搜索[终端无边界访问控制系统]结果-低调大师优秀个人博客

精选列表

搜索[终端无边界访问控制系统]，共10000篇文章

日光之下无新事：一切皆文件

这确保了：a) 智能体只能访问它应该访问的上下文部分；b) 它可以自由地操作资产，因为它知道更改是非破坏性的。 SQLite 文件可以被沙盒复制或部分复制，并在智能体执行时即时可用。

2026-01-16

开源地址：https://gitee.com/aizuda/flowlong 开源地址：https://github.com/aizuda/flowlong 官网文档：https://flowlong.aizuda.com 支持全流程操作监听，仅 8 张表实现整个流程引擎（更符合中国人的思维模式设计），截至当前近 300 家企业自用登记接入使用。300 多家企业包括，国家计算中心，电信等国企已上车，你还在等什么呢？ Flowlong 1.2.0 主要更新内容 feat: 新增不删除流程历史仅删除流程定义方法 opt: 任务参与者表task_actor字段extend修改为ext避免SqlParser解析异常 opt: 优化条件判断 spel 表达式支持 long 类型 opt: 优化驳回跳转执行对象设置传递新的任务列表 opt: 优化条件参数获取节点传递 opt: 优化全局变量追加该版本更新注意事项：数据库表 flw_task_actor ，flw_his_task_actor 字段 extends 修改为 ext 解决 SqlParser 解析问题可视化流程审批效果如下：

2025-11-13

🔥无代码流程引擎 FlowLong 飞龙 1.1.19 发布

开源地址：https://gitee.com/aizuda/flowlong 开源地址：https://github.com/aizuda/flowlong 官网文档：https://flowlong.aizuda.com 支持全流程操作监听，仅 8 张表实现整个流程引擎（更符合中国人的思维模式设计），截至当前近 300 家企业自用登记接入使用。300 多家企业包括，国家计算中心，电信等国企已上车，你还在等什么呢？ Flowlong 1.1.19 主要更新内容 feat: 新增兼容模型设计错误导致非票签权重误存 feat: 新增并发发起测试用例 opt: 优化自动跳过测试用例 opt: 优化任务对象克隆设置 opt: 优化支持参数map值为null情况 opt: 优化超时提醒时间判断及兼容错误配置 opt: 优化设置自动拒绝类型区分 opt: 优化放宽流程唤醒方法执行条件 opt: 优化完善会签拿回测试用例 fixed: 修复子流程追加流程实例ID导致获取判断异常问题 fixed: 修复嵌套多重包容分支下一个节点获取失效问题可视化流程审批效果如下：

2025-10-27

🔥无代码流程引擎 FlowLong 飞龙 1.1.18 发布

开源地址：https://gitee.com/aizuda/flowlong 开源地址：https://github.com/aizuda/flowlong 官网文档：https://flowlong.aizuda.com 支持全流程操作监听，仅 8 张表实现整个流程引擎（更符合中国人的思维模式设计），截至当前近 300 家企业自用登记接入使用。300 多家企业包括，国家计算中心，电信等国企已上车，你还在等什么呢？ Flowlong 1.1.18 主要更新内容 feat: 新增支持流程审批完成情况撤销 feat: 新增支持执行任务参数传递子流程 opt: 优化跳转触发器执行逻辑 opt: 优化支持拿回多分支任务情况 opt: 优化实例保存计算结束时间问题 opt: 优化唤醒逻辑根据模型重新创建任务 fixed: 修复跳转普通节点任务类型设置问题 fixed: 修复并行分支包容分支加签异常问题 fixed: 修复并行分支下的主干节点加签问题 fixed: 修复rejectJump重新审批回到上一个节点策略失效问题可视化流程审批效果如下：

