文章目录

• • • • 注:部分参考《后端架构师技术图谱》
• 架构相关
• • 存储
  • 搜索
  • 分布式相关
  • 监控
  • 链路跟踪
  • 日志
  • 队列
  • 中间件
• 微服务相关
• 大数据相关
• 语言相关
• Linux系统相关
• 网络相关
• 数据结构算法相关
• 技术社区

注:部分参考《后端架构师技术图谱》

参考:《架构师技术图谱》

架构相关

存储

SQL

• mysql

  • 理论

    • 《数据库的三大范式以及五大约束》
      • 第一范式：数据表中的每一列（每个字段）必须是不可拆分的最小单元，也就是确保每一列的原子性；
      • 第二范式（2NF）：满足1NF后，要求表中的所有列，都必须依赖于主键，而不能有任何一列与主键没有关系，也就是说一个表只描述一件事情；
      • 第三范式：必须先满足第二范式（2NF），要求：表中的每一列只与主键直接相关而不是间接相关，（表中的每一列只能依赖于主键）；

  • 原理

    • 《MySQL的InnoDB索引原理详解》

    • 《MySQL存储引擎－－MyISAM与InnoDB区别》

      • 两种类型最主要的差别就是Innodb 支持事务处理与外键和行级锁

    • 《myisam和innodb索引实现的不同》

    • 《MySQL数据库存储引擎详解》

  • InnoDB

    • 《一篇文章带你读懂Mysql和InnoDB》

  • 优化

    • 《MySQL36条军规》

    • 《MYSQL性能优化的最佳20+条经验》

    • 《SQL优化之道》

    • 《通过show status 来优化MySQL数据库》

    • 《避免全表扫描的sql优化》

    • 《mysql数据库死锁的产生原因及解决办法》

    • 《导致索引失效的可能情况》

    • 《MySQL 在并发场景下的问题及解决思路》

    • 《MySQL 单表百万数据记录分页性能优化》

    • 《MySQL 性能优化高阶神技》

    • 《数据库分库分表》

      • 《数据库分库分表常见分布式主键ID生成策略》
      • 《数据库分库分表(sharding)系列(一) 拆分实施策略和示例演示》
      • 《数据库分库分表(sharding)系列(二) 全局主键生成策略》
      • 《数据库分库分表(sharding)系列(三) 关于使用框架还是自主开发以及sharding实现层面的考量》
      • 《数据库分库分表(sharding)系列(四) 多数据源的事务处理》
      • 《数据库分库分表(sharding)系列(五) 一种支持自由规划无须数据迁移和修改路由代码的Sharding扩容方案》
      • 《数据库Sharding的基本思想和切分策略》

    • 《 MYSQL分页limit速度太慢优化方法》

      • 原则上就是缩小扫描范围。

  • 索引

    • 聚集索引, 非聚集索引

      • 《MySQL 聚集索引/非聚集索引简述》

      • 《MyISAM和InnoDB的索引实现》

      • MyISAM 是非聚集，InnoDB 是聚集

    • 复合索引

      • 《复合索引的优点和注意事项》

      • 文中有一处错误：

      • 对于复合索引,在查询使用时,最好将条件顺序按找索引的顺序,这样效率最高; select * from table1 where col1=A AND col2=B AND col3=D 如果使用 where col2=B AND col1=A 或者 where col2=B 将不会使用索引

        • 原文中提到索引是按照“col1，col2，col3”的顺序创建的，而mysql在按照最左前缀的索引匹配原则，且会自动优化 where 条件的顺序，当条件中只有 col2=B AND col1=A 时，会自动转化为 col1=A AND col2=B，所以依然会使用索引。

      • 《MySQL查询where条件的顺序对查询效率的影响》

  • 自适应哈希索引(AHI)

