模式](notes/Java_设计模式.md)
|
||||
|
||||
软件设计原则、单例模式（使用序列化和反射破坏单例、防御序列化和反射攻击、枚举类单例）等 23 种设计模式
|
||||
|
||||
6. [Java 虚拟机](notes/Java_虚拟机.md)
|
||||
|
||||
Java 内存区域、垃圾收集算法、经典垃圾收集器、双亲委派模型、分层编译、热点代码探测、方法内联、逃逸分析
|
||||
|
||||
7. [JVM 性能监控之命令行工具](notes/JVM_性能监控之命令行工具.md)
|
||||
|
||||
jps 命令、jstat 命令、jinfo 命令、jmap 命令、jhat 命令、jstack 命令
|
||||
|
||||
8. [JVM 性能监控之可视化工具](notes/JVM_性能监控之可视化工具.md)
|
||||
|
||||
JConsole、VisualVM 、监控本地进程、监控远程进程
|
||||
|
||||
9. [Tomcat 架构解析](notes/Tomcat_架构解析.md)
|
||||
|
||||
核心组件、连接器、多层容器、请求处理流程、程序启动过程、类加载器
|
||||
|
||||
10. Java 集合类源码解析
|
||||
|
||||
<br/>
|
||||
|
||||
## :globe_with_meridians: 计算机与网络基础
|
||||
## :globe_with_meridians: 网络基础
|
||||
|
||||
1. [计算机网络模型](notes/计算机网络.md)
|
||||
|
||||
2. HTTP 协议详解
|
||||
四层、五层、七层计算机网络模型、信道复用、PPP 协议、ARP 协议、划分子网与构成超网、TCP 三次握手与四次挥手
|
||||
|
||||
3. HTTPS 协议详解
|
||||
3. HTTPS 与 通信安全
|
||||
|
||||
4. 抓包神器 Wireshark
|
||||
|
||||
5. 计算机组成原理
|
||||
|
||||
<br/>
|
||||
|
||||
@ -46,10 +67,16 @@
|
||||
|
||||
1. [JavaScript 基础](notes/JavaScript_基础.md)
|
||||
|
||||
基本数据类型、引用类型、内置对象（Global 与 window）、作用域与闭包、对象设计
|
||||
|
||||
2. [ECMAScript 6.0 基础](notes/ES6_基础.md)
|
||||
|
||||
变量声明、对象字面量、对象解构、Symbol、迭代器与生成器、类、代理与反射、模块化
|
||||
|
||||
3. CSS 基础
|
||||
|
||||
选择器、非局部样式、布局样式、效果属性、CSS 动画
|
||||
|
||||
4. JavaScript 设计模式
|
||||
|
||||
<br/>
|
||||
@ -60,10 +87,16 @@
|
||||
|
||||
1. [MySQL 核心概念](notes/MySQL_基础.md)
|
||||
|
||||
B+ Tree 树、聚集索引和非聚集索引、共享锁与排他锁、意向共享锁与意向排它锁、一致性锁定读与一致性非锁定读
|
||||
|
||||
2. [MySQL 备份详解](notes/MySQL_备份.md)
|
||||
|
||||
备份类型、mysqldump 备份、mysqlpump 备份、Xtrabackup 备份、二进制日志备份
|
||||
|
||||
3. [MySQL 复制详解](notes/MySQL_复制.md)
|
||||
|
||||
基于二进制日志的复制、基于 GTID 的复制、半同步复制、高可用架构 MMM 和 MHA
|
||||
|
||||
4. [MySQL 高可用架构之 PXC 集群](notes/MySQL_PXC集群.md)
|
||||
|
||||
5. [MyCat 读写分离与分库分表](notes/MySQL_Mycat中间件.md)
|
||||
@ -78,9 +111,15 @@
|
||||
|
||||
3. [Redis 哨兵模式](notes/Redis_哨兵模式.md)
|
||||
|
||||
复制机制、哨兵模式架构说明、哨兵模式搭建
|
||||
|
||||
4. [Redis 集群模式](notes/Redis_集群模式.md)
|
||||
|
||||
5. 使用 Redis 实现分布式锁
|
||||
数据分区、节点通信、请求路由、故障发现与恢复、集群扩容与缩容
|
||||
|
||||
5. [Redis 分布式锁原理](notes/Redis_分布式锁原理.md)
|
||||
|
||||
分布式锁原理、单机模式下的分布式锁、集群模式下的分布式锁、RedLock 原理、Redisson
|
||||
|
||||
|
||||
### MongoDB
|
||||
@ -89,12 +128,20 @@
|
||||
|
||||
2. [MongoDB 索引](notes/MongoDB_索引.md)
|
||||
|
||||
单字段索引、复合索引、多键索引、哈希所有、地理空间索引、文本索引；唯一索引、稀疏索引、部分索引、TTL 索引
|
||||
|
||||
3. [MongoDB 聚合](notes/MongoDB_聚合.md)
|
||||
|
||||
常用聚合管道、单用途聚合方法、MapReduce
|
||||
|
||||
4. [MongoDB 复制](notes/MongoDB_复制.md)
|
||||
|
||||
复制功能、故障发现、优先选举、投票成员、副本集搭建
|
||||
|
||||
5. [MongoDB 分片](notes/MongoDB_分片.md)
|
||||
|
||||
分片副本集配置、配置副本集配置、路由服务配置
|
||||
|
||||
<br/>
|
||||
|
||||
## :whale: 系统与容器
|
||||
@ -103,8 +150,12 @@
|
||||
|
||||
2. [Sehll 脚本编程基础](notes/Shell_基础.md)
|
||||
|
||||
创建脚本、分支语句、循环语句、处理用户输入、处理用户输出、创建函数、处理信号、定时作业
|
||||
|
||||
3. [Docker 基础](notes/Docker_基础.md)
|
||||
|
||||
核心概念（镜像、容器、仓库）、Docker 常用命令、DockerFile 常用指令
|
||||
|
||||
<br/>
|
||||
|
||||
## :package: 常用技术栈
|
||||
@ -122,7 +173,6 @@
|
||||
|
||||
1. [Nginx 基础之静态网站部署，负载均衡，动静分离](notes/Nginx_基础.md)
|
||||
2. HTTP 模块详解
|
||||
3. Nginx 性能优化
|
||||
|
||||
|
||||
### Kafka
|
||||
@ -141,29 +191,23 @@
|
||||
3. [ZooKeeper 常用 Shell 命令](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Zookeeper常用Shell命令.md)
|
||||
4. [ZooKeeper Java 客户端](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Zookeeper_Java客户端Curator.md)
|
||||
5. [ZooKeeper ACL 权限控制](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Zookeeper_ACL权限控制.md)
|
||||
6. 使用 ZooKeeper 实现分布式锁
|
||||
6. [ZooKeeper 分布式锁原理](notes/ZooKeeper_分布式锁原理.md)
|
||||
|
||||
## ElasticSearch
|
||||
|
||||
TODO
|
||||
|
||||
<br/>
|
||||
|
||||
## :rocket: 测试与运维
|
||||
|
||||
1. 性能测试之 Jmeter
|
||||
2. 性能测试之 LoadRunner
|
||||
3. Jenkins 持续交付与自动化部署
|
||||
|
||||
|
||||
<br/>
|
||||
|
||||
## :bullettrain_side: 微服务与分布式
|
||||
|
||||
1. 分布式锁的实现
|
||||
2. 分布式选举算法
|
||||
3. 分布式事务实现原理
|
||||
4. 分布式全局 ID 的生成
|
||||
5. CAP 理论和 BASE 理论
|
||||
1. [CAP 理论 和 BASE 理论](notes/CAP理论和BASE理论.md)
|
||||
|
||||
|
||||
|
||||
<br/>
|
||||
|
||||
97
README.md
97
README.md
@ -8,61 +8,43 @@
|
||||
</div>
|
||||
|
||||
|
||||
|
||||
<br/>
|
||||
|
||||
<p align="right"><a href="../CREADME.md">点击切换详细目录</a></p>
|
||||
|
||||
## :coffee: JAVA
|
||||
|
||||
1. [Java 反射与注解](notes/Java_反射与注解.md)
|
||||
|
||||
反射机制、自定义注解、@Target 与 @Retention、注解的继承
|
||||
|
||||
2. [Java 并发编程](notes/Java_并发编程.md)
|
||||
|
||||
非原子性协定、计算机多级高速缓存、缓存一致性协议、写缓冲与无效化队列、内存屏障、锁机制、无锁 CAS、线程池
|
||||
3. [Java NIO 核心组件详解](notes/Java_NIO.md)
|
||||
|
||||
3. [Java 设计模式](notes/Java_设计模式.md)
|
||||
4. [Java 函数式编程](notes/Java_函数式编程.md)
|
||||
|
||||
软件设计原则、单例模式（使用序列化和反射破坏单例、防御序列化和反射攻击、枚举类单例）等 23 种设计模式
|
||||
5. [Java 设计模式](notes/Java_设计模式.md)
|
||||
|
||||
4. [Java 虚拟机](notes/Java_虚拟机.md)
|
||||
6. [Java 虚拟机](notes/Java_虚拟机.md)
|
||||
|
||||
Java 内存区域、垃圾收集算法、经典垃圾收集器、双亲委派模型、分层编译、热点代码探测、方法内联、逃逸分析
|
||||
7. [JVM 性能监控之命令行工具](notes/JVM_性能监控之命令行工具.md)
|
||||
|
||||
5. [JVM 性能监控之命令行工具](notes/JVM_性能监控之命令行工具.md)
|
||||
|
||||
jps 命令、jstat 命令、jinfo 命令、jmap 命令、jhat 命令、jstack 命令
|
||||
|
||||
6. [JVM 性能监控之可视化工具](notes/JVM_性能监控之可视化工具.md)
|
||||
|
||||
JConsole、VisualVM 、监控本地进程、监控远程进程
|
||||
|
||||
7. [Java NIO 核心组件详解](notes/Java_NIO.md)
|
||||
|
||||
缓冲区 Buffer、通道 Channel、选择器 Selector、实现多人聊天室
|
||||
|
||||
8. 高性能网络框架 Netty
|
||||
8. [JVM 性能监控之可视化工具](notes/JVM_性能监控之可视化工具.md)
|
||||
|
||||
9. [Tomcat 架构解析](notes/Tomcat_架构解析.md)
|
||||
|
||||
核心组件、连接器、多层容器、请求处理流程、程序启动过程、类加载器
|
||||
|
||||
10. Java 集合类源码解析
|
||||
|
||||
11. 函数式编程
|
||||
|
||||
<br/>
|
||||
|
||||
## :globe_with_meridians: 计算机与网络基础
|
||||
## :globe_with_meridians: 网络基础
|
||||
|
||||
1. [计算机网络模型](notes/计算机网络.md)
|
||||
|
||||
四层、五层、七层计算机网络模型、信道复用、PPP 协议、ARP 协议、划分子网与构成超网、TCP 三次握手与四次挥手
|
||||
|
||||
2. HTTP 协议详解
|
||||
|
||||
3. HTTPS 协议详解
|
||||
3. HTTPS 与 通信安全
|
||||
|
||||
4. 抓包神器 Wireshark
|
||||
|
||||
5. 计算机组成原理
|
||||
|
||||
<br/>
|
||||
|
||||
@ -70,16 +52,10 @@
|
||||
|
||||
1. [JavaScript 基础](notes/JavaScript_基础.md)
|
||||
|
||||
基本数据类型、引用类型、内置对象（Global 与 window）、作用域与闭包、对象设计
|
||||
|
||||
2. [ECMAScript 6.0 基础](notes/ES6_基础.md)
|
||||
|
||||
变量声明、对象字面量、对象解构、Symbol、迭代器与生成器、类、代理与反射、模块化
|
||||
|
||||
3. CSS 基础
|
||||
|
||||
选择器、非局部样式、布局样式、效果属性、CSS 动画
|
||||
|
||||
4. JavaScript 设计模式
|
||||
|
||||
<br/>
|
||||
@ -90,16 +66,10 @@
|
||||
|
||||
1. [MySQL 核心概念](notes/MySQL_基础.md)
|
||||
|
||||