2025-10-19

🔥无代码流程引擎 FlowLong 飞龙 1.1.17 发布

开源地址：https://gitee.com/aizuda/flowlong 开源地址：https://github.com/aizuda/flowlong 官网文档：https://flowlong.aizuda.com 支持全流程操作监听，仅 8 张表实现整个流程引擎（更符合中国人的思维模式设计），截至当前近 300 家企业自用登记接入使用。300 多家企业包括，国家计算中心，电信等国企已上车，你还在等什么呢？开源登记使用名单如下，企业版用户暂不公开 https://gitee.com/aizuda/flowlong/issues/IB5K4V Flowlong 1.1.17 主要亮点 feat: 新增支持节点跳入跳出至触发器 feat: 新增支持嵌套条件路由前置加签 opt: 优化允许发起人撤回审批为草稿状态 opt: 优化增强拿回逻辑错误断言 opt: 优化调整通知查询任务逻辑条件 opt: 优化注释修改更新任务ID通知任务对象获取方式 fixed: 修复 issues/ICW7I7 会签参数历史任务传递 bug 开源版本具备企业版所有功能（除了可视化），企业版可视化部分界面展示如下：

2025-09-16

🔥无代码流程引擎 FlowLong 飞龙 1.1.16 发布

开源地址：https://gitee.com/aizuda/flowlong 开源地址：https://github.com/aizuda/flowlong 官网文档：https://flowlong.aizuda.com 支持全流程操作监听，仅 8 张表实现整个流程引擎（更符合中国人的思维模式设计），截至当前近 300 家企业自用登记接入使用。300 多家企业包括，国家计算中心，电信等国企已上车，你还在等什么呢？开源登记使用名单如下，企业版用户暂不公开 https://gitee.com/aizuda/flowlong/issues/IB5K4V Flowlong 1.1.16 主要亮点 feat: 新增支持最大任务提醒次数 feat: 新增任务参与者实体类转换为流程创建者方法 feat: 新增任务分配事件拆分为代理委派转办事件 feat: 新增模型判断检测指定成员审批（未配置处理人员）节点信息 opt: 执行任务支持归档参数至历史任务 opt: SQL脚本字段注释内容补充 fixed: 修复超时自动审批设置为自动结束时不触发事件问题开源版本具备企业版所有功能（除了可视化），企业版可视化部分界面展示如下：