    • 《InnoDB存储引擎——自适应哈希索引》

  • explain

    • 《MySQL 性能优化神器 Explain 使用分析》

  • 系列文章

    • 《Mysql使用系列》
    • 《MySQL存储引擎比较》
    • 读写分离模式
      • 《Mysql主从方案的实现》
      • 《搭建MySQL主从复制经典架构》
      • 《Haproxy+多台MySQL从服务器(Slave) 实现负载均衡》
      • 《DRBD+Heartbeat+Mysql高可用读写分离架构》
      • DRDB 进行磁盘复制，避免单点问题。
      • 《MySQL Cluster 方式》
    • 分片模式
      • 《分库分表需要考虑的问题及方案》
        • 中间件： 轻量级：sharding-jdbc、TSharding；重量级：Atlas、MyCAT、Vitess等。
        • 问题：事务、Join、迁移、扩容、ID、分页等。
        • 事务补偿：对数据进行对帐检查;基于日志进行比对;定期同标准数据来源进行同步等。
        • 分库策略：数值范围；取模；日期等。
        • 分库数量：通常 MySQL 单库 5千万条、Oracle 单库一亿条需要分库。
      • 《MySql分表和表分区详解》
        • 分区：是MySQL内部机制，对客户端透明，数据存储在不同文件中，表面上看是同一个表。
        • 分表：物理上创建不同的表、客户端需要管理分表路由。

• tidb

  • 《官网网站》
  • 《十问 TiDB ：关于架构设计的一些思考》
  • 《TiDB 新特性漫谈：从 Follower Read 说起》

NoSQL

• redis
  • 数据结构详解
    • 《Redis内部数据结构详解(1)——dict》
    • 《Redis内部数据结构详解(2)——sds》
    • 《Redis内部数据结构详解(3)——robj》
    • 《Redis中为什么使用跳表》
    • 《Redis源码解析系列》
  • redis命令解读
    • 《redis使用相关文档》
  • 《Redis用法解读》
  • 《为什么使用 Redis 及其产品定位》
  • 《redis 持久化机制AOF/RDB详解》
  • 《redis源码分析-rehash过程详解》
  • 《详解Redis和Memcached》
  • 《Redis 高负载下的中断优化》
  • 《Redis 内存使用优化与存储》
  • 《美团针对Redis Rehash机制的探索和实践》
  • 《大规模 codis 集群的治理与实践》
  • 《Redis常见集群方案、Codis实践及与Twemproxy比较》
  • 《Redis Sentinel主从高可用方案》
  • 《深入剖析 redis 数据淘汰策略》
  • 《大规模 codis 集群的治理与实践》
• leveldb
  • 《Leveldb 实现原理》
  • 《LevelDB原理探究与代码分析》
  • 《leveldb(ssdb)性能、使用场景评估》
• rocksdb
  • 《RocksDB上锁机制的实例详解》
  • 《Rocksdb源码剖析一----Rocksdb概述与基本组件》
  • 《RocksDB. Leveled Compaction原理分析》
  • 《RocksDB系列解读》
• memcache
  • 《深入Memcache内部(一)》
  • 《深入Memcache内部(二)-item内存分配》
  • 《Memcached分布式》
  • 《Memcache调优》
• pika
  • 《Pika的设计及实现》

FS

• hdfs
  • 《【Hadoop学习】HDFS基本原理》
• seaweedfs
  • 《分布式文件存储Seaweedfs源码剖析》
• ceph
  • 《分布式存储 Ceph 介绍及原理架构》

搜索

• ES
  • 《如何构建一个低成本，高可用，少运维的ES平台》

分布式相关

• 《分布式系统的时间》

• 《分布式架构知识体系》

• Zookeeper

  • 《ZooKeeper原理及使用》
  • 《不理解Zookeeper一致性原理，谈何异地多活改造》

• Etcd

  • 《etcd：从应用场景到实现原理的全方位解读》
  • 《Raft图解》

• 分布式架构

• 《亿级Web系统搭建——单机到分布式集群》

• 《Web系统大规模并发——电商秒杀与抢购》

• 《从单一架构到分布式交易架构，网易严选的成功实践》

• 《大规模网站架构的缓存机制和几何分形学》

• 《终于有人把“TCC分布式事务”实现原理讲明白了》

• 《分布式系统设计权衡之CAP》

• 《建高并发高可用的电商平台架构实践》

• 《分布式集群的负载均衡》

• 《一个复杂系统的拆分改造实践》

• 《秒杀业务架构的优化之路》

• 扩展性设计

  • 《架构师不可不知的十大可扩展架构》
    • 总结下来，通用的套路就是分布、缓存及异步处理。
  • 《可扩展性设计之数据切分》
    • 水平切分+垂直切分
    • 利用中间件进行分片如，MySQL Proxy。
    • 利用分片策略进行切分，如按照ID取模。
  • 《说说如何实现可扩展性的大型网站架构》
    • 分布式服务+消息队列。
  • 《大型网站技术架构（七）–网站的可扩展性架构》

