什么是ACID？ 事务的定义和实现一直随着数据管理的发展在演进，当计算机越来越强大，它们就能够被用来管理越来越多数据，最终，多个用户可以在一台计算机上共享数据，这就导致了一个问题，当一个用户修改了数据而另外一个还在使用旧数据进行计算过程中，这里就需要一些机制来保证这种情况不
1. 基础概念 1.1 什么是事务 1.2 本地事务 1.3 分布式事务 1.4 分布式事务产生的情景 2. 分布式事务基础理论 2.1 CAP理论 2.1.1 理解CAP C - Consistency A - Availability P - Partition tolerance 2.
CAP原则 在分布式系统要满足CAP原则，一个提供数据服务的存储系统无法同时满足：数据一致性、数据可用性、分区耐受性。 C数据一致性：所有应用程序都能访问到相同的数据。 A数据可用性：任何时候，任何应用程序都可以读写访问。 P分区耐受性：系统可以跨网络分区线性伸缩。（通俗来说就是
怎么说呢，市面上介绍pasox协议的资料都不是给小白准备的，甚至不是给具备一定计算计算机基础的同学准备的。 比如这篇佳作：https://weibo.com/ttarticle/p/show?id=2309404510981786042616，也没有让人一下子看了之后顿悟，而是要结合诸多其他的信息才能理解。 这些文章一般不交待一些前置
CAP原则 在分布式系统要满足CAP原则，一个提供数据服务的存储系统无法同时满足：数据一致性、数据可用性、分区耐受性。 C数据一致性：所有应用程序都能访问到相同的数据。 A数据可用性：任何时候，任何应用程序都可以读写访问。 P分区耐受性：系统可以跨网络分区线性伸缩。（通俗来说就是
原子性（Atomicity）：原子性是指事务是一个不可分割的工作单位，事务中的操作要么全部成功，要么全部失败。比如在同一个事务中的SQL语句，要么全部执行成功，要么全部执行失败。 一致性（Consistency）：事务必须使数据库从一个一致性状态变换到另外一个一致性状态。举例说明：张三向李四转100元，转账前
1. CAP 的由来 要理解 CAP，首先我们要清楚，为何会有人提出 CAP？他提出 CAP 是为了解决什么问题？ 时间回到 1985 年，彼时，后来证明了 CAP 理论的 Lynch 教授此时给当时的 IT 界来了一记惊雷： 她通过不可辩驳的证明告诉业界的工程师们，如果在一个不稳定（消息要么乱序要么丢了）的网络环境
在 go-zero 的分布式缓存系统分享里，Kevin 重点讲到过一致性hash的原理和分布式缓存中的实践。本文来详细讲讲一致性hash的原理和在 go-zero 中的实现。 以存储为例，在整个微服务系统中，我们的存储不可能说只是一个单节点。 一是为了提高稳定，单节点宕机情况下，整个存储就面临服务不可
1 选举机制 半数机制：2n+1，安装奇数台 10台服务器：3台 20台服务器：5台 100台服务器：11台 台数多，好处：提高可靠性；坏处：影响通信延时 2 常用命令 ls、get、create 3 Paxos算法（扩展） 注意：暂时先不用看。如果后期准备面今日头条，需要认真准备，其他公司几乎都不问。 Paxos算法一种基于消息传递且
本地缓存在分布式环境下是不行的，因为每个服务的缓存都在自己的服务器中 分布式缓存：以redis为例，可以搭建redis集群，做分片存储 总结： 分布式锁核心代码案例： public Map<String, List<Catelog2Vo>> getCatelogJsonFromDBWi
1. 一致性Hash算法 ⾸先有⼀条直线，直线开头和结尾分别定为为1和2的32次⽅减1，这相当于⼀个地址，对于这样⼀条线，弯过来构成⼀个圆环形成闭环，这样的⼀个圆环称为hash环。我们把服务器的ip或者主机名求hash值然后对应到hash环上，那么针对客户端⽤户，也根据它的ip进⾏hash求值，对应到
一个好的系统人机界面，其设计应该遵循一些基本的原则，这些原则从人性的角度出发，让用户在使用产品时，不只觉得产品很棒，还会感觉自己很棒，而不是在面对产品时，感觉自己像个“傻X”，设计产品的人更“傻X”。 那么这些原则都包含什么呢？大体来讲有三个方面：(1)让产品置于用户的控制之下；(2)
