从compare_4.go初识go的typecheck
主要是上一次的题目的第四道 上次compare梳理了 go build在compile之前的准备工作，比如收集import依赖关系 针对compare_4.go进行编译，看一下一点compile的过程，参数build -x -o ./compare_4 compare_4.go package main import "fmt" func main() { a := []byte("helloworld" »
一道变量compare题的延伸
我遇到的问题是第4道例子，建议读者先不要看答案，因为代码本身非常简单。 先下载题目，看看一共5道例子能不能完全做对，这样看到答案的时候会感到更有趣。 判断下面的例子， a和b是否相等 例子一 // compare_1.c #include <stdio.h> int main() { char a[11] = "helloworld"; char b[11] »
nsq 支持分布式事务（三）
主备同步 代码提交记录 完成度 只完成了主从复制；但是主备切换、依据处理能力动态调整消费能力、一些write失败逻辑处理 没有完成 基本逻辑 数据 主要分成了三部分数据的复制 发送SLAVE_SYNC_INFO命令，返回所有的topic和其对应的channel 发送SLAVE topic_name命令，携带当前topic的关键4个参数fileindex filenum totalMsgCnt viroffset和一个maxnum希望本次同步返回的消息数量，返回 master的关键参数和消息本身 发送SLAVE topic_ »
nsq 支持分布式事务（二）
核心代码逻辑 commit 修改dtpre队列 在考虑落盘之前，先思考另一个问题，由于dtpre本身跟消费者无关，只跟生产者有关，其实并不需要等到消息从topic分发到各个channel里之后再进行commit(cacel)，浪费存储空间（如果落盘就浪费了磁盘空间） 所以我们将dtpre的部分移至topic中存储 落盘逻辑 对于落盘逻辑来说，不只是dtpre的逻辑需要修改，如此对于一般的消息来说，都应该进行落盘 而channel来说只需要落盘数据索引即可 修改细节 实际这次提交修改了比较多的内容，最核心的还是移除了memoryMsgChan（无论是 topic 还是 channel），添加了backendMsgChan. »
k8s 平滑重启
package main import ( "fmt" "log" "net/http" "time" ) func handler(w http.ResponseWriter, r *http.Request) { time.Sleep(time.Millisecond * time.Duration(500)) fmt.Fprintf(w, »
go-nsq bug
起因 公司同事发现，其topic数据均摊在k8s里面 5个 nsqd 但是其中两个nsqd对应的消费channel已经出现积压，甚至落盘过万条数据 触发条件 注意每个 consumer 与 每个 NSQD 都有连接（图中没有画出） 每个consumer的maxinflight设置都是1 使用最新的官方sdk版本go-nsq v1.0.7 参数解释 这里面有两个参数需要解释一下，但是是从consumer的角度解释的，同样的参数在nsqd中可能含义不一样 RDY是代表当前消费者还可以接受多少条消息，进行处理（ »
分布式锁
起因 之前遇到一些场景，使用了分布式锁，目前来做一个总结 redis 1. 单点redis 单点redis场景，主要容易存在单点故障。（分布式高可用的手段：1.单点故障转移 2.数据冗余） // 获取锁 SET key value NX PX xmilliseconds // 删除锁 if redis.call("get" »
势
起因 今年之前我写过一次总结，关于流程规范的，而且里面提到执行最佳手段，然而短短不到半年我又需要去推翻先前的理论。（或者严格地说并不是推翻，而是做一次递进。）总体上来说，触发我这次思维跃迁的主要是某位产品运营刘的离职，让我再一次确认一个道理 —— 职场如战场。 孙子曰：兵者，国之大事也，死生之地，存亡之道，不可不察也 手段 关于我当时认为的深不可测（我认为越聪明的打工者越能感觉到恐惧感），然而这种恐惧感也是一种有效的方式。也就是说 越聪明的打工者你以为你凭借自己聪明察觉到的细致形势，也不过是管理者故意透露给你的。如果你从聪明的打工者角度出发，你会感受到安全感， »