• CAP 与 BASE 理论

  • 《从分布式一致性谈到CAP理论、BASE理论》
    • 一致性分类：强一致(立即一致)；弱一致(可在单位时间内实现一致，比如秒级)；最终一致(弱一致的一种，一定时间内最终一致)
    • CAP：一致性、可用性、分区容错性(网络故障引起)
    • BASE：Basically Available（基本可用）、Soft state（软状态）和Eventually consistent（最终一致性）
    • BASE理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。

• 分布式锁

  • 《分布式锁的几种实现方式》
    • 基于数据库的分布式锁：优点：操作简单、容易理解。缺点：存在单点问题、数据库性能够开销较大、不可重入；
    • 基于缓存的分布式锁：优点：非阻塞、性能好。缺点：操作不好容易造成锁无法释放的情况。
    • Zookeeper 分布式锁：通过有序临时节点实现锁机制，自己对应的节点需要最小，则被认为是获得了锁。优点：集群可以透明解决单点问题，避免锁不被释放问题，同时锁可以重入。缺点：性能不如缓存方式，吞吐量会随着zk集群规模变大而下降。
  • 《基于Zookeeper的分布式锁》
    • 清楚的原理描述 + Java 代码示例。
  • 《jedisLock—redis分布式锁实现》
    • 基于 setnx(set if ont exists)，有则返回false，否则返回true。并支持过期时间。
  • 《Memcached 和 Redis 分布式锁方案》
    • 利用 memcached 的 add（有别于set）操作，当key存在时，返回false。

• 稳定性 & 高可用

  • 《聊聊高并发系统之限流特技-1》
  • 《聊聊高并发系统限流特技-2》
  • 《高并发之服务降级与熔断》
  • 《系统设计：关于高可用系统的一些技术方案》
    • 可扩展：水平扩展、垂直扩展。 通过冗余部署，避免单点故障。
    • 隔离：避免单一业务占用全部资源。避免业务之间的相互影响 2. 机房隔离避免单点故障。
    • 解耦：降低维护成本，降低耦合风险。减少依赖，减少相互间的影响。
    • 限流：滑动窗口计数法、漏桶算法、令牌桶算法等算法。遇到突发流量时，保证系统稳定。
    • 降级：紧急情况下释放非核心功能的资源。牺牲非核心业务，保证核心业务的高可用。
    • 熔断：异常情况超出阈值进入熔断状态，快速失败。减少不稳定的外部依赖对核心服务的影响。
    • 自动化测试：通过完善的测试，减少发布引起的故障。
    • 灰度发布：灰度发布是速度与安全性作为妥协，能够有效减少发布故障。
  • 《关于高可用的系统》
    • 设计原则：数据不丢(持久化)；服务高可用(服务副本)；绝对的100%高可用很难，目标是做到尽可能多的9，如99.999%（全年累计只有5分钟）。

监控

• Open-Falcon
  • 《Open-Falcon使用介绍》
• Promethues

链路跟踪

• 《基于 SOFATracer + Zipkin 实现分布式链路跟踪》
• 《分布式链路跟踪组件 SOFATracer 和 Zipkin 模型转换》

日志

• ElasticSeach
  • 《如何构建一个低成本，高可用，少运维的ES平台》
  • 《Elasticsearch 权威指南》
• Logstash
• Kibana
• Filebeat
• 日志搜集
  • 《从零开始搭建一个ELKB日志收集系统》
  • 《用ELK搭建简单的日志收集分析系统》
  • 《日志收集系统-探究》

