分布式缓存优点
‘壹’ Java开发工具主要有哪些
一 看书已经是一种落后的学习方式
我上大学的时候学习Java，也是通过看书的方式学习的，当时学的很费劲，只有死板的文字，整了一本厚厚的书，啃了将近一年，也是迷迷瞪瞪的，有长进，但不是太大。在书里涉及到一些实际操作的步骤的时候，通过软件表现，中间会遇到很多书里没说的问题，让人只能纠结。
二 与其看死板的书，不如看网上直播Java课程
现在我是一件公司的Java技术总监，技术实力那是一级棒的。在大学里，看了两三年的书，没什么长进，差点放弃了Java，但是放弃的话总觉的太可惜了，只能回锅在学习一些，但是当时面临的问题是什么呢，白天要工作，要创造利润生活啊，又不好意思跟家里要钱，所以导致我没时间去提升自己的技术实力，只能每天混日子。后来我一个朋友让我在网上看Java直播课程，每天晚上都是高手分享的，可以现场互动，我抱着试试看看的态度，在网上听了几天，都是晚上讲课，也不耽误我白天工作，让我欣喜的是，当在直播中看着老师的实战操作以及老师透彻的讲解，让我有一直茅塞顿开的感觉，很多困扰我很多年的问题，都解开了，原来看直播的学习效率，直接秒杀看书啊。当然好东西，要给大家一块分享，如果你想提升自己的Java实力，晚上有时间也可以来听听的，在这个群里，开头的前面几位是：557,然后在中间的一组是：101,位于最后位置的是：916，按照前后的顺序组合起来就ok了。
三 Java程序员新手老手都离不开八大开发工具
现在有很多库、实用工具和程序任Java开发人员选择。每个工具都有其优点，但其中有一些因它的知名度、多功能和有效力从众多选项中脱颖而出。
以下这8个工具，从代码构建到错误挤压，覆盖Java开发的全域。学习这些工具可以帮助你改善代码质量，成为一个更高效的Java开发人员。
1.Eclipse
尽管IntelliJ IDEA、NetBeans和一些其他的IDE正在日益普及，但是有调查表明，Eclipse仍然是几乎半数Java开发人员首选的开发环境。 Eclipse是IDE领域的瑞士军刀，有着大量定制的接口和无数的插件。它无处不在，后面本文将推荐的其他所有工具都提供Eclipse插件。
Eclipse的工作流程可分为三个方面：工作台，工作空间和视角。工作台作为到IDE的出发点。工作空间将项目、文件和配置设置组合在一个单独的 目录下。视角定义工具、视图和有效设置。虽然新手开发人员可能会觉得相比Netbeans和IntelliJ IDEA，Eclipse使用起来更难，但Eclipse的灵活，使其成为企业开发的首选IDE。
Luna，Eclipse的最新版本，支持Java 8、分屏编辑、新的黑色主题，以及一个功能齐全的命令行终端。
2.Gradle
Gradle是一个自动化项目工具，建立在Apache Maven和Apache Ant的功能上。虽然Gradle并不是非常流行的构建工具（超流行的是Maven，64％的Java开发人员会选择它），但它的普及速度很快。它也可作为默认的Android构建工具。
Gradle引以为傲的是它的简单。Gradle使用Groovy编程语言，与Maven和Ant使用XML语法截然相反。一个基本的Gradle构建文件由一行简单的代码组成：
3.Javadoc
Javadoc是Oracle提供的文档生成器。它可以将特殊格式的注释解析为HTML文档。以下截图就是Javadoc生成的Java SE 8 API规范：
Javadoc注释使用开放标签、关闭标签，以及一个或多个描述性标签的格式。开放式标签类似于标准Java多行注释标记，使用两个星号的除外。Javadoc也解析普通的HTML标签。
Javadoc自动格式化标签和关键字，除非另有规定。Javadoc广泛使用超链接，允许你参考和链接到代码的不同区域。许多IDE——包括 Eclipse——可以自动添加Javadoc注释模块到变量、类和方法中。支持Maven、Gradle和Ant的插件在编译代码的同时也可以构建 Javadoc HTML。
4.JUnit