B+ Tree 树、聚集索引和非聚集索引、共享锁与排他锁、意向共享锁与意向排它锁、一致性锁定读与一致性非锁定读
|
||||
|
||||
2. [MySQL 备份详解](notes/MySQL_备份.md)
|
||||
|
||||
备份类型、mysqldump 备份、mysqlpump 备份、Xtrabackup 备份、二进制日志备份
|
||||
|
||||
3. [MySQL 复制详解](notes/MySQL_复制.md)
|
||||
|
||||
基于二进制日志的复制、基于 GTID 的复制、半同步复制、高可用架构 MMM 和 MHA
|
||||
|
||||
4. [MySQL 高可用架构之 PXC 集群](notes/MySQL_PXC集群.md)
|
||||
|
||||
5. [MyCat 读写分离与分库分表](notes/MySQL_Mycat中间件.md)
|
||||
@ -114,35 +84,19 @@
|
||||
|
||||
3. [Redis 哨兵模式](notes/Redis_哨兵模式.md)
|
||||
|
||||
复制机制、哨兵模式架构说明、哨兵模式搭建
|
||||
|
||||
4. [Redis 集群模式](notes/Redis_集群模式.md)
|
||||
|
||||
数据分区、节点通信、请求路由、故障发现与恢复、集群扩容与缩容
|
||||
|
||||
5. 使用 Redis 实现分布式锁
|
||||
5. [Redis 分布式锁原理](notes/Redis_分布式锁原理.md)
|
||||
|
||||
|
||||
### MongoDB
|
||||
|
||||
1. [MongoDB 基础](notes/MongoDB_基础.md)
|
||||
|
||||
2. [MongoDB 索引](notes/MongoDB_索引.md)
|
||||
|
||||
单字段索引、复合索引、多键索引、哈希所有、地理空间索引、文本索引；唯一索引、稀疏索引、部分索引、TTL 索引
|
||||
|
||||
3. [MongoDB 聚合](notes/MongoDB_聚合.md)
|
||||
|
||||
常用聚合管道、单用途聚合方法、MapReduce
|
||||
|
||||
4. [MongoDB 复制](notes/MongoDB_复制.md)
|
||||
|
||||
复制功能、故障发现、优先选举、投票成员、副本集搭建
|
||||
|
||||
5. [MongoDB 分片](notes/MongoDB_分片.md)
|
||||
|
||||
分片副本集配置、配置副本集配置、路由服务配置
|
||||
|
||||
<br/>
|
||||
|
||||
## :whale: 系统与容器
|
||||
@ -151,12 +105,8 @@
|
||||
|
||||
2. [Sehll 脚本编程基础](notes/Shell_基础.md)
|
||||
|
||||
创建脚本、分支语句、循环语句、处理用户输入、处理用户输出、创建函数、处理信号、定时作业
|
||||
|
||||
3. [Docker 基础](notes/Docker_基础.md)
|
||||
|
||||
核心概念（镜像、容器、仓库）、Docker 常用命令、DockerFile 常用指令
|
||||
|
||||
<br/>
|
||||
|
||||
## :package: 常用技术栈
|
||||
@ -174,7 +124,6 @@
|
||||
|
||||
1. [Nginx 基础之静态网站部署，负载均衡，动静分离](notes/Nginx_基础.md)
|
||||
2. HTTP 模块详解
|
||||
3. Nginx 性能优化
|
||||
|
||||
|
||||
### Kafka
|
||||
@ -193,29 +142,23 @@
|
||||
3. [ZooKeeper 常用 Shell 命令](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Zookeeper常用Shell命令.md)
|
||||
4. [ZooKeeper Java 客户端](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Zookeeper_Java客户端Curator.md)
|
||||
5. [ZooKeeper ACL 权限控制](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Zookeeper_ACL权限控制.md)
|
||||
6. 使用 ZooKeeper 实现分布式锁
|
||||
6. [ZooKeeper 分布式锁原理](notes/ZooKeeper_分布式锁原理.md)
|
||||
|
||||
## ElasticSearch
|
||||
|
||||
TODO
|
||||
+ TODO
|
||||
|
||||
|
||||
<br/>
|
||||
|
||||
## :rocket: 测试与运维
|
||||
|
||||
1. 性能测试之 Jmeter
|
||||
2. 性能测试之 LoadRunner
|
||||
3. Jenkins 持续交付与自动化部署
|
||||
|
||||
<br/>
|
||||
|
||||
## :bullettrain_side: 微服务与分布式
|
||||
|
||||
1. 分布式锁的实现
|
||||
2. 分布式选举算法
|
||||
3. 分布式事务实现原理
|
||||
4. 分布式全局 ID 的生成
|
||||
5. CAP 理论和 BASE 理论
|
||||
1. [CAP 理论 和 BASE 理论](notes/CAP理论和BASE理论.md)
|
||||
|
||||
|
||||
|
||||
<br/>
|
||||
|
||||
|
||||
@ -1,54 +0,0 @@
|
||||
<?xml version="1.0" encoding="UTF-8"?>
|
||||
<project xmlns="http://maven.apache.org/POM/4.0.0"
|
||||
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
|
||||
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
|
||||
<modelVersion>4.0.0</modelVersion>
|
||||
|
||||
<groupId>org.example</groupId>
|
||||
<artifactId>stream-tutorial</artifactId>
|
||||
<version>1.0-SNAPSHOT</version>
|
||||
<build>
|
||||
<plugins>
|
||||
<plugin>
|
||||
<groupId>org.apache.maven.plugins</groupId>
|
||||
<artifactId>maven-compiler-plugin</artifactId>
|
||||
<configuration>
|
||||
<source>8</source>
|
||||
<target>8</target>
|
||||
</configuration>
|
||||
</plugin>
|
||||
</plugins>
|
||||
</build>
|
||||
|
||||
|
||||
<dependencies>
|
||||
<!-- https://mvnrepository.com/artifact/org.redisson/redisson -->
|
||||
<dependency>
|
||||
<groupId>org.redisson</groupId>
|
||||
<artifactId>redisson</artifactId>
|
||||
<version>3.12.5</version>
|
||||
</dependency>
|
||||
<!-- https://mvnrepository.com/artifact/redis.clients/jedis -->
|
||||
<dependency>
|
||||
<groupId>redis.clients</groupId>
|
||||
<artifactId>jedis</artifactId>
|
||||
<version>3.2.0</version>
|
||||
</dependency>
|
||||
<dependency>
|
||||
<groupId>org.apache.curator</groupId>
|
||||
<artifactId>curator-framework</artifactId>
|
||||
<version>4.3.0</version>
|
||||
</dependency>
|
||||
<dependency>
|
||||
<groupId>org.apache.curator</groupId>
|
||||
<artifactId>curator-recipes</artifactId>
|
||||
<version>4.3.0</version>
|
||||
</dependency>
|
||||
<dependency>
|
||||
<groupId>org.apache.zookeeper</groupId>
|
||||
<artifactId>zookeeper</artifactId>
|
||||
<version>3.4.14</version>
|
||||
</dependency>
|
||||
</dependencies>
|
||||
|
||||
</project>
|
||||
@ -1,41 +0,0 @@
|
||||
package com.heibaiying;
|
||||
|
||||
import org.apache.curator.RetryPolicy;
|
||||
import org.apache.curator.framework.CuratorFramework;
|
||||
import org.apache.curator.framework.CuratorFrameworkFactory;
|
||||
import org.apache.curator.framework.recipes.locks.InterProcessMutex;
|
||||
import org.apache.curator.retry.RetryNTimes;
|
||||
|
||||
import java.util.concurrent.TimeUnit;
|
||||
|
||||
public class DistributedLock {
|
||||
|
||||
|
||||
public static void main(String[] args) throws Exception {
|
||||
|
||||
|
||||
RetryPolicy retryPolicy = new RetryNTimes(3, 5000);
|
||||
CuratorFramework client = CuratorFrameworkFactory.builder()
|
||||
.connectString("192.168.0.105:2181")
|
||||
.sessionTimeoutMs(10000).retryPolicy(retryPolicy)
|
||||
.namespace("mySpace").build();
|
||||
client.start();
|
||||
|
||||
// 1. 创建分布式锁
|
||||
InterProcessMutex lock = new InterProcessMutex(client, "/distributed/myLock");
|
||||
|
||||
// 2.尝试获取分布式锁
|
||||
if (lock.acquire(10, TimeUnit.SECONDS)) {
|
||||
try {
|
||||
System.out.println("模拟业务耗时");
|
||||
Thread.sleep(3 * 1000);
|
||||
} finally {
|
||||
// 3.释放锁
|
||||
lock.release();
|
||||
}
|
||||
}
|
||||
|
||||
client.close();
|
||||
}
|
||||
|
||||
}
|
||||
@ -1,70 +0,0 @@
|
||||
package com.heibaiying;
|
||||
|
||||
public class Employee {
|
||||
private String name;
|
||||
private String gender;
|
||||
private String company;
|
||||
private int age;
|
||||
private boolean isOfficial;
|
||||
|
||||
public Employee(String name, String gender, String company, int age) {
|
||||
this.name = name;
|
||||
this.gender = gender;
|
||||
this.company = company;
|
||||
this.age = age;
|
||||
}
|
||||
|
||||
Employee(String name, int age,boolean isOfficial) {
|
||||
this.name = name;
|
||||
this.age = age;
|
||||
this.isOfficial = isOfficial;
|
||||
}
|
||||
|
||||
@Override
|
||||
public String toString() {
|
||||
return "Employee{" +
|
||||
"name='" + name + '\'' +
|
||||
'}';
|
||||
}
|
||||
|
||||
