27、微服务的日志记录与监控

微服务的日志记录与监控

1. 日志记录

1.1 日志处理优化

日志数据在被 Logstash 处理之前可以在代理中进行缓冲。代理起到缓冲作用,当有大量日志消息无法立即处理时,它会存储这些消息。Redis 常被用作代理,它是一种快速的内存数据库。

1.2 日志分析工具

1.2.1 Graylog

Graylog 是一个开源的日志分析解决方案,它利用 Elasticsearch 存储日志数据,使用 MongoDB 存储元数据。Graylog 定义了自己的日志消息格式——GELF(Graylog 扩展日志格式),该格式对通过网络传输的数据进行了标准化。许多日志库和编程语言都有针对 GELF 的扩展,也可以使用 UNIX 工具 syslog 从日志数据中提取或查看相关信息。Logstash 支持 GELF 作为输入和输出格式,因此可以与 Graylog 结合使用。Graylog 还提供了一个 Web 界面,方便分析日志信息。

1.2.2 Splunk

Splunk 是一款商业解决方案,已在市场上存在很长时间。它不仅可以分析日志文件,还能分析机器数据和大数据。处理日志时,Splunk 通过转发器收集数据,通过索引器对数据进行预处理以便搜索,搜索头负责处理搜索请求。其安全概念强调了作为企业解决方案的定位。它支持定制分析和在出现特定问题时发出警报,还可以通过众多插件进行扩展,并且有针对特定基础设施(如 Microsoft Windows Server)的现成解决方案应用程序。该软件既可以安装在自己的计算中心,也可以作为云解决方案使用。

1.3 日志利益相关者

日志记录有不同的利益相关者,但日志服务器的分析选项非常灵活,分析方法也相似,通常一个工具就足够了。利益相关者可以创建自己的仪表盘,展示与他们相关的信息。对于特定需求,日志数据可以传递给其他系统进行评估。

1.4 关联 ID

在多个微服务协同处理一个请求时,为了便于分析请求在微服务中的路径,需要使用关联 ID。关联 ID 可以唯一标识整个系统中的一个请求,并在微服务之间的所有通信中传递。这样,在中央日志系统中就可以轻松找到与单个请求相关的所有系统的日志条目,从而跨所有微服务跟踪请求的处理过程。

关联 ID 的实现方式如下:
- 可以通过在消息头或有效负载中传递请求 ID 来实现。
- 许多项目在自己的代码中实现这种传递,而不使用框架。
- 对于 Java,可以使用 tracee 库来实现 ID 的传递。
- 一些日志框架支持上下文,在接收消息时将关联 ID 放入上下文中,这样就无需在方法之间传递关联 ID。但当请求处理涉及多个线程时,如果关联 ID 绑定到线程,可能会出现问题。确保在上下文中设置关联 ID 可以保证所有日志消息都包含该关联 ID,并且所有微服务记录关联 ID 的方式必须统一,以便在日志中搜索请求。

1.5 Zipkin:分布式跟踪

在性能评估方面,需要跨微服务进行评估。当请求的完整路径可追溯时,就可以确定哪个微服务是瓶颈,以及哪个微服务处理请求需要特别长的时间。Zipkin 可以实现这种调查,它支持不同的网络协议,能够自动通过这些协议传递请求 ID。与关联 ID 不同,Zipkin 的目的不是关联日志条目,而是分析微服务的时间行为,并提供了合适的分析工具。

1.6 尝试与实验

  • 定义一个能够实现基于微服务架构的日志记录的技术栈:
  • 确定日志消息的格式。
  • 必要时定义一个日志框架。
  • 确定用于收集和评估日志的技术。
  • 思考当前项目如何处理日志,是否可以在项目中实施上述部分方法和技术。

2. 监控

2.1 监控概述

监控用于监视微服务的指标,使用除日志记录之外的信息源。监控主要使用数值来提供应用程序当前状态的信息,并指示该状态随时间的变化。这些值可以表示在特定时间内处理的调用次数、处理调用所需的时间,或者系统值(如 CPU 或内存利用率)。当某些阈值被超过或未达到时,这表明存在问题,并可以触发警报,以便有人解决问题,甚至可以自动解决问题,例如通过启动额外的实例来解决过载问题。

