随着互联网行业的蓬勃发展，应用程序的数据量也越来越大，我们仅仅通过单点数据库架构已经无法满足业务的需要，经常会出现查询缓慢，严重甚至宕机的情况。很多小伙伴可能会想，我们可以对 SQL 语句进行优化、MySQL 数据库优化、甚至采用主从高可用架构是不是就可以解决这个问题了呢？ 答案是否定的，SQL 语句优化以及数据库层级的优化虽然可以加快 SQL 的查询速度，但是无法解决数据库的故障切换问题。那是不是主从高可用架构就可以解决这个问题呢，也不行，主从高可用架构虽然能解决数据库服务器的故障切换功能，但是无法解决数据库压力过大问题…… 那到底应该怎么办呢？使用我们今天要给大家分享的读写分离技术！ 啥是读写分离？所谓的读写分离就是通过代码或第三方数据库中间件对数据的读写操作进行强制分离。写操作分发到主从架构（多主多从）中的所有 Master 主服务器（可以实现故障自动切换），读操作分发到主从架构中的所有的 Slave 从服务器，并实现读操作的负载均衡。 本次 Chat 主要给大家分享内容如下： 1. 为什么需要读写分离 2. 读写分离的目的及底层原理 3. 读写分离的数据库中间件概述 4. 主从配置的几种解决方案介绍（一主一从、一主多从、多主多从） 5. JDK 概述以及 MyCAT 安装 6. MyCAT 配置文件详解 7. MyCAT 主从配置读写分离及高可用实践

我有幸参与了小程序社交电商 TOP5 平台的订单中心从 0 到 1 的建设。该小程序社交电商平台超 6000w+ 用户，日活将近 500w，秒杀活动时，同时在线用户超 45w+。 该订单中心性能指标： * 下单峰值 TPS：5000+ * 响应时间 RT： < 200ms 作为架构负责人，我想以自己的实践经验跟大家分享如何设计一个支持高并发的订单中心。 本文涉及的内容： * 订单中心的服务划分设计 * 完整的下单流程架构设计 * 订单中心核心表如何分库 * 防止库存超卖的方案设计 适合人群：对电商系统、架构设计感兴趣的小伙伴

这里主要是概率论相关的知识，本人大二概率论九十八，也没怎么复习，考前几天才匆匆忙忙去看书，但好在本人数学基础还不错。方法其实很简单，就是把书上的基本概念过一遍，然后做一些比较典型的习题。当时我会去B站看看相关的教学视频，今年寒假回顾下概率论中的知识，下面资料总结于大二学概率论和现在用 Latex 写公式补充，于是想分享在 GitChat 挣点小钱。 下面是部分大纲： - 古典概率 - 随机试验与事件 - 频率与概率 - 概率的性质 - 古典概型 - 条件概率与乘法公式 - 全概率公式和贝叶斯公式 - 全概率公式 - 贝叶斯公式（Bayes） - 独立性 - 离散型随机变量 - 一维连续型随机变量 - 二维连续型随机变量 - 连续型随机变量函数的分布 - 数字特征 适合人群：和我对概率论感兴趣的大学生

**流**是一组有顺序的，有起点和终点的字节集合，是对数据传输的总称或抽象。它的特性是进行数据传输。**流**在我们的日常编程中占有非常重要的作用，比如内存与磁盘内存的连通，网络连接传递消息的实现都必须用到**流**，它就像一根管子一样连通双方进而实现信息交流传递。光听到这些概念就很容易让人一头雾水，本文将以最通俗的说法，并结合程序来带大家感受 IO 流 ，一起探讨 Java 编程中**流**的实现过程和方法。 本 Chat 内容： 1. 熟悉输出/输入流的概念 2. 与**流**相关的方法有哪些，以及如何实现 3. 使用**流**操作硬盘文件的读取/存储/拷贝 4. 网络编程实现服务端和客户端的连接以及 io流 数据传递