public boolean isOfficial() {
|
||||
return isOfficial;
|
||||
}
|
||||
|
||||
public void setOfficial(boolean official) {
|
||||
isOfficial = official;
|
||||
}
|
||||
|
||||
public String getName() {
|
||||
return name;
|
||||
}
|
||||
|
||||
public void setName(String name) {
|
||||
this.name = name;
|
||||
}
|
||||
|
||||
public String getGender() {
|
||||
return gender;
|
||||
}
|
||||
|
||||
public void setGender(String gender) {
|
||||
this.gender = gender;
|
||||
}
|
||||
|
||||
public String getCompany() {
|
||||
return company;
|
||||
}
|
||||
|
||||
public void setCompany(String company) {
|
||||
this.company = company;
|
||||
}
|
||||
|
||||
public int getAge() {
|
||||
return age;
|
||||
}
|
||||
|
||||
public void setAge(int age) {
|
||||
this.age = age;
|
||||
}
|
||||
|
||||
}
|
||||
@ -1,62 +0,0 @@
|
||||
package com.heibaiying;
|
||||
|
||||
import java.util.ArrayList;
|
||||
import java.util.Arrays;
|
||||
import java.util.List;
|
||||
import java.util.UUID;
|
||||
import java.util.function.BinaryOperator;
|
||||
import java.util.function.IntConsumer;
|
||||
import java.util.stream.Collectors;
|
||||
import java.util.stream.Stream;
|
||||
|
||||
public class StreamTest {
|
||||
public static void main(String[] args) {
|
||||
System.out.println(UUID.randomUUID() + ":" + Thread.currentThread().getId());
|
||||
|
||||
}
|
||||
|
||||
/**
|
||||
* 进行求和
|
||||
*
|
||||
* @param list
|
||||
* @param initValue
|
||||
* @param binaryOperator
|
||||
* @param <T>
|
||||
* @return
|
||||
*/
|
||||
public static <T> T reduce(List<T> list, T initValue, BinaryOperator<T> binaryOperator) {
|
||||
for (T t : list) {
|
||||
initValue = binaryOperator.apply(initValue, t);
|
||||
}
|
||||
return initValue;
|
||||
}
|
||||
|
||||
/**
|
||||
* 集合过滤
|
||||
*
|
||||
* @param list 待过滤的集合
|
||||
* @param predicate 函数式接口
|
||||
* @param <T> 集合中元素的类型
|
||||
* @return 满足条件的元素的集合
|
||||
*/
|
||||
public static <T> List<T> filter(List<T> list, CustomPredicate<T> predicate) {
|
||||
ArrayList<T> result = new ArrayList<>();
|
||||
for (T t : list) {
|
||||
if (predicate.test(t)) result.add(t);
|
||||
}
|
||||
return result;
|
||||
}
|
||||
|
||||
|
||||
/**
|
||||
* 定义接口
|
||||
*
|
||||
* @param <T> 参数类型
|
||||
*/
|
||||
@FunctionalInterface
|
||||
public interface CustomPredicate<T> {
|
||||
// 判断是否满足过滤标准
|
||||
boolean test(T t);
|
||||
}
|
||||
|
||||
}
|
||||
@ -1,7 +0,0 @@
|
||||
log4j.rootLogger=INFO, SYSLOG
|
||||
|
||||
log4j.appender.SYSLOG=org.apache.log4j.net.SyslogAppender
|
||||
log4j.appender.SYSLOG.syslogHost=127.0.0.1
|
||||
log4j.appender.SYSLOG.layout=org.apache.log4j.PatternLayout
|
||||
log4j.appender.SYSLOG.layout.conversionPattern=%d{ISO8601} %-5p [%t] %c{2} %x - %m%n
|
||||
log4j.appender.SYSLOG.Facility=LOCAL1
|
||||
82
notes/CAP理论和BASE理论.md
Normal file
82
notes/CAP理论和BASE理论.md
Normal file
@ -0,0 +1,82 @@
|
||||
# CAP 理论 和 BASE 理论
|
||||
|
||||
|
||||
|
||||
## 一、CAP 理论
|
||||
|
||||
### 1.1 基本概念
|
||||
|
||||
#### 1. 一致性
|
||||
|
||||
在分布式环境中，一致性是指数据在多个节点之间能够保持一致的特性。如果在某个节点上执行变更操作后，用户可以立即从其他任意节点上读取到变更后的数据，那么就认为这样的系统具备强一致性。
|
||||
|
||||
#### 2. 可用性
|
||||
|
||||
可以性是指系统提供的服务必须一直处于可用状态，对于用户的每一个操作请求总是能够在有限的时间内返回结果。它主要强调以下两点：
|
||||
|
||||
+ **有限的时间内**：对于用户的一个请求操作，系统必须要在指定的时间内返回处理结果，如果超过这个时间，那么系统就被认为是不可用的。
|
||||
+ **返回结果**：不论成功或者失败，都需要明确地返回响应结果。
|
||||
|
||||
#### 3. 分区容错性
|
||||
|
||||
分区容错性指定是分布式系统在遇到网络分区时，仍需要能够对外提供一致性和可用性的服务，除非是整个网络环境都发生了故障。
|
||||
|
||||
这里的网络分区指的是：在分布式系统中，由于不同的节点会分布在不同子网中（不同机房或异地网络等），由于一些特殊的原因，可能会出现子网内部是正常的，但子网彼此之间却无法正常通信，从而导致整个系统的网络被切分成若干个独立的区域，这就是网络分区。
|
||||
|
||||
|
||||
|
||||
### 1.2 CAP 理论
|
||||
|
||||
CAP 理论强调：一个分布式系统不可能同时满足一致性（C：Consistency）、可用性（A：Availability）和分区容错性（P：Partition tolerance）这三个需求，最多只能同时满足其中的两个。这里我们来进行一下解释说明：
|
||||
|
||||
首先对于一个分布式系统而言，网络分区是不可避免的，不可能永远不出现网络故障，所以分区容错性 P 必须要保证。假设一个分布式系统中出现了网络分区，如下：
|
||||
|
||||
<div align="center"> <img src="../pictures/cap_示例.png"/> </div>
|
||||
|
||||
|
||||
假设用户 1 向节点 1 上增加了 10 个数据，但节点 1 和节点 2 之间因为网络分区而无法进行数据同步，碰巧用户 2 此时发起了查询请求，此时有两种处理方案：
|
||||
|
||||
+ **放弃 A，保证 C**：即对于用户 2 的查询返回失败，直至节点 1 上的数据同步至节点 2，两者的数据都变为 60 为止；
|
||||
+ **放弃 C，保证 A**：对于本次的查询直接返回原来的数据 50，此时放弃了一致性，但保证了可用性。待网络恢复后，仍然需要将节点 1 上的数据同步至节点 2。
|
||||
|
||||
可以看到无论如何，都是无法既保证 A ，又保证 C 的。
|
||||
|
||||
|
||||
|
||||
### 1.3 选择策略
|
||||
|
||||
因为 CAP 理论不能将一致性、可用性和分区容错性都满足，所以需要根据不同系统的特性进行取舍，主要分为以下三种情况：
|
||||
|
||||
+ **保证 AC ，放弃 P**：这种情况下可以将所有数据（或者是与事务相关的数据）都放在一个分布式节点上，这样可以避免网络分区带来的影响，但同时也意味着放弃了系统的可扩展性，如单机版本的 MySQL、Oracle 等。
|
||||
+ **保证 CP ，放弃 A**：这种情况下如果发生了网络分区故障，此时节点间的数据就无法同步。因此在故障修复前都需要放弃对外提供服务，直至网络恢复，数据到达一致为止。
|
||||
+ **保证 AP ，放弃 C**：这种情况相当于放弃一致性。具体而言，是放弃数据的强一致性，但保证数据的最终一致性。因为不论是什么系统，数据最终都需要保持一致，否则整个系统就无法使用。在这种策略下，在某个短暂的时间窗口内会存在数据不一致的情况。
|
||||
|
||||
<div align="center"> <img src="../pictures/cap理论.jpg"/> </div>
|
||||
|
||||
|
||||
## 二、BASE 理论
|
||||
|
||||
BASE是对基本可用（Basically Available）、软状态（ Soft State）、最终一致性（ Eventually Consistent）三个短语的简写，它是对 CAP 理论中 AP 策略的延伸。其核心是即便无法做到强一致性，但每个系统应用都应该根据自身业务的特点，采取适当的方式来保证系统的最终一致性，而具体的方案就体现在这三个短语上：
|
||||
|
||||
#### 1. 基本可用
|
||||
|
||||
基本可用是指分布式系统在出现不可预知的故障时，允许损失部分可用性，例如：
|
||||
|
||||
+ 延长响应时间：比如原来的的查询只需要 0.5 秒，现在延长到 1～ 2 秒；
|
||||
+ 服务降级：比如在商品秒杀时，部分用户会被引导到一个降级页面。
|
||||
|
||||
#### 2. 软状态
|
||||
|
||||
软状态也称为弱状态，是指允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统整体的可用性，即允许不同节点间的数据同步存在延时。
|
||||
|
||||
#### 3. 最终一致性
|
||||
|
||||
最终一致性强调的是系统中所有的数据副本，在经过一段时间的同步后，最终需要达到一致的状态。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 参考资料
|
||||
|
||||
主要摘录自：倪超 . 从 Paxos 到 Zookeeper——分布式一致性原理与实践 . 电子工业出版社 . 2015-02-01
|
||||
@ -1,40 +0,0 @@
|
||||
# HTTPS
|
||||
|
||||
## 一、核心概念
|
||||
|
||||
### 1.1 SSL
|
||||
|
||||
安全套接层（英语：Secure Sockets Layer，缩写：SSL）是一种安全协议，目的是为互联网通信提供安全保障，最早由网景公司（Netscape）推出。SSL 协议有三个版本，分别是 SSL v1、SSL v2、SSL v3：
|
||||
|
||||
- v1 版本从未公开过，因为存在严重的安全漏洞。
|
||||
- v2 版本在1995年2月发布，但因为存在多个严重的安全漏洞而被 v3 版本替代。
|
||||
- v3 版本在1996年发布，是由网景公司完全重新设计的。
|
||||
|
||||
### 1.2 TLS
|
||||
|
||||
1966 年，TETF（Internet Engineering Task Force）组织在 SLL v3 的基础进一步进行了标准化，微软为这个新的协议取名为 TLS v1.0，这也就是TLS（Transport Layer Security）的由来。之后 TLS 继续发布了 v1.1，v1.2，v1.3 版本协议，当前主流的版本为 v1.2。
|
||||
|
||||
### 1.3 OpenSSL
|
||||
|
||||
OpenSSL 是一个开源的底层密码库，封装了所有的密码学算法，并为 TLS/SSL 提供了功能完善的工具库，因此它是 TLS/SSL 协议的具体实现。
|
||||
|
||||
### 1.4 HTTPS
|
||||
|
||||
HTTPS （Hyper Text Transfer Protocol over SecureSocket Layer）是在 HTTP 的基础上通过 SSL/TLS 层来进行传输加密和身份认证，进而保证通讯的安全性。除此之外它的报文结构、请求方法、连接管理等都完全沿用 HTTP 原有的模式，因此可以很方便地将原有 HTTP 服务转换为 HTTPS 服务。