监控提供的生产反馈不仅对运维人员重要,对开发人员和系统用户也很重要。基于监控信息,他们可以更好地理解系统,从而做出关于系统进一步开发的明智决策。

2.2 基本监控信息

所有微服务都应提供基本的监控信息,这有助于全面了解系统状态。所有微服务应以相同的格式提供所需信息,微服务系统的组件也可以使用这些值。例如,负载均衡可以使用健康检查来避免访问无法处理调用的微服务。

所有微服务应提供的基本值包括:
- 指示微服务可用性的值,表明微服务是否能够处理调用(“存活”)。
- 关于微服务可用性的详细信息,例如微服务使用的所有其他微服务是否可访问,以及所有其他资源是否可用(“健康”)。这些信息不仅能表明微服务是否正常运行,还能提示微服务的哪个部分当前不可用以及原因。
- 微服务的版本信息以及其他元信息,如联系人、使用的库及其版本等。这些信息可以作为文档的一部分,也可以用于检查当前生产环境中实际使用的微服务版本,便于查找错误,还可以实现微服务和其他软件的自动连续清单管理。

2.3 额外指标

监控还可以记录额外的指标,如响应时间、特定错误的频率或调用次数等。这些值通常针对特定的微服务,不一定所有微服务都需要提供。当达到某些阈值时,可以触发警报,不同微服务的阈值不同。为了让所有微服务使用相同的监控工具,使用统一的接口访问这些值是明智的,这可以大大减少这方面的开销。

2.4 监控利益相关者

监控信息有不同的利益相关者:
- 运维人员希望及时了解问题,以确保微服务的顺利运行。在出现紧急问题或故障时,他们希望通过寻呼机或短信等方式随时收到警报。只有在需要更深入分析错误时,才需要详细信息,通常会与开发人员一起进行分析。运维人员不仅关注微服务本身的值,还关注操作系统、硬件或网络的监控值。
- 开发人员主要关注应用程序的信息,他们希望了解应用程序在生产环境中的运行方式以及用户的使用情况。根据这些信息,他们可以进行优化,特别是在技术层面。因此,他们需要非常具体的信息,例如,如果应用程序对某类调用的响应过慢,就需要针对这类调用对系统进行优化,为此需要获取尽可能多的关于这类调用的信息。开发人员会详细评估这些信息,甚至可能对分析特定用户或一组用户的调用感兴趣。
- 业务利益相关者关注业务成功和相关业务数据。应用程序可以专门为他们提供这些信息,他们根据这些信息生成统计数据,从而做出业务决策。通常,他们对技术细节不感兴趣。

不同的利益相关者不仅关注不同的值,而且分析方式也不同。标准化数据格式有助于支持不同的工具,使所有利益相关者都能访问所有数据。

2.5 事件关联

将数据与事件(如新版本发布)进行关联是有意义的。这需要将事件信息传递给监控系统。当新版本发布带来显著的收入增长或导致明显的响应时间延长时,这是一个值得关注的发现。

2.6 监控与测试的关系

在某种程度上,监控是另一种形式的测试。测试关注新版本在测试环境中的正确功能,而监控检查应用程序在生产环境中的行为。集成测试的结果也应反映在监控中。当问题导致集成测试失败时,监控中可以有相关的警报。此外,测试环境也应启用监控,以便在测试阶段就发现问题。当通过适当的措施降低部署风险时,监控甚至可以接管部分测试工作。

2.7 动态环境挑战

基于微服务架构的工作面临的另一个挑战是微服务的动态性。在部署新版本时,实例可能会停止并以新的软件版本重新启动。当服务器出现故障时,实例会关闭并启动新的实例。因此,监控必须与微服务分开进行,否则微服务的停止会影响监控基础设施,甚至导致其失败。此外,微服务是分布式系统,单个实例的值本身并不具有代表性,只有收集多个实例的值,监控信息才具有相关性。

