guaiguaiyalj的博客

原创 Redis高可用性

Redis 实现高可用主要依赖于三种核心机制，分别是主从复制、哨兵模式、集群模式；

原创 Redis持久化

因为Redis数据是在内存中的，重启时，内存中的数据就会丢失，所以有了数据持久化机制。一共有三种持久化方式，来保证数据不丢失。

原创 Protobuf学习

Protobuf是一种高效的数据序列化工具，通过.proto文件定义数据结构，使用protoc编译器生成头文件和源文件。

原创 微服务项目文档

微服务项目文档

原创 Git分支管理

Git分支是Git最强大的功能之一，它允许开发者在不同的开发线上并行工作而互不干扰。通过合理使用Git分支，可以大大提高团队协作效率和代码质量。

原创 Git基本操作1

Git是一款分布式版本控制系统，用于高效管理代码版本和团队协作。它通过工作区、暂存区和版本库三个区域协同工作，记录每次修改。

原创 I/O多路复用(select/poll/epoll)

通过一个进程来维护多个Socket，也就是I/O多路复用，是一种常见的并发编程技术，它允许单个线程或进程同时监视多个输入/输出（I/O）流（例如网络连接、文件描述符）。

原创 TCP Socket编程

想客户端和服务器能在网络中通信，就得使用 Socket 编程，它可以进行跨主机间通信。

原创 事务、提交方式、回滚

事务就是一组DML语句组成，这些语句在逻辑上存在相关性，这一组DML语句要么全部成功，要么全部失败，是一个整体。MySQL提供一种机制，保证我们达到这样的效果。一个 MySQL 数据库，不止一个事务在运行，同一时刻，甚至有大量的请求被包装成事务，在向 MySQL 服务器发起事务处理请求。而每个事务至少一条 SQL 语句，最多很多 SQL 语句，如果大家都访问同样的表数据，在不加保护的情况，就绝对会出现问题。

原创 MySQL索引

索引：提高数据库的性能，索引是物美价廉的东西了。不用加内存，不用改程序，不用调sql，只要执行正确的 create index，查询速度就可能提高成百上千倍。

原创 IP的学习

IP地址的作用：用来定位主机，具有一个将数据从主机A跨网络送到主机B的能力。

原创 TCP、流量控制、滑动窗口、拥塞控制等

三次握手，四次挥手，流量控制，拥塞控制

原创 线程的互斥与同步

1、假设线程1先对n进行++，在属于它的时间片中，线程1疯狂进行++操作，最终将n加到1000，并且继续++时，第一步和第二步已经完成，在寄存器中保存的是1001，准备执行第三步的时候，属于它的时间片到了，那么这时线程1就会被切出去等待，让其他线程执行。3、此时又将线程1切回来，并且回来的时候，属于它的上下文数据也会带回来，继续完成之前没有完成的任务，那么线程1就会继续执行它的第三步操作，将寄存器中的1001写回内存，这时本来线程2已经将n加到了3000，而线程1又将其变成了1001。

原创 线程控制学习

而且通过上面的两个图也可以发现，他们的地址变换很大，因为刚开始，只是一个全局表量，保存在已初始化数据段，而添加_thread修饰后，主线程的g_val就在主线程栈中存储，而新线程的g_val就在对应线程空间的线程栈上。当我们调用pthread_create创建线程后，在线程库中就会新建一个描述线程的结构体，来保存线程的相关数据，而这一部分也是实际的内存，有对应的地址，而pthread_t本质就是一个进程地址空间上的地址。这里的返回值是new出来的，在主线程的线程等待时记得delete。

原创 页表。线程的初步学习

所以线程就是进程内的一个执行流，线程在进程内部执行就是线程在进程的虚拟地址空间上执行，拥有该进程的一部分资源。解释：CPU内部调度时，每个线程都有运行的时间片，当运行的时间片到了之后就会切换其他线程来运行，这样可以保持多个线程同时调度，也就是并发，但是在这种情形下，可能会有一些线程在属于它的时间片中并没有将自己的代码执行完，就要被切出去，这时就需要保存它的上下文，以便下次调度时继续上次的执行，这样每个线程执行的情况就不同，保存的上下文也就不同，也就是属于每个线程所私有的。

原创 make/makefile

make和makefile的学习

原创 Linux下的vim和gdb

主要对linux中的vim和gdb的使用进行了总结

原创 vector和list；迭代器失效

vector和list的使用和注意地方；迭代器失效。

原创 异常和智能指针的相关笔记

原创 解决shared_ptr的循环引用

在实现智能指针shared_ptr中有一个问题就是循环引用的问题，针对循环引用可以使用weak_ptr来解决。

原创 C++11智能指针

由于异常引发的异常安全(上文有异常安全的介绍)可能会导致内存泄漏，所以我们需要来解决内存泄漏的问题，这里有两种方案：：1、事前预防型。如智能指针等。2、事后查错型。如泄漏检测工具。

