缓存由于其高并发和高性能的特性，在项目中被广泛使用。读缓存流程如下图：。但是，串行化之后，就会导致系统的吞吐量会大幅度的降低，要用比正常情况下多几倍的机器去支撑线上请求。原因1：线程安全角度。显然，删除缓存更为适合。该方案同样会导致不一致。请求A将新值写入

对于我们开发的网站，如果网站的访问量非常大的话，那么我们就需要考虑相关的并发访问问题了。而并发问题是绝大部分的程序员头疼的问题，但话又说回来了，既然逃避不掉，那我们就坦然面对吧~今天就让我们一起来研究一下常见的并发和同步吧。　　所谓同步，可以理解为在执行完

数据探索是对样本数据进行解释性的分析工作，它是数据挖掘和机器学习较为前期的部分，更偏重于研究数据的本质、描述数据的形态特征并解释数据的相关性。如果数据服从正态分布，在3σ原则下，异常值被定义为一组测定值中与平均值的偏差超过3倍标准差的值。在数据挖掘过程中，

将前端发送的数据反序列化为模型类对象，并保存到数据库中。在开发REST API的视图中，虽然每个视图具体操作的数据不同，但增、删、改、查的实现流程基本套路化，所以这部分代码也是可以复用简化编写的：

在现在的架构中，缓存由于其高并发和高性能的特性，已经被广泛使用。在读取缓存方面，道理都很简单，但是在更新缓存这点上，到底是先更新缓存还是先更新数据库，存在着争议。从理论上来说，给缓存设置过期时间，是保证最终一致性的解决方案。因此，接下来讨论的思路不依赖于给

按照数据库和缓存的更新顺序有两种更新策略：先更新数据库，再更新缓存；先删除缓存，再更新数据库。先更新数据库，再删缓存。这套方案，大家是普遍反对的。这就导致了脏数据，因此不考虑。显然，删除缓存更为适合。该方案会导致不一致的原因是。同时有一个请求A进行更新操作

近年来越来越多的公司已经意识到数据及数据分析可带来的价值，并且已经跳上了大数据旅行车。实际上，现在所有的一切都在被监控和测量，创造了大量的数据流，通常比公司可以处理的速度更快。问题是，根据定义，大数据很大，因此数据收集中的小差异或错误可能导致重大问题，错误

上次简单介绍了下，linux的cpu,memory,disk i/o; net i/o 性能监控的一些工具；这节就介绍下，这些层面上出现瓶颈时，怎样调节内核，有那些内核参数可以调节来获得性能的提升； 下节介绍下：怎么识别性能瓶颈，当然只是空想了，怎样识别需

1)LinuxProc文件系统，通过对Proc文件系统进行调整，达到性能优化的目的。2)Linux性能诊断工具，介绍如何使用Linux自带的诊断工具进行性能诊断。加粗斜体表示可以直接运行的命令。下划线表示文件的内容。该文件有一个二进制值，该值控制系统在接收

在一个服务器集群中尽可能地的平均负载量。基于这个思路，我们通常的做法是在服务器前端设置一个负载均衡器。负载均衡器的作用是将请求的连接路由到最空闲的可用服务器上。如图 1，显示了一个大型网站负载均衡设置。其中一个负责 HTTP 流量，另一个用于 MySQL

MVVM由以下三个内容组成View：视图模板Model：数据模型ViewModel：作为桥梁负责沟通View和Model，自动渲染模板在JQuery时期，如果需要刷新UI时，需要先取到对应的DOM再更新UI，这样数据和业务的逻辑就和页面有强耦合。这种方式在

首先要明确为什么要使用线程池，使用线程池会带来什么好处？线程是稀缺资源，不能频繁的创建。应当将其放入一个池子中，可以给其他任务进行复用。解耦作用，线程的创建于执行完全分开，方便维护。线程池是一种多线程处理形式，处理过程中将任务提交到线程池，任务的执行交由线

对于我们开发的网站，如果网站的访问量非常大的话，那么我们就需要考虑相关的并发访问问题了。而并发问题是绝大部分的程序员头疼的问题，但话又说回来了，既然逃避不掉，那我们就坦然面对吧~今天就让我们一起来研究一下常见的并发和同步吧。所谓同步，可以理解为在执行完一个

首先，缓存由于其高并发和高性能的特性，已经在项目中被广泛使用。在读取缓存方面，大家没啥疑问，都是按照下图的流程来进行业务操作。又或者是先删除缓存，再更新数据库，其实大家存在很大的争议。目前没有一篇全面的博客，对这几种方案进行解析。于是博主战战兢兢，顶着被大

数据库与缓存双写问题计算机领域任何一个问题都可以通过增加一个抽象“层”来解决。业务中为了减少热点数据不必要的db查询，往往会增加一层缓存来解决I/O性能。可是I/O多了一层也就多了一层的更新维护与容错保障，当修改db中某些数据时，往往会面临缓存更新的问题，

比如2个并发的事务A,B。A修改了字段age的值为20，这时B读取到age的值为20。如果A事务在后面的操作中回滚了，这样事务B取的age=20就是个脏数据。这种情况发生的很少，因为主流的数据库的隔离级别都能保证避免脏数据的读取。这样事务A如果再次读取ag

在数据整合过程中，经常可以遇到脏数据，所谓脏数据就是数据格式不符合要求的数据。脏数据的问题太广泛，本文主要谈一下如何使用 PDI 处理 Excel 中的脏数据。

脏数据并不是废弃和无用的数据，而是状态前后发生变化的数据。我们看下面的代码：。Useruser=session.load;//从数据库中加载符合条件的数据。user.setName;//改变了user对象的姓名属性，此时user对象成为了所谓的“脏数据”。

脏数据并不是废弃和无用的数据，而是状态前后发生变化的数据。也就是说Hibernate是如何检查出一个数据已经变脏了。在Hibernate中是采用数据版本比对的方法来进行脏数据检查的，我们结合下面的代码来讲解Hibernate的具体实现策略。而flushEn

TL;DR脏检查是一种模型到视图的数据映射机制，由 $apply 或 $digest 触发。脏检查的范围是整个页面，不受区域或组件划分影响使用尽量简单的绑定表达式提升脏检查执行速度尽量减少页面上绑定表达式的个数给 ng-repeat 添加 track by