2.8 具体监控技术

可以使用不同的技术来监控微服务:
| 技术名称 | 描述 |
| ---- | ---- |
| Graphite | 可以存储数值数据,针对处理时间序列数据进行了优化。数据可以在 Web 应用程序中进行分析,存储在自己的数据库中,一段时间后会自动删除。通过套接字接口以非常简单的格式接受监控值。 |
| Grafana | 扩展了 Graphite,提供了替代的仪表盘和其他图形元素。 |
| Seyren | 为 Graphite 增加了触发警报的功能。 |
| Nagios | 是一个全面的监控解决方案,可以作为 Graphite 的替代方案。 |
| Icinga | 最初是 Nagios 的一个分支,使用场景非常相似。 |
| Riemann | 专注于处理事件流,使用函数式编程语言定义对特定事件的反应逻辑,可以配置合适的仪表盘,并通过短信或电子邮件发送消息。 |
| Packetbeat | 使用代理记录被监控计算机上的网络流量,能够轻松确定哪些请求需要多长时间以及哪些节点之间进行通信。它使用 Elasticsearch 进行数据存储,使用 Kibana 进行分析,与日志分析使用相同的工具栈,降低了环境的复杂性。 |
| 商业工具 | 如 HP 的 Operations Manager、IBM Tivoli、CA Opscenter 和 BMC Remedy 等。这些工具非常全面,在市场上存在很长时间,支持许多不同的软件和硬件产品。通常在企业范围内使用,但引入这些工具通常是一个非常复杂的项目。一些解决方案还可以分析和监控日志文件。 |
| 云监控 | 可以将监控迁移到云端,无需安装额外的基础设施,便于引入工具和监控应用程序,例如 NewRelic。 |

2.9 微服务中启用监控

微服务需要提供数据,以便在监控解决方案中显示。可以通过简单的接口(如 HTTP)以 JSON 等数据格式提供数据,然后监控工具可以读取并导入这些数据。开发人员可以编写适配器脚本,通过相同的接口为不同的工具提供数据。

2.10 监控相关框架和工具

  • Metrics :在 Java 世界中,可以使用 Metrics 框架记录自定义值并将其发送到监控工具,从而在应用程序中记录指标并将其传递给监控工具。
  • StatsD :可以从不同来源收集值,进行计算,并将结果传递给监控工具。这有助于在将数据传递给监控工具之前进行数据压缩,减少监控工具的负载。有许多 StatsD 客户端库便于向 StatsD 发送数据。
  • collectd :可以收集系统统计信息,如 CPU 利用率。数据可以通过前端进行分析,也可以存储在监控工具中。collectd 可以从 HTTP JSON 数据源收集数据并发送到监控工具,还可以通过不同的插件从操作系统和基本进程收集数据。

2.11 监控技术栈

监控技术栈包括以下不同组件:
- 在微服务内部记录数据并提供给监控。可以使用直接与监控工具通信的库,也可以通过统一接口提供数据。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;

    A(微服务):::process -->|数据记录| B(监控工具):::process
    A -->|通过统一接口| C(数据传输):::process
    C --> B
    B --> D(分析展示):::process

以上就是关于微服务日志记录和监控的详细介绍,通过合理运用这些技术和方法,可以更好地管理和优化微服务系统。

2.12 监控技术栈组件详细分析

2.12.1 数据记录组件

在微服务内部进行数据记录是监控的基础。可以采用以下两种主要方式:
- 使用直接与监控工具通信的库 :以 Java 中的 Metrics 框架为例,它提供了丰富的 API 来记录各种指标。以下是一个简单的使用示例:

import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.MetricRegistry;
import com.codahale.metrics.Timer;

import java.util.concurrent.TimeUnit;

public class MetricsExample {
    static final MetricRegistry metrics = new MetricRegistry();

    public static void main(String[] args) {
        ConsoleReporter reporter = ConsoleReporter.forRegistry(metrics)
               .convertRatesTo(TimeUnit.SECONDS)
               .convertDurationsTo(TimeUnit.MILLISECONDS)
               .build();
        reporter.start(1, TimeUnit.MINUTES);