JUnit是用于编写和运行单元测试的开源框架。一个基本的JUnit测试包括测试类、测试方法、以及执行测试的功能。 JUnit使用标注来确定测试如何构造和运行。例如，如果你的程序有一个类叫做MathClass，具有乘法和除法的方法，你可以创建JUnit测试来检 查不符合预期的值。输入数字2和5到乘法方法，你希望得到的结果为10。当输入0作为除法方法的第二个参数时，你会期望给出一个数字计算异常的警告因为除 数不能为0：
@Test标注规定，MathClass方法是一个测试用例。 在JUnit提供额外的标注，比如@Before，这样你就可以在测试运行之前设置环境。 JUnit还可以设置规则用于定义测试方法的行为。例如，TemporaryFolder规则使得一旦测试完成，由测试创建的文件或文件夹就会被删除。
5.Cobertura
Cobertura可用于分析Java代码的测试覆盖率。Cobertura根据没有被测试覆盖的代码生成基于HTML的报告。
Cobertura提供可用于插装、检查和测试代码的工具。通过监控可测试的代码，Cobertura允许你使用你选择的测试框架，甚至不需要测试框架就可以运行程序。
Cobertura根据行、分支和程序包三个方面给出代码覆盖报告。每个类别都有一个可自定义的阈值，如果覆盖面低于阈值，就会触发警告。Cobertura还集成了Maven和Gradle的自动检测功能。
6.FindBugs
FindBugs是一个匹配编译代码模式，而非使用bug数据库的工具。当提供源代码时，FindBugs还可高亮显示检测出bug的代码行。
在它的3.0.1版本中，FindBugs继续保持着数以百计的bug描述。根据bug的严重程度，FindBugs将bug分为四个水平：相关 的，令人困扰的，可怕的，以及最可怕的。除了图形用户界面，FindBugs还提供一个命令行界面，Ant任务，以及Eclipse插件。
7.VisualVM
包含在JDK中的VisualVM是监控和审查Java应用程序性能的工具。 VisualVM检测并重视活跃的JVM实例来检索有关进程的诊断信息。
VisualVM可以很容易地实时诊断性能问题。它提供了全套的分析工具，包括JConsole、jstack、jmap、jinfo和jstat等。此外，你还可以对JVM做一个快照，这样以后在任何时都能审查。
8.Groovy
Groovy是一种编程语言，通过添加新的关键字，自动导入常用的类，以及可选类型变量声明，既简化又扩展了Java。
Groovy的核心优势之一是它的脚本功能。类可以被编译为Java字节码或使用Groovy Shell动态执行。Groovy的Java基础使得它相较于Jython和JRuby更容易为Java开发人员所接受
三优秀Java程序员，应该养成哪些习惯
当我们评价一个程序员是否优秀时，要从多个方面进行评估。 专业技能、专业知识、创造力、经验，这些都是重要的因素。当然，还有他们的工作态度、工作效率和工作质量。如果程序员的工作是没有效率的，那就意味着他们所投入的时间和精力是没有效果的。最近看到一篇博文中，他们总结了10个影响程序员工作效率的坏习惯。看完这篇文章后你会发现，里面所列举的坏习惯，总有一两个可以在自己的身上找得到。从中你也可以学习到那些优秀的程序员是如何提高工作效率的。
1.专注于一个工作而不是同时处理多个任务同一时间处理多个工作任务，我们对这种情况并不陌生。有时候是迫不得已，但有时候也是个人的习惯造成的。“同一时间处理多个任务”看起来不错，给人感觉你的工作出色，但实际上，由于要不断转换工作内容，它会影响了你的专注力和创造力。对于程序员来说，专注于某一个开发工作是很重要的。如果要同时处理几个任务，你不得不为此消耗精力，这样一来工作效率就会降低了。解决的方法是做好工作安排，把相似的工作放在一起，专心做好一个工作直到它完成了为止，再去做下一个工作。
2.建立一个有条理的工作系统程序员给很多人的感觉是有点神经质的，就是那种专注起来令人倾心，糊涂起来让人抓狂的那种。他们可以投入到开发环境中不眠不休，但有很多人也会在工作中出现各种马虎，健忘和凌乱的状况。工作没有条理可以直接影响工作效率。其实这个毛病是可以改掉的，从办公桌上物件的摆放，到建立工作计划，一步一步地作好安排，制定一个井井有条的工作系统可以有助提高工作效率。你可以在livecoding上看一下其他程序员的直播，不仅可以发现一些有趣的项目，还可以留意一下人家是如何把每一件事情都处理得有条不紊的。优秀的程序员也许在生活中会有各种丢三拉四的表现，但一旦投入到工作中时，他们会变得非常专注和注重条理。
