微信公众号高质量技术贴

迭代ArrayList的Iterator中有一个变量expectedModCount
该变量会初始化和modCount相等，但如果接下来如果集合进行修改modCount改变，就会造成expectedModCount!=modCount
Iterator的remove会修改expectedModCount，对单线程有用多线程无用

Java并发编程：并发容器之CopyOnWriteArrayList

CopyOnWrite容器也是一种读写分离的思想，读和写不同的容器
写操作复制出一个新的容器，然后新的容器里添加元素（加锁），读还是会读到旧的数据（不加锁）

深入分析ConcurrentHashMap

get方法里将要使用的共享变量都定义成volatile，java内存模型的happen before原则，对volatile字段的写入操作先于读操作
put方法里需要对共享变量进行写入操作，所以为了线程安全，在操作共享变量时必须得加锁
count方法先尝试两次不行再加锁，modCount变量，在put, remove和clean方法里操作元素前都会将变量modCount进行加1
那么在统计size前后比较modCount是否发生变化，从而得知容器的大小是否发生变化

ARM环境下Java应用卡顿优化案例

Java8之Consumer、Supplier、Predicate和Function攻略

java8 Stream的实现原理 (从零开始实现一个stream流)

Oracle JDK7 bug 发现、分析与解决实战

OKHttp Protobuf GRPC TOMCAT

奇怪的知识： okhttp 是如何支持 Http2 的？

gRPC客户端详解

Thrift的客户端是线程不安全的——这意味着在Spring中无法以单例形式注入到Bean中
gRPC服务端的Response都是异步形式
gRPC的客户端有同步阻塞客户端（blockingStub) 和异步非阻塞客户端(Stub）两种

grpc原理

深入了解 gRPC：协议

巧用 Protobuf 反射来优化代码，拒做 PB Boy

获取 PB 中所有非空字段：bool has_field = reflection->HasField(message, field)
将字段校验规则放置在 Proto 中：optional string name =1 [(field_rule) .length_min = 5, (field_rule) .id = 1]
基于 PB 反射的前端页面自动生成方案
通用存储系统(根据反射取出K/V)

一文讲懂进程间通信的几种方式

Tomcat 优雅关闭之路

Tomcat 9.0.26 高并发场景下DeadLock问题排查与修复

Tomcat 应用中并行流带来的类加载问题

REDIS ES MYSQL MongoDB

Redis小功能大用处(1) -stat_expired_time_cap_reached_count

Redis常见客户端异常汇总(Jedis篇)

Redis在Linux系统的配置优化

Redis module功能介绍

败家玩意儿！Redis 竟然浪费了这么多内存！

从1到3分布式Redis电商实战&缓存穿透&缓存雪崩&缓存失效终极解决

替你踩过Redis缓存的坑，奉上使用规范和监控方法

运维：终于不用再背着数万实例的Redis集群了

一万字详解 Redis Cluster Gossip 协议

Codis VS Redis Cluster：我该选择哪一个集群方案

codis提供了
1.dashboard的fe界面运维简单
2.基于zookeeper的proxy代理slot-mapping映射
3.基于sentinel的主从切换高可用
codis提供了异步的数据迁移方案（其中对大key拆分迁移的原子性方案），对比redis-cluster来说相对应用较早

Redis 缓存性能实践及总结

pika集群水平扩展——让性能容量不再受限

超全的数据库建表/SQL/索引规范，适合贴在工位上！

我在MySQL原厂的那些年都经历了什么？

高并发场景下，百万级订单量系统的分库分表重构经历

3年部署3000套PG实例的架构设计与踩坑经验

简述3种CQRS架构模式

InnoDB 事务加锁分析

MySQL 的 crash-safe 原理解析

MySQL 8 新特性之Clone Plugin

干货 | 携程Elasticsearch数据同步实践

一次看完28个关于ES的性能调优技巧

ElasticSearch使用规范beta版

非日志型(搜索型、线上业务型) 的shard容量在10~~30GB（建议在10G）日志型的shard容量在30~~100GB（建议30G）单个shard的文档个数不能超过21亿左右(Integer.MAX_VALUE - 128)

一个节点管理的shard数不要超过200个
routing id不均衡：集群容量和访问不均衡，对于分布式存储是致命的
拒绝大聚合：ES计算都在JVM内存中完成
拒绝模糊查询：es一大杀手
拒绝深度分页
禁止查询 indexName-*

干货 | 携程Elasticsearch数据同步实践

分布式搜索引擎Elasticsearch的架构分析

连环触发！MongoDB核心集群雪崩故障背后竟是……

KAFKA MQ ZOOKEEPER

运维必备：Zookeeper集群“脑裂”问题处理大全

这样做RabbitMQ高可用，业务流量猛增10倍也不怂

vivo 基于原生 RabbitMQ 的高可用架构实践

简单理解 Kafka 的消息可靠性策略

ISR : leader 副本保持一定同步的 follower 副本, 包括 leader 副本自己，叫 In Sync Replica
HW: Highwater, 俗称高水位，它表示了一个特定的消息偏移量(offset) 在一个 parttion 中 consumer 只能拉取这个 offset 之前的消息(此 offset 跟 consumer offset 不是一个概念)
LEO: LogEndOffset, 日志末端偏移量, 用来表示当前日志文件中下一条写入消息的 offset
leader HW: 该 Partititon 所有副本的 LEO 最小值
follower HW: min(follower 自身 LEO 和 leader HW)
Leader HW = 所有副本 LEO 最小值
Follower HW = min(follower 自身 LEO 和 leader HW)
Leader 不仅保存了自己的 HW &LEO 还保存了远端副本的 HW &LEO
在kafka配置为AP系统的情况下发生截断发生的概率会大大提升
Kafka Broker 会在内存中为每个分区都缓存 Leader Epoch 数据，同时它还会定期地将这些信息持久化到一个 checkpoint 文件中