|
||||
|
||||
|
||||
|
||||
## 二、数据安全
|
||||
|
||||
HTTPS 的数据安全主要是通过 SSL/TLS 协议来进行实现的，SSL/TLS 则主要采用了以下方式来保证传输的安全：
|
||||
|
||||
### 2.1 非对称加密
|
||||
|
||||
|
||||
|
||||
### 2.2 对称加密
|
||||
|
||||
|
||||
|
||||
## 三、握手过程
|
||||
|
||||
@ -1,10 +1,20 @@
|
||||
# Java 函数式编程
|
||||
|
||||
<nav>
|
||||
<a href="#一Lambda">一、Lambda</a><br/>
|
||||
<a href="#二函数式接口">二、函数式接口</a><br/>
|
||||
<a href="#三创建流">三、创建流</a><br/>
|
||||
<a href="#四操作流">四、操作流</a><br/>
|
||||
<a href="#五收集器">五、收集器</a><br/>
|
||||
<a href="#六并行流">六、并行流</a><br/>
|
||||
</nav>
|
||||
|
||||
|
||||
## 一、Lambda
|
||||
|
||||
### 1.1 格式
|
||||
|
||||
Java 从 1.8 版本开始支持 Lambda 表达式，通过 Lambda 表达式我们可以将一个函数作为参数传入方法中。在 JDK 1.8 之前，我们只能通过匿名表达式来完成类似的功能，但是匿名表达式比较繁琐，存在大量的冗余代码，不利于将行为参数化，而采用 Lamdba 则能很好的解决这个问题。Lambda 表达式的基本语法如下：
|
||||
JDK 从 1.8 版本开始支持 Lambda 表达式，通过 Lambda 表达式我们可以将一个函数作为参数传入方法中。在 JDK 1.8 之前，我们只能通过匿名表达式来完成类似的功能，但是匿名表达式比较繁琐，存在大量的模板代码，不利于将行为参数化，而采用 Lamdba 则能很好的解决这个问题。Lambda 表达式的基本语法如下：
|
||||
|
||||
```java
|
||||
(parameters) -> expression
|
||||
@ -18,8 +28,8 @@ Java 从 1.8 版本开始支持 Lambda 表达式，通过 Lambda 表达式我们
|
||||
|
||||
Lambda 表达式具有如下特点：
|
||||
|
||||
- **可选的参数：**不需要声明参数类型，编译器会从上下文自动进行推断；
|
||||
- **可选的参数圆括号：**当且仅当只有一个参数时，圆括号可以省略；
|
||||
- **可选的参数：**不需要声明参数类型，编译器会依靠上下文进行自动推断；
|
||||
- **可选的参数圆括号：**当且仅当只有一个参数时，包裹参数的圆括号可以省略；
|
||||
- **可选的花括号：**如果主体只有一个表达式，则无需使用花括号；
|
||||
- **可选的返回关键字：**如果主体只有一个表达式，则该表达式的值就是整个 Lambda 表达式的返回值，此时不需要使用 return 关键字进行显式的返回。
|
||||
|
||||
@ -148,10 +158,10 @@ public interface Predicate<T> {
|
||||
}
|
||||
```
|
||||
|
||||
其他函数式接口都是这四种基本类型的延伸和扩展。以 BiFunction 和 BinaryOperator 接口为例：
|
||||
其他函数式接口都是这四种基本类型的扩展和延伸。以 BiFunction 和 BinaryOperator 接口为例：
|
||||
|
||||
+ **BiFunction<T, U, R>**：是函数型接口 Function<T, R> 的扩展，Function 只能接收一个入参；而 BiFunction 可以用于接收两个不同类型的入参；
|
||||
+ **BinaryOperator\<T>**：是 BiFunction 的一种特殊化情况，即两个入参和返回值的类型均相同，通常用于二元运算：
|
||||
+ **BinaryOperator\<T>**：是 BiFunction 的一种特殊化情况，即两个入参和返回值的类型均相同，通常用于二元运算。定义如下：
|
||||
|
||||
```java
|
||||
@FunctionalInterface
|
||||
@ -165,16 +175,9 @@ public interface BinaryOperator<T> extends BiFunction<T,T,T> {
|
||||
}
|
||||
```
|
||||
|
||||
使用示例如下：
|
||||
下面演示一下 BinaryOperator 的用法：
|
||||
|
||||
```java
|
||||
public static void main(String[] args) {
|
||||
List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);
|
||||
reduce(integers, 0, (a, b) -> a + b); // 求和 输出：15
|
||||
reduce(integers, 1, (a, b) -> a * b); // 求积 输出：120
|
||||
}
|
||||
|
||||
|
||||
/**
|
||||
* 执行归约操作
|
||||
*/
|
||||
@ -184,13 +187,19 @@ public static <T> T reduce(List<T> list, T initValue, BinaryOperator<T> binaryOp
|
||||
}
|
||||
return initValue;
|
||||
}
|
||||
|
||||
public static void main(String[] args) {
|
||||
List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);
|
||||
reduce(integers, 0, (a, b) -> a + b); // 求和 输出：15
|
||||
reduce(integers, 1, (a, b) -> a * b); // 求积 输出：120
|
||||
}
|
||||
```
|
||||
|
||||
|
||||
|
||||
## 三、创建流
|
||||
|
||||
JDK 1.8 中最主要的变化是引入了流，通过流、Lamda 表达式以及函数式接口，可以高效地完成数据的处理。创建流通常有以下四种方法：
|
||||
JDK 1.8 中另一个大的改进是引入了流，通过流、Lamda 表达式以及函数式接口，可以高效地完成数据的处理。创建流通常有以下四种方法：
|
||||
|
||||
**1. 由值创建**
|
||||
|
||||
@ -216,7 +225,7 @@ List<String> strings = Arrays.asList("a", "b ", "c", "d");
|
||||
Stream<String> stream = strings.stream();
|
||||
```
|
||||
|
||||
`stream()` 方法定义在 `Collection` 接口中，它是一个默认方法，因此大多数的集合都可以通过该方法转换为流：
|
||||
`stream()` 方法定义在 `Collection` 接口中，它是一个默认方法，因此大多数的集合都可以通过该方法来创建流：
|
||||
|
||||
```java
|
||||
public interface Collection<E> extends Iterable<E> {
|
||||
@ -240,10 +249,10 @@ try (Stream<String> lines = Files.lines(Paths.get("pom.xml"), StandardCharsets.U
|
||||
|
||||
除了以上方法外，还可以通过 `Stream.iterate()` 和 `Stream.generate()` 方法来来创建无限流：
|
||||
|
||||
+ `Stream.iterate()` 接受两个参数：第一个是初始值，第二个参数是一个输入值和输出值相同的函数型接口。它主要用于迭代式的产生新的元素，示例如下：
|
||||
+ `Stream.iterate()` 接受两个参数：第一个是初始值；第二个参数是一个输入值和输出值相同的函数型接口，主要用于迭代式地产生新的元素，示例如下：
|
||||
|
||||
```java
|
||||
// 依次输出1到9
|
||||
// 依次输出0到9
|
||||
Stream.iterate(0, x -> x + 1).limit(10).forEach(System.out::print);
|
||||
```
|
||||
|
||||
@ -258,10 +267,10 @@ try (Stream<String> lines = Files.lines(Paths.get("pom.xml"), StandardCharsets.U
|
||||
|
||||
### 4.1 基本操作
|
||||
|
||||
当流创建后，便可以利用 Stream 类的各种方法对其上数据进行各种处理，常用的方法如下：
|
||||
当流创建后，便可以利用 Stream 类上的各种方法对流中的数据进行处理，常用的方法如下：
|
||||
|
||||
| 操作 | 作用 | 返回类型 | 使用的类型/函数式接口 |
|
||||
| --------- | ------------------------------ | ------------ | ---------------------- |
|
||||
| --------- | ---------------------------------- | ------------ | ---------------------- |
|
||||
| filter | 过滤符合条件的元素 | Stream\<T> | Predicate\<T> |
|
||||
| distinct | 过滤重复元素 | Stream\<T> | |
|
||||
| skip | 跳过指定数量的元素 | Stream\<T> | long |
|
||||
@ -269,14 +278,14 @@ try (Stream<String> lines = Files.lines(Paths.get("pom.xml"), StandardCharsets.U
|
||||
| map | 对元素执行特定转换操作 | Stream\<T> | Function<T,R> |
|
||||
| flatMap | 将元素扁平化后执行特定转换操作 | Stream\<T> | Function<T,Stream\<R>> |
|
||||
| sorted | 对元素进行排序 | Stream\<T> | Comparator\<T> |
|
||||
| anyMatch | 是否存在指定元素满足特定条件 | boolean | Predicate\<T> |
|
||||
| noneMatch | 是否所有元素都不满足特定条件 | boolean | Predicate\<T> |
|
||||
| allMatch | 是否所有元素都满足特定条件 | boolean | Predicate\<T> |
|
||||
| anyMatch | 是否存在任意一个元素能满足指定条件 | boolean | Predicate\<T> |
|
||||
| noneMatch | 是否所有元素都不满足指定条件 | boolean | Predicate\<T> |
|
||||
| allMatch | 是否所有元素都满足指定条件 | boolean | Predicate\<T> |
|
||||
| findAny | 返回任意一个满足指定条件的元素 | Optional\<T> | |
|
||||
| findFirst | 返回第一个满足指定条件的元素 | Optional\<T> | |
|
||||
| forEach | 对所有元素执行特定的操作 | void | Cosumer\<T> |
|
||||
| collect | 对所有元素指定特定的收集操作 | R | Collector<T, A, R> |
|
||||
| reduce | 对元素依次执行归约操作 | Optional\<T> | BinaryOperator\<T> |
|
||||
| collect | 使用收集器 | R | Collector<T, A, R> |
|
||||
| reduce | 执行归约操作 | Optional\<T> | BinaryOperator\<T> |
|
||||
| count | 计算流中元素的数量 | long | |
|
||||
|
||||
> 注：上表中返回类型为 Stream\<T> 的操作都是中间操作，代表还可以继续调用其它方法对流进行处理。返回类型为其它的操作都是终止操作，代表处理过程到此为止。
|
||||
@ -302,18 +311,18 @@ Stream.iterate(0, x -> x + 1) // 构建流
|
||||
偶数:18
|
||||
```
|
||||
|
||||
上表的 `flatMap()` 方法接收一个参数，它是一个函数型接口 `Function<? super T, ? extends Stream<? extends R>> mapper`，该接口用于将流中的元素转换为 `Stream` ，从而可以将原有的元素进行扁平化：
|
||||
上表的 `flatMap()` 方法接收一个参数，该参数是一个函数型接口 `Function<? super T, ? extends Stream<? extends R>> mapper`，主要用于将流中的元素转换为 `Stream` ，从而可以将原有的元素进行扁平化，示例如下：
|
||||
|
||||
```java
|
