- 博客(163)
- 资源 (5)
- 收藏
- 关注
RSS订阅
原创 微服务中的服务雪崩及相关解决方案
一、什么是服务雪崩服务雪崩效应是一种因“服务提供者的不可用”（原因）导致“服务调用者不可用”（结果），并将不可用逐渐放大的现象。解释上面这句话：服务提供者不可用，比如，服务提供者A服务的访问压力过大，或者是网络原因，硬件原因等等多种因素，造成了服务提供者的不可访问。此时，相应的服务调用者B服务，就无法成功调用其提供的接口，并且造成线程阻塞，挤压线程。随着调用次数的增多，挤压的线程越来越多，那么这个服务调用者的抗并发量，就越来越少，直至最后崩掉。依次类推，B服务还为C服务提供了接口，那么B服务崩掉了，
2022-05-18 23:30:36
4045
原创 微服务架构详解
一、微服务架构的由来在微服务架构出现之前，最常用的架构就是单体架构，俗称"一个jar(war)包打天下"。在一个jar包工程中，采用MVC架构，分为表现层，业务层，数据访问层，所有的业务模块，都放在这个工程中集成，如下图所示:随着软件行业规模的增长，这种单体架构的弊端也越来越多，包括:耦合性高，某个地方出问题，很可能影响其他业务模块的使用代码管理成本高，项目沉重，并会随着需求的增加越来越重随着访问量的增多，这种架构的工程并发力不够… …为了解决单体结构带来的问题，就出现了微服务架构。
2022-04-25 09:24:27
37862
原创 若依框架前端Vue项目分析实战
说明前面讲解了vue2的单点知识，下面用若依提供的vue项目，实战分析一下，拿到一个vue项目，如何进行分析并进行二次开发。一、public/index.html与main.js和App.vue三者的关系vue项目是单界面应用，所有的界面将在public下的index.html里呈现。main.js是程序的入口，在这里，定义了vue实例对象。如下代码：new Vue({ el: '#app', router,//路由插件 store,//vuex插件,所有的组件中都可以使用store中
2022-04-09 21:09:10
28949
9
原创 @Autowired注解详解
一、在构造函数上定义关于在构造方法上加@Autowired注解，讲下面几点:1.带有@Autowired注解（属性required默认为true）的构造方法，在Spring初始化对象实例时，会调用此构造函数，进行对象的实例化。2.如果构造方法上带有了@Autowired注解，那么这个构造方法不是public修饰的，也可以被实例化。private修饰的，也可以被实例化出来。3.当一个对象只有一个构造方法时，Spring实例化对象会默认选择这个构造方法进行实例化，无需加@Autowired注解。只有当多
2021-08-01 10:35:30
28107
原创 我的创作纪念日
时光荏苒，不知不觉间，我已经在计算机技术博客的世界里走过了整整四年。回首往昔，那些关于代码的深夜思索、技术难题的攻克瞬间，以及与读者互动的点滴，都如同一颗颗璀璨的星辰，照亮了我这段不平凡的旅程。今天，我想和大家分享这四年来的机缘、收获、日常、成就，以及我对未来的憧憬。
2025-03-19 08:57:39
476
原创 ElasticSearch(十三)— Elasticsearch索引别名与接口扩充
别名，有点类似数据库的视图，别名一般都会和一些过滤条件相结合，可以做到即使是同一个索引上，让不同人看到不同的数据。别名的访问接口是_alias。或者对于同一个 index，我们给不同人看到不同的数据，如 my_index 有个字段是 team，team 字段记录了该数据是那个 team 的。只要有可能，尽量使用别名，推荐为 Elasticsearch 的每个索引都使用别名，因为在未来重建索引的时候，别名会赋予你更多的灵活性。假设一开始创建的索引只有一个主分片，之后你又决定为索引扩容。
2025-02-07 10:55:24
813
原创 ElasticSearch(十二)— Elasticsearch集群
Elasticsearch在保存索引的时候，会把索引数据分成几个文件夹存储。这几个文件夹就是主分片。主分片分布在集群中不同的节点上。每个主分片，会复制多个副本出来，这个副本就是副分片。索引中主分片的数量在创建索引时是固定的，但副本分片的数量可以随时更改，而不会中断索引或查询操作。技术上而言，一份分片是一个目录中的文件，Lucene 用这些文件存储索引数据。分片也是Elasticsearch 将数据从一个节点迁移到另一个节点的最小单位。一份分片是 Lucene 的索引：一个包含倒排索引的文件目录。
