开始进入正题一、技术介绍@MongoDB（来自于英文单词“Humongous”，中文含义为“庞大”）是可以应用于各种规模的企业、各个行业以及各类应用程序的开源数据库。作为一个适用于敏捷开发的数据库，MongoDB的数据模式可以随着应用程序的发展而灵活地更新。与此同时，它也为开发人员提供了传统数据库的功能：二级索引，完整的查询系统以及严格一致性等等。

一、Api管理的难点在哪？相信无论是前端，还是后端的测试和开发人员，都遇到过这样的困难。不同工具之间数据一致性非常困难、低效。多个系统之间数据不一致，导致协作低效、频繁出问题，开发测试人员痛苦不堪。1.开发人员在Swagger定义好文档后，接口调试的时候还需要去Postman再定义一遍。2.前端开发Mock数据的时候又要去mo

Redis为什么添加Lua支持redislua脚本出现之前Redis是没有服务器端运算能力的，主要是用来存储，用做缓存，运算是在客户端进行，这里有两个缺点：一、如此会破坏数据的一致性，试想如果两个客户端先后获取（get）一个值，它们分别对键值做不同的修改，然后先后提交结果，最终Redis服务器中的结果肯定不是某一方客户端所预期的

导读：DBus是我们要介绍的在敏捷大数据（AgileBigData）背景下的第一个平台。企业中大量业务数据保存在各个业务系统数据库中，为同时解决数据同步的一致性和实时性问题，DBus（数据总线）平台应运而生。DBus专注于数据的实时采集和实时分发，是一种基于日志的解决方案，同时能够提供消息订阅的方式给下游系统使用。本篇文章主要介绍在DBus的设计中，它

  上一篇文章介绍了FastCFS采用数据分组的做法，一个数据分组的几个节点（如三个节点即三副本）之间是Master/Slave关系；FastCFS采用数据强一致模型，通过Master/Slave结构的同步复制机制来保证数据一致性，本文将概要介绍这一机制的原理和关键点。  和单机系统相比，分布式系统因网络通信方面存在较大不确定性，要做到数

一、什么是布隆过滤器？布隆过滤器可以用来判断一个元素是否在一个集合中。它的优势是只需要占用很小的内存空间以及有着高效的查询效率。对于布隆过滤器而言，它的本质是一个位数组：位数组就是数组的每个元素都只占用1bit，并且每个元素只能是0或者1布隆过滤器除了一个位数组，还有K个哈希函数。当一个元素加入布隆过滤器中的时候，会进行如下操作：

①弱一致性（最终一致），更能保证用户的访问速度：举例来说，在传统的关系型数据库中，一个COUNT类型的操作会锁定数据集，这样可以保证得到“当前”情况下的精确值。这在某些情况下，例如通过ATM查看账户信息的时候很重要，但对于Wordnik来说，数据是不断更新和增长的，这种“精确”的保证几乎没有任何意义，反而会产生很大的延迟。他们需要的是一个“

事务的四大特性（ACID）1、原子性（Atomicity）事务是一个不可分割的单位，事务中的所有SQL等操作要么都发生，要么都不发生。2、一致性（Consistency）事务发生前和发生后，数据的完整性必须保持一致。3、隔离性（Isolation）当并发访问数据库时，一个正在执行的事务在执行完毕前，对应其他的会话是不可见的，多个并发事

众所周知单个机房在出现不可抗拒的问题（如断电、断网等因素）时，会导致无法正常提供服务，会对业务造成潜在的损失。所以在协同办公领域，一种可以基于同城或异地多活机制的高可用设计，在保障数据一致性的同时，能够最大程度降低由于机房的仅单点可用所导致的潜在高可用问题，最大程度上保障业务的用户体验，降低单点问题对业务造成的潜在损失显得尤为重要。

单体架构下锁的实现方案1\.ReentrantLock全局锁ReentrantLock（可重入锁），指的是一个线程再次对已持有的锁保护的临界资源时，重入请求将会成功。简单的与我们常用的Synchronized进行比较：||ReentrantLock|Syn