队列

• Kafka
  • 《kafka数据可靠性深度解读》
  • 《Kafka 设计与原理详解》
  • 《深入学习Kafka：Leader Election - Kafka集群Leader选举过程分析》
  • Kafka系列文章
    • 《Kafka设计解析（一）- Kafka背景及架构介绍》
    • 《Kafka设计解析（二）- Kafka High Availability （上）》
    • 《Kafka设计解析（三）- Kafka High Availability （下）》
    • 《Kafka设计解析（四）- Kafka Consumer设计解析》
    • 《Kafka设计解析（五）- Kafka性能测试方法及Benchmark报告》
    • 《Kafka 设计解析（六）：Kafka 高性能关键技术解析》
    • 《Kafka 设计解析（七）：流式计算的新贵 Kafka Stream》
    • 《Kafka 设计解析（八）：Kafka 事务机制与 Exactly Once 语义实现原理》
    • 《Kafka技术内幕&Kafka权威指南读书笔记系列》
• RocketMQ
  • 《RocketMQ 实战之快速入门》
  • 《RocketMQ 源码解析》
• RabbitMQ
  • 《RabbitMQ的应用场景以及基本原理介绍》
  • 《消息队列之 RabbitMQ》
  • 《RabbitMQ之消息确认机制（事务+Confirm）》
  • 《RabbitMQ 的4种集群架构》
• NSQ
• MQ对比
  • 《Kafka vs RocketMQ——多Topic对性能稳定性的影响-转自阿里中间件》
  • 《Kafka vs RocketMQ—— Topic数量对单机性能的影响-转自阿里中间件》
  • 《Kafka、RabbitMQ、RocketMQ消息中间件的对比 —— 消息发送性能》
  • 《Kafka vs RocketMQ——单机系统可靠性》

中间件

• Web Server

  • Nginx
    • 《Ngnix的基本学习-多进程和Apache的比较》
      • Nginx 通过异步非阻塞的事件处理机制实现高并发。Apache 每个请求独占一个线程，非常消耗系统资源。
      • 事件驱动适合于IO密集型服务(Nginx)，多进程或线程适合于CPU密集型服务(Apache)，所以Nginx适合做反向代理，而非web服务器使用。
    • 《nginx与Apache的对比以及优缺点》
      • nginx只适合静态和反向代理，不适合处理动态请求。
    • 《百万并发下的Nginx优化》
    • 《Nginx 中文文档》
  • OpenResty
    • 官方网站
    • 《浅谈 OpenResty》
      • 通过 Lua 模块可以在Nginx上进行开发。
    • agentzh 的 Nginx 教程
  • Tengine
    • 官方网站
  • Apache Httpd
    • 官方网站
• • Tomcat
    - 架构原理
• • • • 《TOMCAT原理详解及请求过程》
        - 《Tomcat服务器原理详解》
        - 《Tomcat 系统架构与设计模式,第 1 部分: 工作原理》
        - 《四张图带你了解Tomcat系统架构》
        - 《JBoss vs. Tomcat: Choosing A Java Application Server》
        - Tomcat 是轻量级的 Serverlet 容器，没有实现全部 JEE 特性（比如持久化和事务处理），但可以通过其他组件代替，比如Spring。
        - Jboss 实现全部了JEE特性，软件开源免费、文档收费。
        • 调优方案
• • • 《Tomcat 调优方案》
      - 启动NIO模式（或者APR）；调整线程池；禁用AJP连接器（Nginx+tomcat的架构，不需要AJP）；
      • 《tomcat http协议与ajp协议》
      • 《AJP与HTTP比较和分析》
        • AJP 协议（8009端口）用于降低和前端Server（如Apache，而且需要支持AJP协议）的连接数(前端)，通过长连接提高性能。
        • 并发高时，AJP协议优于HTTP协议。
    • Jetty
• • • 《Jetty 的工作原理以及与 Tomcat 的比较》
      • 《jetty和tomcat优势比较》
        • 架构比较:Jetty的架构比Tomcat的更为简单。
        • 性能比较：Jetty和Tomcat性能方面差异不大，Jetty默认采用NIO结束在处理I/O请求上更占优势，Tomcat默认采用BIO处理I/O请求，Tomcat适合处理少数非常繁忙的链接，处理静态资源时性能较差。
        • 其他方面：Jetty的应用更加快速，修改简单，对新的Servlet规范的支持较好;Tomcat 对JEE和Servlet 支持更加全面。

微服务相关

• RPC

  • 《从零开始实现RPC框架 - RPC原理及实现》
    • 核心角色：Server: 暴露服务的服务提供方、Client: 调用远程服务的服务消费方、Registry: 服务注册与发现的注册中心。
  • 《分布式RPC框架性能大比拼 dubbo、motan、rpcx、gRPC、thrift的性能比较》
  • 《RPCX浅析》