        Timer timer = metrics.timer(MetricRegistry.name(MetricsExample.class, "test-timer"));
        Timer.Context context = timer.time();
        try {
            // 模拟处理逻辑
            Thread.sleep(1000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        } finally {
            context.stop();
        }
    }
}

在这个示例中,我们创建了一个 Timer 来记录一段代码的执行时间,并通过 ConsoleReporter 将指标输出到控制台。

  • 通过统一接口提供数据 :可以使用 HTTP 接口以 JSON 格式提供数据。以下是一个使用 Spring Boot 实现的简单示例:
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

import java.util.HashMap;
import java.util.Map;

@SpringBootApplication
@RestController
public class MonitoringDataProvider {

    public static void main(String[] args) {
        SpringApplication.run(MonitoringDataProvider.class, args);
    }

    @GetMapping("/metrics")
    public Map<String, Object> getMetrics() {
        Map<String, Object> metrics = new HashMap<>();
        metrics.put("cpuUsage", 0.5);
        metrics.put("memoryUsage", 0.6);
        return metrics;
    }
}

这个示例中,我们创建了一个 Spring Boot 应用,通过 /metrics 接口以 JSON 格式返回 CPU 和内存的使用情况。

2.12.2 数据传输组件

数据传输是将微服务内部记录的数据传递到监控工具的过程。常见的传输方式有:
- 通过 HTTP 协议 :如上述 Spring Boot 示例,监控工具可以通过发送 HTTP 请求到微服务的统一接口来获取数据。
- 使用消息队列 :可以使用 Kafka、RabbitMQ 等消息队列将数据异步发送到监控工具。例如,使用 Kafka 发送监控数据的示例代码如下:

import org.apache.kafka.clients.producer.*;
import java.util.Properties;

public class KafkaProducerExample {
    public static void main(String[] args) {
        Properties props = new Properties();
        props.put("bootstrap.servers", "localhost:9092");
        props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");

        Producer<String, String> producer = new KafkaProducer<>(props);
        ProducerRecord<String, String> record = new ProducerRecord<>("monitoring-topic", "cpuUsage", "0.5");
        producer.send(record, new Callback() {
            @Override
            public void onCompletion(RecordMetadata metadata, Exception exception) {
                if (exception != null) {
                    System.err.println("Failed to send message: " + exception.getMessage());
                } else {
                    System.out.println("Message sent successfully: " + metadata.toString());
                }
            }
        });
        producer.close();
    }
}

在这个示例中,我们创建了一个 Kafka 生产者,将 CPU 使用情况发送到 monitoring-topic 主题。

2.12.3 分析展示组件

监控工具接收到数据后,需要对数据进行分析和展示。不同的监控工具提供了不同的分析和展示功能:
- Graphite 和 Grafana :Graphite 存储时间序列数据,Grafana 则提供了强大的可视化功能。可以通过 Grafana 创建各种仪表盘来展示监控数据,如折线图、柱状图等。以下是一个简单的 Grafana 仪表盘配置示例:
| 面板名称 | 数据来源 | 展示类型 |
| ---- | ---- | ---- |
| CPU 使用率 | Graphite 中的 cpuUsage 指标 | 折线图 |
| 内存使用率 | Graphite 中的 memoryUsage 指标 | 柱状图 |

2.13 监控技术选型建议

在选择监控技术时,需要考虑以下几个因素:
- 功能需求 :根据微服务系统的具体需求,确定需要监控的指标和功能。如果需要监控网络流量,可以选择 Packetbeat;如果需要处理事件流,可以选择 Riemann。
- 可扩展性 :随着微服务系统的发展,监控需求可能会不断增加。选择具有良好可扩展性的监控技术,如支持插件扩展的工具,可以方便地添加新的监控功能。
- 易用性 :监控工具的易用性直接影响运维人员和开发人员的使用体验。选择具有直观界面和简单配置的工具,如 Grafana,可以降低使用门槛。
- 成本 :商业监控工具通常功能强大,但成本较高;开源工具则成本较低,但可能需要更多的技术支持。需要根据企业的实际情况进行选择。

