kotlin中差集、交集、并集方法汇总
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。
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...
Bean构建之后，可以通过3类方法触发创建后的回调，当然也支持触发销毁后的回调。
这篇文章谈谈初始化触发方法的顺序和销毁时候触发方法的顺序。
之前使用skywalking因为对其数据占用评估不足，差点导致了生产事故，这里记录下当时使用到的相关排查和处理的 SQL
今天刚好遇到了一个因为 Intellij同步后，导致我本地字体渲染发虚的问题，重装后无法解决，所以猜到了可能是因为配置缓存引起的。经过查阅和摸索后，发现网上目前的资料不够全面，有些地方陈旧了，所以这里做个记录。
今天尝试简单学习了下docker-compose，然后参考了下官方文档，并稍作修改后，写了一个搭建es集群的docker-compse脚本，踩了一些坑，多了一些思考，值得！
Netty的ByteBuf有从不同角度有如下2个分类，4种组合！
我们在利用Netty做底层通信框架的时候，会默认给我们的到底是哪一种组合了？
不少关于Netty的文章和视频都表达一个意思，Netty之所以牛逼其中一个原因就是因为它的零拷贝机制。
那么这个零拷贝到底是什么？根据我查阅资料，发现Netty的零拷贝体现在下面3个核心技术点，我们一起来看看真相吧！
下面记录一些我没有特别看懂的文章。
最近为公司的某个业务实现了一个基于Netty的IM聊天应用的服务端，这里将关键思路和重点技术总结下，希望能对大家有个帮助。
这是 IM系列第二篇。
========= 更改说明 ========
2020年07月22日：添加备注，心跳Handler不再共享。
昨天在掘金看到了1篇文章Redis——由分布式锁造成的重大事故，文中主要描述了一起因为Redis分布式锁错误自动过期导致的问题。
今天我就结合这篇文章来谈谈关于Redis除了缓存之外的分布式锁的用法和思考。
简单记录下：记录一下基础类型分别占几位的问题！
直接上代码：
//1.获取context:ConfigurableApplicationContext.其中applicationContext 可以是注入的
ApplicationContext applicationContext = getApplicationContext();
ConfigurableApplicationContext configFcaotry = applicationContext instanceof ConfigurableApplicationContext
? ((ConfigurableApplicationContext) applicationContext) : null;
//2.获取factory:DefaultListableBeanFactory
ConfigurableListableBeanFactory beanFactory =configFcaotry.getBeanFactory();
DefaultListableBeanFactory listFacotry = beanFactory instanceof DefaultListableBeanFactory ? ((DefaultListableBeanFactory) beanFactory) : null;
//3.动态构建bean：BeanDefinitionBuilder
BeanDefinitionBuilder builder = BeanDefinitionBuilder.genericBeanDefinition(DataSource.class).addPropertyValue("password", oriPwd + "@123");
AbstractBeanDefinition beanDefinition = builder.getBeanDefinition();
defaultListableBeanFactory.registerBeanDefinition("datasource",beanDefinition);
原有的服务拉取方式：定时的从 Registry拉取全量信息
上述表述有2个关键词：定时、全量
BASE的场景，只能保证最终一致性，在上一次和下一次拉取的间隔，如果服务端的信息发生变化，客户端是无法即时更新的。所有数据的拉取，随着客户端数量的增大，容易对服务器造成流量风暴。后续的优化主要也是针对这2点进行处理的。