‘贰’ 云数据库有哪些优点劣势
作为PaaS服务的一种，云数据库最直接的好处是提升运维人员的幸福感。无论是AWS、Azure还是快云的云数据库，都提供了运维层面的可视化界面，大大降低DBA的劳动强度。另外有部分云厂商（比如快云）会对一些数据库引擎的代码做较大的优化，因此用户可以得到一些官方版本没有的特性或者性能上的增强。
‘叁’ Kafka 设计详解之队列
在 上文 中我们介绍了 Kafka 的网络通信，本文打算详细分析 Kafka 的核心 — 队列 的设计和实现，来对 Kafka 进行更深一步的了解。
队列是一种先进先出（FIFO）的数据结构，它是 Kafka 中最重要的部分，负责收集生产者生产的消息，并将这些消息传递给消费者。要实现一个队列有多种方式，Kafka 作为一个消息队列中间件，在设计队列时主要要考虑两个问题：
乍一看到这个问题，我们会想，内存的读取速度远快于磁盘，如果追求性能，内存也充足的话，当然是将生产者产生的消息数据写到内存（比如用一个数组或者链表来存储队列数据），供消费者消费。真的是这样吗？
下面我们依次分析下写内存和写磁盘文件的优缺点，首先，内存的优点是读写速度非常快，但是，如果我们的目标是设计“大数据量”下的“高吞吐量”的消息队列，会有以下几个问题：
接下来我们来分析一下磁盘，写磁盘文件方式存储队列数据的优点就是能规避上述内存的缺点，但其有很严重的缺点，就是读写速度慢，如果纯依靠磁盘，那消息队列肯定做不到“高吞吐量”这个目标。
分析了内存跟磁盘的优缺点，好像我们还是只能选写内存，但我们忽视了磁盘的两个情况：一是磁盘慢是慢在随机读写，如果是顺序读写，他的速度能达到 600MB/sec（RAID-5 磁盘阵列），并不慢，如果我们尽可能地将数据的读写设计成顺序的，可以大大提升性能。二是 现代的操作系统会（尽可能地）将磁盘里的文件进行缓存 。
有了操作系统级别的文件缓存，那用磁盘存储队列数据的方式就变得有优势了。首先，磁盘文件的数据会有文件缓存，所以不必担心随机读写的性能；其次，同样是使用内存，磁盘文件使用的是操作系统级别的内存，相比于在 Java 内存堆中存储队列，它没有 GC 问题，也没有 Java 对象的额外内存开销，更可以规避应用重启后的内存 load 数据耗时的问题，而且，文件缓存是操作系统提供的，因为我们只要简单的写磁盘文件，系统复杂性大大降低。
因此，Kafka 直接使用磁盘来存储消息队列的数据。
刚才我们已经决定用磁盘文件来存储队列数据，那么要如何选择数据结构呢？一般情况下，如果需要查找数据并随机访问，我们会用 B+ 树来存储数据，但其时间复杂度是 O(log N)，由于我们设计的是消息队列，我们可以完全顺序的写收到的生产者消息，消费者消费时，只要记录下消费者当前消费的位置，往后消费就可以了，这样可以对文件尽可能的进行顺序读写，同时，时间复杂度是O(1)。其实，这跟我们写日志的方式很像，每条日志顺序 append 到日志文件。
之前我们已经确定采用直接顺序写磁盘文件的方式来存储队列数据，下面我们来剖析下具体的实现细节。
在 Kafka 中，用一个文件夹存储一条消息队列，成为一个 Log，每条消息队列由多个文件组成，每个文件称为一个 LogSegment，每当一个 LogSegment 的大小到达阈值，系统就会重新生成一个 LogSegment；当旧的 LogSegment 过期需要清理时（虽然磁盘空间相对于内存会宽裕很多，我们可以保存更长时间的消息数据，比如一周，以供消费者更灵活的使用，但还是需要定期清理太老的数据），系统会根据清理策略删除这些文件。
现在我们知道一个队列（Log）是由多个队列段文件（LogSegment）组成的，那么 Kafka 是如何将这些文件逻辑上连接从而组成一条有序队列的呢？在生成每个队列段文件时，Kafka 用该段的初始位移来对其命名，如在新建一个队列时，会初始化第一个队列段文件，那么其文件名就是0，假设每个段的大小是固定值 L，那么第二个段文件名就是 L，第 N 个就是 （N - 1）* L。这样，我们就可以根据文件名对段文件进行排序，排序后的顺序就是整个队列的逻辑顺序。
