是位于客户端和服务端之间一个代理模型,接受客户端的请求,将其转发到后端服务中,然后将后端响应传回客户端。
负载均衡:减少单个服务器之间的压力,将流量重定向到多个服务器中常见的负载均衡算法有:轮询法(按照请求时间一个一个来),权重轮询(会进行访问数的统计),IP哈希(根据请求者的ip的hash值进行请求分发),url哈希
缓存数据:反向代理可以缓存经常请求的数据,减少对后端服务器的访问次数,提高系统的性能。
通过反向代理,管理员可以监控和管理后端服务器的状态,包括健康检查、服务降级等,确保系统的稳定性和可靠性。
主键自增id
主键自动增长,不用手工设值、数字型,占用空间小、检索非常有利、有顺序,不会重复,但在迁移旧数据是会出现id冲突
UUID
基于时间,计数器和地址生成32位的id
redis生成id
原子性自增,并发性能高,id格式可以自定义
雪花算法
64位long型的id,按时间递增
UidGenerator
基于Snowflake算法的唯一ID生成器,适用于高并发
美团leaf算法
全局唯一,绝对不会出现重复的ID,且ID整体趋势递增
当前任务在执行完CPU时间片后切换到另一个任务之前会保存自己的状态,以便于下一次切换回来可以继续加载该任务,任务从保存到再加载的过程就是一次上下文切换
这种任务主要消耗的时CPU的资源,我们可以将线程数设置为核心数+1,多出来的一个是为了防止线程偶发的缺页中断,或者其他任务导致的任务暂停
系统会用大部分的时间来处理 I/O 交互,而线程在处理 I/O 的时间段内不会占用 CPU 来处理,这时就可以将 CPU 交出给其它线程使用。因此在 I/O 密集型任务的应用中,我们可以多配置一些线程,具体的计算方法是 2N。
CPU密集型简单来说就是利用CPU的计算能力来完成任务例如在内存中进行排序,但凡涉及到网络读取,文件读取这类都是 IO 密集型,这类任务的特点是 CPU 计算耗费时间相比于等待 IO 操作完成的时间来说很少,大部分时间都花在了等待 IO 操作完成上。
单一职责原则:每个接口只负责一个功能的实现,避免将不相关的功能混合
接口隔离原则:设计多个接口而不是共同依赖同一个接口,减少客户端与接口的耦合
依赖导致原则:要依赖于抽象,而不是依赖于具体,应该面向抽象层,而不是具体的实现。这有助于降低耦合度,提高系统的可维护性和可扩展性。
简单性:只包含必要的方法
向上兼容性:,接口应保持向前兼容性,即新版本的接口应兼容旧版本的接口,以便在不中断现有客户端的情况下进行升级。
可拓展性:在之后添加新功能时,不应破坏现有接口
安全性:进行必要的安全认证和加密
场景:我们希望将三万张图片均匀的分布在三台服务器上,此时我们可以对N进行取模运算,也就是三万%3得到的结果为0,1,2,但当我们的请求增多后,我们想要新设立一个服务器,此时服务器的数量为4个,因此除数变为4,此时我们的缓存在一定时间内是失效的,这是普通hash算法的一个缺陷。
一致性哈希介绍
将哈希值空间按照顺时针形成一个环结构,由2^32次方个点组成,称为哈希环
此时进行哈希运算,确定每个服务器IP在环中的位置,用IP对2^32取模运算
顺时针寻找到的第一个结点位置就是服务器位置
优点:
解决了普通哈希算法的缓存雪崩问题
就算设置了新的节点,也只会造成少部分的数据失效
缺点:
哈希偏斜:三台服务器的位置离的很近,还是会造成缓存雪崩的问题。
解决方案:采用虚拟节点映射,对每个节点计算多个哈希值,一个物理结点对应多个虚拟节点,虚拟节点越多,哈希环上的结点就越多,缓存均匀分布的概率就会越大,可以通过IP地址+编号的方式实现虚拟节点