生产者消费者模型（CP模型）是一种非常经典的设计，常常出现在各种 「操作系统」 书籍中，深受教师们的喜爱；这种模型在实际开发中还被广泛使用，因为它在多线程场景中是十分高效的！
最近在给别人讲解 Java 并发编程面试考点时，为了解释锁对象这个概念，想了一个形象的故事。
消费者定期去超市买东西，买完在拿回来，即消费行为 供货商作为生产者，由供货商把商品生产到超市
TOP 观察：IO等待所占用的CPU时间的百分比，高过30%时IO压力高其次、用iostat -x 1 10
1. 假设现在有一份共享资源tickets，如果我们想让多个线程都对这个资源进行操作，也就是tickets- -的操作，但下面两份代码分别出现了不同的结果，上面代码并没有出现问题，而下面代码却出现了票为负数的情况，这是怎么回事呢？ 其实问题产生就是由于多线程被调度器调度的特性导致的。
引入： 举个例子，我们想买个生活用品，但是没有交易场所的话，我们就只能直接去供货商那里去买。我们每人每次买一两件，对于供货商来说，为了这一两件商品去开启厂子里的机器进行生产，是很亏本的事情。因此，有了交易场所——超市等存在，它们作为交易商品的媒介，工作就是集中需求，分发产品。 消费者和生产者之间通过超市进行交易。当消费者没有消费的同时，生产者也可以继续生产；当消费者过来消费的同时，生产者也可以停止生产（例子：周内生产者上班生产商品，学生上学不来超市购买商品；周末生产者放假休息，不进行生产工作，学生过来超市购买商品）。由此，生产和消费这两件事就可以解耦了，我们把临时保存产品的场所称为缓冲区。
引入：举个例子，比如我们学生想买东西，但是如果没有交易场所超市，那么我们只能去供货商去买东西，那我们只能如果要一件供货商只能生成一件，对于供货商来说生成的成本太大了，所以有了交易场所超市这个媒介的存在。目的就是为了集中需求，分发产品。
ps：本文章转载自https://www.cnblogs.com/xiaoxi/p/7007695.html
毫无疑问，Redis开创了一种新的数据存储思路，使用Redis，我们不用在面对功能单调的数据库时，把精力放在如何把大象放进冰箱这样的问题上，而是利用Redis灵活多变的数据结构和数据操作，为不同的大象构建不同的冰箱。希望你喜欢这个比喻。
def init_repository(): # 初始化了很多的商品，每个元组代表一个商品 goods1 = ("1000001", "疯狂Ruby讲义", 88.0) goods2 = ("1000002", "疯狂Swift讲义", 69.0) goods3 = ("1000003", "疯狂Kotlin讲义", 59.0) goods4 = ("1000004", "疯狂Java讲义", 109.0) goods5 = ("1000005", "疯狂Android讲义", 108.0) goods6 = ("1000006", "疯狂iOS讲义", 77.0) # 把商品入库（放入dict中），条码作为key repository[goods1[0]] = goods1 repository[goods2[0]] = goods2 repository[goods3[0]] = goods3 repository[goods4[0]] = goods4 repository[goods5[0]] = goods5 repository[goods6[0]] = goods6
queue是队列，特点是先进先出，后进后出，你可以理解为数据结构里的队列模型，他只允许你访问 queue<T> 容器适配器的第一个和最后一个元素。只能在容器的末尾添加新元素，只能从头部移除元素。 许多程序都使用了 queue 容器。queue 容器可以用来表示超市的结账队列或服务器上等待执行的数据库事务队列。对于任何需要用 FIFO 准则处理的序列来说，使用 queue 容器适配器都是好的选择。 图 1 展示了一个 queue 容器及其一些基本操作：
假设你在超市里买了一箱啤酒，如果你需要每次想喝啤酒就去超市购买，无疑会浪费很多时间和精力。而如果你将一部分啤酒放在家中的冰箱里，每次想喝啤酒时就从冰箱里取出来，那么就不需要频繁前往超市，提高了生活效率。
在软件开发过程中，会遇见很多的问题场景，对于经常遇到的问题场景，一些大佬总结出一些针对特有场景的固有套路，按照这些套路，将帮助我们将问题简单化，条理清楚的解决问题，这也是设计模式的初衷；