了解了队列的基本实现，下面我们就来分析下队列的核心操作—读和写。
写操作发生在生产者向队列生产消息时，在上篇文章讲网络通信时我们已经说到，所有的客户端请求会根据协议转到一个 Handler 来具体处理，负责写操作的 Handler 叫 ProcerHandler，整个写请求的流程如下：
之前我们说过，如果是顺序写，由于省掉了磁头寻址的时间，磁盘的性能还是很高的，我们看到 Kakfa 队列是以顺序方式写的，所以性能很高。但是，如果一台 Kafka 服务器有很多个队列，而硬盘的磁头是有限的，所以还是得在不同的队列直接来回切换寻址，性能会有所下降。
队列的读操作发送在消费者消费队列数据时，由于队列是线性的，只需要记录消费者上次消费到了哪里（offset），接下去消费就好了。那么首先会有一个问题，由谁来记消费者到底消费到哪里了？
一般情况下，我们会想到让服务端来记录各个消费者当前的消费位置，当消费者来拉数据，根据记录的消费位置和队列的当前位置，要么返回新的待消费数据，要么返回空。让服务端记录消费位置，当遇到网络异常时会有一些问题，比如服务端将消息发给消费者后，如果网络异常消费者没有收到消息，那么这条消息就被“跳过”了，当然我们可以借鉴二阶段提交的思想，服务端将消息发送给消费者后，标记状态为“已发送”，等消费者消费成功后，返回一个 ack 给服务端，服务端再将其标记为“成功消费”。不过这样设计还是会有一个问题，如果消费者没有返回 ack 给服务端，此时这条消息可能在已经被消费也可能还没被消费，服务端无从得知，只能根据人为策略跳过（可能会漏消息）或者重发（可能存在重复数据）。另一个问题是，如果有很多消费者，服务端需要记录每条消息的每个消费者的消费状态，这在大数据的场景下，非常消耗性能和内存。
Kafka 将每个消费者的消费状态记录在消费者本身（隔一段时间将最新消费状态同步到 zookeeper），每次消费者要拉数据，就给服务端传递一个 offset，告诉服务端从队列的哪个位置开始给我数据，以及一个参数 length，告诉服务端最多给我多大的数据（批量顺序读数据，更高性能），这样就能使服务端的设计复杂度大大降低。当然这解决不了一致性的问题，不过消费者可以根据自己程序特点，更灵活地处理事务。
下面就来分析整个读的流程：
分布式系统中不可避免的会遇到一致性问题，主要是两块：生产者与队列服务端之间的一致性问题、消费者与队列服务端之间的一致性问题，下面依次展开。
当生产者向服务端投递消息时，可能会由于网络或者其他问题失败，如果要保证一致性，需要生产者在失败后重试，不过重试又会导致消息重复的问题，一个解决方案是每个消息给一个唯一的 id，通过服务端的主动去重来避免重复消息的问题，不过这一机制目前 Kafka 还未实现。目前 Kafka 提供配置，供用户不同场景下选择允许漏消息（失败后不重试）还是允许重复消息（失败后重试）。
由于在消费者里我们可以自己控制消费位置，就可以更灵活的进行个性化设计。如果我们在拉取到消息后，先增加 offset，然后再进行消息的后续处理，如果在消息还未处理完消费者就挂掉，就会存在消息遗漏的问题；如果我们在拉取到消息后，先进行消息处理，处理成功后再增加 offset，那么如果消息处理一半消费者挂掉，会存在重复消息的问题。要做到完全一致，最好的办法是将 offset 的存储与消费者放一起，每消费一条数据就将 offset+1。
本文介绍了 Kafka 的队列实现以及其读写过程。Kafka 认为操作系统级别的文件缓存比 Java 的堆内存更省空间和高效，如果生产者消费者之间比较“和谐”的话，大部分的读写操作都会落在文件缓存，且在顺序读写的情况下，硬盘的速度并不慢，因此选择直接写磁盘文件的方式存储队列。在队列的读写过程中，Kafka 尽可能地使用顺序读写，并使用零拷贝来优化性能。最后，Kafka 让消费者自己控制消费位置，提供了更加灵活的数据消费方式。
‘肆’ 超融合基础架构（HCI）和传统基础架构相比，有什么优势
一、架构和资源管理模式对比
如下以SmartX 超融合产品为例，分别给出了下超融合架构和传统架构的部署区别和资源管理模式区别。