2.14 微服务监控最佳实践

2.14.1 建立监控指标体系

根据微服务的业务需求和技术架构,建立全面的监控指标体系。包括基本指标(如可用性、健康状态、版本信息)和额外指标(如响应时间、错误频率)。

2.14.2 定期评估和优化监控策略

随着微服务系统的不断变化,监控策略也需要不断调整和优化。定期评估监控指标的有效性,删除不必要的指标,添加新的指标。

2.14.3 自动化处理和告警

设置合理的阈值,当指标超过阈值时自动触发告警。同时,可以通过自动化脚本实现问题的自动处理,如自动启动额外的实例来解决过载问题。

2.14.4 多维度分析

不仅要关注微服务本身的指标,还要结合操作系统、硬件和网络的监控数据进行多维度分析。例如,当微服务响应时间过长时,检查是否是由于网络延迟或 CPU 过载导致的。

2.15 总结

微服务的日志记录和监控是确保微服务系统稳定运行和性能优化的关键。通过合理选择日志分析工具和监控技术,建立完善的监控指标体系,以及遵循最佳实践,可以更好地管理和优化微服务系统。在实际应用中,需要根据具体情况进行灵活调整,不断完善日志记录和监控方案。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;

    A(确定监控需求):::process --> B(选择监控技术):::process
    B --> C(建立监控指标体系):::process
    C --> D(实施监控):::process
    D --> E(分析数据):::process
    E --> F(优化策略):::process
    F --> D

以上就是关于微服务日志记录和监控的全面介绍,希望能为微服务系统的管理和优化提供有益的参考。

SpringCloud微服务中基于MDC与OpenFeign的TraceId链路追踪实战 在微服务架构中,分布式链路追踪是保障系统可观测性的核心技术之一,其核心原理是通过唯一的TraceId串联跨服务调用,实现请求链路的完整还原。这项技术的核心价值在于能够将原本孤立的服务日志进行关联聚合,极大提升线上问题排查效率。从工程实践角度,MDC(Mapped Diagnostic Context)作为SLF4J提供的线程上下文存储机制,是实现日志与TraceId自动关联的关键;而OpenFeign作为SpringCloud生态中主流的服务间HTTP调用组件,其拦截器机制是透明传递TraceId的理想桥梁 阅读详情

相关推荐

27、云原生微服务安全与迁移策略全解析

本文全面解析了云原生微服务的安全保障与云迁移策略。首先探讨了微服务架构中不可变基础设施的实现、容器安全、监控与事件响应机制、合规性与风险管理(包括威胁建模和渗透测试),以及基础设施安全和威胁检测与响应的最佳实践。此外,还详细阐述了云迁移的规划、关键步骤、挑战与应对策略,帮助组织构建安全、可靠、高效的云微服务架构,满足业务发展和监管要求。

mmm90的博客 86

SpringCloud微服务实战——搭建企业级开发框架(三十七):微服务日志系统设计与实现

  针对业务开发人员通常面对的业务需求,我们将日志分为操作(请求)日志和系统运行日志,操作(请求)日志可以让管理员或者运营人员方便简单的在系统界面中查询追踪用户具体做了哪些操作,便于分析统计用户行为;系统运行日志又分为不同的级别(Log4j2): OFF > FATAL > ERROR > WARN > INFO > DEBUG > TRACE > ALL,这些日志级别由开发人员在代码编写时确定,并编写在代码中,系统运行时记录,方便系统开发人员分析定位解决问题,查找