栈是有序集合，队列元素的增添和移除总是发生在同一端的，这一端我们称之为栈顶，另一端称之为栈底，栈中的元素离底端越近，代表其在栈中的时间越长，最新添加的元素将被最先移除。这种排序原则被称作 LIFO（last-in first-out），即后进先出。它提供了一种基于在集合中的时间来排序的方式。最近添加的元素靠近顶端，旧元素则靠近底端。
正常情况下，svctm应该是小于await值的，而svctm的大小和磁盘性能有关，CPU、内存的负荷也会对svctm值造成影响，过多的请求也会间接导致svctm值的增加。
Future模式有点类似于网上购物，在你购买商品，订单生效之后，你可以去做自己的事情，等待商家通过快递给你送货上门。Future模式就是，当某一程序提交请求，期望得到一个答复。但是可能服务器程序对这个请求的处理比较慢，因此不可能马上收到答复。但是，在传统的单线程环境下，调用函数是同步的，它必须等到服务程序返回结果，才能继续进行其他处理。而Future模式下，调用方法是异步的，原本等待返回的时间段，在主调函数中，则可以处理其他的任务。传统的串行程序调用如下图所示：
1、简化程序： Docker 让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何流行的 Linux 机器上，便可以实现虚拟化。Docker改变了虚拟化的方式，使开发者可以直接将自己的成果放入Docker中进行管理。方便快捷已经是 Docker的最大优势，过去需要用数天乃至数周的 任务，在Docker容器的处理下，只需要数秒就能完成。
你是否有过这样的经历：你在网上看到一张壁纸，画面中的雪山和湖泊令人心驰神往，你想知道这是哪个国家的美景，却不知道如何搜索；或者，在阅读一篇文章时，你想深入了解这个话题，寻找更多的观点和资料，却不知道该如何精确描述；又或者，当你在聆听一首歌曲时，你想寻找更多同样风格或情感的歌曲，却不知道如何分类。这时，你需要的是一个能够理解你的意图，为你提供最相关的结果，让你轻松找到你想要的信息的工具。
A supermarket has a set Prod of products on sale. It earns a profit px for each product x∈Prod sold by a deadline dx that is measured as an integral number of time units starting from the moment the sale begins. Each product takes precisely one unit of time for being sold. A selling schedule is an ordered subset of products Sell ≤ Prod such that the selling of each product x∈Sell, according to the ordering of Sell, completes before the deadline dx or just when dx expires. The profit of the selling schedule is Profit(Sell)=Σx∈Sellpx. An optimal selling schedule is a schedule with a maximum profit. For example, consider the products Prod={a,b,c,d} with (pa,da)=(50,2), (pb,db)=(10,1), (pc,dc)=(20,2), and (pd,dd)=(30,1). The possible selling schedules are listed in table 1. For instance, the schedule Sell={d,a} shows that the selling of product d starts at time 0 and ends at time 1, while the selling of product a starts at time 1 and ends at time 2. Each of these products is sold by its deadline. Sell is the optimal schedule and its profit is 80.
Python的垃圾回收机制有两种(也可以说一种:叫引用计数): 一是引用计数, 二是隔代回收.