你不理财，财不理你。在几千只股票中如何一眼就看中你，靠的不仅仅是缘分，更是你的历史数据以及比其他股票更坚挺的走势。 本文主要分为以下几个方面： 1. 如何获取全部股票信息。 2. 爬取股票的历史信息。 3. 爬取全部股票当天的信息（开盘价格，昨日收盘价格，今日最高价，今日最低价，竞买价，竞卖价，成交的股票数，成交金额，买一到买五的手数及价格，卖一到卖五的手数及价格等等） 本文偏向代码，没有技术上的讲解。接口全部使用免费接口。 1. 全部的建表语句。 2. Controller 层和 Sevice 层的主要代码。 3.近期涨幅较大的股票的共性。 4.近四个季度盈利排名，及形态分析。

弟弟天天吵着要妈妈买玩具，于是我就想着干脆自己做一辆手机 APP 遥控小车给他玩(这难道不是所有大哥哥都应该为弟弟做的事吗！) 硬件包含： 1. 车子底盘（随意买） 2. Esp12f（8266） 3. L298N 电机驱动模块 4. 18650 电池 5. 电机（我这里只用了 2 个） 涉及的内容： 1. PWM（脉冲宽度调制） 2. 8266 连接阿里云 MQTT 服务器 3. MQTT 协议讲解 4. Java 多线程 5. App 的 MQTT 链接 App 用 Android Studio 写的，总体还是比较容易上手的，看完不会你顺着网线过来锤我（狗头），这不给弟弟妹妹来一份吗？

拥有 MySQL 能力，快速 MySQL 部署。 MySQL 集群安装部署看似简单其实里面的道道有一些，常规安装你可能需要照顾的方面比较多，当然这样可以学到很多东西，但是你又想不想快速部署一套集群环境？一个得了的助手（工具）必不可少，这次我分享一个我是如何秒级部署 MySQL 集群。 再多学一点点，这次我们聊聊 MySQL 集群安装部署。 本场 Chat 内容涉及如下： - 揭秘得力助手 - 他能做为你做什么 - 拿下（安装）这个助手 - 快速部署 MySQL 单点 - 快速部署 MySQL 主从 - 快速部署 MySQL MGR - 如何管理你的助手

今日头条可谓是开启了新闻阅读的新大门，强大的推荐系统已经让它吸引了成千上万的用户。同时也吸引了更多的创作者选择发布头条文章来成为一个自媒体创业者。而自媒体创业者要绞尽脑汁的写文章，想创意，做排版是一个非常耗时耗力的过程。作为程序员的我们，可以充分利用技术的优势，从众多的自媒体创业者中脱颖而出。 在本场 Chat 中，会讲到如下内容： - 如何抽丝剥茧分析头条文章发布系统的奥妙 - 如何用 Python 爬取内网系统文章并存储 - 如何用 Python 实现头条文章系统自动登录 - 如何用 Python 实现头条文章的批量发布 - 如何部署机器人每天定时发布头条文章吸粉 **适合人群**：想要从事自媒体创业的程序员，对爬虫、机器人感兴趣的人

拥有 MySQL 能力，打好 MySQL 地基。 随着业务的快速发展，业务高并发，性能要提高，但是如何保证业务的稳定性及数据的可靠性呢？MySQL事务和锁帮你实现。本次我们聊聊MySQL事务和锁，结合并发控制，深入学习事务隔离级别。 再多学一点点，这次我们聊聊数据库事务和锁： - 什么是事务，为什么需要事务 - 用日常细说事务的特性 - MySQL 并发控制技术 - 面试再也不怕被问到的 MVCC - 简单易懂的实例帮你理解 MySQL 事务隔离级别 - MySQL 锁机制（机智） - 聊几个经典死锁案例 - 小技巧——事务保存点帮你读档重闯关 - 小技巧——一个死锁的具体分析方法 - 小技巧——换种思路提高事务能力

责任链，顾名思义，就是用来处理相关事务责任的一条执行链，执行链上有多个节点，每个节点都有机会（条件匹配）处理请求事务，如果某个节点处理完了就可以根据实际业务需求传递给下一个节点继续处理或者返回处理完毕。 责任链常见应用场景有： - 同一请求需要处理多个对象，但具体需要处理哪些请求在运行时动态决定 - 例如 OA 系统中的流程审批，不同流程对应不同的处理对象 对于责任链的实现形式，常见的有： - 节点控制模式：每个节点自由控制是否继续往下传递链的进度，类似于 Netty 中的责任链模式 - 外部调用方式：通过外部调用的方式对链的各个节点调用进行控制，从而实现链的各个节点之间的切换 因此通过责任链模式我们将对系统中各个处理对象**划分边界**，各个对象就是一个处理阶段，通过**自由组合**不同阶段能够快速响应业务需求变化。 上面提到自由组合处理对象，传统的方式就是在代码中实现规定好各个处理对象的顺序，这种方式不能做到对需求的即时响应。因此我们使用阿里开源的 QLExpress 脚本引擎，能够实现动态替换、快速组装各个处理对象。同时基于 QLExpress 的强大，对于处理对象的配置，业务人员也能够简便而不失灵活的进行配置。 在这篇 Chat 中，将会根据实际的业务场景进行提炼，实现一套通用责任链模式进行业务解耦，配合脚本引擎快速响应业务。