全栈程序猿的专栏 4008

27、云安全监控与事件响应全解析

本文深入解析了云环境下的安全监控与事件响应机制,探讨了如何在保障安全的前提下赋予用户自主性,并结合AWS工具和NIST事件响应框架提供应对安全事件的策略。文章涵盖了架构设计、日志记录、监控工具的使用,以及事件响应的完整流程,并通过实际案例展示了如何有效应对安全事件。

tcp8optimizer的博客 80

微服务日志体系最佳实践

本文总结了微服务架构下的日志体系设计最佳实践。针对微服务复杂度带来的排查难题,提出了8个关键优化点:统一日志路径、分类隔离、格式规范、语义标准、全链路追踪、异常上下文、日志收集和智能监控。特别强调通过标准化的日志分类、格式统一的摘要记录、贯穿全链路的TraceId等技术手段,构建可快速定位问题的日志体系。同时建议结合ELK等技术实现日志集中管理,并通过合理的告警策略实现有效监控。这些实践可显著提升分布式系统的可观测性和问题排查效率。

shabenben的博客 1874

27、AWS 安全监控与事件响应全解析

本文深入解析了如何利用AWS服务构建有效的安全监控与事件响应机制,并结合NIST事件响应框架,详细介绍了从事件设计与准备、检测与分析,到遏制与隔离、法医分析、根除以及事件后活动的完整流程。通过AWS CloudTrail、VPC流日志、CloudWatch等工具,企业可以更好地监控安全事件并采取应对措施,保障云基础设施的安全。

sky77的博客 72

微服务请求日志统一处理方案

问题:在微服务中如何对请求日志统一输出? 新建日志组件,日志组件对请求进行拦截处理,输出请求入参、出参。其他各微服务引用日志组件,对日志统一输出 日志组件如下: 工具类 1、新建TimeCostEnum 请求耗时类,用于对请求处理耗时级别定义 package com.jhjcn.common.logger; /** * @Deacription TODO * @Author jianhua.hong * @Date 2020/4/3 10:39 **/ public enum TimeCostEnum { M1(0, 20, "M1"), M2(20, 40, "M2

微服务系列之SpringBoot基础:自定义Starter记录日志

SpringBoot自定义有starter

kuangpengfei的博客 1150

利用Sigrity的SPEED2000进行时域电源噪声分析

SPEED2000进行时域电源噪声分析

ZHENGSA的博客 3622

微服务 系统日志记录 案例

package com.dragonwu.aspect; import cn.hutool.core.lang.Snowflake; import cn.hutool.core.util.StrUtil; import cn.hutool.core.util.URLUtil; import com.dragonwu.domain.SysUserLog; import com.dragonwu.model.WebLog; import com.dragonwu.service.SysUserLogServ.

qq_50909707的博客 723

Cursor使用教程,有点难

Cursor Code Editor 不仅仅是一个代码编辑器,它更是一个集成了 AI 的全功能开发环境,帮助你从代码编写到优化的整个过程变得更加智能和高效。它通过内置的 AI 代码补全、错误检测和自动修复功能,大大减少了手动编写代码的负担,帮助你快速完成开发任务。同时,Cursor 还与多种前沿的 AI 大模型集成,包括 OpenAI 的 GPT-4o、Claude 3.5 和 Meta 的 Llama 3.1。

xiaofeitunAI的博客 1万+

HOPE:基于强化学习的混合策略路径规划器,适用于多样化停车场景

本文提出了一种混合策略路径规划器(HOPE),用于解决自动停车中的路径规划问题。HOPE结合了强化学习(RL)和Reeds-Shepp(RS)曲线,通过动作掩码机制引导RL智能体的探索,并利用Transformer融合环境感知信息与掩码。该方法在多样且复杂的停车场景中实现了超过97%的成功率,并通过真实实验验证了其泛化能力。此外,本文还提出了基于空间与障碍物分布的停车场景难度分级标准,进一步提升了训练与评估的效率。实验结果表明,HOPE在规划成功率和跨场景泛化能力上均优于传统的基于规则算法和朴素强化学习方法