原创 C++11异常安全

异常是一种处理错误的方式，当一个函数发现自己无法处理的错误时就可以抛出异常，让函数的 直接或间接的调用者处理这个错误。

原创 哈希桶的实现，怎么解决哈希冲突

其实现也是通过取模的方式，只是当冲突出现时，哈希桶的处理方式是将冲突的数据通过链表链接在一起，都挂在同一个映射位置，比如上面的4和44，都映射到4的位置，通过链表链接，查找时在对应的映射位置中遍历查找即可。会发现11，21，31的与capacity模后余数都是1，也需要映射到1对应的位置，这就引发了冲突，即哈希冲突(不同映射值映射到了相同的位置)。闭散列的哈希表也需要增容，因为刚开始存数据的数组大小不能满足，则增容，但是这里的增容不能满了才增容，因为快满时插入数据，冲突的概率很大，效率就低了。

原创 红黑树的相关笔记

红黑树对应的相关笔记，可参考

原创 红黑树的基本实现

红黑树，也是一种二叉搜索树，只是在每个结点上增加一个存储位表示结点的颜色，可以是Red或 Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路径会比其他路径长出俩倍，因而是接近平衡的。应用更广泛。

原创 AVLTree

如何构建AVLTree

原创 C++中的继承

C++中继承的学习内容

原创 函数模板、类模板

函数模板和类模板的学习

原创 TopK的实现

2：为了找10个最小的，即提取出10个数来建堆，建大堆(建大堆即这10个元素中最大的元素在堆顶，然后将剩下的元素依次提取，与堆顶比较，若是比堆顶小，则将堆顶替换为该数据，再进行调整，变为大堆，调整后堆顶数据还是新的10个数据中最大的，然后继续提取，比较，调整)。前提：从1000个数据中找出10个最小的，这里的实现用到了文件操作，现实中若是基数很大，不能直接在内存中保存，则要借助文件将数据保存，然后再提取数据进行比较。在此前，已经介绍了向下调整算法，建堆以及堆排序的实现，这篇文章将实现TopK问题。

原创 堆排序的实现

以数组形式来看就是{64,45,37,23,23,9,7,5,3,1};首先需要知道的是，如果想要对一个数组排升序，要建大堆，排降序，要建小堆。3）交换完后，最后一个数据不动，剩下的数据对堆顶元素进行向下调整；2）交换堆顶(第一个)和堆尾(最后一个)的数据；这里的黄色框内表示没有参与调整。以此循环进行，最终实现排序。具体过程：(以排降序为例)2）交换堆顶和堆尾的数据，4）循环2）3）步骤。

原创 堆排序的前提，建堆

实现堆排序的前提，建堆。建堆后才能进行堆排序，以及后续的TopK问题。

原创 快速排序非递归实现

快速排序的非递归方法实现。

原创 快速排序法排序方法三

cur才进行交换，这句代码的意思是如果刚开始进来访问的位置处的值就比key小，并且++prev后prev和cur指向同一个位置(例如cur=0，prev=cur-1，当访问0位置处的值比key小，则++prev后等于cur，两个同时指向0位置处)，则交换不交换都可，所以不交换也行，当不相等时的交换才有意义。下面注释的代码是进行交换的。4，处理完后，prev处及其左边都是比key小的值，其右边都是不小于key的值，再++prev然后和最后位置的基准值交换，这样就可以确保以基准值为中分为左右两个子序列了。

原创 快速排序法排序方法二

2，从左边开始位置begin开始向右边找比key大的值，找到后将其填入到“坑位”，那么当前begin位置就成了新的“坑位”；3，然后从右边end位置开始向左找比key小的值，找到后将其填入到“坑位”，那么当前end位置就又成了新的“坑位”；4，以此反复，当begin和end相遇时，即为最后的一个“坑位”，再将最初保存的基准值填入这个“坑位”；1，将最后一个位置的值作为基准值(key)，并且保存下来，那么最后一个位置可以抽象成一个“坑位”；5，最终会形成左边序列比基准值小，右边序列比基准值大；

原创 快速排序法排序

值得注意的是，在PartSort1中添加的前两行代码，第一行是调用GetMidIndex函数，得到选定的基准值的位置，然后第二行是将该基准值换到最后，因为整体的代码实现是以最后一个位置作为基准值的位置实现的，所以要将基准值换到数组的最后一个中。在上一篇文章中介绍了快排的左右指针的方法来实现，并且最后还提到一个三数取中的方法来确保取定的key(基准值)不是要排序的数组中最大或最小的，因为取到最大或最小的值为基准值，将会使这个算法变成效率最慢，所以才有三数取中法；

原创 快速排序法排序

快速排序算法

原创 数据结构中选择排序