2025-08-18

领域数据视图化和无代码设计原理

前言本文主要讨论了问卷业务抽象和数据视图化表达在问卷设计中的重要性。通过分析问卷领域特性和设计原理，提出了问题消解复杂性、题型物料化和渲染统一等设计框架，以实现高效、灵活的问卷平台。最终目的是为问卷设计、数据收集和分析提供有益的启示和指导，提高问卷调查的效率和准确性。文内项目Github：XIAOJUSURVEY 作者：skique 发表于：前端早读课背景我们深知问卷调查在各个领域中的重要性以及传统问卷调查方法的局限性。因此，有必要开发一种高效、灵活的问卷平台，以满足不同用户的需求，并提高问卷调查的效率和准确性。为了更好地满足调研需求，提高数据收集、分析和表达的效率，本文将从业务抽象、数据视图化表达等方面出发，分析问卷领域的特性，探讨设计一套满足问卷领域搭建方案的架构。我们希望通过本文的讨论，为问卷平台的设计与开发提供一些有益的启示和指导。问卷业务抽象这还要从问卷业务抽象开始说起，设计问卷的目的是为了回收数据，而回收数据则是为了提供数据支持进行分析。问卷通常需要经历几个阶段，包括设计、发布、投放、回收和分析。为了更好地理解和处理问卷调查的相关业务，我们可以将问卷领域拆分为三个子领域，分别是问卷设计域、问卷回收域和问卷分析域。问卷设计域负责创建问卷并发布问卷，回收域负责收集数据，分析域负责对收集到的数据进行统计分析和洞察。在整个过程中，数据的流动是核心，从设计到回收再到分析，数据始终贯穿其中，为用户提供重要的信息和决策依据。业务视角到技术视角的映射，将主体聚焦到数据，设计域关注的是问卷的数据的 schema 设计，回收领域关注的是数据的采集，分析领域关注的是数据的分析：抽象为三个方面： 1、数据的表达（模型设计）问卷的模型设计涉及到定义问题、选项、逻辑关系等信息的结构和格式，以确保问卷的完整性和准确性。通过设计合适的数据模型，我们能够清晰地描述问卷的结构和逻辑，为后续的数据采集和分析提供基础。 2、数据的流动（服务插拔）通过设计灵活的服务插拔机制，可以自定义引入敏感词过滤，问卷发布审批等安全插件，保证数据流动的安全合规性 3、数据的交互（界面设计）解决数据到界面的最后一公里，界面设计是一个产品的载体，因为产品最终是面向用户角色，如何让用户体验更好、用户体验贯穿业务核心流程，提高创编收发过程的整体效率综上所述，在问卷领域的整体业务抽象模型中，数据的交互是一个非常重要的方面，以下的讨论将聚焦在数据的交互上，即数据的视图化表达。数据的交互在数据流动图的基础上考虑以下两点： 1、谁操作数据的交互？ 2、通过何种方式操作数据的交互？数据的交互主要发生在设计域和回收域，面向调研者和调研对象分别引入搭建器和渲染器用于数据的交互。对问卷进一步抽象，题型的目的是为了高效率的收集数据，也就是题型是数据的模具，题型和数据的关系，好比杯子和水，杯子设计出来是为了盛水。所以问卷设计领域的搭建器是数据容器的工厂，题型是数据模具的表现形式，题型配置的是数据容器的约束方式，而问卷回收领域的渲染端的数据交互的核心是面向调研用户的的答题过程，才是真正盛满水的过程。问卷领域特性问卷结构解构问卷的组成：是由控件到题型到表单到问卷，一层一层扩展而来，其中控件是区分题型的关键要素，也就是说什么类型的控件对应什么类型的题型，是一一对应的关系。题型 = 标题 + 控件表单 = n 个题型，n >= 1 问卷 = 欢迎语 + n 个表单 + 提交按钮，不考虑分页的情况，n = 1 问卷配置解构按照作用方式分为两类： 1、定义界面显示，如显示序号、显示类型、显示分割线等、评分样式、引导提示文案 2、约束交互行为，如必填、输入限制、最多 / 最少选择、如必填、校验格式等等按照作用范围分为五类： 1、作用在控件上，如输入限制，最多选择引导提示文案 2、作用在题型上，如显示序号、显示类型、显示分割线等 3、作用在表单上，如必填，最少选择、内容格式校验 4、作用在问卷上，如答题时长、答题次数等等 5、还有一类作用在数据适配上静态的数据适配：在渲染器前进行的数据适配，如选项随机，选项分组等等动态的数据适配：需要在答题过程中，根据用户选择的答案动态响应的配置，如标题 / 选项引用、跳转逻辑、显示逻辑等问题是什么？题目是问卷最核心和基础的组成部分，而复杂繁多的调研目的要求问卷内容高度灵活，这对题型的多样性和可用性提出了极高的要求。分析实际使用，问卷搭建端和问卷渲染端既存在共通性也存在差异性，这在题型上呈现了类似于复杂笛卡尔积的结构。如何在数据视图化设计中管理三维笛卡尔积的复杂性呢？也许系统的混乱并非业务本身之复杂，而是我们并不擅长处理『简单』，如何 “化繁为简”？将目标系统按某个原则进行切分，切分的原则，是要便于不同的角色进行并行工作。通过合理的分解和抽象，使那些系统不再那么难懂。如何消解复杂性题型物料化为了保障预览实时性和渲染一致性，提升题型的多状态管理能力，并降低题型设计的复杂性和成本、提升题型扩展的灵活性，采用题型物料化的设计思路。抽离题型控件沉淀物料层，物料分层化设计：分类型抽离通用逻辑沉淀为基础物料，以降低具体业务逻辑对这些基础物料的依赖。不同题型物料基于相应类型的基础物料进行扩展，实现特定业务逻辑以做到题型隔离。渲染统一题型物料沉淀后由统一的题型组件提供搭建端和渲染端的题型渲染，那么如何满足不同场景下的题型侧重点呢？比如搭建端关注题型编排能力，渲染端关注题型填写选中和校验方面。搭建端通过组件切面设计：通过插槽机制，搭建端可自定义题型包裹组件以实现题型编排的辅助功能，避免侵入式对题型组件做出修改。渲染端通过构建渲染环境提供 form 组件包裹题型组件，在组件内管理了所有的表单项，即 fields 管理。实现了 addField 和 removeField 的方法，用于增加 / 删除表单项校验，通过 provide 将整个组件实例提供给题型组件，使得题型组件的有表单规则校验的能力。通过这种方式将题型的场景维度消解。配置管理在上述的物料化方案满足渲染统一后，怎么做配置管理呢？搭建端引入设置器满足题型编排配置修改的能力。渲染端引入题型 hooks 满足题型配置生效的能力，将各个题型配置解耦，抽象为相对集中的代码片段，Hooks 可以让我们组织更加内聚的逻辑单元。设计框架问卷物料设计如图所示，问卷维护的物料类型可以分为三类： 1、Component 题型组件 = 标题 + 题型控件，响应分发到题的配置变化，完成数据采集能力。 2、Setter 设置器，提供对题型组件的配置进行更改的能力。 3、Hooks 题型 hooks，对应渲染端响应题型配置的代码片段 or 函数功能，举个例子，搭建端开启选项分组这一配置，渲染器需要响应这一配置，在渲染页面时运行对应的选项分组函数。这三类物料之间是什么关系，通过什么关联起来？题型描述协议，即定义题型描述的数据结构，采用配置化方案约束该题型 schema 结构，单个 schema 字段关联的设置器以及题型 hooks 函数。搭建器设计通过上面的问卷物料设计，我们维护一系列题型的物料集合，这些物料如何流入到搭建器？通过配置资源描述协议，这份协议规定了该搭建器加载哪些题型，可供组件面板选择。可用于题型画布搭建渲染。每个物料关联了设置器，加载并渲染设置器，设置器提供对题型配置修改和更新的能力。渲染器设计渲染器的核心是题型渲染和题型配置响应，问卷平台的题型可配置功能既然是对多个题型整体生效，是否我们可以引入渲染环境这个概念，渲染端题型功能交互依赖于渲染环境，渲染环境解析 schema，提供对题型整体关系的管理，实现如下功能：统一的数据适配器，实现如题目序号、选项随机、默认选中第一项等功能动态的视图数据处理，如标题引用、选项引用、显示逻辑、跳转逻辑等功能。基于交互变化动态加工数据渲染器提供渲染环境，解析 schema，将 schema 配置分发到渲染环境 (实现) or 分发到题，加载对应的题型和对应的题型 hooks，渲染答题页面。写在最后关于题型组件、设置器组件、题型 hooks 和题型描述协议以及资源描述协议的详细设计，后期会陆续推出相关文章更具体的论述，本文只做统领性的探讨，可通过github项目官方群一起交流讨论。关于我们感谢看到最后，我们是一个多元、包容的社区，我们已有非常多的小伙伴在共建，欢迎你的加入。 Github：XIAOJUSURVEY Star 开源不易，请star 一下 ❤️❤️❤️，你的支持是我们最大的动力。