weixin_42783201的博客 1466

2021/03/27 K8S集群日志与监控

第1章 k8s日志收集 1.1 节点日志代理架构 官网对K8S整个日志架构相关的介绍 总体分为三种方式: 使用每个节点上运行的节点级日志记录代理 在应用程序的pod中,包含专门记录日志的sidecar容器 将日志直接从应用程序中推送到日志记录后端 日志驱动,定义一个大门daemon.json文件,去配置docker选项,log-driver 默认会存储到一个文件里,假如不设置,这也是默认设置 json-file是默认的一个日志驱动 如果日志驱动是json-file,程序的输入输出会打到这个

qq_42227818的博客 4236

无人驾驶-2024-09-智能驾驶与机器视觉09:视觉与多传感器融合

从本章开始,我们将详细介绍视觉与多传感器融合技术。自动驾驶中常用的传感器都有其优势和局限性,单一传感器无法应对复杂的驾驶场景。多传感器融合技术旨在综合利用不同的传感器优势,提升感知的精度和鲁棒性。本章首先介绍多传感器融合的相关概念,之后详细介绍典型的融合方法。

u013250861的博客 594

微服务常见面试题

微服务是一种软件架构风格,它将一个大型的应用程序拆分成一组小型的、独立的服务,每个服务都运行在自己的进程中,并通过轻量级的通信机制进行交互。分布式是由一组通过网络通信协作的计算机节点组成的系统,强调任务分解到多个节点处理。微服务是将应用拆分成小型独立服务,每个服务运行在自己进程中并通过轻量级通信机制交互。服务注册与发现是微服务架构中的重要机制。服务注册是微服务启动时将自身信息上报给服务注册中心;服务发现是其他微服务或调用者向注册中心查询目标服务地址信息。

qq_30885871的博客 2852

现代软件开发技术 | 第1章:Spring基础

Spring是一个轻量级Java 开发框架,最早由Rod Johnson创建,目的是为了解决企业级应用开发的业务逻辑层和其他各层的耦合问题。

知识库搭建ing 455

Aurix TC3xx系列MCU ResourceM模块配置(多核资源分配)

为减轻主核的负载率或者平衡各个核的资源分配,通常需要把一些MCU内部资源分配到从核上,在EB tresos工具中,通过ResourceM模块实现多核资源分配。

m0_38045338的博客 1390

微服务监控之分布式链路追踪技术 Sleuth + Zipkin

分布式链路追踪技术核⼼思想 本质:记录⽇志,作为⼀个完整的技术,分布式链路追踪也有⾃⼰的理论和概念 微服务架构中,针对请求处理的调⽤链可以展现为⼀棵树,示意如下 ⼀个请求通过⽹关服务路由到下游的微服务-1,然后微服务-1调⽤微 服务-2,拿到结果后再调⽤微服务-3,最后组合微服务-2和微服务-3的结果,通过⽹关返回给⽤户 为了追踪整个调⽤链路,肯定需要记录⽇志,⽇志记录是基础,在此之上肯定有⼀些理论概念,当下主 流的的分布式链路追踪技术/系统所基于的理念都来⾃于Google的⼀篇论⽂《Dapper, a

小城我家 476

3、固定翼无人机模型解析

本文详细解析了固定翼无人机的动力学模型与纵向模型,涵盖位置、速度、角度及角速度的变化率方程,并介绍了力和力矩的计算方法以及气动系数的表达式。通过关键参数分析,探讨了速度、迎角和倾斜角对飞行性能的影响。文章还展示了模型在编队飞行和任务规划中的应用,并提出了参数优化与先进控制策略等优化思路,为无人机飞行控制系统设计提供了理论基础。

gaochao的博客 240

Spring Cloud Alibaba微服务实战

Spring Cloud Alibaba微服务实战技术专栏,从项目实践出发,包括Spring Cloud Alibaba、Nacos、Gateway、Sentinel、Log日志、分布式全局唯一ID、DDD领域驱动设计等等技术内容,可帮助你对Spring Cloud 微服务技术栈有更加全面和直观的了解。相信你通过本专栏的练习和实践,能够学以致用,提升微服务应用的开发能力。 技术专栏中具体章节内容如下所示: 1. Spring Cloud和Spring Cloud Alibaba微服务框架的关系.

