​ 最近看八股不时会看到B+树这个概念，想起之前做的CMU15445在Project2中就有这方面的实现，但我当时做的2021的，Project2是Hash Index，实现了一个可扩展的哈希表。但在2021的项目下还是保留了之前的代码和测试用例，所以我就想折磨锻炼一下自己。 ​ 附：B+ Tree Visualization可视化 ​ 以下分阶段阐述实现过程吧，首先是B+树结构

一 事务​ 由于大多数事情（系统宕机，网络中断等）都会导致整个系统故障，由此会产生许多不可挽回的错误。所以出现了事务，这是将多个读写操作组合成一个逻辑单元的一种方式。它将所有读写操作被视作单个操作来执行：整个事务要么成功 提交（commit），要么失败 中止（abort）或 回滚（rollback）。 ​ 接下来主要讲隔离级别 1.1 概念1.1.1 ACID​ 老生常谈的话题了

​ 这一部分就是本书比较困难且有意思的了，在前言就解释了为什么要将数据分布到多台机器上： 可伸缩性：将单台机器的数据量，读取/写入负载分散到多台机器上 容错性：一台机器故障，另一台机器可以接管 延迟：使得每个用户可以请求到离自己最近的机器，提高速度 ​ 并且提出了三种架构： ​ 共享内存架构：这其实讲得就是一种单机架构，通过 垂直伸缩（购买更强大的机器），提供容错能力。 ​

​ 新开一个坑：阅读完DDIA并做总结。DDIA（data-intensive applications），称为数据密集型应用。这是在字节青训营时了解到的，是一本关于数据处理和数据存储技术的书籍。根据序言说，这本书更偏向于多种数据系统以及存储工具的使用以及场景，而不是具体深入到某种技术当中。我认为该书更多是介绍不同存储数据与处理技术的比较与实践，可以给应用开发提供更多的思路（感觉大多数系统都

​ 历时一个半月，总算完成6.824的四个Lab，虽然为了赶进度很多思路都是借鉴网上的博文，思路，但作为第一次接触分布式共识算法小白的我来说，也从其中学到了不少东西。在实现过程中，也遇到了许多Bug，一些Conner case要反复调试才能出来，对此，也认识到了实现一个可靠完备的共识算法是十分艰辛的。接下来，我会以问题的形式总结一些在实现6.824Lab过程中的思考，也是对Raft算法的一个

​ 前几天上了好几节字节的架构课，上的很懵逼，这里稍微总结一下，方便自己对企业架构有个大体的认识。 0 架构初识0.1 什么是架构​ 实现一个软件的方法论。 ​ 没错，就是这么简单= =。百度一堆抽象的概念，但感觉架构就类似于地基。针对不同软件都有一种方法而已。 0.2 架构类型单机 ​ 软件就是指所有功能都实现在一个进程中，并部署在一台机器上。缺点显然是无法应对C10问

​ 这其实和上一篇文章“GMP调度模型”有着一定关联，当一个协程通过GMP模型调度产生对象以后，就要涉及到Go的内存管理机制了。本文的内存管理是一个比较大的概念，包含了垃圾分配和对象内存管理。 0 整体架构&概念​ 首先要明确自动内存管理其实就是指垃圾回收，由程序语言的运行时系统（runtime）管理动态内存。另外，几个英文对照的概念： Mutator：业务线程，分配新对象，

​ 该部分要求我们实现ShardKV。在前面Lab中，我们实现一个构成基础分布式数据库的框架，支持多节点的数据一致性，CURD，日志快照。但在单一集群中，这样的实现会导致所有的请求都要由Leader来处理，当数据增长到一定程度，会导致请求响应时间变长。解决办法就是，将数据按某种方式分开存储到不同的集群，将不同的请求发送到不同的集群中。 ​ Lab还是偏难的，论文中也没有具体去写这一部分

​ 前几天上青训营的课时老师在将Go的垃圾回收时提到了GMP模型，但并没有作深入讲解，后面的课似乎也不会在提及了，故参考网上博文以及自己的一些理解来总结一下。在此之前，Goroutine想必学过Go的人都是必知的，它是类似线程一样的可调度单位，也是使得Go享誉天生支持高并发这一名号的缘由。通过创建多个Goroutine来处理任务，将这些Goroutine分配，负载，调度到处理器采用的就是GM

​ 在Lab3中，需要使用前面实现好的Raft来构建一个K/V数据库。客户端（client）和服务端（server）进行交互。整体难度肯定比之前Raft低多了。服务器就相当于Raft中的每个节点， 0 前言 & 要求​ 该Lab3分为两部分：第一部分需要实现一个支持GET，PUT，APPEND的K/V数据库，这不需要考虑进行日志压缩/快照。而在第二部分则需要开始考虑进行日志压缩

​ Lab2难度还是很大的，要求实现一个Raft一致性算法，主要分为了三个部分：领导选举，日志复制，持久化，日志压缩。总共花了差不多半个月完成，期间由于要准备面试，夏令营啥的耽误了些时间。在做Lab前最好先将Raft论文通读几遍，理解大概的流程，并且课程提供的locking， structure 的描述以及guidance也得好好看看，不然BUG乱飞。 0 前言 & 要求​ 实

​ 该论文是Google的三架马车之一，是实现了一个面向大规模密集型应用，可伸缩的的分布式文件系统。分布式存储的开篇之作，论文中主要阐述了该系统接口的扩展，如何设计，最后又讲了性能测试以及生产环境下性能数据。 ​ 读后感不一定按论文框架描述，主要还是自己对系统的理解与总结 0 前言​ 论文在简介中谈到了系统设计的初始思路，要考虑的因素 组件（程序，系统，机器）故障属于常态事件，

​ 在MIT6.824的第一个Lab中，就是要我们实现一个MapReduce系统，当时只是粗略看了一下其基本的实现，再参照网上思路完成了该Lab。今天面试被问到该论文，很多问题都没答好，看来论文的阅读还是十分重要。🤔 0 前言​ 首先从摘要出发，摘要首先基本说明MapReduce大致流程，其实现需要注意的点以及其作用。 ​ MapReduce是用于处理和生成超大数据集的算法模

​ 上次和字节的学长聊天模拟面试被问到这个问题，没答上来，一直以为事务就是事务= =，处理问问ACID还能问啥，后来百度了下，发现还真有事务的实现原理，看了很多博文，感觉还是没形成自己的知识体系，还是自己写一篇好了。 0 前言​ 首先，都知道事务的四大特性：原子性，一致性，隔离性，持久性。一般问事务的原理是问MySQL是怎么实现这四大特性的，值得一说的是，不是因为是事务，才实现了这四大

​ 一直对Java的字符串概念很模糊，记得很早之前就看到一道经典面试题：“String s = new String(“a”)”产生了几个对象“，看了许多文章都不太明白，并且，由此产生的问题又有”String a = b + c空间上怎么分配“，”String c = “abc”产生了几个对象“等等。这里还是写篇博文将Java字符串有关的知识总结下把🤣 0 Java的字符串类​ Ja