• 《从“被动挖光缆”到“主动剪网线”，蚂蚁金服异地多活的微服务体系》

• 《互联网架构，究竟为啥要做服务化？》

• 《微服务：从设计到部署》

大数据相关

• 《超详细的大数据学习资源推荐（上）》
• 《超详细的大数据学习资源推荐（下）》

语言相关

• Golang

  • 内存分配原理
    • 《图解 Go 内存分配器》
    • 《图解Go语言内存分配》
    • 《golang 内存分配》
    • 《Go语言的栈空间管理》
    • 《Go 堆栈的理解》
    • 《聊一聊goroutine stack》
    • 《Go内存分配那些事，就这么简单》
    • 《Writing a Memory Allocator》
  • 《编写可维护Go语言代码建议》
  • 《Go语言充电站》
  • 《golang源码分析》
  • 《go语言学习》
  • 《Golang GC的实现原理》
  • 《深入理解 Go map：赋值和扩容迁移》
  • 《Golang协程的实现原理》
  • 《golang的协程调度-硬核原理》
  • 《Golang并发模型：轻松入门流水线模型》
  • 《Goroutine并发调度模型深入之实现一个协程池》
  • 《Goroutine并发调度模型深度解析之手撸一个协程池》
  • 《Go优质项目推荐》
  • 《Golang平滑重启》
  • 《请问sync.Pool有什么缺点？》
  • 《Go 1.13中 sync.Pool 是如何优化的?》
  • 《 Go 可视化性能分析工具》
  • 《聊聊 Go Socket 框架 Teleport 的设计思路》

• PHP

• • 《PHP底层工作原理》
    • 《深入PHP内核》
    • 《PHP内核探索》
    • 《PHP优质项目推荐》

• Java

  • 《CMS垃圾回收机制》
  • 《从实际案例聊聊Java应用的GC优化》
  • 《不可不说的Java“锁”事》
  • 《Java开发中的23种设计模式详解》
  • 《JVM调优》
  • 《Java优质项目推荐》

Linux系统相关

• 《linux系列学习》
• 《linux命令系列》
• 《Linux工具快速教程》
• 《Linux select()详解》
• 《最全面的linux信号量解析》
• 《Linux 文件系统剖析》
• 《Linux中查看系统资源占用情况的命令》
• 《 深入理解Linux网络技术内幕》

网络相关

• 《TCP/IP学习》

• OSI 七层协议

  • 《OSI七层协议模型、TCP/IP四层模型学习笔记》

• TCP/IP

  • 《深入浅出 TCP/IP 协议》
  • 《TCP协议中的三次握手和四次挥手》

• HTTP

  • 《http协议详解(超详细)》

• HTTP2.0

  • 《HTTP 2.0 原理详细分析》
  • 《HTTP2.0的基本单位为二进制帧》
    • 利用二进制帧负责传输。
    • 多路复用。
    • HTTPS
  • 《https原理通俗了解》
    • 《这样理解HTTPS更容易》
    • 使用非对称加密协商加密算法
    • 使用对称加密方式传输数据
    • 使用第三方机构签发的证书，来加密公钥，用于公钥的安全传输、防止被中间人串改。
  • 《八大免费SSL证书-给你的网站免费添加Https安全加密》

• 网络模型

  • 《web优化必须了解的原理之I/o的五种模型和web的三种工作模式》
    • 五种I/O模型：阻塞I/O，非阻塞I/O，I/O复用、事件(信号)驱动I/O、异步I/O，前四种I/O属于同步操作，I/O的第一阶段不同、第二阶段相同，最后的一种则属于异步操作。
    • 三种 Web Server 工作方式：Prefork(多进程)、Worker方式(线程方式)、Event方式。
  • 《select、poll、epoll之间的区别总结》
    • select，poll，epoll本质上都是同步I/O，因为他们都需要在读写事件就绪后自己负责进行读写，也就是说这个读写过程是阻塞的。
    • select 有打开文件描述符数量限制，默认1024（2048 for x64），100万并发，就要用1000个进程、切换开销大；poll采用链表结构，没有数量限制。
    • select，poll “醒着”的时候要遍历整个fd集合，而epoll在“醒着”的时候只要判断一下就绪链表是否为空就行了，通过回调机制节省大量CPU时间；select，poll每次调用都要把fd集合从用户态往内核态拷贝一次，而epoll只要一次拷贝。
    • poll会随着并发增加，性能逐渐下降，epoll采用红黑树结构，性能稳定，不会随着连接数增加而降低。
  • 《select，poll，epoll比较 》
    • 在连接数少并且连接都十分活跃的情况下，select和poll的性能可能比epoll好，毕竟epoll的通知机制需要很多函数回调。
  • 《深入理解Java NIO》
    • NIO 是一种同步非阻塞的 IO 模型。同步是指线程不断轮询 IO 事件是否就绪，非阻塞是指线程在等待 IO 的时候，可以同时做其他任务
  • 《BIO与NIO、AIO的区别》
  • 《两种高效的服务器设计模型：Reactor和Proactor模型》

