你真的需要分布式锁吗？

用到分布式锁说明遇到了多个进程共同访问同一个资源的问题。一般是在两个场景下会防止对同一个资源的重复访问：

• **提高效率。**比如多个节点计算同一批任务，如果某个任务已经有节点在计算了，那其他节点就不用重复计算了，以免浪费计算资源。不过重复计算也没事，不会造成其他更大的损失。也就是允许偶尔的失败。

• **保证正确性。**这种情况对锁的要求就很高了，如果重复计算，会对正确性造成影响。这种不允许失败。

引入分布式锁势必要引入一个第三方的基础设施，比如 MySQL，Redis，Zookeeper 等。这些实现分布式锁的基础设施出问题了，也会影响业务，所以在使用分布式锁前可以考虑下是否可以不用加锁的方式实现？不过这个不在本文的讨论范围内，本文假设加锁的需求是合理的，并且偏向于上面的第二种情况，为什么是偏向？因为不存在 100% 靠谱的分布式锁，看完下面的内容就明白了。

目录

部分内容展示

深入浅出索引（上）

• 索引的常见模型
• InnoDB 的索引模型
• 索引维护
• 小结

深入浅出索引（下）

• 覆盖索引
• 最左前缀原则
• 索引下推

为什么这些SQL语句逻辑相同，性能却差异巨大？

• 案例一：条件字段函数操作
• 案例二：隐式类型转换
• 案例三：隐式字符编码转换
• 小结

读写分离有哪些坑？

• 强制走主库方案
• Sleep 方案
• 判断主备无延迟方案
• 配合 semi-sync
• 等主库位点方案
• GTID 方案
• 小结

Kafka实战笔记

关于这份笔记，为了不影响大家的阅读体验，我只能在文章中展示部分的章节内容和核心截图，如果你需要完整的pdf版本，戳这里即可免费领取。

• Kafka入门
• 为什么选择Kafka
• Karka的安装、管理和配置

• Kafka的集群
• 第一个Kafka程序
• 

afka的生产者

• Kafka的消费者
• 深入理解Kafka
• 可靠的数据传递

• Spring和Kalka的整合
• Sprinboot和Kafka的整合
• Kafka实战之削峰填谷
• 数据管道和流式处理(了解即可)

• Kafka实战之削峰填谷

[外链图片转存中…(img-tBc8ehkQ-1624080178762)]

• Kafka实战之削峰填谷

[外链图片转存中…(img-qDmFEG4I-1624080178763)]

标签：实战,容器,java,arraylist,Kafka,索引,之削峰,填谷,分布式
来源： https://blog.csdn.net/m0_57064830/article/details/118052613