- 综合排序
- 最热优先
- 最新优先
- 来自专栏深入浅出区块链技术
EVM 设计原理
EVM 设计原理 以太坊可以抽象的分成两部分，一部分是状态，另外一部分是用于改变状态的 EVM。 data: 一个不限制大小的字节数组，用来指定消息调用的输入数据 请注意，这是最开始的设计思路，后面经过诸多的 EIP 后，有些改变，更详细的内容可见 理解交易[12]。 8E%9F%E7%90%86/%E5%88%9D%E6%AD%A5%E7%90%86%E8%A7%A3%E4%BB%A5%E5%A4%AA%E5%9D%8A%E8%99%9A%E6%8B%9F%E6%9C 90%88%E7%BA%A6%E5%88%86%E6%9E%90%E5%9F%BA%E7%A1%80/%E6%99%BA%E8%83%BD%E5%90%88%E7%BA%A6%E5%AE%A1%E8%AE %A1.md#%E6%B7%B1%E5%85%A5%E5%AD%97%E8%8A%82%E7%A0%81%E5%88%86%E6%9E%90 [14] 中文翻译版本: https://github.com
80510编辑于 2023-01-09 - 来自专栏社区的朋友们
Kafka 设计原理
本文主要简单介绍Kafka的设计原理。 group Zookeeper：保存着集群broker、topic、partition等meta数据；另外，还负责broker故障发现，partition leader选举，负载均衡等功能 三、Kafka设计原理 举例，分段后的一个数据文件的offset是从20开始，那么offset为25的Message在index文件中的相对offset就是25-20 = 5。 如果有partition或者Consumer的增减，为了保证均衡消费，需要实现Consumer Rebalance，分配算法如下： broker对Consumer设计原理： 对于每个Consumer 3.6 HA基本原理 broker HA broker集群信息由Zookeeper维护，并选举出一个controller。
6.5K77发布于 2017-08-21 - 来自专栏Java工程师成长之路
Eureka设计原理
Eureka设计原理 1.1. 前言 目前我越来越关注技术原理层面的东西，开始考虑中间件设计背后，要考虑哪些因素，为什么要这样设计，有什么优化的地方，这次来讨论Eureka 1.2. 设计问题 设计一个注册中心，需要考虑什么东西？一步步来 首先注册中心的作用是用来存储各个服务器的地址端口等信息，所以需要考虑如何存储 存储就需要考虑是主动去拉还是各系统自己推送地址信息过来？ Eureka采用的是ConcurrentHashMap来存储注册表信息，没错就是这玩意，我一开始看到也很吃惊，不是吃惊它什么巧妙的设计，我觉得让一个刚入行的菜鸟来做存储，可以也做成这样，只不过可能用的HashMap 注册延迟原理 同样的上面的机制，导致了服务注册到可使用完毕需要更多的延迟，这些延迟在什么地方呢？ 这又导致了一次延迟 而如果用Ribbon请求，它首先请求的是Eureka Client缓存的注册表，这个缓存更新同样要30秒，这样就导致了最大可能造成2分钟左右的延迟 这里我要着重强调，Eureka为什么要这么设计
1.2K21发布于 2019-08-21 - 来自专栏一枝花算不算浪漫的专栏
JetCache设计原理浅析
1、目录 JetCache介绍 上帝视角：如何设计一个缓存组件？ SpringCache VS JetCache JetCache基本使用 JetCache部分源码分析 2、JetCache介绍 3、如何设计一个缓存组件？ 4、SpringCache VS JetCache 5、JetCache基本使用 5.1 JetCache配置信息 jetcache: statIntervalMinutes: 60 areaInCacheName #- redis://127.0.0.1:7001 #- redis://127.0.0.1:7002 5.2、JetCache使用示例 6、JetCache原理 CaffeineCache：基于Caffeine工具设计的内存缓存 RedisCache：Redis实现，使用Jedis客户端 RedisLettuceCache：Redis实现，使用Lettuce客户端