拥有 MySQL 能力，打好 MySQL 地基。 你是不是遇到过 MySQL 数据库编码问题，是不是有诸多对 MySQL 字符集的困惑，有没有在使用过程中遇到过各种乱七八糟的乱码问题？ 再多学一点点，这次我们聊聊数据库字符集 本场 Chat 内容涉及如下： - 字符集简介 - 字符集分类与特点 - MySQL 与字符集之间亲密关系 - 字符集编码原理 - 字符集与校对规则分析 - 如何更改 MySQL 字符集 - 字符集最佳实践

大数据计算框架 Flink 实战教程共分为三篇。涵盖 Flink 安装配置、基本原理、核心概念、 流处理 API 和批处理 API、存储及状态一致性、容错机制、实战案例以及面试题讲解等。 本篇为第二篇，主要讲解 Flink 的 API、Window 和 Watermark 机制、状态管理和存储、容错机制、状态一致性等等。 在本场 Chat 中，将会讲到如下类容： 1. FlinkAPI - Environment - Source - Transformation - Sink - Window - Watermark - 分层 API 2. Flink 状态管理 3. Flink 状态后端存储 4. Flink 容错机制 5. Flink 检查点和保存点 6. Flink 状态一致性 **适合人群**：对大数据处理感兴趣、工作中需要使用 Flink 进行大数据处理的技术人员。

线程池，顾名思义就是存放线程的池子，池子中存放了很多可复用的线程。同时作为面试必备考点，大多数面试者对线程池还是停留在一些基础概念上，对其中的关键点及原理理解不到位或者不深刻，这将会为自己的面试大大减分。本篇 Chat 将以 JDK 线程池为背景，从零到一实现自己的线程池，麻雀虽小，五脏俱全。如果对本 Chat 都理解了，再返回去看 JDK 线程池，例如 ThreadPoolExecutor 等源码，将会得心应手。 在本场 Chat 中，将会涉及如下内容： - 基于 Runnable 实现不带返回值的任务 - 基于 Callable 实现带返回值的任务 - 实现任务的异常处理，将线程中的异常能够抛到线程外 - 利用 AtomicXXX 原子类的 CAS 特性并发控制变量的原子操作 - 基于自旋方式从队列中获取任务并执行，实现线程复用机制 - 基于 LockSupport.park/unpark 实现主线程获取任务返回值 - 控制线程数量，做到线程队列良好的伸缩性 - 灵活实现任务拒绝策略

Kafka 是一个分布式的、发布-订阅式消息中间件。最初是由 Linkedin 领英公司基于 Scala 和 Java 语言开发的分布式消息系统，现已捐献给 Apache 软件基金会。事实上 Kafka 不仅仅是一个消息队列（MQ），其已然成为一个开源的分布式流处理平台。Kafka 具有高吞吐、低延迟的特性，许多大数据处理系统比如 Storm、Spark、Flink 等都能很好地与之集成。 在本场 Chat 中，将会讲到如下内容： - Kafka 概述 - Kafka 体系结构 - 分区和主题 - Kafka 文件存储机制 - Kafka 安装与配置 - Kafka 监控管理 - Kafka 生产者消费者脚本 - Kafka 生产者客户端 API - Kafka 消费者客户端 API - Kafka 事务 - Spring Boot 集成 Kafka - Kafka 面试题集锦 **适合人群**：对消息队列感兴趣，在实际开发中需要使用 Kafka 的技术人员