||||
String[] strings = {"hello", "world"};
|
||||
|
||||
Arrays.stream(strings)
|
||||
.map(x -> x.split("")) // 拆分得到: ['h','e','l','l','o'],['w','o','r','l','d']
|
||||
.flatMap(x -> Arrays.stream(x)) // 进行扁平化处理得到：'h','e','l','l','o','w','o','r','l','d'
|
||||
.flatMap(x -> Arrays.stream(x)) // 将每个数组进行扁平化处理得到：'h','e','l','l','o','w','o','r','l','d'
|
||||
.forEach(System.out::println);
|
||||
```
|
||||
|
||||
上表的 `reduce()` 方法接收两个参数：第一个参数表示执行归约操作的初始值；第二个参数是上文我们介绍过的函数式接口 `BinaryOperator<T>` ，使用示例如下：
|
||||
而上表的 `reduce()` 方法则接收两个参数：第一个参数表示执行归约操作的初始值；第二个参数是上文我们介绍过的函数式接口 `BinaryOperator<T>` ，使用示例如下：
|
||||
|
||||
```java
|
||||
Stream.iterate(0, x -> x + 1).limit(10)
|
||||
@ -322,7 +331,7 @@ Stream.iterate(0, x -> x + 1).limit(10)
|
||||
|
||||
### 4.2 数值流
|
||||
|
||||
上面的代码等效于对 Stream 中的所有元素执行了求和操作，因此我们还可以调用简便方法 `sum()` 来进行实现，但是需要注意的是上面 `Stream.iterate()` 生成流中的元素类型都是包装类型：
|
||||
上面的代码等效于对 Stream 中的所有元素执行了求和操作，因此我们还可以调用简便方法 `sum()` 来进行实现，但是需要注意的是 `Stream.iterate()` 生成流中的元素类型都是包装类型：
|
||||
|
||||
```java
|
||||
Stream<Integer> stream = Stream.iterate(0, x -> x + 1); //包装类型Integer
|
||||
@ -345,7 +354,7 @@ Stream<Integer> boxed = intStream.boxed();
|
||||
|
||||
## 五、收集器
|
||||
|
||||
Stream 中最强大一个终止操作是 `collect()` ，它接收一个收集器 Collector 作为参数，可以将流中的元素收集到集合中，或进行分组、分区等操作。Java 中内置了多种收集器的实现，可以通过 Collectors 类的静态方法进行调用，常用的如下：
|
||||
Stream 中最强大一个终止操作是 `collect()` ，它接收一个收集器 Collector 作为参数，可以将流中的元素收集到集合中，或进行分组、分区等操作。Java 中内置了多种收集器的实现，可以通过 Collectors 类的静态方法进行调用，常用的收集器如下：
|
||||
|
||||
| 工厂方法 | 返回类型 | 用于 |
|
||||
| ----------------- | --------------------- | ------------------------------------------------------------ |
|
||||
@ -355,12 +364,12 @@ Stream 中最强大一个终止操作是 `collect()` ，它接收一个收集器
|
||||
| counting | Long | 计算流中所有元素的个数 |
|
||||
| summingInt | Integer | 将流中所有元素转换为整数，并计算其总和 |
|
||||
| averagingInt | Double | 将流中所有元素转换为整数，并计算其平均值 |
|
||||
| summarizingInt | IntSummaryStatistics | 将流中所有元素转换为整数，并返回值统计值，包含最大值、最小值、<br/>总和与平均值等信息 |
|
||||
| summarizingInt | IntSummaryStatistics | 将流中所有元素转换为整数，并返回统计结果，包含最大值、最小值、<br/>总和与平均值等信息 |
|
||||
| joining | String | 将流中所有元素转换为字符串，并使用给定连接符进行连接 |
|
||||
| maxBy | Optional\<T> | 查找流中最大元素的 Optional |
|
||||
| minBy | Optional\<T> | 查找流中最小元素的 Optional |
|
||||
| reducing | 规约操作产生的类型 | 对流中所有元素执行归约操作 |
|
||||
| collectingAndThen | 转换返回的类型 | 把流中所有元素收集到指定的集合中，再对集合执行特定转换操作 |
|
||||
| collectingAndThen | 转换返回的类型 | 先把流中所有元素收集到指定的集合中，再对集合执行特定的操作 |
|
||||
| groupingBy | Map<K,List\<T>> | 对流中所有元素执行分组操作 |
|
||||
| partitionBy | Map<Boolean,List\<T>> | 对流中所有元素执行分区操作 |
|
||||
|
||||
@ -379,7 +388,7 @@ stream.collect(Collectors.reducing(1, (a, b) -> a * b)); // 等效于 stream.red
|
||||
collect(Collectors.collectingAndThen(Collectors.toSet(), Set::size)); // 先把所有元素收集到Set中，再计算Set的大小
|
||||
```
|
||||
|
||||
> 注意：以上每个终止操作只能单独演示，因为对一个流只能执行一次终止操作。并且执行完终止操作后，就不能再对这个流执行任何操作，否则将抛出 `java.lang.IllegalStateException: stream has already been operated upon or closed` 异常。
|
||||
> 注意：以上每个终止操作只能单独演示，因为对一个流只能执行一次终止操作。并且执行完终止操作后，就不能再对这个流进行任何操作，否则将抛出 `java.lang.IllegalStateException: stream has already been operated upon or closed` 的异常。
|
||||
|
||||
### 5.2 分组
|
||||
|
||||
@ -435,7 +444,7 @@ stream.collect(Collectors.groupingBy(Employee::getCompany, Collectors.counting()
|
||||
```java
|
||||
stream.collect(Collectors.groupingBy(Employee::getCompany, Collectors.groupingBy(Employee::getGender)));
|
||||
|
||||
对应的分组结果如下：
|
||||
先按照公司分组，再按照性别分组，结果如下：
|
||||
{
|
||||
B公司={女=[Employee{name='田某'}], 男=[Employee{name='王某'}]},
|
||||
A公司={女=[Employee{name='李某'}], 男=[Employee{name='张某'}]}
|
||||
@ -465,7 +474,7 @@ Map<String, List<Employee>> collect = stream.collect(Collectors.groupingBy(emplo
|
||||
|
||||
### 5.3 分区
|
||||
|
||||
分区是分组的一种特殊情况，即将满足指定条件的分为一组，将不满足指定条件的分为另外一组，两者在使用上基本类似，示例如下：
|
||||
分区是分组的一种特殊情况，即将满足指定条件的元素分为一组，将不满足指定条件的元素分为另一组，两者在使用上基本类似，示例如下：
|
||||
|
||||
```java
|
||||
stream.collect(Collectors.partitioningBy(x -> "A公司".equals(x.getCompany())));
|
||||
@ -489,7 +498,7 @@ stream.parallel();
|
||||
|
||||
此时流中的所有元素会被均匀的分配到多个线程上进行处理。并行流内部使用的是 ForkJoinPool 线程池，它默认的线程数量就是处理器数量，可以通过 `Runtime.getRuntime().availableProcessors()` 来查看该值，通常不需要更改。
|
||||
|
||||
同时当前也无法为某个具体的流指定线程数量，只能通过修改系统属性 `java.util.concurrent.ForkJoinPool.common.parallelism` 的值来改变线程池大小，进而改变所有并行流的线程大小，示例如下：
|
||||
当前也没有办法为某个具体的流指定线程数量，只能通过修改系统属性 `java.util.concurrent.ForkJoinPool.common.parallelism` 的值来改变所有并行流使用的线程数量，示例如下：
|
||||
|
||||
```java
|
||||
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism","12");
|
||||
@ -505,6 +514,6 @@ stream.sequential();
|
||||
|
||||
|
||||
|
||||
## 参考文档
|
||||
## 参考资料
|
||||
|
||||
厄马(Raoul-Gabriel Urma) / 弗斯科(Mario Fusco) / 米克罗夫特(Alan Mycroft) .**《Java 8实战》**. 人民邮电出版社 . 2016-04-01
|
||||
@ -1,10 +1,26 @@
|
||||
# Redis 分布式锁
|
||||
|
||||
<nav>
|
||||
<a href="#一实现原理">一、实现原理</a><br/>
|
||||
<a href="#11-基本原理">1.1 基本原理</a><br/>
|
||||
<a href="#12-官方推荐">1.2 官方推荐</a><br/>
|
||||
<a href="#13--延长锁时效">1.3 延长锁时效</a><br/>
|
||||
<a href="#二哨兵模式与分布式锁">二、哨兵模式与分布式锁</a><br/>
|
||||
<a href="#三集群模式与分布式锁">三、集群模式与分布式锁</a><br/>
|
||||
<a href="#31-RedLock-方案">3.1 RedLock 方案</a><br/>
|
||||
<a href="#32-低延迟通讯">3.2 低延迟通讯</a><br/>
|
||||
<a href="#33-持久化与高可用">3.3 持久化与高可用</a><br/>
|
||||
<a href="#四Redisson">四、Redisson</a><br/>
|
||||
<a href="#41-分布式锁">4.1 分布式锁</a><br/>
|
||||
<a href="#42-RedLock">4.2 RedLock</a><br/>
|
||||
<a href="#43-延长锁时效">4.3 延长锁时效</a><br/>
|
||||
</nav>
|
||||
|
||||
## 一、实现原理
|
||||
|
||||
### 1.1 基本原理
|
||||
|
||||
JDK 原生的锁可以让不同**线程**之间以互斥的方式来访问共享资源，但如果想要在不同**进程**之间以互斥的方式来访问共享资源，JDK 原生的锁就无能为力。此时可以使用 Redis 或 Zookeeper 来实现分布式锁。
|
||||
JDK 原生的锁可以让不同**线程**之间以互斥的方式来访问共享资源，但如果想要在不同**进程**之间以互斥的方式来访问共享资源，JDK 原生的锁就无能为力了。此时可以使用 Redis 来实现分布式锁。
|
||||
|
||||
Redis 实现分布式锁的核心命令如下：
|
||||
|
||||
@ -12,7 +28,9 @@ Redis 实现分布式锁的核心命令如下：
|
||||
SETNX key value
|
||||
```
|
||||
|
||||
SETNX 命令的作用是如果指定的 key 不存在，则创建并将为其设置值，此时返回状态码为 1，否则为 0。如果状态码为 1，代表获得该锁；此时其他进程再次尝试创建时，都回返回 0 ，代表锁已经被占用。当获得锁的进程处理完成业务后，再通过 `del` 命令将该 key 删除，其他进程就可以再次竞争性地进行创建，获得该锁。
|
||||
SETNX 命令的作用是：如果指定的 key 不存在，则创建并为其设置值，然后返回状态码 1；如果指定的 key 存在，则直接返回 0。如果返回值为 1，代表获得该锁；此时其他进程再次尝试创建时，由于 key 已经存在，则都会返回 0 ，代表锁已经被占用。
|
||||
|
||||
当获得锁的进程处理完成业务后，再通过 `del` 命令将该 key 删除，其他进程就可以再次竞争性地进行创建，获得该锁。
|
||||
|
||||
通常为了避免死锁，我们会为锁设置一个超时时间，在 Redis 中可以通过 `expire` 命令来进行实现：
|
||||
|
||||
@ -44,8 +62,8 @@ SET key value [EX seconds|PX milliseconds] [NX|XX] [KEEPTTL]
|
||||
|
||||
- **EX** ：设置超时时间，单位是秒；