2025-02-05 14:58:34
822
原创 ElasticSearch(十一)— Elasticsearch中的SQL语句
Elasticsearch在Basic授权中支持以SQL语句的形式检索文档，SQL语句在执行时会被翻译为DSL执行。从语法的角度来看，Elastisearch中的SQL语句与RDBMS中的SQL语句基本一致，所以对于有数据库编程基础的人来说大大降低了使用Elaticsearch的学习成本。Elasticsearch提供了多种执行SQL语句的方法，可使用类似_search样的REST接口执行也可以通过命令行执行。
2025-01-20 09:16:13
877
原创 ElasticSearch(十)— 聚集查询3
composite 聚集可以将不同类型的聚集组合到一起，它会从不同的聚集中提取数据，并以笛卡尔乘积的形式组合它们，而每一个组合就会形成一个新桶。在示例中，composite 聚集中通过 soures 参数定义了两个需要组合的子聚集。第一个聚集 avg_price 是一个针对 AvgTicketPrice 以 500 为间隔的 histogam 聚集，第二个则聚集 weather 则一个针对 OriginWeather 的 terms 聚集。
2025-01-18 09:00:00
1049
原创 LogStash架构分析
LogStash 是一个的开源数据传输引擎，它像一个两头连接的数据传输管道，将数据实时地从一个数据源传输到另一个数据源中。在数据传输的过程中，LogStash 还可以对数据进行，使数据在到达目的地时直接可用或接近可用，。既然需要将数据搬运到指定的地点，为什么不在数据产生时就将数据写到需要的地方呢?这个问题可以从以下几个方面理解。首先，许多数据在产生时并不支持直接写入到除本地文件以外的其他数据源。比如大多数第三方软件在运行中产生的日志，都以文本形式写到本地文件中。
2024-10-22 09:06:07
1105
原创 idea使用maven打jar包踩坑记录+maven打jar包插件比较
jar包分为普通jar包和可依赖jar包。当我们使用maven把项目打成一个jar包时，默认情况下，只会把当前项目的代码编译文件打入jar包中，而这个项目所依赖的第三方jar包，并不会自动加入到新打的jar包中。这样会造成使用jar包时，报错ClassNotFoundExcepiton，需要使用maven的Assembly插件设置jar包的打包方式。
2024-09-08 23:45:00
1961
原创 ElasticSearch(九)— 聚集查询2
如果使用 SQL 语言类比，桶型聚集与 SQL 语句中的 group by 子句极为相似。桶型聚集(Bucket Aggregation)是 Elasticsearch 官方对这种聚集的叫法，它起的作用是根据条件对文档进行分组。可以将这里的桶理解为分组的容器，每个桶都与一个分组标准相关联，满足这个分组标准的文档会落桶中。所以在默认情况下，桶型聚集会根据分组标准返回所有分组，同时还会通过 doc_count 字段返回每一桶中的文档数量。
2024-08-09 19:00:00
1027
原创 ElasticSearch(八)— 聚集查询1
聚集查询(Aggregation)提供了针对多条文档的统计运算功能，它不是针对文档本身内容的检索，而是要将它们聚合到一起运算某些方面的特征值。聚集查询与 SQL 语言中的聚集函数非常像，聚集函数在 Elasticsearch 中相当于是聚集查询的一种聚集类型。比如在 SQL 中的 avg 函数用于求字段平均值，而在 Elasticsearch 中要实现相同的功能可以使用 avg 聚集类型。聚集查询也是通过_search 接口执行，只是在执行聚集查询时使用的参数是。
2024-07-29 11:37:39
1410
原创 ElasticSearch(七)— 相关性检索和组合查询
全文检索与数据库查询的一个显著区别， 就是它并不一定会根据查询条件做完全精确的匹配。除了模糊查询以外，全文检索还会根据查询条件给文档的相关性打分并排序，将那些与查询条件相关性高的文档排在最前面。相关性( Relevance)或相似性(Similarity)是指两个事物间相互关联的程度，在检索领城特指检索请求与检索结果之间的相关程度。在 Elaticsearch 返回的每条结果中都会包含一个_ score 字段，这个字段的值就是当前文档匹配检索请求的相关性评分，我们也可以称为相关度。