• Epoll

  • 《epoll使用详解（精髓）》

• Java NIO

  • 《深入理解Java NIO》
  • 《Java NIO编写Socket服务器的一个例子》

• kqueue

  • 《kqueue用法简介》

• 连接和短连接

  • 《TCP/IP系列——长连接与短连接的区别》

• 框架

  • 《Netty原理剖析》
    • Reactor 模式介绍。
    • Netty 是 Reactor 模式的一种实现。
  • 零拷贝（Zero-copy）
    • 《对于 Netty ByteBuf 的零拷贝(Zero Copy) 的理解》
      • 多个物理分离的buffer，通过逻辑上合并成为一个，从而避免了数据在内存之间的拷贝。
      • 序列化(二进制协议)

• Hessian

  • 《Hessian原理分析》 Binary-RPC;不仅仅是序列化

• Protobuf

• • 《Protobuf协议的Java应用例子》 Goolge出品、占用空间和效率完胜其他序列化类库，如Hessian；需要编写 .proto 文件。
    • 《Protocol Buffers序列化协议及应用》
    • 关于协议的解释；缺点：可读性差;
      • 《简单的使用 protobuf 和 protostuff》
        • protostuff 的好处是不用写 .proto 文件，Java 对象直接就可以序列化。

数据结构算法相关

• 数据结构

  • 队列

    • 《java队列——queue详细分析》

      • 非阻塞队列：ConcurrentLinkedQueue(无界线程安全)，采用CAS机制（compareAndSwapObject原子操作）。

      • 阻塞队列：ArrayBlockingQueue(有界)、LinkedBlockingQueue（无界）、DelayQueue、PriorityBlockingQueue，采用锁机制；使用 ReentrantLock 锁。

      • 《LinkedList、ConcurrentLinkedQueue、LinkedBlockingQueue对比分析》

  • 集合

    • 《Java Set集合的详解》

  • 链表、数组

    • 《Java集合详解–什么是List》

  • 字典、关联数组

    • 《Java map 详解 - 用法、遍历、排序、常用API等》

  • 栈

    • 《java数据结构与算法之栈（Stack）设计与实现》
    • 《Java Stack 类》
    • 《java stack的详细实现分析》
      • Stack 是线程安全的。
      • 内部使用数组保存数据，不够时翻倍。

  • 树

    • 《二叉树》
      • 每个节点最多有两个叶子节点。

  • 完全二叉树

    • 《完全二叉树》
    • 叶节点只能出现在最下层和次下层，并且最下面一层的结点都集中在该层最左边的若干位置的二叉树。

  • 平衡二叉树

    • 左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。

    • 《浅谈数据结构-平衡二叉树》

    • 《浅谈算法和数据结构: 八 平衡查找树之2-3树》

  • 二叉查找树（BST）

    • 二叉查找树（Binary Search Tree），也称有序二叉树（ordered binary tree）,排序二叉树（sorted binary tree）。
    • 《浅谈算法和数据结构: 七 二叉查找树》

  • 红黑树

    • 《最容易懂得红黑树》
      • 添加阶段后，左旋或者右旋从而再次达到平衡。
    • 《浅谈算法和数据结构: 九 平衡查找树之红黑树》

  • B，B+，B*树

    • MySQL是基于B+树聚集索引组织表

    • 《B-树，B+树，B*树详解》

    • 《B-树，B+树与B*树的优缺点比较》

      • B+树的叶子节点链表结构相比于 B-树便于扫库，和范围检索。

  • LSM 树

    • LSM（Log-Structured Merge-Trees）和 B+ 树相比，是牺牲了部分读的性能来换取写的性能(通过批量写入)，实现读写之间的平衡。 Hbase、LevelDB、Tair（Long DB）、nessDB 采用 LSM 树的结构。LSM可以快速建立索引。

