1.分布式锁技术探究 - Redisson & curator 源码解读
2.ZookeeperApach Curator 框架源码分析：初始化过程（一）Ver 4.3.0
3.ElasticSearch面试10道不得不会的ElasticSearch面试题

分布式锁技术探究 - Redisson & curator 源码解读

       在高并发场景中，为解决资源竞争和共享问题，引入了分布式锁，衍生出可重入锁、读写锁等。随着服务架构的叠加指数的源码分布式化，这些并发问题扩展到了分布式场景，业务中需要分布式锁和分布式AQS来确保资源管理。

       分布式锁的实现方式多样，如基于Redis的Redisson和Zookeeper的Curator。Redisson利用redLock算法避免主从复制导致的重复加锁，但存在单点故障问题。Curator则依赖zk的临时顺序节点实现锁，提供了一种更健壮的解决方案。

       要选择分布式锁，需关注其基本特性，如高可用性、抓取社交网站源码线程安全、可重入性、锁的公平性等。Redisson的锁模型通过lua脚本保证原子性和公平性，而Curator的zk实现则利用watcher机制实现公平锁。

       Redisson提供更丰富的功能，如可重入锁、读写锁，以及通过lua脚本实现的高级特性。而zk的zk锁模型更为简单，公平性较好，适用于对强一致性要求较低的场景。

       总结来说，选择哪种分布式锁取决于业务需求和性能要求，Redisson适合竞争激烈但对一致性要求不高的场景，而zk在强一致性方面更有优势。ios app源码补丁

ZookeeperApach Curator 框架源码分析：初始化过程（一）Ver 4.3.0

       Curator是由Netflix开源的一款用于简化Zookeeper客户端开发的工具，它提供了一套高级别API，使得开发者可以更简单易懂地实现分布式应用程序。Curator构建在Zookeeper原生客户端之上，提供了连接重试、异常处理、节点监听等常见功能，减轻了开发者的工作负担。Curator由多个模块组成，其中curator-framework和curator-recipes是最常用的部分，此外还提供了分布式锁等功能。

       Curator的最新版本为5.X系列，不再支持ZK 3.4.X及之前的版本。主要的改动在5.X系列中，原因包括代码重构、API调整等，自助任务平台源码导致不兼容之前的版本。

       Curator的下载地址可以通过Maven依赖管理或Apache官方网站获取。要开始使用Curator，需要搭建Zookeeper集群环境，详细部署过程可参考其他文章。

       引入Curator依赖后，开发者可以使用CuratorFrameworkFactory构建实例，通过此实例连接Zookeeper集群并执行分布式操作，如分布式锁等。Curator内部实现了重试策略、连接管理等，使得操作更为便捷且稳定。

       Curator提供了可重入锁（公平锁）的示例，开发者可以通过简单的代码实现分布式锁功能。初始化CuratorFramework实例的过程包括设置连接参数、构建实例、java 源码无法显示启动连接等步骤，内部会处理网络重连、异常处理等逻辑。

       在Curator的初始化过程中，CuratorFrameworkImpl是核心类，它负责构建与Zookeeper集群的连接，并封装了一系列关键组件，如连接管理、异常检测、负载均衡等。CuratorZookeeperClient类负责Zookeeper客户端的封装和调用。

       CuratorFrameworkImpl的启动过程涉及初始化连接状态管理器、启动客户端连接、执行后台操作等关键步骤。通过CAS操作确保线程安全，并在异常情况下自动重试连接。

       连接状态管理器（ConnectionStateManager）负责维护连接状态并处理状态变更通知，确保在状态改变时能够及时通知到监听器。通知机制包括注册一次性监听器、注册CuratorListener和ConnectionStateListener，以及处理未处理的错误。

       Curator的会话管理机制包括连接状态检查和重连策略，确保在连接断开后能够自动恢复连接。在状态变更时，连接状态管理器会通知所有注册的监听器，执行相应的回调逻辑。

       Curator还提供了缓存机制，用于保存节点数据并在数据发生变化时进行更新。此外，Curator支持多次注册监听器，确保在连接断开后能够重新注册监听器，以避免丢失监听事件。

       通过上述分析，Curator为开发者提供了高效、稳定的Zookeeper客户端实现，简化了分布式应用程序的开发过程。在实际应用中，开发者需要根据项目需求选择合适的版本和功能模块，以充分利用Curator提供的便利性。

ElasticSearch面试道不得不会的ElasticSearch面试题

       以下内容整理了 ElasticSearch 面试中常见的问题及解答，旨在帮助大家回顾和复习这些重点知识，建议收藏并经常查阅。

       关于 ElasticSearch 的面试，推荐使用官方术语来描述以确保准确性。

       公司集群架构、索引数据大小与分片数量以及优化方法：

       节点数量、分片数与副本数，根据公司具体使用情况进行回答，适当放大也是可行的。

       调优手段包括但不限于基于业务增量需求的索引创建策略、使用别名进行索引管理、定时进行 force_merge 操作以释放空间、实施冷热分离机制以提高检索效率、采用 curator 进行索引生命周期管理、针对需要分词的字段合理设置分词器以及 Mapping 阶段充分结合字段属性。

       倒排索引的实现机制：

       倒排索引记录了单词到文档的映射，不仅包含文档 ID，还包含了词频、偏移量与位置信息。

       master 选举的实现原理：

       ElasticSearch 的 master 选举由 ZenDiscovery 模块负责，具体源码分析可参考相关资源。

       索引文档过程概述：

       理解文档在节点间的分发过程，包括从接收到写入磁盘的步骤。默认使用文档 ID 进行路由计算，以选择合适的分片。

       ElasticSearch 搜索过程的详细描述：

       搜索包括查询与读取阶段，查询阶段广播到所有 shard，生成命中文档的优先级队列；读取阶段由协调节点决定需要取回的确切文档，创建 multi-get 请求并发送至分片副本。

       部署时 Linux 优化方法：

       优化内存使用，避免交换到磁盘，通过配置参数减少内存交换，提高性能。

       多主选举情况下的处理：

       当集群中出现多个 master，系统会通过选举机制选择一个作为主 master，其他节点则成为从节点。

       客户端与集群节点连接选择：

       客户端通过轮询方式与集群中的节点进行通信，不加入集群。

       更新与删除文档流程：

       更新与删除文档后，旧版本的文档在查询时会被过滤掉。

       大数据量聚合实现：

       ElasticSearch 通过 cardinality 度量提供近似聚合，基于 HLL 算法估计字段的唯一值数量，具有可配置的精度和内存使用效率。

       并发情况下读写一致性：

       理解一致性在分布式系统中的概念，通过 CPA 理论分析，明确一致性、可用性和分区容忍性之间的权衡。

       以上内容涵盖了 ElasticSearch 面试中常见问题的解答与优化建议，希望对您的面试准备有所帮助。