学生是典型的消费者，供货商是典型的生产者。假设学生有泡面、火腿肠、玩具等等的需求，而供货商会生产尽可能覆盖学生需求的商品，但是一般并不会直接卖给学生，而是供货给超市，从而在超市里做买卖。
公有 PaaS 平台并没有达成共识，没有统一应用的 PaaS 服务 API，因此不便于应用在各平台之间移植。谷歌、亚马逊与微软三大巨头在 PaaS 领域分庭对立，在强大的技术实力与基础资源的支撑下，构建了与自身文化相对应的公有云 PaaS 平台。相对于三大巨头，于2007 年起家的 Heroku，正是由于看到了大平台厂商对应用代码的“侵入性”，以及对开发人员的“绑架”，因而独辟蹊径地开发了一套可移植的 PaaS 平台。
1.new可以用于创建线程，Thread也可以使用相同的语法Start或Thread。fork用于创建线程。 2.创建线程后，无需启动，线程将自动执行。 3.Thread类定义了一些处理线程的方法。线程执行thread.new中的代码块。 4.线程代码块中的最后一条语句是线程的值，它可以通过线程的方法调用。如果线程完成执行，则返回线程值；否则，在线程完成执行之前，不会返回该值。 5.线程。当前方法返回表示当前线程的对象。线main方法返回主线程。 6.通过Thread Join方法执行线程。此方法将暂停主线程，直到当前线程完成执行。
比如：工厂生产出来的面包，交给超市，商场来出售，客户通过超市，商场来买面包，客户不会针对某一个工厂去选择，只管从超市买出来，工厂也不会管是哪一个客户买了面包，只管生产出来之后，交给超市，商场来处理。
目前我是一名Golang/Python开发工程师，之前是主要使用PHP进行开发的传统web后端工程师，后面因为工作原因开始接触并使用Python和Golang来做一些开发工作，涉及到数据分析数仓建设相关及部分游戏相关的开发；也因为工作原因接触到了很多其他语言的特性或者是其他语言团体推崇的技术方向方案。
在ELKK的架构中，各个框架的角色分工如下： ElasticSearch1.7.2：数据存储+全文检索+聚合计算+服务端 Logstasch2.2.2：日志收集与分发推送 Kafka0.9.0.
由于Web应用程序跑在Tomcat工作线程，因此Web应用对请求的处理时间也直接影响Tomcat性能，而Tomcat和Web应用在运行过程中所用到的资源都来自os，因此调优需要将服务端看作是一个整体来考虑。
如果你正在POSIX系统的控制台中直接运行Logstash，那么你可以通过向Logstash发送SIGTERM来停止它，例如：
First Input First Output的缩写，先入先出队列，这是一种传统的按序执行方法，先进入的指令先完成并引退，跟着才执行第二条指令。FIFO（First Input First Output），即先进先出队列。在超市购物之后会提着我们满满的购物车来到收银台排在结账队伍的最后，眼睁睁地看着前面的客户一个个离开。这就是一种先进先出机制，先排队的客户先行结账离开。
Google 在设计 Ruby Serverless Runtime 时面临的一些设计问题，做出的决策以及为什么做出这些决策。
Redis开创了一种新的数据存储思路，使用Redis，我们不用在面对功能单调的数据库时，把精力放在如何把大象放进冰箱这样的问题上，而是利用Redis灵活多变的数据结构和数据操作.
1）旅游景点；很多人去过故宫，每逢节假日都会迎来人流高峰，为了维护秩序和安全，每天限定售票数量
我所在的前一家公司构建了一个大规模捐赠和支付软件系统，在一些盛大的节日里，我们一次活动中就会收到成千上万笔捐款。我在那家公司的其中一项职责就是扩展这个系统，确保它不会崩溃。由于架构低效、开发仓库以及技术选择问题，它有许多局限性，在性能上也远远无法满足需求。
尽管 Rust 的第一个稳定版本于 2015 年发布，但其生态系统中仍然存在一些用于解决常见任务的缺失。其中之一是后台处理。
再次尝试发送 [root@h102 ruby]# ruby p.rb [x] Sent 'Done!' [root@h102 ruby]# 查看队列 [root@h102 ruby]# rabbitmqctl list_queues Listing queues ... mq_learning_q 0 ruby_test_q 1 [root@h102 ruby]# 消费队列里的内容(这个进程消费完队列里的内容后，会挂起，等待接收队列里新的内容) [root@h102 ruby]# ruby c.rb
大型动态应用系统平台主要是针对于大流量、高并发网站建立的底层系统架构。大型网站的运行需要一个可靠、安全、可扩展、易维护的应用系统平台做为支撑，以保证网站应用的平稳运行。