动态代理是代理模式的一种，指在不改动目标对象的基础上，通过一些辅助技术，能够对目标对象实现功能扩展。动态代理的应用场景也是非常广泛，比如常见 Hibernate、Spring、Dubbo 等框架均有运用，因此在了解了常见的动态代理种类及原理后，无疑对这些框架相关部分会理解得更加透彻。同时在面试中，如果能把本文涉及的知识点都讲到，那将会大大增加录用的几率。 在本场 Chat 中，将会涉及如下内容： - 对静态代理回顾，与动态代理本质区别 - JDK 动态代理实现，动态生成代理类源码剖析 - Cglib 代理方式实现，反编译代理类源码剖析 - Javassist 字节码 API 两种情景演示 - 使用 Javassist 动态生成代理类，模拟 JDK 动态代理 - Cglib 底层字节码 ASM 框架介绍

权限管理分为后端权限与前端权限，主要介绍 React 中实现前端权限管理具体方法。 在本场 Chat 中，会讲到如下内容： 1. 动态生成菜单（使用 antd） 2. 动态生成路由（使用 mobx 存储数据） 3. 整个的流程，登录成功，获取数据，进行存储，动态生成菜单与路由的整个过程 采用框架 create-react-app

大数据技术目前十分火热，但是面对种类繁多的开源框架，如何学习才能更高效？面试前如何准备，才能提高简历筛选通过率？面试中如何应对，才能提高面试成功率？ 本文从面试实战中，提炼出大数据开发重要知识点，详细讲解，绝非提纲式阐述，会结合实际场景讲应用、讲原理，绝对干货 本 Chat 包含以下几方面内容： 1. 技能储备 - 大数据项目中，常用的 Java 基础知识，包含 Hashmap、序列化、并发等重点知识 - 大数据项目中，常见的算法数据结构，结合面试真题讲解算法应用、原理 - Hadoop/Hive 必备基础知识，以及考点、面试真题讲解 2. 面试 - JD 识别以及简历准备 - 面试技巧，以及如何与面试官有效沟通

前端面试时，除了考察原生基础之外，还必考 Vue 框架内容，对于求职者是刚需。在这基础上，还会考察能力方面，即项目设计和项目经验，最终才能通过。 掌握一个框架原理的时候，不一定要一行一行去看源码，毕竟太耗时而且枯燥，正确路线应该先通过别人写的博客，或者视频先掌握框架的大体原理，知道大体原理后，看源码才会事半功倍。 文章会把 Vue.js 拆分成多个小模块，讲解模块间的依赖以及调用关系。然后将源码核心部分抽离压缩，各个模块以小 Demo 的形式展现出来，用最少的代码讲解内部实现。掌握了这些模块的核心原理之后，你足可以应对所有的前端 Vue 技术面试。 在本场 Chat 中，会讲到如下内容： * 响应式系统的基本原理 * 响应式系统的依赖收集追踪原理 * 异步更新策略及 nextTick 原理 * 虚拟（Virtual ）DOM 和 Diff 算法 * 数据状态管理 Vuex 工作原理 **适合人群**： 工作 1-3 年的初中级前端工程师，需要修炼内力提升对框架的理解

Zookeeper 是 Apache 软件基金会顶级的开源项目之一，在我们熟知的分布式领域中，Dubbo 就是用它来实现服务注册与发现的，当然在 Kafka 中也有它的影子，主要用它来实现服务器之间的协调、生产者负载均衡、Topic 与 Broker 的注册等等，可见它的作用很强大，但是如果抛开这些开源的项目，让你来设计一个高可用的分布式架构，你可以胜任吗？那还用说？当然可以了！不过前提条件我们得有这方面的技能，所以还是要踏踏实实的去学习它，相信有了 Zookeeper 的介入，你定能会设计出属于自己的分布式应用程序，所以本场 Chat 你值得拥有！ 在本场 Chat 中，会讲到如下内容： - Zookeeper 的核心理念与角色分析。 - 集群的搭建步骤与实操。 - 节点类型与常用命令。 - Zookeeper 的读写流程。 - ZAB协议的分析。 - Leader 挂掉之后的分析。 - 第一个Zookeeper 应用程序的讲解。 - 实现自己的服务注册、发现和负载均衡，掌握注册中心的精髓。 - 实现一个几乎“永不宕机”的 HA 架构。 - 分布式锁的实现，并与 Redis 实现的分布式锁做比较。 - 其他应用场景的介绍。 - 关于 Zookeeper 的一些思考。 - 做最后的总结。 温馨提示：实例代码使用的是 Java 语言。 适合人群： 对分布式架构设计感兴趣的所有开发人员。