|
||||
- **PX** ：设置超时时间，单位是毫秒；
|
||||
- **NX** ：当且仅当对应的 Key 不存在时候才进行设置；
|
||||
- **XX**：当且仅当对应的 Key 不存在时候才进行设置。
|
||||
- **NX** ：当且仅当对应的 Key 不存在时才进行设置；
|
||||
- **XX**：当且仅当对应的 Key 存在时才进行设置。
|
||||
|
||||
这四个参数从 Redis 2.6.12 版本开始支持，因为当前大多数在用的 Redis 都已经高于这个版本，所以推荐直接使用该命令来实现分布式锁。对应的 Jedis 代码如下：
|
||||
|
||||
@ -53,12 +71,13 @@ SET key value [EX seconds|PX milliseconds] [NX|XX] [KEEPTTL]
|
||||
jedis.set("lockKey", "lockValue", SetParams.setParams().nx().ex(3));
|
||||
```
|
||||
|
||||
此时一条命令就可以完成值和超时时间的设置，并且因为只有一条命令，因此其原子性也得到了保证。但因为引入了超时时间来避免死锁，同时也存在了两个其他问题：
|
||||
此时一条命令就可以完成值和超时时间的设置，并且因为只有一条命令，因此其原子性也得到了保证。但因为引入了超时时间来避免死锁，同时也引出了其它两个问题：
|
||||
|
||||
|
||||
<div align="center"> <img src="../pictures/redis_分布式锁原理.png"/> </div>
|
||||
|
||||
+ **问题一**：当业务处理的时间超过过期时间后，由于锁已经被释放，此时其他进程就可以获得该锁，这意味着同时有两个进程进入了临界区，此时分布式锁就失效了；
|
||||
+ **问题二**：如上图所示，当进程 A 业务处理完成后，此时删除的是进程 B 的锁，进而导致分布式锁又一次失效，进程 B 和 进程 C 同时进入了临界区。
|
||||
|
||||
+ **问题一**：当业务处理的时间超过过期时间后（图中进程 A），由于锁已经被释放，此时其他进程就可以获得该锁（图中进程 B），这意味着有两个进程（A 和 B）同时进入了临界区，此时分布式锁就失效了；
|
||||
+ **问题二**：如上图所示，当进程 A 业务处理完成后，此时删除的是进程 B 的锁，进而导致分布式锁又一次失效，让进程 B 和 进程 C 同时进入了临界区。
|
||||
|
||||
针对问题二，我们可以在创建锁时为其指定一个唯一的标识作为 Key 的 Value，这里假设我们采用 `UUID + 线程ID` 来作为唯一标识：
|
||||
|
||||
@ -87,15 +106,15 @@ jedis.eval(script,
|
||||
);
|
||||
```
|
||||
|
||||
接着再看问题一，问题一最简单的解决方法是：你可以估计业务的最大处理时间，然后保证设置的过期时间大于最大处理时间。但是由于业务需要面临各种复杂的情况，因此可能无法保证业务每一次都能在规定的过期时间内处理完成，此时可以使用延长锁时效的策略。
|
||||
接着再看问题一，问题一最简单的解决方法是：你可以估计业务的最大处理时间，然后保证设置的过期时间大于最大处理时间。但是由于业务会面临各种复杂的情况，因此可能无法保证业务每一次都能在规定的过期时间内处理完成，此时可以使用延长锁时效的策略。
|
||||
|
||||
### 1.3 延长锁时效
|
||||
|
||||
延长锁时效的方案如下：假设锁超时时间是 30 秒，此时程序需要每隔一段时间去扫描一下该锁是否还存在，扫描时间需要小于超时时间，通常可以设置为超时时间的 1/3，在这里也就是 10 秒扫描一次。如果锁还存在，则重置其超时时间恢复到 30 秒。通过这种方案，只要业务还没有处理完成，锁就会一直有效；而当业务一旦处理完成，程序也会马上删除该锁。
|
||||
|
||||
Redis 的 Java 客户端 Redisson 提供的分布式锁就支持延长锁时效的机制，称为 WatchDog，直译过来就是 “看门狗” 机制。
|
||||
Redis 的 Java 客户端 Redisson 提供的分布式锁就支持类似的延长锁时效的策略，称为 WatchDog，直译过来就是 “看门狗” 机制。
|
||||
|
||||
以上讨论的都是单机环境下的 Redis 分布式锁，而想要保证 Redis 分布式锁是高可用，首先 Redis 得是高可用的，Redis 的高可用模式主要有两种：哨兵模式和集群模式。
|
||||
以上讨论的都是单机环境下的 Redis 分布式锁，而想要保证 Redis 分布式锁是高可用，首先 Redis 得是高可用的，Redis 的高可用模式主要有两种：哨兵模式和集群模式。以下分别进行讨论：
|
||||
|
||||
|
||||
|
||||
@ -117,38 +136,38 @@ Redis 的 Java 客户端 Redisson 提供的分布式锁就支持延长锁时效
|
||||
想要在集群模式下实现分布式锁，Redis 提供了一种称为 RedLock 的方案，假设我们有 N 个 Redis 实例，此时客户端的执行过程如下：
|
||||
|
||||
+ 以毫秒为单位记录当前的时间，作为开始时间；
|
||||
+ 接着采用和单机版相同的方式，依次尝试在每个实例上创建锁。为了避免客户端长时间与某个故障的 Redis 节点通讯而导致阻塞，这里采用快速轮询的方式：假设创建锁时设置的超时时间为 10 秒，则访问每个 Redis 实例的超时时间可能在 5 到 50 毫秒之间，如果在这个时间内还没有建立通信，则尝试下一个实例；
|
||||
+ 如果在至少 N/2+1 个实例上都成功创建了锁。并且 `当前时间 - 开始时间 < 锁的超时时间` ，则认为已经获取了锁，锁的有效时间等于 `超时时间 - 花费时间`（如果考虑到不同 Redis 实例所在的服务器存在时钟漂移，则还需要减去时钟漂移）；
|
||||
+ 接着采用和单机版相同的方式，依次尝试在每个实例上创建锁。为了避免客户端长时间与某个故障的 Redis 节点通讯而导致阻塞，这里采用快速轮询的方式：假设创建锁时设置的超时时间为 10 秒，则访问每个 Redis 实例的超时时间可能在 5 到 50 毫秒之间，如果在这个时间内还没有建立通信，则尝试连接下一个实例；
|
||||
+ 如果在至少 N/2+1 个实例上都成功创建了锁。并且 `当前时间 - 开始时间 < 锁的超时时间` ，则认为已经获取了锁，锁的有效时间等于 `超时时间 - 花费时间`（如果考虑不同 Redis 实例所在服务器的时钟漂移，则还需要减去时钟漂移）；
|
||||
+ 如果少于 N/2+1 个实例，则认为创建分布式锁失败，此时需要删除这些实例上已创建的锁，以便其他客户端进行创建。
|
||||
+ 该客户端在失败后，可以等待一个随机的时间后，再次进行重试。
|
||||
|
||||
以上就是 RedLock 的实现方案，可以看到主要是由客户端来实现的，并不真正涉及到 Redis 集群相关的功能。因此这里的 N 个 Redis 实例并不要求是一个真正的 Redis 集群，它们彼此之间可以是完全独立的，但由于只需要半数节点获得锁就能真正获得锁，因此对于分布式锁功能而言，其仍然是高可用的。后面使用 Redisson 来演示 RedLock 时会再次验证这一点。
|
||||
以上就是 RedLock 的实现方案，可以看到主要是由客户端来实现的，并不真正涉及到 Redis 集群相关的功能。因此这里的 N 个 Redis 实例并不要求是一个真正的 Redis 集群，它们彼此之间可以是完全独立的，但由于只需要半数节点获得锁就能真正获得锁，因此其仍然具备容错性和高可用性。后面使用 Redisson 来演示 RedLock 时会再次验证这一点。
|
||||
|
||||
|
||||
|
||||
### 3.2 低延迟通讯和多路复用
|
||||
### 3.2 低延迟通讯
|
||||
|
||||
实现 RedLock 方案的客户端与所有 Redis 实例进行通讯时，必须要保证低延迟，而且最好能使用多路复用技术来保证一次性将 SET 命令发送到所有 Redis 节点上，并获取到对应的执行结果。假设网络延迟高，此时客户端 A 和 B 分别尝试创建锁：
|
||||
另外实现 RedLock 方案的客户端与所有 Redis 实例进行通讯时，必须要保证低延迟，而且最好能使用多路复用技术来保证一次性将 SET 命令发送到所有 Redis 节点上，并获取到对应的执行结果。如果网络延迟较高，假设客户端 A 和 B 都在尝试创建锁：
|
||||
|
||||
```shell
|
||||
SET key 随机数A EX 3 NX #A客户端
|
||||
SET key 随机数B EX 3 NX #B客户端
|
||||
```
|
||||
|
||||
假设客户端 A 在一半节点上创建了锁，而客户端 B 在另外一半节点上创建了锁，此时两个客户端都无法获取到锁。如果并发很高，则可能存在多个客户端分别在部分节点上创建了锁，而没有一个客户端的数量超过 N/2+1。这也就是上面过程的最后一步中，强调一旦客户端失败后，需要等待一个随机时间后再进行重试的原因，如果是一个固定时间，则所有失败的客户端又同时发起重试，情况就还是一样。
|
||||
此时可能客户端 A 在一半节点上创建了锁，而客户端 B 在另外一半节点上创建了锁，那么两个客户端都将无法获取到锁。如果并发很高，则可能存在多个客户端分别在部分节点上创建了锁，而没有一个客户端的数量超过 N/2+1。这也就是上面过程的最后一步中，强调一旦客户端失败后，需要等待一个随机时间后再进行重试的原因，如果是一个固定时间，则所有失败的客户端又同时发起重试，情况就还是一样。
|
||||
|
||||
因此最佳的实现就是客户端的 SET 命令能几乎同时到达所有节点，并几乎同时接受到所有执行结果。 想要保证这一点，低延迟的网络通信极为关键，下文介绍的 Redisson 就采用 Netty 来实现了这一功能。
|
||||
因此最佳的实现就是客户端的 SET 命令能几乎同时到达所有节点，并几乎同时接受到所有执行结果。 想要保证这一点，低延迟的网络通信极为关键，下文介绍的 Redisson 就采用 Netty 框架来保证这一功能的实现。
|
||||
|
||||
|
||||
|
||||
### 3.3 持久化与高可用
|
||||
|
||||
为了保证高可用，所有 Redis 节点都需要开启持久化。假设不开启持久化，假设进程 A 获得锁后正在处理业务逻辑，此时节点宕机重启，因为锁数据丢失了，其他进程便可以再次获得该锁，因此所有 Redis 节点都需要开启 AOF 持久化方式。
|
||||
为了保证高可用，所有 Redis 节点还需要开启持久化。假设不开启持久化，假设进程 A 获得锁后正在处理业务逻辑，此时节点宕机重启，因为锁数据丢失了，其他进程便可以再次创建该锁，因此所有 Redis 节点都需要开启 AOF 的持久化方式。
|
||||
|
||||
AOF 默认的同步机制为 `everysec`，即每秒进程一次持久化，此时能够兼顾性能与数据安全，发生意外宕机的时，最多会丢失一秒的数据。但如果碰巧就是在这一秒的时间内进程 A 创建了锁，此时其他进程也可以获得该锁，锁的互斥性也就失效了。要解决这个问题有两种方式：
|
||||
AOF 默认的同步机制为 `everysec`，即每秒进程一次持久化，此时能够兼顾性能与数据安全，发生意外宕机的时，最多会丢失一秒的数据。但如果碰巧就是在这一秒的时间内进程 A 创建了锁，并由于宕机而导致数据丢失。此时其他进程还可以创建该锁，锁的互斥性也就失效了。想要解决这个问题有两种方式：
|
||||
|
||||
+ **方式一**：修改 Redis.conf 中 `appendfsync` 的值为 always，即每次命令后都进行持久化，此时降低了 Redis 性能，进而也会降低了分布式锁的性能，但锁的互斥性得到了绝对的保证；
|
||||
+ **方式二**：一旦节点宕机了，等到锁的超时时间过了之后才进行重启，此时相当于原有锁自然失效（你需要保证业务在自己设定的超时时间内能完成），这种方案称为延时重启。
|
||||
+ **方式一**：修改 Redis.conf 中 `appendfsync` 的值为 `always`，即每次命令后都进行持久化，此时会降低 Redis 性能，进而也会降低分布式锁的性能，但锁的互斥性得到了绝对的保证；
|
||||
+ **方式二**：一旦节点宕机了，需要等到锁的超时时间过了之后才进行重启，此时相当于原有锁自然失效（但你首先需要保证业务能在设定的超时时间内完成），这种方案也称为延时重启。
|
||||
|
||||
|
||||
|
||||
@ -187,9 +206,10 @@ redissonClient.shutdown();
|
||||
|
||||
此时对应在 Redis 中的数据结构如下：
|
||||
|
||||
|
||||
<div align="center"> <img src="../pictures/redis_分布式锁_cli1.png"/> </div>
|
||||
|
||||
可以看到 key 就是代码中设置的锁名，而 value 值的类型是 hash，其中键 `9280e909-c86b-43ec-b11d-6e5a7745e2e9:13` 的格式为 `UUID + 线程ID`，键对应的值为 1，代表加锁的次数。之所以要采用 hash 这种格式，主要是因为 Redisson 创建的锁是具有重入性的，即你可以多次进行加锁：
|
||||
|
||||
可以看到 key 就是代码中设置的锁名，而 value 值的类型是 hash，其中键 `9280e909-c86b-43ec-b11d-6e5a7745e2e9:13` 的格式为 `UUID + 线程ID` ；键对应的值为 1，代表加锁的次数。之所以要采用 hash 这种格式，主要是因为 Redisson 创建的锁是具有重入性的，即你可以多次进行加锁：
|
||||
|
||||
```java
|
||||
boolean isLock1 = lock.tryLock(0, 30, TimeUnit.SECONDS);
|
||||
@ -198,9 +218,10 @@ boolean isLock2 = lock.tryLock(0, 30, TimeUnit.SECONDS);
|
||||
|
||||
此时对应的值就会变成 2，代表加了两次锁：