本文翻译自https://engineering.nanit.com/rabbitmq-retries-the-full-story-ca4cc6c5b493。
Dissecting Message Queues 概述： 我花了一些时间解剖各种库执行分布式消息。在这个分析中，我看了几个不同的方面，包括API特性，易于部署和维护，以及性能质量.。消息队列已经被分为两组：brokerless和brokered。 brokerless消息队列是对等的，没有中间商参与信息的传递，而brokered队列有一些服务器端点之间。 性能分析的一些系统： Brokerless nanomsg ZeroMQ Brokered ActiveMQ
听到队列相信大家对其并不陌生，在我们现实生活中队列随处可见，去超市结账，你会看见大家都会一排排的站得好好的，等待结账，为什么要站得一排排的，你想象一下大家都没有素质，一窝蜂的上去结账，不仅让这个超市崩溃，还会容易造成各种踩踏事件，当然这些事其实在我们现实中也是会经常发生。
图 展示了一个理论上的 stack 容器及其一些基本操作。只能访问 stack 顶部的元素；只有在移除 stack 顶部的元素后，才能访问下方的元素。
项目类型付费项目源码获取源码自助获取部署版无需源码即可在本地运行交流答疑帖你可以在贴吧中交流讨论该项目项目录屏你可以查看本项目的动态演示增值服务【
要是这两家人工智慧新创公司真有办法，未来购物这件事，会跟现在进店偷东西的感觉一样，而且还不用担心被抓。 纽西兰的 IMAGR 及硅谷的 Mashgin 都打算让在百货超市和公司餐厅里结帐一事变得简单，差不多就是在公园里散步一样轻松。 许多超市提供自助结帐服务，以节省购物者的时间。IMAGR 创办人 William Chomley 想要一并跳过结帐这件事，买完东西只要直接走出门就好，这跟在西雅图市区一间百货超市进行测试的 Amazon Go 很像，消费者买完东西无需在收款机停下脚步，迳行出门即可。 IMAGR
AMQP协议介绍 AMQP，即Advanced Message Queuing Protocol，高级消息队列协议，是应用层协议的一个开放标准，为面向消息的中间件设计。 AMQP的主要特征是面向消息、
为前端开发，你是否问过自己或者思考过什么是JavaScript吗？JavaScript有什么特点？如果让你让一句话高度介绍，你会怎么说？小编认为，在你想深入一门语言，必须要清楚理解这们语言有什么特点和其中的运行机制，这是学好一门语言的基础。
大数据文摘作品 作者：Priya Dwivedi 编译：朝夕、吴双、钱天培 2016年年末，Amazon无人超市横空出世。在这家无人超市，店内的相机能够自动追踪你拿取的商品；完成购物后，你无需排队等候收银，只用直接走出超市。 自此之后，阿里和京东也已相继加入战局，先后推出无人超市体验店。一时间，无人超市的概念已实现了大规模普及。 无人超市的“黑科技”到底是什么呢？今天，文摘菌就为大家科普其中最重要的一环——基于计算机视觉技术的物体识别。 首先，让我们分析一下实现无人超市的两大难点。 难点一：把商品加入购物
我们知道SSD是一场存储革命，设计和制造一个好的SSD固然重要，但如何正确使用以充分发挥SSD性能同样重要。SSD内在的并行性和先擦再写的特性决定了它不同于机械硬盘简单的LBA和存储块一一对应，要充分挖掘SSD的并行性，提升性能，延长寿命，缩短延迟，就必须在上层应用做出改动。很多SSD的使用大户都作出了这种尝试，从国外的Google，Microsoft，Facebook，到国内的Baidu，Alibaba等，本站就曾经介绍过百度的软件定义闪存，把对象存储和SSD内部结构统一起来使用。但对大部分企业来讲，这种结构还是太独特了，我们还是要关注通用的架构，首先来了解离硬盘最近的软件：文件系统。本系列文章将以Linux系统最常见的EXT4文件系统为例，从SSD爱好者的角度来揭开文件系统的庐山真面目。
Redis是一种基于客户端-服务端模型及请求/响应协议的TCP服务。 这意味着一个请求会遵循以下步骤：
张浩：大家下午好！我是来自腾讯云中间件产品负责人，我叫张浩。很高兴今天能来到广州这样一个工业、金融、制造等非常发达的城市，和大家分享腾讯云微服务的一些实践。
其实最开始学习算法，听到拓扑排序这几个字我也是懵逼的，后来学着学着才慢慢知道是怎么一回事。关于 拓扑 这个词，在网上找到这么一段解释：
9月5日，天猫超市联合菜鸟召开发布会，宣布半日达再开6城，包含南京、武汉，长沙，天津，南昌和金华。目前，天猫超市全国开城数量达到14城。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
