消费

Netty的优点有很多：

• API使用简单，学习成本低。
• 功能强大，内置了多种解码编码器，支持多种协议。
• 性能高，对比其他主流的NIO框架，Netty的性能最优。
• 社区活跃，发现BUG会及时修复，迭代版本周期短，不断加入新的功能。
• Dubbo、Elasticsearch都采用了Netty，质量得到验证。

在 Mac 上安装 Cassandra 的 cqlsh 可以使用以下步骤：

1. 安装 Homebrew：如果您尚未安装 Homebrew，请在终端中运行以下命令：/usr/bin/ruby -e "$(curl -fsSL raw.githubusercontent.com/Homebrew/in…^[1])"
2. 安装 Cassandra：使用以下命令安装 Cassandra：brew install cassandra
3. 启动 Cassandra：使用以下命令启动 Cassandra 服务：cassandra -f
4. 运行 cqlsh：使用以下命令启动 cqlsh：cqlsh

Cassandra cqlsh - connection refused

启动cqlsh时，保存如下：

在启动时，指定连接的IP和端口

输出结果如下：

Connected to Test Cluster at 100.106.242.180:9042.``[cqlsh 5.0.1 | Cassandra 3.9 | CQL spec 3.4.2 | Native protocol v4]``Use HELP ``for help.``cqlsh>

/etc/security/limits.conf

1. Open elasticsearch.ymal ;
2. add bootstrap.system_call_filter: false

查看用户

cat /etc/passwd

查看用户组

cat /etc/group

查看当前活跃的用户列表

要在 Vite 配置中启用 Gzip 压缩，你需要做以下几个步骤：

1. 首先，安装 vite-plugin-compression 插件，它可以帮助你在构建时启用 Gzip 压缩。在终端中运行以下命令：

npm install vite-plugin-compression --save-dev

2. 在你的 Vite 配置文件（通常是 vite.config.js）中，导入 vite-plugin-compression 并在 plugins 数组中添加该插件的配置：

import { defineConfig } from 'vite';
import vue from '@vitejs/plugin-vue';
import viteCompression from 'vite-plugin-compression'; // 导入插件

export default defineConfig({
  // ...其它配置...

  plugins: [
    // ...其它插件...

    // 添加 vite-plugin-compression 插件
    viteCompression({
      algorithm: 'gzip', // 使用 Gzip 压缩算法
      ext: '.gz', // 压缩文件的扩展名
      deleteOriginFile: false, // 是否删除原始文件
    }),
  ],
  
  // ...其它配置...
});

3. 保存并关闭配置文件。

这样，当你运行 Vite 构建命令时，vite-plugin-compression 将会在构建完成后自动对生成的静态资源文件进行 Gzip 压缩。

ribbon:
  eager-load:
    enabled: true # 开启Ribbon的饥饿加载模式，启动时创建 RibbonClient
  MaxAutoRetries: 1 # 同一台实例的最大重试次数，但是不包括首次调用，默认为1次
  MaxAutoRetriesNextServer: 2  # 重试负载均衡其他实例的最大重试次数，不包括首次调用，默认为0次
  OkToRetryOnAllOperations: true  # 是否对所有操作都重试，默认false
  ServerListRefreshInterval: 2000 # 从注册中心刷新服务器列表信息的时间间隔，默认为2000毫秒，即2秒
  retryableStatusCodes: 400,401,403,404,500,502,504
  NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RetryRule #配置规则 重试
  ConnectTimeout: 3000  #连接建立的超时时长，默认1秒
  ReadTimeout: 3000 #处理请求的超时时间，默认为1秒
  MaxTotalConnections: 1000  # 最大连接数
  MaxConnectionsPerHost: 1000  # 每个host最大连接数
  restclient:
    enabled: true

下载并解压缩

首先是下载。在apache的官方网站提供了好多镜像下载地址，然后找到对应的版本，目前最新的是3.4.13。

http://mirrors.cnnic.cn/apache/ZooKeeper/ZooKeeper-3.4.13/ZooKeeper-3.4.13.tar.gz

mkdir -p  /work/zookeeper/zooKeeper-3.4.13
tar  -zxvf  /work/zookeeper/zooKeeper-3.4.13.tar.gz   -C   /work/zookeeper/zooKeeper-3.4.13