|
||||
|
||||
|
||||
<div align="center"> <img src="../pictures/redis_分布式锁_cli2.png"/> </div>
|
||||
|
||||
当然和其他重入锁一样，需要保证加锁的次数和解锁的次数一样，才能完全解锁：
|
||||
|
||||
当然和其他重入锁一样，需要保证解锁的次数和加锁的次数一样，才能完全解锁：
|
||||
|
||||
```java
|
||||
lock.unlock();
|
||||
@ -263,7 +284,8 @@ redissonClient03.shutdown();
|
||||
|
||||
此时每个 Redis 实例上锁的情况如下：
|
||||
|
||||
|
||||
<div align="center"> <img src="../pictures/redis_分布式锁_cli3.png"/> </div>
|
||||
|
||||
|
||||
可以看到每个实例上都获得了锁。
|
||||
|
||||
@ -298,7 +320,7 @@ try {
|
||||
redissonClient.shutdown();
|
||||
```
|
||||
|
||||
这里我们通过 `config.setLockWatchdogTimeout(30 * 1000)` 将 lockWatchdogTimeout 的值设置为 30000 毫秒（默认值也是 30000 毫秒）。lockWatchdogTimeout 只会对那些没有设置锁超时时间的锁生效，所以我们这里调用的是两个参数的 `tryLock()` 方法：
|
||||
首先 Redisson 的 WatchDog 机制只会对那些没有设置锁超时时间的锁生效，所以我们这里调用的是两个参数的 `tryLock()` 方法：
|
||||
|
||||
```java
|
||||
boolean tryLock(long time, TimeUnit unit) throws InterruptedException;
|
||||
@ -310,9 +332,9 @@ boolean tryLock(long time, TimeUnit unit) throws InterruptedException;
|
||||
boolean tryLock(long waitTime, long leaseTime, TimeUnit unit) throws InterruptedException;
|
||||
```
|
||||
|
||||
Redisson 的 WatchDog 机制会以 lockWatchdogTimeout 的 1/3 时长为周期（在这里就是 10 秒）对所有未设置超时时间的锁进行检查，如果业务尚未处理完成（也就是锁还没有被程序主动删除），Redisson 就会将锁的超时时间重置为 lockWatchdogTimeout 指定的值（在这里就是设置的 30 秒），直到锁被程序主动删除。因此在上面的例子中可以看到，不论将模拟业务的睡眠时间设置为多长，其锁都会存在一定的剩余生存时间，直至业务处理完成。
|
||||
其次我们通过 `config.setLockWatchdogTimeout(30 * 1000)` 将 lockWatchdogTimeout 的值设置为 30000 毫秒（默认值也是 30000 毫秒）。此时 Redisson 的 WatchDog 机制会以 lockWatchdogTimeout 的 1/3 时长为周期（在这里就是 10 秒）对所有未设置超时时间的锁进行检查，如果业务尚未处理完成（也就是锁还没有被程序主动删除），Redisson 就会将锁的超时时间重置为 lockWatchdogTimeout 指定的值（在这里就是设置的 30 秒），直到锁被程序主动删除位置。因此在上面的例子中可以看到，不论将模拟业务的睡眠时间设置为多长，其锁都会存在一定的剩余生存时间，直至业务处理完成。
|
||||
|
||||
反之，如果明确的指定了锁的超时时间 leaseTime，则以 leaseTime 的时间为准，WatchDog 机制对明确指定超时时间的锁不会生效。
|
||||
反之，如果明确的指定了锁的超时时间 leaseTime，则以 leaseTime 的时间为准，因为 WatchDog 机制对明确指定超时时间的锁不会生效。
|
||||
|
||||
|
||||
|
||||
|
||||
@ -1,43 +1,64 @@
|
||||
# ZooKeeper 分布式锁原理
|
||||
|
||||
<nav>
|
||||
<a href="#一实现原理">一、实现原理</a><br/>
|
||||
<a href="#11-临时节点方案">1.1 临时节点方案</a><br/>
|
||||
<a href="#12-临时有序节点方案">1.2 临时有序节点方案</a><br/>
|
||||
<a href="#13-读写锁">1.3 读写锁</a><br/>
|
||||
<a href="#二-Apache-Curator">二、 Apache Curator</a><br/>
|
||||
<a href="#21-基本使用">2.1 基本使用</a><br/>
|
||||
<a href="#22-源码解析">2.2 源码解析</a><br/>
|
||||
</nav>
|
||||
|
||||
|
||||
## 一、实现原理
|
||||
|
||||
JDK 原生的锁可以让不同**线程**之间以互斥的方式来访问共享资源，但如果想要在不同**进程**之间以互斥的方式来访问共享资源，JDK 原生的锁就无能为力。此时可以使用 Redis 或 Zookeeper 来实现分布式锁。
|
||||
JDK 原生的锁可以让不同**线程**之间以互斥的方式来访问共享资源，但如果想要在不同**进程**之间以互斥的方式来访问共享资源，JDK 原生的锁就无能为力了。此时可以使用 Zookeeper 来实现分布式锁。具体分为以下两种方案：
|
||||
|
||||
### 1.1 临时节点方案
|
||||
|
||||
|
||||
<div align="center"> <img src="../pictures/zookeeper_分布式锁_临时节点方法.png"/> </div>
|
||||
|
||||
|
||||
临时节点方案的原理如下：
|
||||
|
||||
+ 让多个进程（或线程）竞争性地去创建同一个临时节点，由于 ZooKeeper 不允许存在两个完全相同节点，因此必然只有一个进程能够抢先够创建成功 ；
|
||||
+ 假设进程 A 成功创建，则它获得了该分布式锁。此时其他进程需要在 parent_node 上注册监听，监听其下所有子节点的变化，并挂起当前线程；
|
||||
+ 让多个进程（或线程）竞争性地去创建同一个临时节点，由于 ZooKeeper 不允许存在两个完全相同节点，因此必然只有一个进程能够抢先创建成功 ；
|
||||
+ 假设是进程 A 成功创建了节点，则它获得该分布式锁。此时其他进程需要在 parent_node 上注册监听，监听其下所有子节点的变化，并挂起当前线程；
|
||||
+ 当 parent_node 下有子节点发生变化时候，它会通知所有在其上注册了监听的进程。这些进程需要判断是否是对应的锁节点上的删除事件。如果是，则让挂起的线程继续执行，并尝试再次获取锁。
|
||||
|
||||
这里之所以使用临时节点是为了避免死锁：进程 A 正常执行完业务逻辑后，会主动地去删除该节点，释放锁。但如果进程 A 意外宕机了，由于声明的是临时节点，因此该节点也会被移除，从而避免死锁。
|
||||
这里之所以使用临时节点是为了避免死锁：进程 A 正常执行完业务逻辑后，会主动地去删除该节点，释放锁。但如果进程 A 意外宕机了，由于声明的是临时节点，因此该节点也会被移除，进而避免死锁。
|
||||
|
||||
临时节点方案的实现比较简单，但是其缺点也比较明显：
|
||||
|
||||
+ **缺点一**：当 parent_node 下其他锁变动或者被删除时，进程 B，C，D 也会收到通知，但是显然它们并不关心其他锁的释放情况。如果 parent_node 下存在大量的锁，并且程序处于高并发状态下，则 ZooKeeper 集群就需要频繁地通知客户端进程，这会带来大量的网络开销；
|
||||
+ **缺点一**：当 parent_node 下其他锁变动或者被删除时，进程 B，C，D 也会收到通知，但是显然它们并不关心其他锁的释放情况。如果 parent_node 下存在大量的锁，并且程序处于高并发状态下，则 ZooKeeper 集群就需要频繁地通知客户端，这会带来大量的网络开销；
|
||||
+ **缺点二**：采用临时节点方案创建的锁是非公平的，也就是说在进程 A 释放锁后，进程 B，C，D 发起重试的顺序与其收到通知的时间有关，而与其第一次尝试获取锁的时间无关，即与等待时间的长短无关。
|
||||
|
||||
当程序并发量不高时，可以采用该方案来实现，因为其实现比较简单。而如果程序并发量很高，则需要采用下面的临时有序节点方案：
|
||||
|
||||
### 1.2 临时有序节点方案
|
||||
|
||||
|
||||
<div align="center"> <img src="../pictures/zookeeper_分布式锁_临时有序节点方案.png"/> </div>
|
||||
|
||||
|
||||
采用临时有序节点时，对应的流程如下：
|
||||
|
||||
+ 每个进程（或线程）都会尝试在 parent_node 下创建临时有序节点，根据临时有序节点的特性，所有的进程都会创建成功；
|
||||
+ 然后每个进程需要获取 parent_node 下该锁的所有临时节点的信息，并判断自己是否是最小的一个节点，如果是，则代表获得该锁；
|
||||
+ 然后每个进程需要获取当前 parent_node 下该锁的所有临时节点的信息，并判断自己是否是最小的一个节点，如果是，则代表获得该锁；
|
||||
+ 如果不是，则挂起当前线程。并对其前一个节点注册监听（这里可以通过 exists 方法传入需要触发 Watch 事件）；
|
||||
+ 如上图所示，当进程 A 处理完成后，会触发进程 B 注册的 Watch 事件，此时进程 B 就知道自己获得了锁，从而可以将挂起的线程继续，开始业务的处理。
|
||||
+ 如上图所示，当进程 A 处理完成后，会触发进程 B 注册的 Watch 事件，此时进程 B 就知道自己获得了锁，从而可以将挂起的线程继续，并开始业务的处理。
|
||||
|
||||
这里需要注意的是：如果进程 B 创建了临时节点，并且通过比较后知道自己不是最小的一个节点，但还没有注册监听；而此时 A 进程恰好处理完成并删除了 01 节点，此时调用 exist 方法时会抛出 IllegalArgumentException 异常。这虽然是一个异常，但是却代表进程 B 获得了锁，因此进程 B 可以开始执行业务逻辑。
|
||||
这里需要注意的是一种特殊的情况，其过程如下：
|
||||
|
||||
临时有序节点方案正好解决了临时节点方案的两个缺点：
|
||||
+ 如果进程 B 创建了临时节点，并且通过比较后知道自己不是最小的一个节点，但还没有注册监听；
|
||||
+ 而 A 进程此时恰好处理完成并删除了 01 节点；
|
||||
+ 接着进程 B 再调用 exist 方法注册监听就会抛出 IllegalArgumentException 异常。这虽然是一个异常，通常代表前一个节点已经不存在了。
|
||||
|
||||
在这种情况下进程 B 应该再次尝试获取锁，如果获取到锁，则就可以开始业务的处理。下文讲解 Apache Curator 源码时也会再次说明这一点。
|
||||
|
||||
通过上面对的介绍，可以看出来临时有序节点方案正好解决了临时节点方案的两个缺点：
|
||||
|
||||
+ 每个临时有序节点只需要关心它的上一个节点，而不需要关心其他的额外节点和额外事件；
|
||||
+ 实现的锁是公平的，先到达的进程创建的临时有序节点的值越小，能更快地获得锁。
|
||||
+ 实现的锁是公平的，先到达的进程创建的临时有序节点的值越小，因此能更快地获得锁。
|
||||
|
||||
临时有序节点方案的另外一个优点是其能够实现共享锁，比如读写锁中的读锁。
|
||||
|
||||
@ -48,7 +69,8 @@ JDK 原生的锁可以让不同**线程**之间以互斥的方式来访问共享
|
||||
+ 对于读锁节点而言，其只需要关心前一个写锁节点的释放。如果前一个写锁释放了，则多个读锁节点对应的线程可以并发地读取数据；
|
||||
+ 对于写锁节点而言，其只需要关心前一个节点的释放，而不需要关心前一个节点是写锁节点还是读锁节点。因为为了保证有序性，写操作必须要等待前面的读操作或者写操作执行完成。
|
||||
|
||||
|
||||
<div align="center"> <img src="../pictures/zookeeper_分布式读写锁.png"/> </div>
|
||||
|
||||
|
||||
|
||||
|
||||
@ -56,7 +78,27 @@ JDK 原生的锁可以让不同**线程**之间以互斥的方式来访问共享
|
||||
|
||||
### 2.1 基本使用
|
||||
|
||||
Apache Curator 是 ZooKeeper 的 Java 客户端，它基于临时有序节点方案实现了分布式锁、分布式读写锁等功能。基本使用如下：
|
||||
Apache Curator 是 ZooKeeper 的 Java 客户端，它基于临时有序节点方案实现了分布式锁、分布式读写锁等功能。使用前需要先导入 Apache Curator 和 ZooKeeper 相关的依赖，并保证 ZooKeeper 版本与服务器上 ZooKeeper 的版本一致：
|
||||
|
||||
```xml
|
||||
<dependency>
|
||||
<groupId>org.apache.curator</groupId>
|
||||
<artifactId>curator-framework</artifactId>
|
||||
<version>4.3.0</version>
|
||||
</dependency>
|
||||
<dependency>
|
||||
<groupId>org.apache.curator</groupId>