2024-07-27 20:19:46
1765
原创 ElasticSearch(六)— 全文检索
前面讲到的query中的查询，都是精准查询。可以理解成跟在关系型数据库中的查询类似。match系列的查询，是全文检索的查询。会通过分词进行评分，匹配，再返回搜索结果。
2024-07-25 18:31:33
3263
原创 ElasticSearch(五)— 文本分析与分词
文本分析( analysis )是在文档被发送并加入倒排索引之前，Elasticsearch 在其主体上进行的操作。在文档被加入索引之前，Elasticsearch 让每个被分析字段经过一系列的处理步骤。Elasticsearch 首先运行字符过滤器（char filter）。这些过滤器将特定的字符序列转变为其他的字符序列。这个可以用于将 HTML 从文本中剥离，或者是将任意数量的字符转化为其他字符(也许是将“I love u 2”这种缩写的短消息纠正为“I love you too”。
2024-07-25 16:30:40
1328
原创 ElasticSearch(四)— 数据检索与查询
所有的 REST 搜索请求使用_search 接口，既可以是 GET 请求，也可以是 POST请求，也可以通过在搜索 URL 中指定索引来限制范围。_search 接口有两种请求方法，一种是基于 URI 的请求方式，另一种是基于请求体的方式，无论哪种，他们执行的语法都是基于 DSL（ES 为我们定义的查询语言，基于 JSON 的查询语言），只是形式上不同。我们会基于请求体的方式来学习。分页参数，from代表从第几页开始，size代表了返回文档的数量。
2024-07-24 11:10:05
2641
1
原创 ElasticSearch(三)—文档字段参数设置以及元字段
source ： 一个 doc 的原生的 json 数据，不会被索引，用于获取提取字段值 ，启动此字段，索引体积会变大，如果既想使用此字段又想兼顾索引体积，可以开启索引压缩。因为在 JSON 中，“6”用来赋给 int 类型的字段，也是能接受的，默认 coerce 为 true，表示允许这种赋值，但如果 coerce 设置为 false，此时 es只能接受不带双引号的数字，如果在coerce=false 时，将“6”赋值给 number_one时会抛出类型不匹配异常。在某些情况下，存储字段是有意义的。
2024-07-24 11:09:27
1498
1
原创 ElasticSearch(二)— 索引和文档的管理操作
同样在检索文档的时候，它们也不会显示在结果中，所以它们一般都是在检索中以查询条件的形式出现，以减少检索时的性能开销。在上面的代码里，我们使用"fields"就把 name 字段扩充为多字段类型，为name 新增了两个子字段 raw 和 length，raw 设置类型为 keyword，length 设置类型为 token_count，告诉 es 这个字段在保存还需要做词频统计。所以对索引，GET 用来查看索引，PUT 用来创建索引，DELETE用来删除索引，还有一个 HEAD 请求，用来检验索引是否存在。
2024-07-21 17:48:13
1099
原创 ElasticSearch(一) — 基础知识
Elasticsearch 是一个基于Lucene的分布式搜索引擎，提供搜集、分析、存储数据三大功能。它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制，restful 风格接口，多数据源，自动搜索负载等。广泛应用于全文搜索、日志分析和实时数据分析等领域。重点词汇:可以进行文档的多种聚合、统计分析功能。搜集，分析，查询都提供了restful风格的接口， 用户调用restful接口完成与Elasticearch的几乎所有的操作。1.实时分析。
2024-07-21 17:47:43
1184
原创 nginx(三)—从Nginx配置熟悉Nginx功能
max_fails和fail_timeout一般会关联使用，如果某台server在fail_timeout时间内出现了max_fails次连接失败，那么Nginx会认为其已经挂掉了，从而在fail_timeout时间内不再去请求它，fail_timeout默认是10s，max_fails默认是1，即默认情况是只要发生错误就认为服务器挂掉了，如果将max_fails设置为0，则表示取消这项检查。这样，当Nginx接收到客户端的请求后，它就可以根据upstream块中定义的规则，将请求转发给相应的后端服务器。