什么是ACID？ 事务的定义和实现一直随着数据管理的发展在演进，当计算机越来越强大，它们就能够被用来管理越来越多数据，最终，多个用户可以在一台计算机上共享数据，这就导致了一个问题，当一个用户修改了数据而另外一个还在使用旧数据进行计算过程中，这里就需要一些机制来保证这种情况不会
1. 一致性（Consistency） 一致性（Consistency）是指多副本（Replications）问题中的数据一致性。可以分为强一致性、顺序一致性与弱一致性。 1.1 强一致性（Strict Consistency） 也称为：**原子一致性（Atomic Consistency）**线性一致性（Linearizable Consistency） 强一致性有两个要求： 任何一次读
为什么会用到哈希？ 假如有3GB缓存数据，想要分摊到三台服务器上，如果直接1GB放一台这样做，那么当以后需要查询数据时，是需要遍历三台服务器的所有缓存数据，这样很慢。 我们不妨在分摊的时候，使用哈希进行散列分摊，在查询的时候，进行的同样的操作，就能很快的达到我们想要的效果。 很多类
正文 ZooKeeper 很流行，有个基本的疑问： ZooKeeper 是用来做什么的？之前没有ZK，为什么会诞生 ZK？ OK，解答一下上面的疑问：（下面是凭直觉说的） ZooKeeper 是用于简化分布式应用开发的，对开发者屏蔽一些分布式应用开发过程中的底层细节ZooKeeper 对外暴露简单的 API，用于支持分布式应用开
1. CAP 的由来 要理解 CAP，首先我们要清楚，为何会有人提出 CAP？他提出 CAP 是为了解决什么问题？ 时间回到 1985 年，彼时，后来证明了 CAP 理论的 Lynch 教授此时给当时的 IT 界来了一记惊雷： 她通过不可辩驳的证明告诉业界的工程师们，如果在一个不稳定（消息要么乱序要么丢了）的网络环境
Murmurhash: 是一种非加密型哈希函数，适用于一般的哈希检索操作。高运算性能，低碰撞率，由Austin Appleby创建于2008年，现已应用到Hadoop、libstdc++、nginx、libmemcached等开源系统。2011年Appleby被Google雇佣，随后Google推出其变种的CityHash算法。 一致性哈希算法的主要步骤：
CAP原则 在分布式系统要满足CAP原则，一个提供数据服务的存储系统无法同时满足：数据一致性、数据可用性、分区耐受性。 C数据一致性：所有应用程序都能访问到相同的数据。 A数据可用性：任何时候，任何应用程序都可以读写访问。 P分区耐受性：系统可以跨网络分区线性伸缩。（通俗来说就是数据
什么是ACID？ 事务的定义和实现一直随着数据管理的发展在演进，当计算机越来越强大，它们就能够被用来管理越来越多数据，最终，多个用户可以在一台计算机上共享数据，这就导致了一个问题，当一个用户修改了数据而另外一个还在使用旧数据进行计算过程中，这里就需要一些机制来保证这种情况不会
## CAP原则在分布式系统要满足CAP原则，一个提供数据服务的存储系统无法同时满足：数据一致性、数据可用性、分区耐受性。C数据一致性：所有应用程序都能访问到相同的数据。 A数据可用性：任何时候，任何应用程序都
## CAP原则在分布式系统要满足CAP原则，一个提供数据服务的存储系统无法同时满足：数据一致性、数据可用性、分区耐受性。C数据一致性：所有应用程序都能访问到相同的数据。 A数据可用性：任何时候，任何应用程序都
# 微服务的发展微服务倡导将复杂的单体应用拆分为若干个功能简单、松耦合的服务，这样可以降低开发难度、增强扩展性、便于敏捷开发。当前被越来越多的开发者推崇，很多互联网行业巨头、开源社区等都开始了微服务的讨论和实践。# 微服务落地存在的问题虽然微服务现在如火如荼，但对其实
## 什么是 CAPCAP 定理最初是由加州大学伯克利分校的计算机科学家埃里克·布鲁尔（Eric Brewer）在 2000 年的 ACM PODC 上提出的一个猜想，也因此被叫做布鲁尔定理。后来在 2002 年，麻省理工学院的赛斯·吉尔伯特（Seth Gilbert）和南希·林奇（Nancy Lynch）发表了 CAP 定理的证明，让它成为分布
# 1\. CAP 的由来要理解 CAP，首先我们要清楚，为何会有人提出 CAP？他提出 CAP 是为了解决什么问题？时间回到 1985 年，彼时，后来证明了 CAP 理论的 Lynch 教授此时给当时的 IT 界来了一记惊雷：她通过不可辩驳的证明告诉业界的工程师们，如果在一个不稳定（消息要么乱序要么丢了）的网络环境里（分布