2024-09-24

无鱼 v2.0.0 发布，项目工时系统

无鱼 v2.0.0 已经发布，项目工时系统。更新内容增加了周报模块可按周填写工时，以及在项目统计中，查看周报内容。修复了其他一些bug。

2024-07-27

无鱼 v1.0.0 发布，项目工时系统

无鱼 v1.0.0 已经发布，项目工时系统。 v1.0.0: 1、增加了归档功能，可按部门进行每月归档默认关闭，需要在工时设置中进行开启。 2、优化了日报填报后的状态显示问题。

2023-12-31

无依赖单机尝鲜 Nebula Exchange 的 SST 导入

原文链接：国外访问：https://siwei.io/nebula-exchange-sst-2.x/ 国内访问：https://cn.siwei.io/nebula-exchange-sst-2.x

2022-03-03

无服务器框架 Serverless 发布 2.65.0 版本

(#10128) 在验证错误时，自动识别可访问的配置部分。

2021-11-05

无服务器架构 Serverless 发布 2.63.0 版本

重点更新 AWS Deploy：引入关于deploy -f别名的提示 AWS Lambda：允许无 VPC 函数覆盖供应商 VPC AWS S3：允许 s3 事件的 ExpirationInDays 属性使用

2021-10-18

无服务器框架 Serverless 发布 2.63.0 版本

重点更新 AWS Deploy：引入关于deploy -f别名的提示 AWS Lambda：允许无 VPC 函数覆盖供应商 VPC AWS S3：允许 s3 事件的 ExpirationInDays 属性使用