近年来，随着国内互联网行业的加速发展，以及摩尔定律的实效，千亿数据的潘多拉魔盒早已打开，传统的开源/商业关系数据库早已遇到了容量的瓶颈。而容量告警则不仅意味着业务发展收到影响，同时对现有系统的稳定性和可用性、可维护性，也带来极大的挑战。 从十年前起，淘宝等公司就遇到这类制约业务发展的技术问题，进而有了 TDDL 框架，2016 年当当网也发起了 Sharding-JDBC 项目，通过包装 JDBC，来屏蔽 MySQL 分库分表的逻辑，让业务系统想使用单机数据库一样方便。 后来，JDBC 封装框架逐渐演变到中间件，在 TDDL 的基础上，淘宝逐渐发展出来了 DRDS，在 Sharding-JDBC 转移到 Apache 和京东数科以后又孵化出来了 Sharding-Proxy，都是以一个虚拟的 MySQL Server 提供更透明和无侵入的客户端接入服务。其他的中间件，像 MyCat 和 DBLE 也方兴未艾。 另一方面，随着 Google 的 Spanner，阿里的 OceanBase 和 PolarDB，AWS 的 Aurora，PingCAP 的 TiDB，Cockroachlabs 的 CockroachDB 等商业或开源的技术作为代表，分布式数据库开始大规模兴起。这些技术试图通过一个直接的数据库来解决上述问题，而不仅仅是类库或中间件，这种增强 MySQL/PGSQL 的间接方式。当然，分布式数据库本身的复杂度，是另外一个话题。 以上种种对于企业来说，都是试图通过采用类似 Apache ShardingSphere 这种分布式的数据库中间件、或者 CockroachDB 这种分布式数据库作为整体解决方案，增强数据库的吞吐能力，保证高可用和实时强一致性的同时，实现线性的水平扩展能力，在一定规模上提升企业信息系统的数据管理上限。本文将从这个整体的发展过程谈起，详细介绍每一个阶段技术的特点、解决的问题，适用的场景，带领大家了解千亿数据的秘密。 计划写作大纲： - 从单机数据库讲起 - MySQL 的高可用与短板 - 分库分表的优势与陷阱 - 哪些场景下我们需要用分库分表 - 数据库中间件的技术选型 - 什么时候引入数据库中间件 - NoSQL 与 NewSQL - 当我们谈分布式数据库的时候，我们在谈什么 - 典型的几个分布式数据库

你工作 1～3 年时， 三大框架都有接触过了，平常需求来了，都能很好的完成，感觉遇到瓶颈了，想做些提效的工具又不知道从哪下手，网上文章有泛泛而谈，看完也不知道咋下手 笔者在中台写前端，不夸张的说，写各种持续集成 CI 脚本快要写吐了，也给很多同事讲解过怎么样设计一套好用的 CI，还算比较有经验。能很好的梳理这些知识点，讲解清晰，通俗易懂的学会这些知识。网上这类文章都不集中，分散四处，不成体系，本次 Chat 的目的是，看完能在大脑形成一颗树状结构化知识 因为大部分公司一般都用 Gitlab，这里主要用 Gitlab CI 讲解，会提供能直接用的 Demo。 总之就是，看完能懂，懂完能抄，抄完能出成果。 在本场 Chat 中，会讲到如下内容： - 写 CI 难道真的是上来一个 npm i xxx-ci -g 么（最不喜欢就这种全局安装了，学习下 egg 优雅方式） - Gitlab-CI 简单介绍 - Gitlab Restful API 介绍 - 脚手架、本地创建项目 => 自动同步到 Gitlab - 单页应用 push => 打包构建 => 发布 => 接oss => 自动刷新cdn => 消息通知 - 多页应用、增量构建 - 微信小程序 push => 构建 => 上传，一条龙服务 - npm 组件，构建发布一条龙