|
||||
<artifactId>curator-recipes</artifactId>
|
||||
<version>4.3.0</version>
|
||||
</dependency>
|
||||
<dependency>
|
||||
<groupId>org.apache.zookeeper</groupId>
|
||||
<artifactId>zookeeper</artifactId>
|
||||
<version>3.4.14</version>
|
||||
</dependency>
|
||||
```
|
||||
|
||||
基本使用如下：
|
||||
|
||||
```java
|
||||
RetryPolicy retryPolicy = new RetryNTimes(3, 5000);
|
||||
@ -81,31 +123,12 @@ if (lock.acquire(10, TimeUnit.SECONDS)) {
|
||||
client.close();
|
||||
```
|
||||
|
||||
这里需要事先导入 Apache Curator 和 ZooKeeper 相关的依赖，并保证 ZooKeeper 版本与服务器上 ZooKeeper 的版本一致：
|
||||
之后就可以启动多个程序进程来进行测试，此时 ZooKeeper 上的数据结构如下：
|
||||
|
||||
```xml
|
||||
<dependency>
|
||||
<groupId>org.apache.curator</groupId>
|
||||
<artifactId>curator-framework</artifactId>
|
||||
<version>4.3.0</version>
|
||||
</dependency>
|
||||
<dependency>
|
||||
<groupId>org.apache.curator</groupId>
|
||||
<artifactId>curator-recipes</artifactId>
|
||||
<version>4.3.0</version>
|
||||
</dependency>
|
||||
<dependency>
|
||||
<groupId>org.apache.zookeeper</groupId>
|
||||
<artifactId>zookeeper</artifactId>
|
||||
<version>3.4.14</version>
|
||||
</dependency>
|
||||
```
|
||||
<div align="center"> <img src="../pictures/zookeeper_分布式锁_cli.png"/> </div>
|
||||
|
||||
之后就可以启动多个程序进程来进程测试，ZooKeeper 上的数据结构如下：
|
||||
|
||||
|
||||
|
||||
在我们指定的路径下，会依次创建多个临时有序节点，而当业务逻辑处理完成后，这些节点就会被移除。这里我们使用的是单机版本的 ZooKeeper ，而集群环境下也是一样，和 Redis 主从模式下的延迟复制会导致数据不一致的情况不同，ZooKeeper 各个节点上的数据一致性可以由其自身来进行保证。
|
||||
在我们指定的路径下，会依次创建多个临时有序节点，而当业务逻辑处理完成后，这些节点就会被移除。这里我们使用的是单机版本的 ZooKeeper ，而集群环境下也是一样，和 Redis 主从模式下的延迟复制会导致数据不一致的情况不同，ZooKeeper 集群各个节点上的数据一致性可以由其自身来进行保证。
|
||||
|
||||
|
||||
|
||||
@ -115,7 +138,7 @@ Apache Curator 底层采用的是临时有序节点的实现方案，下面我
|
||||
|
||||
#### 1. 获取锁源码解析
|
||||
|
||||
上面最核心的获取锁的方法 `acquire()` ，其定义如下：
|
||||
上面最核心的方法是获取锁的 `acquire()` 方法 ，其定义如下：
|
||||
|
||||
```java
|
||||
@Override
|
||||
@ -124,7 +147,7 @@ public boolean acquire(long time, TimeUnit unit) throws Exception{
|
||||
}
|
||||
```
|
||||
|
||||
它在内部调用了 `internalLock()` 方法：
|
||||
可以看到，它在内部调用了 `internalLock()` 方法，internalLock 方法的源码如下：
|
||||
|
||||
```java
|
||||
// threadData是一个线程安全的Map，其中Thread是持有锁的线程,LockData是锁数据
|
||||
@ -151,7 +174,7 @@ private boolean internalLock(long time, TimeUnit unit) throws Exception{
|
||||
}
|
||||
```
|
||||
|
||||
这里面真正去尝试创建锁的方法是 `attemptLock()`：
|
||||
上面真正去尝试获取锁的方法是 `attemptLock()`：
|
||||
|
||||
```java
|
||||
String attemptLock(long time, TimeUnit unit, byte[] lockNodeBytes) throws Exception{
|
||||
@ -212,7 +235,7 @@ public String createsTheLock(CuratorFramework client, String path, byte[] lockNo
|
||||
}
|
||||
```
|
||||
|
||||
这里创建好的临时节点的路径会作为参数传递给 `internalLockLoop()` 方法。在文章开头介绍原理时候，我们说过每个线程创建好临时有序节点后，还需要判断它所创建的临时有序节点是否是当前最小的节点，`internalLockLoop()` 方法主要做的就是这事：
|
||||
这里返回的临时有序节点的路径会作为参数传递给 `internalLockLoop()` 方法。在文章开头介绍原理时，我们说过每个线程创建好临时有序节点后，还需要判断它所创建的临时有序节点是否是当前最小的节点，`internalLockLoop()` 方法主要做的就是这事：
|
||||
|
||||
```java
|
||||
private boolean internalLockLoop ( long startMillis, Long millisToWait, String ourPath) throws Exception {
|
||||
@ -232,7 +255,7 @@ private boolean internalLockLoop ( long startMillis, Long millisToWait, String o
|
||||
// 判断当前节点是否是最小的一个节点
|
||||
PredicateResults predicateResults = driver.
|
||||
getsTheLock(client, children, sequenceNodeName, maxLeases);
|
||||
// 如果当前节点就是最小的一个节点（排他锁情况），则此时就获得了锁
|
||||
// 如果当前节点是最小的一个节点（排他锁情况），则此时就获得了锁
|
||||
if (predicateResults.getsTheLock()) {
|
||||
haveTheLock = true;
|
||||
} else {
|
||||
@ -253,7 +276,7 @@ private boolean internalLockLoop ( long startMillis, Long millisToWait, String o
|
||||
doDelete = true;
|
||||
break;
|
||||
}
|
||||
// 如果还有剩余时间，则等待获取锁
|
||||
// 如果还有剩余时间，则在剩余时间内继续等待获取锁
|
||||
wait(millisToWait);
|
||||
} else {
|
||||
// 如果没有设置等待时间，则持续等待获取锁
|
||||
@ -271,7 +294,7 @@ private boolean internalLockLoop ( long startMillis, Long millisToWait, String o
|
||||
doDelete = true;
|
||||
throw e;
|
||||
} finally {
|
||||
// 如果抛出了异常或者超时了，都删除掉上一个方法createsTheLock创建的临时有序节点，以便后面的进程进行锁的获取
|
||||
// 如果抛出了异常或者超时，则代表该进程创建的锁无效，需要将已创建的锁删除。以便后面的进程继续尝试创建锁
|
||||
if (doDelete) {
|
||||
deleteOurPath(ourPath);
|
||||
}
|
||||
@ -286,14 +309,14 @@ private boolean internalLockLoop ( long startMillis, Long millisToWait, String o
|
||||
PredicateResults predicateResults = driver.getsTheLock(client, children, sequenceNodeName, maxLeases);
|
||||
```
|
||||
|
||||
和上文介绍的一样，判断当前节点是否是持有锁的节点，在不同锁类型（如读写锁和互斥锁）的判断是不同的，因此 getsTheLock 方法有着不同的实现。这里以StandardLockInternalsDriver 为例，它使用的是互斥锁的判断规则：只要当前节点是最小的一个节点，就能持有锁：
|
||||
和上文介绍的一样，判断当前节点是否是持有锁的节点，在不同锁类型（如读写锁和互斥锁）的判断是不同的，因此 getsTheLock 方法有着不同的实现。这里以StandardLockInternalsDriver 为例，它使用的是互斥锁的判断规则：即只要当前节点是最小的一个节点，就能持有锁：
|
||||
|
||||
```java
|
||||
public PredicateResults getsTheLock(CuratorFramework client, List<String> children,
|
||||
String sequenceNodeName, int maxLeases) throws Exception {
|
||||
// 获取当前节点在已经排好序的节点中的下标index
|
||||
int ourIndex = children.indexOf(sequenceNodeName);
|
||||
// 如果ourIndexx小于0，则抛出NoNodeException的异常
|
||||
// 如果ourIndex小于0，则抛出NoNodeException的异常
|
||||
validateOurIndex(sequenceNodeName, ourIndex);
|
||||
// 如果ourIndex小于maxLeases(默认值是1)，则代表它就是0，也就是从小到大排好序的集合中的第一个，也就是最小的一个
|
||||
boolean getsTheLock = ourIndex < maxLeases;
|
||||
@ -303,7 +326,7 @@ PredicateResults predicateResults = driver.getsTheLock(client, children, sequenc
|
||||
}
|
||||
```
|
||||
|
||||
这里解释一下 maxLease 这个参数的意义：默认值为 1，就是互斥锁；如果默认值大于 1，假设 maxLease 的值是 5，则前 5 个临时有序节点都可以认为是能持有锁的节点，此时最多可以有 5 个线程并发访问临界区， 在功能上类似于 Java 中Semaphore（信号量）机制 。
|
||||
这里解释一下 maxLease 这个参数的意义：默认值为 1，就是互斥锁；如果默认值大于 1，假设 maxLease 的值是 5，则最小的 5 个临时有序节点都可以认为是能持有锁的节点，此时最多可以有 5 个线程并发访问临界区， 在功能上类似于 Java 中Semaphore（信号量）机制 。
|
||||
|
||||
|
||||
|
||||
@ -330,7 +353,7 @@ public void release() throws Exception {
|
||||
throw new IllegalMonitorStateException("Lock count has gone negative for lock: " + basePath);
|
||||
}
|
||||
try {
|
||||
// 如果到达这一步，则说明计数器的值正好等于0，此时可以真正将节点删除，释放锁
|
||||
// 如果到达这一步，则说明计数器的值正好等于0，此时可以将节点真正的删除，释放锁
|
||||
internals.releaseLock(lockData.lockPath);
|
||||
} finally {
|
||||
// 将锁信息从threadData移除
|
||||
|
||||
BIN
pictures/cap_示例.png
Normal file
BIN
pictures/cap_示例.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 8.5 KiB |
BIN
pictures/cap理论.jpg
Normal file
BIN
pictures/cap理论.jpg
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 36 KiB |
Loading…
x
Reference in New Issue
Block a user