2021-10-18

iOS无侵入的埋点方案如何实现？

动态化从后台获取统计内容，方便线上修改无埋点无埋点，并不是不需要埋点，而更确切地说是“全埋点”，而且埋点代码不会出现在业务代码中，容易管理和维护。

2020-04-29

【重构】Spring Cloud OAuth 无Token调用源码封装

书接上回Spring Security OAuth 微服务内部Token传递的源码解析，本篇主要无token 调用过程中，代码的不断完善及其重构过程。

2019-04-23

天下无难试之HashMap面试刁难大全

HashMap的结构无疑是Java面试中出现频率最高的一道题，这个题是如此之常见，应该每个人都会信手拈来。可是就在我经历过的无数【允许我夸张一下】面试当中，能完整回答我提出的HashMap问题的人却是寥寥无几，如今这道题我已经问的有点厌烦了。 HashMap的结构是怎样的？二维结构，第一维是数组，第二维是链表 Get方法的流程是怎样的？先调用Key的hashcode方法拿到对象的hash值，然后用hash值对第一维数组的长度进行取模，得到数组的下标。这个数组下标所在的元素就是第二维链表的表头。然后遍历这个链表，使用Key的equals同链表元素进行比较，匹配成功即返回链表元素里存放的值。 Get方法的时间复杂度是多少？小伙伴们在回答这道题是有很多人会开始怀疑人生，他们的脑细胞这个时候会出现短路现象。明明是O(1)啊，平时都记得牢牢的，可是刚才Get方法的流程里需要遍历链表，遍历的时间复杂度难道不是O(n)么？此刻观察这些孩子们的表情是非常卡哇伊呢的。当然还有些甚至是科班的小伙伴居然没听过时间复杂度，想到这里我也开始怀疑人生了。当他们卡壳的时候，我会稍微提醒一下，问下面的这一道题。假如HashMap里的元素有100w个，请问第二维链表的长度大概是多少？嗦嘎！链表的长度很短，相比总元素的个数可以忽略不计。这个时候小伙伴们的眼睛通常会开始发光，很童贞。作为面试官是很喜欢看到这种眼神的。我使用反射统计过HashMap里面链表的长度，在HashMap里放了100w个随机字符串键值对，发现链表的长度几乎从来没有超过7这个数字，当我增大loadFactor的时候，才会偶尔冒出几个长度为8的链表来。于是问题又来了。既然链表如此短，为啥Java8要对HashMap的链表进行改造，使用红黑树来代替链表呢？有很多同学都没具体去深入关注Java8的新特性，如果他们回答不上来，我也不会感到失望。因为到这个问题的时候，已经只剩下15%的同学不到了，如果再打击他们，看着他们落寞的身影走出了大门，我都要对自己感到失望了，怎么招个人就如此困难？这道题的关键在于如果Key的hashcode不是随机的，而是人为特殊构造的话，那么第二维链表可能会无比的长，而且分布极为不均匀，这个时候就会出现性能问题。比如我们把对象的hashcode都统一返回一个常量，最终的结果就是hashmap会退化为一维链表，Get方法的性能巨降为O(n)，使用红黑树可以将性能提升到O(log(n))。请解释一下HashMap的参数loadFactor，它的作用是什么？ loadFactor表示HashMap的拥挤程度，影响hash操作到同一个数组位置的概率。默认loadFactor等于0.75，当HashMap里面容纳的元素已经达到HashMap数组长度的75%时，表示HashMap太挤了，需要扩容，在HashMap的构造器中可以定制loadFactor。请说明一下HashMap扩容的过程扩容需要重新分配一个新数组，新数组是老数组的2倍长，然后遍历整个老结构，把所有的元素挨个重新hash分配到新结构中去。这个rehash的过程是很耗时的，特别是HashMap很大的时候，会导致程序卡顿，而2倍内存的关系还会导致内存瞬间溢出，实际上是3倍内存，因为老结构的内存在rehash结束之前还不能立即回收。那为什么不能在HashMap比较大的时候扩容扩少一点呢，关于这个问题我也没有非常满意的答案，我只知道hash的取模操作使用的是按位操作，按位操作需要限制数组的长度必须是2的指数。另外就是Java堆内存底层用的是tcmalloc这类library，它们在内存管理的分配单位就是以2的指数的单位，2倍内存的递增有助于减少内存碎片，减少内存管理的负担。 HashMap是线程安全的么？当然不是，线程安全的HashMap是ConcurrentHashMap。关于ConcurrentHashMap还可以问很多问题，这就需要另一篇文章来具体讲解了。你了解Redis么，你知道Redis里面的字典是如何扩容的么？好，如果这道题你也回答正确了，恭喜你，毫无无疑，你是一位很有钱途的高级程序员。原文地址：https://www.jianshu.com/p/42135dbb943c

