负载均衡是分布式系统里最常用的能力，实现方式有很多，轮询、随机、加权轮询、一致性hash等文章很多，今天要讲的是遇到的一个真实的生产问题。 公司内部的ES访问架构一般是，Java应用--->SLB(域名)---->ES ingest node (no data) --> ES data node，其中ingest节点是对外暴露的，供Java应用访问，承担了一个纯client角色，不提供数据存储和倒排索引检索服务。这其中SLB是为了方便起到一个域名和负载均衡的功能，绑定后端的n个client节点，并且做到对业务透明，但是毕竟还是有开销的，多了一次网络rpc的转发(尽管很快)，同时也是多花了一份钱。所以在930的时候我们把SLB去掉了，并且进行了验证完全没有问题，这其中还要得益于es本身就支持ip配置列表，并且自身实现了负载均衡的功能。 更改之后的访问链路，Java应用--->ES ingest node -->ES data node。
在真实的业务场景中，我们的业务的数据——例如订单、会员、支付等——都是持久化到数据库中的，因为数据库能有很好的事务保证、持久化保证。但是，正因为数据库要能够满足这么多优秀的功能特性，使得数据库在设计上通常难以兼顾到性能，因此往往不能满足大型流量下的性能要求，像是 MySQL 数据库只能承担“千”这个级别的 QPS，否则很可能会不稳定，进而导致整个系统的故障。 但是客观上，我们的业务规模很可能要求着更高的 QPS，有些业务的规模本身就非常大，也有些业务会遇到一些流量高峰，比如电商会遇到大促的情况。 而这时候大部分的流量实际上都是读请求，而且大部分数据也是没有那么多变化的，如热门商品信息、微博的内容等常见数据就是如此。此时，缓存就是我们应对此类场景的利器。
2021年《全球 DevSecOps 现状报告》显示，去年实行 DevOps 的企业数量持续飙升，已经从 2020年的 27%，迅速增长到35.9%。与此同时，信通院在去年发布的《中国 DevOps 现状调查报告》也显示，70%的受访者表示自己所在的团队使用了 DevOps 平台。 然而，我们却看到很多企业的DevOps转型，只发生在IT部门内部，有些还仅仅停留在技术和自动化的层面上，距离引领业务的发展相距甚远。究其原因，DevOps要求的是深层次的组织和文化变革，并非简单的将开发与运维部门合并，它是通过自动化的基础设施，合理的流程规范以及智能化的系统测试来加强开发过程中各部门的协作与沟通。这需要团队有观念上的转变，打趴各部门之间的“墙”，让所有人都参与进来，让组织文化朝DevOps方向上扭转。
高并发解决的核心问题是在同一时间上有大量的请求过来，然后我们的系统要怎么抗住这些请求带来的压力。比如在线直播服务，同时有上百万甚至上千万人观看。比如秒杀品，同时有大量用户涌入。 高并发是从业务角度去描述系统的能力，实现高并发的手段可以采用分布式，也可以采用缓存等，当然也包括多线程、协程，但远远不仅如此；高并发的基本表现为单位时间内系统能够同时处理的请求数，高并发的核心是对资源的有效压榨，有限的资源应对大量的请求。 现代互联网服务，基本上都要考虑高并发问题，因为一般的产品，用户的请求量都很大。
从基础的角度看，设计模式是研究类本身或者类与类之间的协作模式，是进行抽象归纳的一个很好的速成思路。后面阅读设计模式后，为了加深理解，对相关图片进行了描绘和微调。 从技术的角度已经有很多好的总结，本文会换一种角度思考，既然设计模式研究的是类与类的关系，我们作为工作的个体，一些工作中的策略是不是也可以进行类比，可以更好地去思考这些模式？答案是肯定的。
在使用 BI 工具的时候，经常遇到的问题是：“不会 SQL 怎么生产加工数据、不会算法可不可以做挖掘分析？” 而专业算法团队在做数据挖掘时，数据分析及可视化也会呈现相对割裂的现象。流程化完成算法建模和数据分析工作，也是一个提效的好办法。 同时，对于专业数仓团队来说，相同主题的数据内容面临“重复建设，使用和管理时相对分散”的问题——究竟有没有办法在一个任务里同时生产，同主题不同内容的数据集？生产的数据集可不可以作为输入重新参与数据建设？
随着4G网络的推广和网络带宽的提升，视频成为互联网用户主要的消费载体，用户通过短视频来分享和浏览信息。由此视频的编辑功能越来越重要、越来越普遍。视频编辑的App也如雨后春笋般涌现。 为更好地推动得物App社区业务的发展，得物也自研符合得物需求的视频编辑工具。我们致力于打造一个“更快、更强”的视频编辑工具。
量化互联网产品可用性的方法论有很多，基于数量的Success-Ratio、基于目标的Error-Budget、基于故障时间的MTTR/MTTF、基于规则阈值的SLA/SLO、基于状态的Up/Down、等等，还有一个比较新颖的指标：基于用户时间的User-Uptime（及其派生出的Windowed User-Uptime）。只要需求不断，指标家族就会不断有新成员加入。
这篇文章图文并茂地介绍了淘宝搜索滚动容器的技术演进过程，结合代码讲解页面结构划分、数据处理、交互效果，还包含了对逻辑抽象、功能拓展的思考，最后总结了可复用的架构。非常具有实践意义，推荐阅读学习！