2024-07-06 22:01:46
1282
原创 Nginx(一)—总体概述
Nginx 是一款轻量级的 Web 服务器、反向代理服务器，由于它的内存占用少，启动极快，高并发能力强，在互联网项目中广泛应用。Nginx 专为性能优化而开发，使用异步非阻塞事件驱动模型。
2024-07-04 10:27:46
949
转载 Nginx(二)—IO模型详解
现在操作系统都是采用虚拟存储器，那么对32位操作系统而言，它的寻址空间（虚拟存储空间）为4G（2的32次方）。操作系统的核心是内核，独立于普通的应用程序，可以访问受保护的内存空间，也有访问底层硬件设备的所有权限。为了保证用户进程不能直接操作内核（kernel），保证内核的安全，操作系统将虚拟空间划分为两部分，一部分为内核空间，一部分为用户空间。
2024-07-04 10:18:51
297
原创 产品经理应该懂的人工智能知识
接下来，是时候看看训练后的模型质量了。模型的效果通常用“拟合程度”来形容，例如某个图片识别的任务中模型训练后的误差率与人类的平均误差率只相差1%，然而测试集误差比训练集误差高了10%，这就意味着模型在全新的（没见过）的数据上表现很不好，因此我们可以判断这个模型过拟合（Overfitting）了。调参的过程，是一种基于数据集、模型和训练过程细节的实证过程，图5-15描述了一个典型的深度学习调参流程，通过调试不同超参数（在这个例子中调试的是学习速率）的值来测试模型效果，直到找到能够实现最低代价函数J的超参数。
2023-12-16 21:24:47
434
原创 人工智能概论
在传统的机器学习中，数据处理需要耗费大量的时间、人力以及物力，因为机器学习的特征标注往往需要专家先进行确定，然后再通过人工编码，标记为一种数据类型，这些类型可能是纹理、方向、位置等，但是，这个过程很容易由于失误而使得任务的准确性降低。在深度学习的计算中，含有非常多的卷积、池化等操作，这些操作带来的是大量的矩阵运算，因此，深度学习对于良好硬件的依赖性非常高，强大的图形处理器（Graphic Processing Unit，GPU）可以高效地帮助深度学习处理矩阵运算，甚至可以说是使用深度学习工具的必备条件。
2023-11-30 19:53:57
1002
原创 KNN算法回归问题介绍和实现
上篇博客中，介绍了使用KNN算法实现分类问题，本篇文章介绍使用KNN算法实现回归问题。介绍思路是先使用sklearn包提供的方法实现一个KNN算法的回归问题。再自定义实现一个KNN算法的回归问题工具类。一、sklearn包使用KNN算法1. 准备数据使用sklearn包提供的make_regression模块制作回归类型数据。from sklearn.datasets import make_regression除了make_regession外，sklearn包还提供了制作分类问题的数据等方法
2023-09-11 22:52:28
1292
原创 Numpy包常用科学计算方法总结
对于不同维度的两个向量，能否直接运算，需要看低维度的向量能否通过广播机制转成高维度的向量。所谓的广播机制就是通过复制行和列，使两个向量对齐，然后进行加减乘除计算。公式:(a:[x1,x2,......xn] b:[y1,y2......yn]) (疑问： 多维数组的a和b如何表示呢？由上面公式可知,余弦相似度取值范围是[-1,1],是内积公式的变形。公式: d = sqrt((x1 - x2) ** 2 + (y1 - y2) ** 2 +....)1. 向量的大小(向量的模)2.求两个向量的内积。
2023-09-05 11:15:56
662
原创 内网环境使用docker部署微服务系统记录
内网环境部署一套微服务应用系统，采用docker方式部署。包括mysql、redis、nginx、nacos、gateway以及应用程序的jar包。下面记录部署的过程和遇到的问题。
2023-07-14 14:29:54
3688
1
原创 gateway网关转发请求到nacos不同namespace和不同group下服务实例源码改造
gateway转发不同namespace和不同group服务实例
2022-11-26 19:06:25
7101
4
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人