2018-10-28

天下无难试之Redis面试刁难大全

Redis在互联网技术存储方面使用如此广泛，几乎所有的后端技术面试官都要在Redis的使用和原理方面对小伙伴们进行各种刁难。作为一名在互联网技术行业打击过成百上千名【请允许我夸张一下】的资深技术面试官，看过了无数落寞的身影失望的离开，略感愧疚，故献上此文，希望各位读者以后面试势如破竹，永无失败！ Redis有哪些数据结构？字符串String、字典Hash、列表List、集合Set、有序集合SortedSet。如果你是Redis中高级用户，还需要加上下面几种数据结构HyperLogLog、Geo、Pub/Sub。如果你说还玩过Redis Module，像BloomFilter，RedisSearch，Redis-ML，面试官得眼睛就开始发亮了。使用过Redis分布式锁么，它是什么回事？先拿setnx来争抢锁，抢到之后，再用expire给锁加一个过期时间防止锁忘记了释放。这时候对方会告诉你说你回答得不错，然后接着问如果在setnx之后执行expire之前进程意外crash或者要重启维护了，那会怎么样？这时候你要给予惊讶的反馈：唉，是喔，这个锁就永远得不到释放了。紧接着你需要抓一抓自己得脑袋，故作思考片刻，好像接下来的结果是你主动思考出来的，然后回答：我记得set指令有非常复杂的参数，这个应该是可以同时把setnx和expire合成一条指令来用的！对方这时会显露笑容，心里开始默念：摁，这小子还不错。假如Redis里面有1亿个key，其中有10w个key是以某个固定的已知的前缀开头的，如果将它们全部找出来？使用keys指令可以扫出指定模式的key列表。对方接着追问：如果这个redis正在给线上的业务提供服务，那使用keys指令会有什么问题？这个时候你要回答redis关键的一个特性：redis的单线程的。keys指令会导致线程阻塞一段时间，线上服务会停顿，直到指令执行完毕，服务才能恢复。这个时候可以使用scan指令，scan指令可以无阻塞的提取出指定模式的key列表，但是会有一定的重复概率，在客户端做一次去重就可以了，但是整体所花费的时间会比直接用keys指令长。使用过Redis做异步队列么，你是怎么用的？一般使用list结构作为队列，rpush生产消息，lpop消费消息。当lpop没有消息的时候，要适当sleep一会再重试。如果对方追问可不可以不用sleep呢？list还有个指令叫blpop，在没有消息的时候，它会阻塞住直到消息到来。如果对方追问能不能生产一次消费多次呢？使用pub/sub主题订阅者模式，可以实现1:N的消息队列。如果对方追问pub/sub有什么缺点？在消费者下线的情况下，生产的消息会丢失，得使用专业的消息队列如rabbitmq等。如果对方追问redis如何实现延时队列？我估计现在你很想把面试官一棒打死如果你手上有一根棒球棍的话，怎么问的这么详细。但是你很克制，然后神态自若的回答道：使用sortedset，拿时间戳作为score，消息内容作为key调用zadd来生产消息，消费者用zrangebyscore指令获取N秒之前的数据轮询进行处理。到这里，面试官暗地里已经对你竖起了大拇指。但是他不知道的是此刻你却竖起了中指，在椅子背后。如果有大量的key需要设置同一时间过期，一般需要注意什么？如果大量的key过期时间设置的过于集中，到过期的那个时间点，redis可能会出现短暂的卡顿现象。一般需要在时间上加一个随机值，使得过期时间分散一些。 Redis如何做持久化的？ bgsave做镜像全量持久化，aof做增量持久化。因为bgsave会耗费较长时间，不够实时，在停机的时候会导致大量丢失数据，所以需要aof来配合使用。在redis实例重启时，会使用bgsave持久化文件重新构建内存，再使用aof重放近期的操作指令来实现完整恢复重启之前的状态。对方追问那如果突然机器掉电会怎样？取决于aof日志sync属性的配置，如果不要求性能，在每条写指令时都sync一下磁盘，就不会丢失数据。但是在高性能的要求下每次都sync是不现实的，一般都使用定时sync，比如1s1次，这个时候最多就会丢失1s的数据。对方追问bgsave的原理是什么？你给出两个词汇就可以了，fork和cow。fork是指redis通过创建子进程来进行bgsave操作，cow指的是copy on write，子进程创建后，父子进程共享数据段，父进程继续提供读写服务，写脏的页面数据会逐渐和子进程分离开来。 Pipeline有什么好处，为什么要用pipeline？可以将多次IO往返的时间缩减为一次，前提是pipeline执行的指令之间没有因果相关性。使用redis-benchmark进行压测的时候可以发现影响redis的QPS峰值的一个重要因素是pipeline批次指令的数目。 Redis的同步机制了解么？ Redis可以使用主从同步，从从同步。第一次同步时，主节点做一次bgsave，并同时将后续修改操作记录到内存buffer，待完成后将rdb文件全量同步到复制节点，复制节点接受完成后将rdb镜像加载到内存。加载完成后，再通知主节点将期间修改的操作记录同步到复制节点进行重放就完成了同步过程。是否使用过Redis集群，集群的原理是什么？ Redis Sentinal着眼于高可用，在master宕机时会自动将slave提升为master，继续提供服务。 Redis Cluster着眼于扩展性，在单个redis内存不足时，使用Cluster进行分片存储。欢迎工作一到五年的Java工程师朋友们加入Java填坑之路：860113481 群内提供免费的Java架构学习资料（里面有高可用、高并发、高性能及分布式、Jvm性能调优、Spring源码，MyBatis，Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多个知识点的架构资料）合理利用自己每一分每一秒的时间来学习提升自己，不要再用"没有时间“来掩饰自己思想上的懒惰！趁年轻，使劲拼，给未来的自己一个交代！

