locahuang的博客

一、引言一个系统通常包含多个服务，服务之间的数据顺利交互，是整个系统能够正常工作的基本要求。但实际应用中，不少人会经常遇到某个服务异常工作后，整个系统随之崩掉的情况，这种情况我们应该如何预防和处理呢？本章节的内容希望能够给你带来些启发。二、场景介绍2.1 接口简述一个新零售架构系统中 ，有一个通用用户服务，很多页面都会使用，它包含两个接口。第一个接口：用户态接口接口功能：返回用户车辆所在位置。使用业务：在用户信息展示页面会使用到，比如客服系统中的用户信息页面。数据来源：对接第三方系统，

一、引言本文罗列多数人使用Elasticsearch时可能会遇到的一些坑点，供大家参考、讨论、补充。二、坑1：ES是准实时的？为了验证这个坑是否是真坑，大家可以自己手动测试一下：当更到数据到ES并且返回提示成功这一瞬间，立马通过ES查询，查看返回的数据是不是最新的。思考：若查询到的数据是最新的，这个坑不算坑，可以填土了；而如果不是最新的数据，那么背后的原因是什么？如果你还没有做验证，不要紧，我们一起来看下ES数据索引的整个过程，也许你从中也会找到蛛丝马迹。|| 数据索引整个过程数据

一、 引言全文搜索属于最常见的需求，开源的 Elasticsearch （以下简称 Elastic）是目前全文搜索引擎的首选。它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github 都采用它。Elastic 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。Elasticsearch 在分布式开源搜索和分析引擎中处于领先地位，能在短

一、引言一个电商系统，存放了10万多条商品数据，每次用户浏览商品详情页时，需要先从数据库读取数据，再进行数据拼装和计算，，耗费的时间有时长达1s。从而导致页面打开速度慢。面对这种问题，我们应该如何解决？二、本地缓存关于缓存问题，最简单的实现方法是使用本地缓存。在Google Guava中有一个cache内存缓存模型，它把所有商品的ID与商品详情信息一对一缓存在JVM内存中，用户获取商品详情数据时，系统会根据商品ID直接从缓存中读取数据，大大提升了用户界面访问速度。咋一看，实现流程似乎简单、实用

一、 引言一个系统，目前订单数据量已达上亿，并且每日以百万级别的速度增长，甚至之后还可能是千万级。面对如此庞大的数据量，那么一旦数据量疯狂增长，必然造成读写缓慢。那么，为了使系统能够抗住千万级数据量的压力，都有哪些解决方案呢？二、 分表分库当数据库表读写缓慢的时候，我们第一时间考虑到的是优化程序读写模块，调整软件架构；不过，对于单库单表而言，一旦数据量疯狂增长，无论是IO还是会CPU都会扛不住，单单从软件上来解决优化效果有限。我们这里要介绍的解决方案是：分表分库，即先将表进行拆分，再进行分布