2K10编辑于 2022-09-28 - 来自专栏JavaEdge
Ehcache缓存设计原理
纯Java开源缓存框架，配置简单、结构清晰、功能强大，是一个非常轻量级的缓存实现，Hibernate里面就集成了相关缓存功能。
88430发布于 2021-02-23 - 来自专栏Spark学习技巧
HBase原理和设计
原理 前面介绍了HBase的一般架构，我们知道了HBase有ZK、Master和RS等组成，本节我们来介绍下HBase的基本原理，从数据访问、RS路由到RS内部缓存、数据存储和刷写再到region的合并和拆分等等功能 HBase设计 HBase是一个分布式数据库，其性能的好坏主要取决于内部表的设计和资源的分配是否合理。 的设计至关重要，一般我们建议rowkey的开始部分以hash或者MD5进行散列，尽量做到rowkey的头部是均匀分布的。 列簇设计 HBase的表设计时，根据不同需求有不同选择，需要做在线查询的数据表，尽量不要设计多个列簇，我们知道，不同的列簇在存储上是被分开的，多列簇设计会造成在数据查询的时候读取更多的文件，从而消耗更多的 5，Hbase源码系列之源码前奏hbase:meta表相关详细介绍
1.8K100发布于 2018-01-31 - 来自专栏大数据技术博文
Kafka设计与原理
可实时进行消息的处理计算 日志处理 Application 批量,异步发送日志/行为数据 流式处理 可以流式读取数据,支持Storm/Spark/Kafka Steaming 消息得生产实例&原理 （一） 生产者－发送／发布消息的一端 消息的生产&原理（二） 消息的生产&原理（三） 消息的消费实例&原理（一） 消息的消费实例&原理（二） 消费规则： 一个Partition只能被同一个ConsumerGroup partition数,可能会消费多个Partition 同一个partition保证是有序消费的 0.9之前consumer依赖zk,0.9之后直接链接kafka的Coordinator 消息的消费&原理 leader挂掉之后,通过选举选择follower中一个作为leader[去中心化] ZK中通过ISR维护着所有Follower,Follower通过Tcp与ZK保持心跳 副本因子 KAFKA逻辑架构设计
31610编辑于 2022-04-18 - 来自专栏JavaEdge
Redis缓存设计原理
hash槽，也就是说当前Redis Cluster支持的最大节点数就是4096 Redis Cluster使用的分布式算法也很简单：crc16( key ) % HASH_SLOTS_NUMBER 整体设计可总结为
47220发布于 2021-02-23 - 来自专栏code秘密花园
从构建进程间缓存设计 谈 Webpack5 优化和工作原理
让我们把目光先聚焦到即将破土而出的 Webpack 5 上，尽管国内外已经有抢鲜试水的尝试，其中也不乏@张立理的文章：Webpack 5 升级实验，讲述升级路径和体会，但是尚没发现从技术原理角度的设计解析 整篇文章将会设计大量 Webpack 实现原理和体系设计，阅读需要一定的前置知识和理解成本。 Webpack 5 新的设计提案 了解了上述知识，我们继续探讨已有方案的缺陷以及 Webpack 5 持久化缓存设计的“台前幕后”。 Webpack 5 令人期待的持久缓存优化了整个构建流程，原理依然还是那一套：当检测到某个文件变化时，根据依赖关系，只对依赖树上相关的文件进行编译，从而大幅提高了构建速度。 对于 Webpack 5 持久化缓存来说，对于 CI/CD 过程以及跨系统场景，也应该有合理的控制和设计。
98120发布于 2020-03-19 - 来自专栏JavaEdge
Ehcache缓存设计原理
纯Java开源缓存框架，配置简单、结构清晰、功能强大，是一个非常轻量级的缓存实现，Hibernate里面就集成了相关缓存功能。
1.2K00发布于 2021-02-03 - 来自专栏小工匠聊架构
Spring5 - 核心原理
文章目录 核心原理解析 核心原理解析 周末梳理了下Spring Framework的核心原理， 详细请参考： 在Processon上，直达地址： https://www.processon.com