    • 《LSM树 VS B+树》

      • B+ 树读性能好，但由于需要有序结构，当key比较分散时，磁盘寻道频繁，造成写性能较差。

      • LSM 是将一个大树拆分成N棵小树，先写到内存（无寻道问题，性能高），在内存中构建一颗有序小树（有序树），随着小树越来越大，内存的小树会flush到磁盘上。当读时，由于不知道数据在哪棵小树上，因此必须遍历（二分查找）所有的小树，但在每颗小树内部数据是有序的。

      • 《LSM树（Log-Structured Merge Tree）存储引擎》

        • 极端的说，基于LSM树实现的HBase的写性能比MySQL高了一个数量级，读性能低了一个数量级。

        • 优化方式：Bloom filter 替代二分查找；compact 小数位大树，提高查询性能。

        • Hbase 中，内存中达到一定阈值后，整体flush到磁盘上、形成一个文件（B+数），HDFS不支持update操作，所以Hbase做整体flush而不是merge update。flush到磁盘上的小树，定期会合并成一个大树。

  • BitSet

    • 经常用于大规模数据的排重检查。
    • 《Java Bitset类》
    • 《Java BitSet（位集）》

• 常用算法

  • 《常见排序算法及对应的时间复杂度和空间复杂度》

  • 《图解排序算法系列》

  • 《AES加密的四种模式详解》

  • 《B-树和B+树》

  • 排序、查找算法

    • 《常见排序算法及对应的时间复杂度和空间复杂度》

  • 选择排序

    • 《Java中的经典算法之选择排序（SelectionSort）》
      • 每一趟从待排序的记录中选出最小的元素，顺序放在已排好序的序列最后，直到全部记录排序完毕。

  • 冒泡排序

    • 《冒泡排序的2种写法》
      • 相邻元素前后交换、把最大的排到最后。
      • 时间复杂度 O(n²)

  • 插入排序

    • 《排序算法总结之插入排序》

  • 快速排序

    • 《坐在马桶上看算法：快速排序》
    • 一侧比另外一侧都大或小。

  • 归并排序

    • 《图解排序算法(四)之归并排序》
      • 分而治之，分成小份排序，在合并(重建一个新空间进行复制)。

  • 堆排序

    • 《图解排序算法(三)之堆排序》
      • 排序过程就是构建最大堆的过程，最大堆：每个结点的值都大于或等于其左右孩子结点的值，堆顶元素是最大值。

  • 计数排序

    • 《计数排序和桶排序》
      • 和桶排序过程比较像，差别在于桶的数量。

  • 桶排序

    • 《【啊哈！算法】最快最简单的排序——桶排序》
    • 《排序算法（三）：计数排序与桶排序》
      • 桶排序将[0,1)区间划分为n个相同的大小的子区间，这些子区间被称为桶。
      • 每个桶单独进行排序，然后再遍历每个桶。

  • 基数排序

    • 按照个位、十位、百位、…依次来排。
    • 《排序算法系列：基数排序》
    • 《基数排序》

  • 二分查找

    • 《二分查找(java实现)》
      • 要求待查找的序列有序。
      • 时间复杂度 O(logN)。
    • 《java实现二分查找-两种方式》
      • while + 递归。

• 《一致性hash算法》

• 分布式一致性算法

  • PAXOS

    • 《分布式系列文章——Paxos算法原理与推导》
    • 《Paxos–>Fast Paxos–>Zookeeper分析》
    • 《【分布式】Zookeeper与Paxos》

  • Zab

    • 《Zab：Zookeeper 中的分布式一致性协议介绍》

  • Raft

    • 《Raft 为什么是更易理解的分布式一致性算法》
      • 三种角色：Leader（领袖）、Follower（群众）、Candidate（候选人）
      • 通过随机等待的方式发出投票，得票多的获胜。
    • 《Raft图解》

  • Gossip

    • 《Gossip算法》

  • 两阶段提交、多阶段提交

    • 《关于分布式事务、两阶段提交协议、三阶提交协议》

技术社区

• 社区
  • 《美团技术团队》
  • 《Go中国》
  • 《51CTO博客》
  • 《CSDN》
  • 《博客园》
  • 《v2ex》
  • 《掘金》
  • 《segmentfault
  • 《腾讯-云社区》
  • 《Golang语言社区》
• 优秀个人博客
  • 《鸟窝》
  • 《Go语言充电站》