安装Zookeeper

安装集群的第一步，在安装目录下，创建好两个目录：日志目录、数据目录。

mkdir -p  /work/zookeeper/zooKeeper-3.4.13/data

mkdir -p   /work/zookeeper/zooKeeper-3.4.13/logs

进入 /work/zookeeper/zooKeeper-3.4.13/conf目录，把zoo_sample.cfg文件复制一份名字改成zoo.cfg。

cp zoo_sample.cfg zoo.cfg

1、安装JDK

java -version 保证JDK至少在1.8.0_73以上

2、下载elasticsearch

brew install elasticsearch 3、启动，或者直接elasticsearch命令

brew services start elasticsearch

<script type="text/javascript" src="http://webapi.amap.com/maps?v=1.4.4&key=粘贴刚刚复制好的key"></script>

module.exports = {
    configureWebpack: {
        externals: {
            'AMap': 'AMap' // 表示CDN引入的高德地图
        }
    }
}

<template>
  <div class="box">
    <div id="container" style="width:500px; height:300px"></div>
    <div class="info">
      <div class="input-item">
        <div class="input-item-prepend">
          <span class="input-item-text" style="width:8rem;">请输入关键字</span>
        </div>
        <input id='tipinput' type="text">
      </div>
    </div>
  </div>
</template>

<script>
import AMap from 'AMap' // 引入高德地图
import { onMounted } from 'vue'
export default {
  name: 'Login',
  setup () {
    onMounted(() => {
      const map = new AMap.Map('container', { // 这里表示创建地图 第一个参数表示地图的div的id
        resizeEnable: true // 表示是否在加在所在区域的地图，如果定了别的区域，比如北京，就会默认加载北京
      })
      // 使用AMap插件 第一个是搜索框插件，第二个地址信息（经纬度名字之类）的插件
      AMap.plugin(['AMap.Autocomplete', 'AMap.PlaceSearch'], function() {
        const autoOptions = {
          // 使用联想输入的input的div的id
          input: 'tipinput'
        }
        const autocomplete = new AMap.Autocomplete(autoOptions)
        const placeSearch = new AMap.PlaceSearch({
          city: '长沙',
          map: map
        })
        AMap.event.addListener(autocomplete, 'select', function(e) {
          console.log(e.poi.location) // 获取选中的的地址的经纬度
          placeSearch.search(e.poi.name)
        })
      })
    })
    return {
    }
  }
}
</script>

<style scoped lang="scss">
@import "~@/styles/scss/_global.scss";
.info {
  padding: .5rem .7rem;
  margin-bottom: 1rem;
  border-radius: .25rem;
  position: fixed;
  top: 1rem;
  background-color: white;
  width: auto;
  min-width: 15rem;
  border-width: 0;
  right: 1rem;
  box-shadow: 0 2px 6px 0 rgba(240, 131, 0, .5);
  .input-item {
    position: relative;
    display: flex;
    flex-wrap: wrap;
    align-items: center;
    width: 100%;
    height: 2.2rem;
    border: 1px solid $themeTextColor;
    border-radius: .2rem;
    .input-item-prepend {
      margin-right: -1px;
    }
    .input-item-prepend {
      width: 35%;
      font-size: 13px;
      border-right: 1px solid $themeTextColor;
      height: 100%;
      display: flex;
      align-items: center;
      background: rgba(240, 131, 0, .1);
      span {
        text-align: center;
      }
    }
    input {
      width: 60%;
      background: #fff;
      padding: .2rem .6rem;
      margin-left: .3rem;
      border: none;
    }
  }
}
</style>

spring cloud 脚手架，上手即用，集成swagger，对外rest接口，集成主流互联网saas架构，包含es，hbase，kafka，redis，mongo等

在 Spring Boot 中，BigDecimal 是 Java 中的一个类，用于进行高精度的十进制计算。它通常用于处理需要精确计算的金融、货币和其他需要保持精度的数值运算。

BigDecimal 的设计目的是避免浮点数计算中的精度问题。浮点数在计算机中是以二进制表示的，所以在某些情况下会产生舍入误差，特别是在涉及小数点后很多位的计算中。而 BigDecimal 使用了大整数和小数的组合表示，可以精确地处理小数位数较多的数值，避免了舍入误差。

在 Spring Boot 中，你可以使用 BigDecimal 类来进行精确的数值计算，比如货币计算、税金计算等。以下是一个简单的示例，展示了如何在 Spring Boot 中使用 BigDecimal：

import java.math.BigDecimal;

public class BigDecimalExample {
    public static void main(String[] args) {
        BigDecimal num1 = new BigDecimal("10.25");
        BigDecimal num2 = new BigDecimal("5.75");
        
        // 加法
        BigDecimal sum = num1.add(num2);
        System.out.println("Sum: " + sum);
        