2018-10-24

Phalcon+Swoole 无侵入解决方案 PhaService

Phalcon有着强大的性能同时又具备完整的MVC模式, Swoole也具备在Phalcon之外的其他能力,如果把两者无缝的结合, 一定是一个不错的案例. 所以本项目同时支持 Nginx+Phalcon 与 Swoole+Phalcon, 如果使用Nginx做负载均衡,可以做到无缝衔接,有Nginx+php-fpm的稳定, 同时也能享受Swoole对于API的超高性能. 本案例可以作为系统服务使用, 也可以做Restful开发使用,作为Web使用更是毫无问题. 使用 wrk 做的的压测, 在MBP上的结果: wrk -c10000 -d10s --latency http://127.0.0.1:8080/testRunning 10s test @ http://127.0.0.1:8080/test 2 threads and 10000 connections Thread Stats Avg Stdev Max +/- Stdev Latency 38.66ms 50.01ms 266.35ms 81.83% Req/Sec 12.97k 1.54k 16.65k 88.17% Latency Distribution 50% 11.53ms 75% 68.33ms 90% 116.48ms 99% 183.72ms 242375 requests in 10.06s, 36.59MB read Requests/sec: 24104.01 Transfer/sec: 3.64MB 非常不错的结果. Installation ** Web服务兼容Nginx+PHP-FPM模式,可以参考Phalcon的Nginx配置. 依赖: Ubuntu 16.04LTS/18.04LTS PHP: 7.0+, 推荐 7.2或以上 Beantalkd 队列处理依赖 php扩展 Phalcon 3.x+ php扩展 Swoole 2.x+ php扩展 Redis php扩展 Pdo,Pdo MySQL ####初始化 composer install -o 开启 HttpServer 服务:建议使用Nginx做负载均衡,使PHP-FPM可以和Swoole的HttpServer同时提供服务. ./web_serve start 可以使用sys/systemd/StdWebServer.GenService.php可以生成systemd service文件, 根据提示安装成服务. cd sys/systemd/ php StdWebServer.GenService.php 开启 WebSocketServer 服务: ./web_socket_serve start 可以使用sys/systemd/StdWebSocketServer.GenService.php可以生成systemd service文件, 根据提示安装成服务. cd sys/systemd/ php StdWebSocketServer.GenService.php Configuration 环境配置在项目的/目录下,建立空文件.development或.testing则指定里开发环境与测试环境, 没有文件为生产环境. 文件同时存在, 有限开启开发环境. #开发环境 rm .testing && touch .development #测试环境 rm .development && touch .testing #生产环境 rm .development .testing 数据库,Redis等配置: Web与Cli分开配置,配置文件位于: App部分:/app/config/config.php Cli部分:/cli/config/config.php Swoole Http Server 配置: 配置文件:/sys/config/std_web_server.php Swoole WebSocket Server 配置: 配置文件:/sys/config/std_web_socket_server.php Features Phalcon 完整支持 Http 服务器 WebSocket 服务器多进程Task Worker 任务处理 Beantalk 队列 Systemd自启服务 Documents ###多进程Task任务处理该服务会在任务处理完成后,持续拉起服务,所以可以实现类似php-fpm的特点, 任务处理指定次数后退出任务,服务会自动拉起服务. 具体可以参考/cli/tasks/MailSenderTask.php, 复写 RealWork 函数进行真实的任务处理即可, 调用方式: #查看帮助信息 ./run mailsender -h #参数 6 为开启6个子进程同时处理任务 ./run mailsender 6 本文来自云栖社区合作伙伴“开源中国” 本文作者：局长原文链接

