wwwwww33的博客

目前正在维护公司的分布式任务调度平台，在任务节点的分配上使用到了一致性hash算法，特此记录，那么在后面的博文中会给出基于java实现的一致性hash算法的代码，以及分布式调度平台的一些设计思路。 1.hash算法 那么什么是hash算法呢，百度百科的定义如下： 哈希算法将任意长度的二进制值映射为较短的固定长度的二进制值，这个小的二进制值称为哈希值。哈希值是一段数据唯一且极其紧凑的数值表示形式。 普通的hash算法在分布式应用中的不足： 比如，在分布式的存储系统中，要将数据存储到具体的节点上，如果

SnowFlake 算法，是 Twitter 开源的分布式 id 生成算法。其核心思想就是：使用一个 64 bit 的 long 型的数字作为全局唯一 id。在分布式系统中的应用十分广泛，且ID 引入了时间戳，基本上保持自增的，后面的代码中有详细的注解。 这 64 个 bit 中，其中 1 个 bit 是不用的，然后用其中的 41 bit 作为毫秒数，用 10 bit 作为工作机器 id，12 bit 作为序列号。 给大家举个例子吧，比如下面那个 64 bit 的 long 型数字： 第一个部分.

分布式服务化的阶段，传统的日志监控等方式无法很好达到跟踪调用，排查问题等需求。 各种服务之间调用： 1.如何快速发现问题？ 2.如何判断故障影响范围？ 3.如何梳理服务依赖以及依赖的合理性？ 4.如何分析链路性能问题以及实时容量规划？ 技术调研指标 面对各种链式追踪系统开源，我们要如何选择： 我们主要关注在请求处理期间各个调用的各项性能指标，比如：吞吐量（TPS）、响应时间及错...

一、背景： 程序猿突然发现自己项目中的接口请求量突然涨到之前的100倍，没多久该接口几乎不可使用，并引发连锁反应导致整个系统崩溃。如何应对这种情况呢？生活给了我们答案：比如老式电闸都安装了保险丝，一旦有人使用超大功率的设备，保险丝就会烧断以保护各个电器不被强电流给烧坏。同理我们的接口也需要安装上“保险丝”，以防止非预期的请求对系统压力过大而引起的系统瘫痪，当流量过大时，可以采取拒绝或者引流等机制...