电子邮件是个非常伟大的发明，它让世界上任意两个地方的人得以交流。在当今社会，越来越多的社交平台出现，让电子邮件的地位受到冲击。但是因为电子邮件的便捷性，广泛性，让电子邮件仍然发挥着无可取代的作用。在电子邮件中没有好友的概念，我们只需要知道彼此的邮箱即可发送。我们可以利用爬虫搜集一些自己感兴趣的内容，然后自动发送到自己的邮箱，从而达到更加精准的内容推送。 本次 Chat 的内容如下： 1. 发送一个纯文本邮件 2. 发送一个 HTML 页面邮件 3. 发送一个图片邮件 4. 发送一个带附件的邮件 5. 解析命令行参数 6. 将 py 文件打包成 exe 文件 7. 使用命令行执行 适合读者：有 Python 基础，对电子邮件感兴趣的读者。

本场 Chat 分享主要介绍 Spring Boot 开发过程使用到的一些组件，帮助开发人员快速搭建基础开发框架。 本场 Chat 内容将涉及如下： 1. 日志配置相关 2. 集成 Swagger，快速生成 API 接口文档 3. 敏感信息加密 4. 数据源配置（单数据源和多数据源） 5. 集成 Redis，缓存信息 6. 集成 ElasticSearch 7. 集成 Spring Security+JWT，实现登录验证 8. 跨域配置 适合人员：Spring Boot 开发人员

在如今随着网络及电商的发展，系统雪崩也是人们常遇到的问题，每年在年度大促时，总会有某个知名平台因此雪崩，我们传统的提前处理方法是，加机器加机器加机器，促销机器专用等等，事件发生时的处理方式是紧急召集一批人，处理数据的、处理业务的、处理部署架构的、等等整晚整晚紧急对应，很多时候还要申请一堆新机器，暂时把出了问题的机器切换掉，把应用修改，切换等等，耗时耗力不说，效果实在也是差强人意，经常还要听一大堆人的抱怨，“怎么还没好........"，云云。 如今随着微服务的到来，Spring Cloud 可以非常快速、方便、有效的解决雪崩问题。 Spring Cloud 的熔断器会在自动侦测系统的错误，发现错误后，会强迫以后的访问快速失败，从而防止某个服务不断地尝试执行会失败的操作，它会使服务继续执行而不用等待修正错误，或者浪费 CPU 时间去等到超时产生。熔断器也可以使服务能够诊断错误是否已经修正，如果已经修正，服务会再次尝试调用操作。 本课程就带领大家来实践一下 Spring Cloud 的熔断器及熔断监控。 本场 Chat 包含如下内容： - 使用 Spring Cloud 创建注册中心 - 加入提供服务者、及消费者模块 - 加入熔断器设定 - 单个应用加入熔断监控 - 为整个项目加入熔断器监控 本场 Chat 适用于： - 希望学习了解熔断器及监控来解决雪崩问题的人员 - 任何希望了解、学习 Spring Cloud 的人员 - 希望从事 Java 相关工作的人员

去年，作者去年写了一篇 Chat [轻松 TDD 之旅 2.0](https://gitbook.cn/new/gitchat/activity/5d667350cca96a09360e14e0)，将这几年 TDD 的一些心得和感悟反映到了简书上的文章[《轻松 TDD 之旅》](https://www.jianshu.com/p/41b48a771a35)的结构和要点中去，使得 TDD 之旅在 2.0 版本更深刻，更完备，更流畅。该 Chat 发布后，受到了很多同学的肯定和鼓励，同时作者自身也感觉收获非常大。 《DDD 分层架构的三种模式》既是作者在简书上写的一篇热门[文章](https://www.jianshu.com/p/a775836c7e25)，又是作者在`领域驱动设计峰会 2017` 上的演进话题。经过这几年的沉淀，作者对 DDD 分层架构有了更深入的思考，想通过本 Chat 将新的认识和实践分享给更多的同学，从而大家一起升级到 2.0 版本。 本 Chat 的主要内容为： - 分层架构简介 - 经典分层架构 - B/S 三层架构 - DDD 四层架构 - DDD 分层：L 型架构模式 - 模式介绍（L 型四层架构） - 物理设计 - 典型案例 - DDD 分层：L 型 + DCI 架构模式 - 模式介绍（L 型五层架构，L 型六层架构） - 物理设计 - 典型案例 - DDD 分层：DIP 架构模式 - 模式介绍（六边形架构，整洁架构） - 物理设计 - 典型案例