最近使用jpa比较多，再看看mybatis的xml方式写sql觉得不爽，接口定义与映射离散在不同文件中，使得阅读起来并不是特别方便。因此使用SpringBoot去整合MyBatis，在注解里写sql参考《我的第一个Kotlin应用》(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%

@Target({ElementType.METHOD,ElementType.TYPE})@Retention(RetentionPolicy.RUNTIME)@Inherited@Documentedpublic@interfaceTransactional{@AliasFor("

1.SpringDataSpringFramework中的数据访问模块对JDBC及ORM提供了很好的支持，随着NoSQL和BigData的兴起，出现了越来越多的新技术，比如非关系型数据库、MapReduce框架，SpringData正是为了让Spring开发者能更方便地使用这些新技术而诞生的“大”项目——它由一系列小的项目组成，分别为不同

上一篇：Java面试备战篇——多线程&并发篇（二）(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fblog.csdn.net%2Fweixin_49895216%2Farticle%2Fdetails%2F107886020)

前言：在上一文中，我讲到了如何搭建redis集群让集群拥有分片的数据内存的扩容和哨兵的高可用(https://my.oschina.net/u/4115134/blog/3210013)。今天给大家讲解一下Spring如何整合Redis集群在这里首先给大家说一说分片和哨兵的特点：1.分片的主要的作

   ApplicationContext事件机制是观察者设计模式的实现，通过ApplicationEvent类和ApplicationListener接口，可以实现ApplicationContext事件处理。如果容器中有一个ApplicationListenerBean，每当ApplicationContext发布ApplicationEvent时，

前言一天，开发突然找过来说KLock(https://gitee.com/kekingcn/springbootklockstarter)分布式锁失效了，高并发情况下没有锁住请求，导致数据库抛乐观锁的异常。一开始我是不信的，KLock是经过线上大量验证的，怎么会出现这么低级的问题呢？然后，协助开发一起排查了一下午，最后经过不懈努力和一探到

热点规则热点就是经常访问的数据。很多时候我们希望争对某一些热点数据，然后来进行限制。比如说商品的信息这个服务，我们给它做一个限流，qps是100，某一天我想做一个秒杀活动，可能会有很大的流量，这个时候一个商品的qps就达到100了，这个时候就会把流量给他控制住。其他的商品就都看不了。我希望秒杀这个商品，只把秒杀这个上商品id来的请求，它的qps限

阅读目录：1\.前言2\.算法介绍计数器法3\.算法介绍滑动窗口4\.算法介绍漏桶算法5\.算法介绍令牌桶算法前言在一个高并发系统中对流量的把控是非常重要的，当巨大的流量直接请求到我们的服务器上没多久就可能造成接口不可用

在微服务架构中，我们将系统拆分成了一个个的服务单元，各单元应用间通过服务注册与订阅的方式互相依赖。由于每个单元都在不同的进程中运行，依赖通过远程调用的方式执行，这样就有可能因为网络原因或是依赖服务自身问题出现调用故障或延迟，而这些问题会直接导致调用方的对外服务也出现延迟，若此时调用方的请求不断增加，最后就会出现因等待出现故障的依赖方响应而形成任务积压，线程资