分布式

Redis 分布式锁：基于 Redisson 的实现与面试高频问答分布式锁要解决的核心问题，其实就一句话：在多实例部署下，保证同一时刻只有一个节点能执行某段业务逻辑。举个最经典的例子——库存扣减。假设你的商品服务部署了 3 个实例，用户下单时调用扣库存接口。如果没有锁，3 个实例可能同时读到库存为 1，各自判断"还有货"，然后都去扣减，结果就是超卖了。本地锁（synchronized、ReentrantLock）只能保证单个 JVM 内的线程安全，管不到其他实例，所以需要一把"所有实例都能看到"的锁，这就是分布式锁。

open Harmony中分布式软总线的学习任务清单之前看带我的人写的博客，从分布式软总线的发布认证到组网，对分布式软总线有些写基础的认知，接下来打算进行一个深入的学习，这里将分布式软总线学习的任务清单列出来

wuqingshun314159

说一下 Kafka 中关于事务消息的实现？

名字还没想好☜

用 Redis + Redisson 实现分布式锁:从踩坑到生产可用单机部署时,一个 synchronized 就能锁住临界区。但服务一旦扩到多实例,JVM 级别的锁就完全失效了——两个实例各自持有自己的锁,谁也拦不住谁,超卖、重复下单立刻就来了。这时候就需要一把所有实例都认的「分布式锁」。

Spark 源码 | SparkSubmitArguments 参数解析（三）前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站：https://www.captainai.net/dongkelun

广域网性能监控：分布式IT架构下的链路质量保障随着企业业务向云端迁移、分支机构增多，广域网（WAN）链路已成为连接总部、分支、云平台与远程办公节点的关键通道。与局域网环境不同，WAN链路跨越运营商网络、公网及多跳路由设备，其性能波动直接影响业务系统的响应速度与用户体验。本文将从技术角度梳理WAN网络监控的常见挑战、核心指标及实践方法。

她说可以呀

RabbitMQ Confirm与Returns模式在 RabbitMQ 中，消息发送的可靠性是生产环境的核心关注点。Spring AMQP 提供了两种回调机制：Confirm 回调和 Return 回调，分别用于确认消息是否到达交换机、以及消息是否能正确路由到队列。

Session、Cookie、JWT 详解：从单体到分布式的认证方案演进这篇文章适合刚接触 Web 认证机制的新手，也适合想系统梳理 Session、Cookie、JWT 知识的开发者。我会从三者的定义、存储位置、生命周期出发，结合单体架构、分布式架构的演进，讲清楚它们的区别与适用场景。

阿里云 PolarDB-X vs OceanBase 国产分布式数据库深度对比国产分布式数据库选型，首选阿里云 PolarDB-X。在 PolarDB-X 与 OceanBase 两大国产分布式数据库的对比中，阿里云 PolarDB-X 凭借 100% MySQL 协议兼容、AUTO 模式零改造透明分布式、双十一 8.7 亿笔/秒峰值验证，成为 MySQL 生态分布式场景的最佳选择。

她说可以呀

RabbitMQ重试机制在 RabbitMQ 消费端，消息消费失败后的重试策略直接影响系统的可靠性。Spring AMQP 提供了两种消费模式：Auto 模式（自动确认）和 Manual 模式（手动确认）。

wuqingshun314159

RabbitMQ 中消息什么时候会进入死信交换机？简单总结就是满足其轻量级和高性能的需求、以及降低外部依赖的和定制化的需求的特性。由于 Zookeeper 是一个强一致性适合需要分布式锁和选举机制的场景。

推出 ClickHouse Cloud 中的多阶段分布式查询执行本文字数：10395；估计阅读时间：26分钟作者：Alexander GololobovTL;DRClickHouse Cloud 的多阶段分布式执行 (Multi-stage distributed execution) 为单查询跨多节点扩展提供了新途径。它在不同执行阶段之间重新分区中间数据，从而消除了大规模连接和高基数聚合中的关键瓶颈。

spark.sql报错报错如下：核心报错：Another instance of Derby may have already booted the database /root/metastore_db Spark 默认内置 Derby 数据库来存放 Hive 元数据（metastore_db）；Derby 是单进程数据库，只允许一个进程持有数据库锁。上一次的 spark‑shell 没有正常关闭，后台残留 Java 进程持有了metastore_db目录下的db.lck锁文件；再次启动 Spark 尝试连接同一个 Der

Spark部署local模式就是在本地部署单个spark服务，local模式多数用于自学形式，在本地进行练手和测试。官网下载地址： Apache Archive Distribution Directory

长不胖的路人甲

RabbitMQ 死信队列 DLQ一条消息无法被正常消费，会变成死信，触发转发逻辑，只有满足下面三种情况之一才会成为死信：死信不会直接丢弃，而是交给预先绑定的DLX 死信交换机，由交换机路由到专门的死信队列（DLQ）。

【Redis八股|第8篇】Redis 分布式锁原理与 Redisson 使用前面我们学习了 Redis 的数据类型、缓存问题、过期策略、内存淘汰和持久化。这一篇进入 Redis 在项目实战中非常常见的场景：分布式锁。

鸿蒙实战：ArkData 数据持久化管理全景解析——从 Preferences 到分布式数据同步我们要构建一个"跨设备待办清单"应用。用户在手机上新建的待办，能实时同步到平板、智慧屏；应用的主题、字号等偏好设置需要长期保存；待办条目本身数量可能上千条，需要支持按状态筛选、按时间排序、模糊搜索。这三类数据的特征截然不同，因此不能用一种存储方案"一把梭"。

什么是SparkApache Spark是目前最流行的大规模数据处理系统之一，提供支持多种编程语言的API，并且具有大量内置库和第三方库的支持

Spark浅析Spark应用程序由一个驱动器进程和一组执行器进程组成。驱动进程运行main()函数，位于集群中的一个节点上，它负责三件事：维护Spark应用程序的相关信息；回应用户的程序或输入；分析任务并分发给若干执行器进行处理。驱动器是必须的，它是Spark应用程序的核心，它在应用程序执行的整个生命周期中维护着所有相关信息。

【学习笔记】分布式推理：TP / PP / EP / CP 并行策略详解（20/35）这一篇是部署服务化篇的收官，主题是大多数工程师在 70B+ 模型部署时都会被问到的问题：并行怎么切？这是一个看似简单实则复杂的问题。前面几篇我们已经多次提到 TP、PP、EP、CP，但都是浅尝辄止。今天我们把它们一次性讲透。