大家好，我是鸭血粉丝（大家会亲切的喊我 「阿粉」），是一位喜欢吃鸭血粉丝的程序员，之前给大家总结了线上 OOM 的情况，相信大家也能从中学到一些东西，身为一名有追求的程序员，阿粉我的理解是光会吃老本是不行的，所以我一直也在学习，今天大家就跟我一起来了解一下 Redis 的 SDS 吧（不是 SOS 哦~）。
Redis 底层是基于 C 语言来开发的，但是它没有采用 C 语言传统的字符串表示方式，而是自定义了一种叫做 SDS（Sample Dynamic String，简单动态字符串）的数据结构来表示字符串。传统的 C 语言的字符串是采用空字符（\0）作为结尾的字符数组，SDS 的数据结构稍微复杂一点，整个结构包含三个部分，是 Redis 的基础。（阿粉猜测这里就是传说中的青出于蓝而胜于蓝）。
关于 K8s ，你至少应该知道这些。
如果要给 Java 所有异常弄个榜单，我会选择将 NullPointerException 放在榜首。这个异常潜伏在代码中，就像个遥控炸弹，不知道什么时候这个按钮会被突然按下（传入 null 对象）。
之前的第一篇文章我介绍了关于 HTTP 的一些简单的知识，比如说它的状态码，请求方式，以及 HTTP 的报文，这篇文章我将给大家带来关于 HTTP 版本的那些问题，比如说1.0和1.1和2.0.
在学习技术时，总会有一个简单程序 Demo 带着我们入门，所以参考着官网例子，带大家快速熟悉 Flink 的 Hello World~
说明一下，项目运行的环境如下：
OS : Mac
Flink Version : 1.9
IDE : IDEA
Java Version : 1.8
下面来讲下关于环境准备，如果是 Windows 的用户，请参照每个步骤，找到适应自己的安装 or 启动方法。
上篇文章和小伙伴们聊了密码加密问题，但是还不够，本文我们再来看看密码加盐问题。
上篇文章和小伙伴们分享了 Realm 的认证策略问题，本文我想和小伙伴们来聊一聊密码的加密问题。
上篇文章和小伙伴们分享了 JdbcRealm，本文我想和小伙伴们聊聊多 Realm 的认证策略问题。
场景是这样的，我们的支付系统在一笔支付完成后，需要发出通知给到商户。支付完成的消息通过消息队列发送给通知的服务。
说起来真特么惭愧：十年 IT 老兵，Java 菜鸟一枚。今天我才了解到 Java 还有 fail-fast 一说。不得不感慨啊，学习真的是没有止境。只要肯学，就会有巨多巨多别人眼中的“旧”知识涌现出来，并且在我这全是新的。
能怎么办呢？除了羞愧，就只能赶紧全身心地投入学习，把这些知识掌握。
为了镇楼，必须搬一段英文来解释一下 fail-fast。
在 Map 家族中，WeakHashMap 是一个很特殊的成员，从名字上看与 HashMap 相关，但是与 HashMap 有着很大的差别，翻译成中文后表示弱 HashMap，俗称缓存 HashMap。
IdentityHashMap 从它的名字上可以看出来用于表示唯一的 HashMap，但是分析了其源码，发现其数据结构与 HashMap 使用的数据结构完全不同。
前面介绍了 Map 接口的实现类 LinkedHashMap，LinkedHashMap 存储的元素是有序的，可以保持元素的插入顺序，但不能对元素进行自动排序。在某些场景，如果在数据的存储过程中，能够自动对数据进行排序，将会极大提高编程效率。而 Map 接口有一个重要的实现类 TreeMap，TreeMap 可以实现存储元素的自动排序。
在上一章节，咱们深入浅出的分析了 HashMap，如果你已读过 HashMap 的讲解，一定能够想到本文将要讲解的 LinkedHashMap 其实也是一样的，LinkedHashMap 继承于 HashMap，不同的是 LinkedHashMap 插入的元素，可以按照插入的顺序读取！
就在昨天，一位叫小菜的读者微信我说：
二哥，我今年大二，看你分享的《阿里巴巴 Java 开发手册》上有一段内容说：“循环体内，拼接字符串最好使用 StringBuilder 的 append 方法，而不是 + 号操作符。”到底为什么啊，我平常一直就用的‘+’号操作符啊！二哥有空的时候能否写一篇文章分析一下呢？
之前在回忆面试题的时候，面试官曾经问过我关于网络协议的一些东西，回答的当时感觉自己很垃圾，然后面试结束之后，自行百度，翻阅书籍，然后做了细致的整理，现在我就来分享给大家。
在 18 年时，就听说过 Flink 流式计算引擎，是阿里调研选型选择的新一代大数据框计算架，当时就记住了这个新框架。
由于工作中，常写的还是业务开发，没有系统的去学习它，恰好在今年，我们的数据增长越来越快，架构师提出可以根据数据进行加工，通过数据分析得到更多指标性的计算结果，提供更多有价值的业务给用户。
于是规划了基于以下的系统架构：
可以看到，业务数据库与数据分析进行了剥离，避免了对核心业务的影响，基于数据分析的结果存储到线下备份库，查询大量的分析结果也不会影响核心业务。
同时，在数据处理上，选择了 Flink 这个分布式处理引擎。随着深入的调研和了解，从它的描述、性能、接口编程和容错恢复上进行了学习，觉得它十分适合我们的场景，所以接下来我分享一下调研的结果~
说实话，之前我从来没想过能有大厂会给我机会让我去面试，一个专科生，不是科班出身，这些硬性条件好像都没有一个符合的，但是却获得了美团的面试机会。很庆幸自己获得那次机会，也让我深刻体会到了面试大厂，到底需要你达到什么样子的水平。
最近做项目使用到了分布式事务，下面这篇文章将给大家介绍一下对分布式事务的一些见解，并讲解分布式事务处理框架 TX-LCN 的执行原理，初学入门，错误之处望各位不吝指正。
人生有涯，学海无涯
Redis 作为当下主流的 NoSQL 数据库，已经成为企业级开发不可或缺的一个重要组件了，现在大大小小的项目都会用到它，并且最新的版本已经达到 5.x 了。从这篇文章开始，我们会用一个系列的文章详细的给大家介绍一下 Redis 底层实现和使用场景，希望能帮助大家更好的使用。