31740发布于 2021-09-08 - 来自专栏java思维导图
《Spring设计思想》AOP设计思想与原理
Spring AOP的工作原理 1. Java程序运行在JVM中的特征 当我们在某个类Foo中写好了一个main()方法，然后执行java Foo，你的Java程序之旅就开启了，如下： ? 弄清楚这个问题，你不得不了解设计模式中的代理模式了。下面我们先来了解一下引入了代理模式的Java程序执行流是什么样子的。 3. 关于代理模式 代理模式属于Java代码中经常用到的、也是比较重要的设计模式。代理模式可以为某些对象除了实现本身的功能外，提供一些额外的功能，大致作用如下图所示： ? Spring AOP的工作原理 前面已经介绍了AOP编程首先要选择它感兴趣的连接点----即切入点(Point cut)，那么，AOP能对切入点做什么样的编程呢？
1.3K10发布于 2018-12-24 - 来自专栏JavaEdge
Guava Cache缓存设计原理
WeakReference引用内 缓存的Value被封装在WeakReference或SoftReference引用内 统计缓存使用过程中命中率、异常率、未命中率等统计数据 Guava Cache的架构设计源于 "; } }); System.out.println(result); } 总结 Guava Cache基于ConcurrentHashMap的优秀设计借鉴 write链和access链的设计，能更灵活、高效的实现多种类型的缓存清理策略，包括基于容量的清理、基于时间的清理、基于引用的清理等。
1.3K20发布于 2021-02-23 - 来自专栏华章科技
MapReduce 原理与设计思想
2.构建抽象模型-Map和Reduce 借鉴函数式设计语言Lisp的设计思想 函数式程序设计(functional programming)语言Lisp是一种列表处理 语言(List processing )，是一种应用于人工智能处理的符号式语言，由MIT的人工智能专家、图灵奖获得者John McCarthy于1958年设计发明。 Lisp定义了可对列表元素进行整体处理的各种操作，如： 如：(add #(1 2 3 4) #(4 3 2 1)) 将产生结果： #(5 5 5 5) Lisp中也提供了类似于Map和Reduce 的操作 如: (map ‘vector #+ #(1 2 3 4 5) #(10 11 12 13 14)) 通过定义加法map运算将2个向量相加产生结果#(11 13 15 17 19 = (String)itr.next(); System.out.print(word+ “: ”+ (Integer)ht.get(word)+“; ”); } 输出：good: 5;
1.6K20发布于 2018-08-16 - 来自专栏编程一生
RabbitMQ设计原理解析
为什么使用MQ 流量削峰 这个跟很火的小吃店门口的排队原理是一样的。实时调用就好像是大家蜂拥而至，如果系统处理能力不够，就会让店家手忙脚乱，说不定会在冰激凌上浇上可乐。 RocketMQ是国货，用Java语言实现，在设计时参考了Kafka，单机吞吐量达到十万级别，分布式架构可用性高，消息可以0丢失，扩展性高。 这是因为Kafka的设计上消息只用存一份，通过游标，发送后不立即删除消息。多个消费者组可以互不影响的消费。这是Kafka的一大改进。 内部原理 大家面试时有没有被问过：Kafka怎么保证消息能且仅能收到一次？这是个埋坑题，是与面试官斗智斗勇的开始。
81520发布于 2021-10-29 - 来自专栏硬件大熊
NFC天线工作原理、设计
继公众号之前推送过的《NFC芯片选型及基本电路框架》之后，本篇文字聊聊NFC天线工作原理及其设计，由于篇幅有限，该内容分两篇文字进行阐述 传统天线通过向空中辐射电磁波来传输电磁信号，为了能把电磁信号辐射到空中 使用仿真软件，可得天线各参数如下的关系： 对于整体NFC设计，为考量EMC滤波电路、匹配电路的设计，我们需要确定天线的等效电感、电阻、电容、Q值。对于参数的测量可借助网络分析仪—— 1. 必须从自谐振频率转化为工作频率）： 天线等效总电阻： 最终简化的天线等效谐振电路为如下模型： 由此计算出: 根据如上4个步骤，天线的参数（Rpant、Cant、Lant）已经测试、计算完毕，该等效的电路参数将用于设计匹配电路 关于匹配电路的设计，我们下一篇作讲解