        // 减法
        BigDecimal difference = num1.subtract(num2);
        System.out.println("Difference: " + difference);
        
        // 乘法
        BigDecimal product = num1.multiply(num2);
        System.out.println("Product: " + product);
        
        // 除法
        BigDecimal quotient = num1.divide(num2, 2, BigDecimal.ROUND_HALF_UP);
        System.out.println("Quotient: " + quotient);
    }
}

在这个示例中，我们使用了 BigDecimal 类来执行加法、减法、乘法和除法操作，并且可以通过指定精度和舍入模式来得到预期的结果。

各子目录

• 蓝色 表示文件夹；
• 灰色 表示普通文件；
• 绿色 表示可执行文件；
• 红色 表示压缩文件；
• 天蓝色 表示链接文件（快捷方式）；

常用目录的作用如下：

• bin： 存放普通用户可执行的指令，普通用户也可以执行；
• dev ： 设备目录，所有的硬件设备及周边均放置在这个设备目录中；
• boot ： 开机引导目录，包括 Linux 内核文件与开机所需要的文件；
• home： 这里主要存放你的个人数据，具体每个用户的设置文件，用户的桌面文件夹，还有用户的数据都放在这里。每个用户都有自己的用户目录，位置为：/home/用户名。当然，root 用户除外；
• usr： 应用程序放置目录；
• lib： 开机时常用的动态链接库，bin 及 sbin 指令也会调用对应的 lib 库；
• tmp： 临时文件存放目录 ；
• etc： 各种配置文件目录，大部分配置属性均存放在这里；

一些常用的命令见下：

常用的快捷键：

tree 命令查看目录树

首先安装一下 sudo yum -y install tree

vim 编辑器使用方法

命令模式

• i 切换到输入模式，以输入字符；
• : 切换到底线命令模式，以在最底一行输入命令；
• a 切换到输入文字模式；

输入模式

在命令模式下按下 i 就进入了输入模式。在输入模式中，可以使用以下按键：

底线命令模式

基本的命令

• :q 退出程序；
• :q! 放弃对文件内容的修改并退出；
• :w 保存文件；
• :w /root/xx 另存为；
• :wq 保存文件并退出；

查看文件内容

一些常见查看文件内容的命令：

进程管理

ps 命令：

• ps aux ，查看系统中所有进程，使用 BSD 操作系统格式；
• ps -le ，查看系统中所有进程，使用 Linux 标准命令格式；

输出的格式含义：

• USER：该进程由哪个用户产生的；
• PID：进程的 ID；
• %CPU：进程占用 CPU 资源的百分比；
• %MEM：进程占用物理内存的百分比；
• VSZ：进程占用虚拟内存的大小，单位 KB；
• RSS：进程占用实际物理内存的大小，单位 KB；
• TTY：进程在哪个终端运行的，tty1-tty7 代表本地控制台终端，tty1-tty6 是本地的字符界面终端，tty7 是图形终端，pts/0-255 代表虚拟终端，如果是 ? 则代表是系统进程；
• STAT：进程状态，R-运行，S-睡眠，T-停止，s-包含子进程，+-位于后台；
• START：进程启动时间；
• TIME：进程占用 CPU 的运算时间，注意不是系统时间；
• COMMAND，产生此进程的命令名；

top 命令可以查看系统健康状态，和 Windows 系统中的系统管理器类似。
top 命令的交互模式中可以执行下面命令：

• ?/h ： 显示交互模式的帮助；
• P ：以 CPU 使用率排序，默认就是此项；
• M：以内存的使用率排序；
• N ：以 PID 排序；
• q ：退出 top；

杀死进程

杀死进程主要有下面几个命令：

常用杀死进程的命令：正常杀死 kill -1 2235 或者强制杀死 kill -9 2235

SSH 操作

Secure Shell(SSH)是建立在应用层基础上的安全网络协议，是专为远程登录会话和其他网络服务提供安全性的协议，可有效弥补网络中的漏洞。通过 SSH，可以把所有传输的数据进行加密，也能够防止 DNS 欺骗和 IP 欺骗。还有一个额外的好处就是传输的数据是经过压缩的，所以可以加快传输的速度，已经成为Linux系统的标准配置。

SSH 登陆服务器

ssh -p port <username>@<hostname or IP address>

比如我这里购买的腾讯云服务器就可以使用 ssh root@<公网IP/域名> 连接，如果你设置过域名对 IP 的映射，那么 @ 后面写你的域名也可以

SSH 上传/下载文件

SSH 可以通过 scp 命令来上传文件，是 Linux 系统下基于 SSH 登陆进行安全的远程文件拷贝命令，scp 是 secure copy 的简写，可以使用它上传本地文件夹到远程服务器，也可以从远程服务器上下载文件夹到本地：

