在最近两个月不断的面试中，我分类总结了Java开发岗位面试中的一些知识点。主要包括以下几个部分：1.Java基础知识点2.Java常见集合3.高并发编程（JUC包）4.JVM内存管理5.Java8知识点6.网络协议相关7.数据库相关8.MVC框架相关9.大数据相关10.Linux命令相关面试，

通过上一篇文章对schedulerframework调度框架已经有了大致了解，根据我们的实际生产的一些问题(如计算服务没有被调度到实际CPU最优的节点)和需求，来实现一个简单的基于CPU指标的自定义调度器。自定义调度器通过kubernetes资源指标服务metricsserver来获取各节点的当前的资源情况，并进行打分，然后把Pod调度到分数最高的节

前言本文将带大家一步步实现一个H5拼图小游戏，考虑到H5游戏的轻量级和代码体积，我没有使用react或vue这些框架，而采用我自己写的dom库和原生javascript来实现业务功能，具体库代码可见我的文章如何用不到200行代码写一款属于自己的js类库(https://juejin.im/post/6844903880707293198)，构建工具我采

作者吕亚霖，2019年加入作业帮，作业帮架构研发负责人，在作业帮期间主导了云原生架构演进、推动实施容器化改造、服务治理、GO微服务框架、DevOps的落地实践。莫仁鹏，2020年加入作业帮，作业帮高级架构师，在作业帮期间，推动了作业帮云原生架构演进，负责作业帮服务治理体系的设计和落地、服务感知体系建设以及自研mesh、MQproxy研发工作。摘要日志是服务

Voovan框架介绍Voovan开源项目启动于2015年,始于自己在使用Netty和Mina时有较多难以理解的部分，同时在使用过程中遇到对粘包等问题的困扰，后来经过不断的对源码的学习以及对java异步通信的深入理解发现自java1.7以后JDK提供了更优秀的异步通信模型AIO,随后决定自己参照AIO模型重新造一个轮子。并

hadoop最主要的2个基本的内容要了解。上次了解了一下HDFS，本章节主要是了解了MapReduce的一些基本原理。MapReduce文件系统：它是一种编程模型，用于大规模数据集（大于1TB）的并行运算。MapReduce将分为两个部分：Map（映射）和Reduce（归约）。当你向mapreduce框架提交一个计算作业，它会首先把计算作业分成若干个

一个有经验的Java开发人员特征之一就是善于使用已有的轮子来造车。《EffectiveJava》的作者JoshuaBloch曾经说过：“建议使用现有的API来开发，而不是重复造轮子”。在本文中,我将分享一些Java开发人员应该熟悉的最有用的和必要的库和API。顺便说一句，这里不包括框架，如Spring和Hibernate因为他们非常有名,都有特定的功能。

Hadoop技术原理总结1、Hadoop运行原理Hadoop是一个开源的可运行于大规模集群上的分布式并行编程框架，其最核心的设计包括：MapReduce和HDFS。基于Hadoop,你可以轻松地编写可处理海量数据的分布式并行程序，并将其运行于由成百上千个结点组成的大规模计算机集群上。基于MapReduce计算模型编写分布式并行程序相对简单，

反射是框架设计的灵魂（使用的前提条件：必须先得到代表的字节码的Class，Class类用于表示.class文件（字节码））一、反射的概述JAVA反射机制是在运行状态中，对于任意一个类，都能够知道这个类的所有属性和方法；对于任意一个对象，都能够调用它的任意一个方法和属性；这种动态获取的信息以及动态调用对象的方法

作为Java程序员，无论是技术面试、项目研发或者是学习框架源码，不彻底掌握Java多线程的知识，做不到心中有数，干啥都没底气，尤其是技术深究时往往略显发憷。在JDK1.5以前，研发人员在面对线程频繁调度的场景，必须手动打造线程池，来节约系统开销（画外音：真是吃了不少苦头）。从JDK1.5开始，Java提供了一个Excu