6.1K31编辑于 2022-06-23 - 来自专栏后端进阶
图解 DataX 核心设计原理
基于我在项目中对 DataX 的实践过程，给大家分享我所理解的 DataX 核心设计原理。 设计理念 异构数据源离线同步是将源端数据同步到目的端，但是端与端的数据源类型种类繁多，在没有 DataX 之前，端与端的链路将组成一个复杂的网状结构，非常零散无法将同步核心逻辑抽象出来，DataX 的理念就是作为一个同步核心载体连接连接各类数据源 架构设计 用过 IDEA 的小伙都知道，IDEA 有很多非常棒的插件，用户可根据自身编程需求，下载相关的插件，DataX 也是使用这种可插拔的设计，采用了 Framework + Plugin 的架构设计 5、Transformer DataX 的 transformer 模式同时还提供了强大的数据转换功能，DataX 默认提供了丰富的数据转换实现类，用户还可以根据项目自身需求，扩展数据转换。 ? 举个公平分配策略的例子： 假设 A 库有表 0、1、2，B 库上有表 3、4，C 库上有表 5、6、7，如果此时有 4 个 TaskGroup，则 assign 后的结果为： taskGroup-0:
5.3K20发布于 2020-09-08 - 来自专栏中间件兴趣圈
Sentinel 集群限流设计原理
3、探究集群限流实现原理 ---- 在探究集群限流实现原理之前先来回顾一下单机限流的执行流程图。 ? 接下来将分别从 DefaultClusterTokenClient、DefaultTokenService 分别探究集群限流相关的实现原理与细节，更好的指导我们如何使用集群限流功能。 image.png Step5：当前许可数不足的情况，并且该请求为高优先级的处理逻辑： 获取当前等待的TPS（即1s为维度，当前等待的请求数量） 如果当前等待的TPS低于可借用未来窗口的许可阔值时，可通过 集群限流的基本实现原理就介绍到这里了。 4、总结 ---- 集群限流的基本原理接介绍到这里了，与单机限流模式最大的区别就是集群限流模式的需要引入 TokenService，提供许可的发放服务，该服务可以嵌入应用节点，也可以独立于应用之外。
5.6K52发布于 2020-05-07 - 来自专栏AI研习社
权益设计原理的证明
Casper 共识也有原理基础，虽然到目前为止，这一原理基础比较长篇累牍。 就权益证明协议存在的原因以及如何设计的问题而言，我、Vlad 、Dominic 和其他人各持己见，但这里我想解释一下我的想法来源。 我将列出一些观点并得出结论。 然而，（1）通过灵巧的协议设计，他们凭借这种操纵赚得额外利润的能力会尽可能地受到限制，更为重要的是（2）如果他们试图阻止新的验证人加入 或开展 51% 的攻击，那么社区就可以简单地协调硬分叉，并删除违规验证人的存款 一次成功的攻击可能花费 5 千万美元，但是清除这次攻击的过程却不会那么繁琐。 我们是否给予 ETH 每年 1% 的发行利率，并获得 5 千万美元的成本来强制实施补救性硬分叉或零年发行率，并获得 500 万美元的成本来强制实施补救性硬分叉？
66920发布于 2018-09-25 - 来自专栏Spring Cloud设计原理
Spring Cloud Hystrix设计原理
Hystrix虽然官方社区不再维护，但是其客户端熔断保护，断路器设计理念，有非常高的学习价值，为我们在服务保护的设计上，提供了非常好的设计思路；除了官方不再维护之外，hystrix目前对于一般的分布式服务调度 Hystrix工作原理 如下图所示，Hystrix的工作流程上大概会有如下9个步骤，下文将详细介绍每个流程： ? 断路器工作原理 ? ---- 5. Spring Cloud 下 Hystrix使用要注意的问题 Hystrix配置无法动态调节生效。 本文不是介绍sentinel的重点，关于sentinel的设计原理和使用方式，将另起博文介绍，有兴趣的同学可以先关注下我。
1.3K30发布于 2019-05-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号