<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[付冰冰的博客]]></title><description><![CDATA[万物皆守恒]]></description><link>https://blog.youkuaiyun.com/u012829233</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u012829233]]></copyright><item><title><![CDATA[java原生方式统计某个文件目录下的java工程里所有的java代码的行数]]></title><link>https://blog.youkuaiyun.com/u012829233/article/details/115526491</link><guid>https://blog.youkuaiyun.com/u012829233/article/details/115526491</guid><author>u012829233</author><pubDate>Thu, 08 Apr 2021 17:24:40 +0800</pubDate><description><![CDATA[某大厂二面笔试题，java原生代码方式实现统计java代码行数、注释行数、package行数、import行数和空行数。遂稍写了一下，如有更优，欢迎指正


import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;



public class CodeCounter {

	static int codeLineCount;//代码行
	static]]></description><category></category></item><item><title><![CDATA[3种方式实现3个线程打印递增的数字]]></title><link>https://blog.youkuaiyun.com/u012829233/article/details/115489569</link><guid>https://blog.youkuaiyun.com/u012829233/article/details/115489569</guid><author>u012829233</author><pubDate>Wed, 07 Apr 2021 17:02:36 +0800</pubDate><description><![CDATA[问题描述：启动3个线程打印递增的数字, 线程1先打印1,2,3,4,5, 然后是线程2打印6,7,8,9,10, 然后是线程3打印11,12,13,14,15.接着再由线程1打印16,17,18,19,20….以此类推, 直到打印到75。

方式一：synchronized结合wait/notifyAll实现


public class ThreeThread {

	public static void main(String[] args) {
		Object o = new Object();
	]]></description><category></category></item><item><title><![CDATA[Java实现4种线程池以及自定义线程池ThreadPoolExecutor示例讲解]]></title><link>https://blog.youkuaiyun.com/u012829233/article/details/85762637</link><guid>https://blog.youkuaiyun.com/u012829233/article/details/85762637</guid><author>u012829233</author><pubDate>Fri, 04 Jan 2019 11:24:56 +0800</pubDate><description><![CDATA[一、线程池简介

1. 线程池的概念：

          所谓的线程池指的就是多个线程封装在一起进行操作。使用线程池可以很好地提高性能，线程池在系统启动时即创建大量空闲的线程，程序将一个任务传给线程池，线程池就会启动一条线程来执行这个任务，执行结束以后，该线程并不会死亡，而是再次返回线程池中成为空闲状态，等待执行下一个任务。

2. 线程池的工作机制

         2.1 在线程池的编程...]]></description><category></category></item><item><title><![CDATA[深入理解Java线程池：ThreadPoolExecutor]]></title><link>https://blog.youkuaiyun.com/u012829233/article/details/85701402</link><guid>https://blog.youkuaiyun.com/u012829233/article/details/85701402</guid><author>u012829233</author><pubDate>Thu, 03 Jan 2019 16:33:51 +0800</pubDate><description><![CDATA[发现一篇非常奈斯的线程池全篇讲解，在这里分大家分享，一起学习吧

线程池介绍

在web开发中，服务器需要接受并处理请求，所以会为一个请求来分配一个线程来进行处理。如果每次请求都新创建一个线程的话实现起来非常简便，但是存在一个问题：

如果并发的请求数量非常多，但每个线程执行的时间很短，这样就会频繁的创建和销毁线程，如此一来会大大降低系统的效率。可能出现服务器在为每个请求创建新线程和销毁线程上花费...]]></description><category></category></item><item><title><![CDATA[spark数据倾斜解决方案汇总]]></title><link>https://blog.youkuaiyun.com/u012829233/article/details/85680951</link><guid>https://blog.youkuaiyun.com/u012829233/article/details/85680951</guid><author>u012829233</author><pubDate>Thu, 03 Jan 2019 11:53:46 +0800</pubDate><description><![CDATA[什么是数据倾斜？
在shuffle操作的时候,是按照key来进行value的数据的输出,拉取和聚合的,同一个key的values,一定是分配到同一个reduce task进行处理的,假如对100w的数据做shuffle，其中98w的数据key是相同的，那么就会造成某个task执行98w数据聚合，而其他task很快执行完毕，整个shuffle操作都在等在这个task的执行，不仅大幅拉长了任务的执行时...]]></description><category></category></item><item><title><![CDATA[Spark Streaming性能优化: 如何在生产环境下动态应对流数据峰值]]></title><link>https://blog.youkuaiyun.com/u012829233/article/details/85122139</link><guid>https://blog.youkuaiyun.com/u012829233/article/details/85122139</guid><author>u012829233</author><pubDate>Thu, 20 Dec 2018 15:29:54 +0800</pubDate><description><![CDATA[1、为什么引入Backpressure 

    默认情况下，Spark Streaming通过Receiver以生产者生产数据的速率接收数据，计算过程中会出现batch processing time &amp;gt; batch interval的情况，其中batch processing time 为实际计算一个批次花费时间， batch interval为Streaming应用设置的批处理间隔。...]]></description><category></category></item><item><title><![CDATA[Spark二次排序Java示例讲解]]></title><link>https://blog.youkuaiyun.com/u012829233/article/details/85097689</link><guid>https://blog.youkuaiyun.com/u012829233/article/details/85097689</guid><author>u012829233</author><pubDate>Wed, 19 Dec 2018 15:38:03 +0800</pubDate><description><![CDATA[示例文件内容（ps：为什么给这么一大串的内容呢，没错，就是为了大家真正看懂其中的奥秘，哈哈哈）：

1 23
3 22
3 31
1 12
2 11
4 45
1 2
1 89
2 56
2 6
2 9
3 56
3 2
3 8
3 16
4 66
4 3
4 8

什么时候使用spark二次排序？

当你的项目中需要对多个字段进行排序的时候，你可以使用二次排序来解决。

先按第一列排序，若第一列...]]></description><category></category></item></channel></rss>