分享开发、架构设计、容器、云原生、大数据、人工智能等等 1650

HTML满屏跳动的爱心(完整代码)

HTML语言实现满屏跳动爱心的完整代码。

AIGC 12万+

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

2022 最新 微服务 面试题 (一)

2022 最新 微服务 面试题 1、您对微服务有何了解?2、微服务架构有哪些优势?3。微服务有哪些特点?· 解耦 – 系统内的服务很大程度上是分离的。因此,整个应用程序可以轻 松构建,更改和扩展· 自治 – 开发人员和团队可以彼此独立工作,从而提高速度· 责任 – 微服务不关注应用程序作为项目。相反,他们将应用程序视为他 们负责的产品4、设计微服务的最佳实践是什么?5、微服务架构如何运作?6、微服务架构的优缺点是什么?7、单片,SOA 和微服务架构有什么区别?·

猫头虎技术团队:授渔优于赠鱼,兴趣引领智慧,探索之乐尤显珍贵。商务合作+:Libin9iOak ,万粉变现+:优快云WF,猫头虎承诺每年免费为100名C站创作者做账号流量诊断服务!全网搜:猫头虎技术团队,点击文章底部名片或直接私信我一切皆可谈,快找虎哥! 2718

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

Java 应用的 API 服务化: 微服务架构中的 API 设计

Java 应用的 API 服务化: 微服务架构中的 API 设计 大家好,我是微赚淘客返利系统3.0的小编,是个冬天不穿秋裤,天冷也要风度的程序猿! 随着微服务架构的流行,服务化API设计成为构建现代应用程序的关键。微服务架构将应用拆分成一系列小型、独立的服务,每个服务实现特定的业务功能,并通过API进行通信。本文将探讨在...

weixin_40887247的博客 532

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

2021-10-27

1、分布式SpringCloud微服务,高性能Nginx方向代理Web服务,可扩展,高可用,高性能。 2、SpringCloud+Nginx基础 本书介绍: 1、注册中心,配置中心,微服务开发和配置 2、SpringCloud的RPC远程调用的核心原理,从设计模式发现SpringCloud Feign底层RPC远程调用的核心原理。 3、RxJava响应式编程,Ribbon和Hystrix都用到RxJava响应式编程 4、Hystrix RPC保护原理 5、网关:用户身份识别,统一解决Prov.

qq_39577316的博客 95

Java微服务项目-黑马商城学习打卡第5天

微服务调用链路中的某个服务故障,引起整个链路中所有的微服务都不可用,这就是雪崩。

weixin_45829257的博客 1805

微服务框架使用p6spy监控Oracle数据库打印sql信息

1.添加jar。我们是maven项目。 &lt;dependency&gt;     &lt;groupId&gt;p6spy&lt;/groupId&gt;     &lt;artifactId&gt;p6spy&lt;/artifactId&gt;     &lt;version&gt;2.1.3&lt;/version&gt; &lt;/dependency&gt; 2

九尾狐的yi巴的博客 1589

MGeo地址解析模型企业级应用:支持千万级地址日处理的微服务架构部署方案

本文介绍了如何在星图GPU平台上自动化部署MGeo门址地址结构化要素解析-中文-地址领域-base镜像,构建高可用的地址解析微服务。该方案能将非结构化的中文地址文本(如“北京市海淀区中关村大街27号”)精准拆解为省、市、区、街道等结构化要素,广泛应用于物流分拣、地理信息处理等场景,支撑千万级日处理量。

weixin_35294091的博客 785
上一篇: 46、跨站脚本攻击与客户端JavaScript事件处理
下一篇: 32、网络安全中的ARP欺骗与伪装检测技术
git9versioner
博客等级 码龄4年 75粉丝 1650原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值