# 上传文件夹到远程服务器
scp -P port -r /local/dir username@servername:/remote/dir
# scp -p 2333 -r /test/a root@192.168.0.101:/var/b

# 从远程服务器下载文件夹
scp -P port -r username@servername:/remote/dir/ /local/dir
# scp -p 2333 -r root@192.168.0.101:/var/b /test/a

-r 参数表示递归复制，即复制该目录下面的文件和目录，如果要上传单个文件，只要把 -r 删除。大写的 P 表示的是端口，如果还是默认的 SSH 端口 22 没有更改，则不需要 -P。

在 Vue 3 项目中使用 Vite 作为构建工具，配置文件是 vite.config.js 而不是 vue.config.js。对于性能分析，speed-measure-webpack-plugin 通常与 Webpack 一起使用，而 Vite 使用的是 ESBuild 作为默认的构建工具，所以不能直接在 Vite 中使用这个插件。但是，你可以使用其他方式来进行性能分析。

在 Vite 项目中进行性能分析，你可以考虑使用 Vite 的官方插件 vite-plugin-analysis。以下是在 vite.config.ts 中添加 vite-plugin-analysis 插件的步骤：

1. 安装插件：

在你的 Vue 3 + Vite 项目根目录下，打开终端或命令行工具，并执行以下命令：

npm install vite-plugin-analysis --save-dev

2. 配置插件：

打开你的 vite.config.ts 文件，并添加以下配置：

import ViteAnalysis from 'vite-plugin-analysis';

export default {
  plugins: [
    ViteAnalysis({
      // 可选配置项，详见插件文档
    }),
  ],
};

以上配置中，我们导入了 vite-plugin-analysis 插件，并将其作为 Vite 的插件配置项之一。

3. 运行开发服务器：

在终端或命令行工具中运行以下命令以启动 Vite 开发服务器：

npm run dev

Vite 将会在终端输出详细的性能分析结果，包括模块大小、构建时间等信息，帮助你了解构建过程中的性能状况。

总之，虽然不能直接在 Vite 中使用 speed-measure-webpack-plugin，但使用 Vite 的 vite-plugin-analysis 插件也能帮助你实现类似的性能分析目标。

Apache Kafka起源于LinkedIn，后来于2011年成为开源Apache项目，然后于2012年成为First-class Apache项目。Kafka是用Scala和Java编写的。 Apache Kafka是基于发布订阅的容错消息系统。 它是快速，可扩展和设计分布。

在大数据中，使用了大量的数据。 关于数据，我们有两个主要挑战。第一个挑战是如何收集大量的数据，第二个挑战是分析收集的数据。 为了克服这些挑战，您必须需要一个消息系统。

Kafka专为分布式高吞吐量系统而设计。 Kafka往往工作得很好，作为一个更传统的消息代理的替代品。 与其他消息传递系统相比，Kafka具有更好的吞吐量，内置分区，复制和固有的容错能力，这使得它非常适合大规模消息处理应用程序。

什么是消息系统？

消息系统负责将数据从一个应用程序传输到另一个应用程序，因此应用程序可以专注于数据，但不担心如何共享它。 分布式消息传递基于可靠消息队列的概念。 消息在客户端应用程序和消息传递系统之间异步排队。 有两种类型的消息模式可用 - 一种是点对点，另一种是发布 - 订阅(pub-sub)消息系统。 大多数消息模式遵循 ****pub-sub ****。

点对点消息系统

在点对点系统中，消息被保留在队列中。 一个或多个消费者可以消耗队列中的消息，但是特定消息只能由最多一个消费者消费。 一旦消费者读取队列中的消息，它就从该队列中消失。 该系统的典型示例是订单处理系统，其中每个订单将由一个订单处理器处理，但多个订单处理器也可以同时工作。 下图描述了结构。

发布 - 订阅消息系统

在发布 - 订阅系统中，消息被保留在主题中。 与点对点系统不同，消费者可以订阅一个或多个主题并使用该主题中的所有消息。 在发布 - 订阅系统中，消息生产者称为发布者，消息使用者称为订阅者。 一个现实生活的例子是Dish电视，它发布不同的渠道，如运动，电影，音乐等，任何人都可以订阅自己的频道集，并获得他们订阅的频道时可用。

加群联系作者vx：xiaoda0423

仓库地址：https://github.com/webVueBlog/JavaGuideInterview

参考资料