【ELK】结构化搜索
搜索从得分上来说可以分为 2 类，需要搜索得分和不需要搜索得分。
搜索得分可以看做是匹配度的高低，对于“固定值”的搜索而言，通常不需要计算得分。其好处可以进行缓存，同时减轻服务器计算压力。
本章内容就是讲述固定值的搜索：Term 查询、范围 Range 查询、空值判定 Exists、
Term 查询通常用于：Keyword 关键字，Bool 类型，Date日期类型、Number 数值类型等的查询
搜索从得分上来说可以分为 2 类，需要搜索得分和不需要搜索得分。
搜索得分可以看做是匹配度的高低，对于“固定值”的搜索而言，通常不需要计算得分。其好处可以进行缓存，同时减轻服务器计算压力。
本章内容就是讲述固定值的搜索：Term 查询、范围 Range 查询、空值判定 Exists、
Term 查询通常用于：Keyword 关键字，Bool 类型，Date日期类型、Number 数值类型等的查询
记录下，最近折腾 Jenkins遇到的问题。
之前文章有提到 jstat的用处，当时的情形服务器发生了Metaspace下的OOM的情况，该情形下，dump 堆内存是没有用处的，因为Metaspace不在Heap下，而是在Non-Heap中。
通常而言：
Non-Heap=Metaspace + JIT【不是所有的对象都是堆上】+ Native Method Allcatoted Heap + Code Cache + Threads...
MetaSpace=Non-Class space + Class Space
Class Space 主要是类的描述：Kclass/vtable/itable当前负责项目前期只有几台服务器，一段时间是人肉运维，线下编码、测试、打包后通过工具打包到到服务，然后通过编写好的脚本进行启动和关闭。这种人肉运维的方式直到直到服务器数量扩充后，就显得低效而重复了。
这个时候刚好了解到阿里云提供的Devops有一套流水线Flow，其中有一个功能能解决自动化部署的问题。抽了时间从头了解了下，发现挺好用的，遂将线上版本发布改为了Flow，这里记录下中间过程和踩得坑。
前段时间，发现线上某台服务器应用宕机了，分析了dump的内存占用信息，并未发现异常。再去翻看日志的时候，发现了大量的Metasapce的OOM，并且触发了多次Old GC，最后服务宕机。重启服务后，第二天又有一台服务器出现类似情况，当时服务还没有宕机，这里记录下当时用到的关于jstat的指令。
最近阿里云不停的给我发邮件提醒服务器有漏洞，甚至安排了人工客服提醒我，不修复漏洞，可能导致服务器被攻击，而且已经有先例了。
我刚好趁着这次服务部署的机会，将服务器的CentOS进行了更新以修复漏洞，其实过程还是蛮简单的。
我发现目前国内很多bypy的安装都是在CentOS6或者CentOS7 下的，因为我用的是CentOS8，所以这里我将使用的命令整理后发布。
Skywalking5.0 和6.0都写过安装记录，但是存储用的都是Elasticsearch
这次随着8.3版本的更新，修改了之前版本的一些问题，也将存储改为了MySQL，这里做下记录。
2020年12月02日 修改为
skwalking 8.3版本
Skywalking5.0 和6.0都写过安装记录，但是存储用的都是Elasticsearch
这次随着8.3版本的更新，修改了之前版本的一些问题， 存储也替换为更为简单的MySQL了，这里小小的做一个记录。
2020年12月02日 修改为
skwalking 8.3版本
项目使用到了基于Netty的长连接，最近有一次活动，线上存在大流量，活动开始后的一段时间，各个指标正常，但是一段时间后就出现了部分用户无法连接上 WebSocket，需要重试多次才能连接。
首先来看看项目背景：
Netty作为Websocket的底层，Netty的性能不需要质疑。Nginx作为代理，将Websocket升级到wss，Nginx的性能也不需要质疑。所以整体来说就是：流量先打到了Nginx再通过他转发到了Netty的Websocket。
Redis + son 意思很明显，自诩 Redis 的儿子，不过也确实好用
这篇文章来介绍下可能不那么常见的，但是却非常好用的 3 个东西：BitSet/Bloomfilter/HperLogLog
最新又把系统重新折腾了下，所以本地开发环境又要重新来一次。
原本还是打算通过Docker来安装的各个中间件的，不过想到新环境，干嘛不尝试下新的东西。
所以就通过Mac下的神器homebrew来安装！
Kotlin 原生支持 集合的几种操作，分别是：交集、差集、并集。
非常有用的功能，这里我简单做一个总结。
平时好好的 RDS从今天早晨9点开始，CPU使用率急速提高，一会儿后相应的监控短信也发送来，提示CPU的使用率为 100%。
经过询问发现，9 点开始有一批用户会在涌入APP，流量最高达到了平时的 5-8 倍，所以平时的一些小问题被放大，导致了此次事故。
解决问题的过程现在看来不算难，但是发生问题的原因必须明确：不重视平时的小问题，小问题不及时解决
这里记录下Beandefintion的构建和是使用...