技术栈：
https://share.note.youdao.com/s/LKfdB11d
主要使用到的技术包括：
springboot + spring cloud + mybatis + redis + ehcache + rabbit mq + AWS S3 + mysql
ehcache
EhCache直接在JVM中进行缓存，速度快，效率高。与Redis相比，操作简单、易用、高效，虽然EhCache也提供有缓存共享的方案，但对分布式集群的支持不太好，缓存共享实现麻烦。
1
2
3
4
| @Cacheable(value = "serviceNameCache", key = "targetClass+methodName+#p0")
@CachePut 用于新增
@CacheEvict 用于删除
@Caching 用于组合条件
|
redis:
缓存、分布式锁、事务、持久化存储
redis单线程为什么这么快 ？
redis 常见数据结构以及使用场景分析
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| 1. String：key-value类型 常规key-value缓存应用； 常规计数：微博数，粉丝数等。
2. Hash 是一个 string 类型的 field 和 value 的映射表。
hash 特别适合用于存储对象，后续操作的时候，可以直接仅仅修改这个对象中的某个字段的值。
比如存储用户信息，商品信息等等
3. List 的实现为一个双向链表，即可以支持反向查找和遍历，更方便操作
微博的关注列表，粉丝列表， 消息列表等功能都可以用Redis的 list 结构来实现。
4. Set 是可以自动排重的。
Redis可以非常方便的实现如共同关注、共同粉丝、共同喜好等功能。这个过程也就是求交集的过程
5. Sorted Set 增加了一个权重参数score，使得集合中的元素能够按score进行有序排列。
举例： 在直播系统中，实时排行信息包含直播间在线用户列表，各种礼物排行榜
|
删除机制
哨兵机制
缓存穿透
1
2
3
4
5
6
7
| 简介：
一般是黑客故意去请求缓存中不存在的数据，导致所有的请求都落到数据库上，造成数据库短时间内承受大量
请求而崩掉。
解决办法：
最常见的是采用布隆过滤器，将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被这个bitmap拦截掉，从而避免了对底层存储系统的查询压力。
另外也有一个更为简单粗暴的方法（我们采用的就是这种），如果一个查询返回的数据为空（不管是数据不存在，还是系统故障），我们仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过五分钟。
|
缓存雪崩
1
2
3
4
5
6
7
| 简介：缓存同一时间大面积的失效，所以，后面的请求都会落到数据库上，造成数据库短时间内承受大量请求而崩掉。 解决办法：
事前：尽量保证整个 redis 集群的高可用性，发现机器宕机尽快补上。选择合适的内存淘汰策略。
事中：本地ehcache缓存 + hystrix限流&降级，避免MySQL崩掉
事后：利用 redis 持久化机制保存的数据尽快恢复缓存
|
extends WebSecurityConfigurerAdapter
implements Filter
1
2
3
4
5
6
7
8
9
10
11
12
13
| public class User implements BaseEntity {
private Long id;
private Group group;
private String role;
private Long creatorId;
private String name;
private String email;
private String password;
private Status status;
private Date createTime;
private Date updateTime;
}
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
| @EnableWebSecurity
@Configuration
public class WebSecurityConfig extends WebSecurityConfigurerAdapter {
System.arraycopy(baseUrls, 0, urls, excludeUrls.size(), baseUrls.length);
http.csrf().disable()
.authorizeRequests()
.antMatchers(urls).permitAll()
.antMatchers("/api/admin/users").hasAnyRole("ADMIN")
.anyRequest()
.authenticated();
http.exceptionHandling()
.authenticationEntryPoint((request, response, authException)
-> {
Map<String, String> message = new HashMap<>(4);
message.put("message", I18nContext.getMessage("AUTH_ERROR_403"));
message.put("url", ContextConfig.getConf("WEB_OAUTH_LOGIN_URL"));
response.setStatus(HttpStatus.UNAUTHORIZED.value());
MessageUtils.respMsg(response, message);
})
.accessDeniedHandler((request, response, accessDeniedException)
-> MessageUtils.respStringMsg(HttpStatus.FORBIDDEN));
http.addFilterBefore(new OauthLoginFilter(sysUserService),
UsernamePasswordAuthenticationFilter.class);
}
}
|
rabbit-mq
模式
1
2
3
4
| Direct exchange:routingkey完全匹配
Fanout exchange：订阅模式，exchange绑定的所有队列
Topic exchange：routingkey通配
Headers exchange：不通过routingkey,通过请求头信息
|
死信队列
1
2
3
4
5
6
7
8
9
| DLX，全称为Dead-Letter-Exchange , 可以称之为死信交换机。当消息在一个队列中变成死信(dead message)之后，它能被重新发送到另一个交换机中，这个交换机就是DLX ，绑定DLX的队列就称之为死信队列。
消息变成死信，可能是由于以下的原因：
- 消息被拒绝
- 消息过期
- 队列达到最大长度
DLX也是一个正常的交换机，和一般的交换机没有区别，它能在任何的队列上被指定，实际上就是设置某一个队列的属性。当这个队列中存在死信时，Rabbitmq就会自动地将这个消息重新发布到设置的DLX上去，进而被路由到另一个队列，即死信队列。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
| @Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
public @interface LogOperation {
String module();
String operation() default "";
String[] fields();
String [] unionFields() default {};
String operationField();
String operator() default "@userServiceImpl.getCurrentUser().getId()";
String originExpression() default "";
String currentExpression() default "";
String condition() default "true";
}
|
定时任务
1
2
| @Scheduled(cron = "${app.monitor.task.day}")
@SchedulerLock(name = "SERVICENAME_SUBSCRIPTION_DAY", lockAtLeastFor = 30000, lockAtMostFor = 60000)
|
k8s
openfeign
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
@FeignClient(name = "${openfeign.serviceName.accountClient}", url = "${openfeign.serviceName.accountDomain}",
fallbackFactory = FeignHacBackService.class, configuration = FeignConfiguration.class)
@Service
public interface FeignHacService {
@RequestMapping(value = "${openfeign.serviceName.userApi}", method = RequestMethod.GET)
HacMessage<HacUser> syncUsers();
}
|
spring cloud