2018-10-07

无惧失败，Docker EE 帮助企业快速试错

本文首发自“Docker公司”公众号（ID：docker-cn）编译丨小东每周一、三、五与您不见不散！当您想要将公司进行抵押贷款时，您首先想到是有很多文书工作需要处理，而且整个过程会非常的漫长、繁琐。但是 Franklin American Mortgage Company 却想要这种突破传统模式。通过对创新、微服务和 Docker EE 等技术的投入，他们正在迅速创建一个平台，让技术核心帮助他们取得成功。 Franklin American 公司的 DevOps 负责人 Don Bauer 是该公司去年成立的一个创新型团队中的一员。Franklin American 公司正在做一件了不起的事情 —— 以 Docker EE 为基础一步步的对其业务进行变革。 Don Bauer 与 Franklin American 公司的创新部副总裁 Sharon Frazier 一同在 DockerCon 2018 大会上发表演讲。他们能够凭借四大支柱快速构建 DevOps 文化：即可视化、简单化、标准化和实验法。其中实验法是关键，它可以帮助他们无后顾之忧地进行快速试错。 DevOps 负责人 Don Bauer 表示：“Docker 让我们不惧失败，我们可以轻松、快速地对新事物进行测试，如果它适合我们，那我们就成功了。如果它不适合我们，那我们也无需为它浪费数周或数月的时间！。” 对于公司来说，创新不仅仅在于新技术的产生，更多的是为客户做一些新的、相关的事情。团队想要解决的第一个难题就是公司在定价方面的竞争地位。设置和锁定抵押贷款定价的“锁定引擎”是维持公司竞争力的关键。 Docker EE 让 Franklin American 公司在改革的进程中走得更快。创新部副总裁 Sharon Frazier 表示“我认为我们迄今为止最大的成功就是我们能够在短短的一周内将一个想法从头到尾的实现。我们意识这是一个机会并且牢牢地抓住了这个机会。” 如今，公司拥有一个40个节点的集群以支持开发、测试、QA和生产环节，并且每个环节都有着各自独立的环境。它们运行着20个环境和超过300个由1,000个容器支持的服务。更令人印象深刻的是，他们的动作非常快。正如 Don 和 Sharon 在他们的 DockerCon 演讲中所分享的那样，自2017年11月17日以来，Franklin American 公司的 DevOps 团队已经完成了超过10,000次的部署，平均每天部署200次，有时甚至更多。正如 Sharon 在 DockerCon 上所说的那样，她自己正在美国企业内部进行“创业”，这无疑是全球最好的工作。与 Docker 合作，创新团队可以确保公司在未来的10年内保持相关性和竞争力。想要了解关于 Franklin American 公司的更多信息，请从以下渠道观看他们的 DockerCon 2018 演讲视频： Docker官方微信公众号入口：http://t.cn/RrT7xxo

2018-06-28

基于无锁的C#并发队列实现

最近开始学习无锁编程，和传统的基于Lock的算法相比，无锁编程具有其独特的优点，Angel Lucifer的关于无锁编程一文对此有详细的描述。

2018-03-10

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。