前言谈到java的线程池最熟悉的莫过于ExecutorService接口了，jdk1.5新增的java.util.concurrent包下的这个api，大大的简化了多线程代码的开发。而不论你用FixedThreadPool还是CachedThreadPool其背后实现都是ThreadPoolExecutor。ThreadPoolExecutor是一

Tokio无疑是Rust世界中最优秀的异步Runtime实现。非阻塞的特性带来了优异的性能，但是在实际的开发中我们往往需要在某些情况下阻塞任务来实现某些功能。

这里用到了SpringBootMybatisDynamicDataSource配置动态双数据源，可以动态切换数据源实现数据库的读写分离。添加依赖加入Mybatis启动器，这里添加了Druid连接池、Oracle数据库驱动为例。<dependency<groupIdorg.mybatis.spring

前言前面介绍了ForkJoinPool相关的两个类ForkJoinTask、ForkJoinWorkerThread，现在开始了解ForkJoinPool。ForkJoinPool也是实现了ExecutorService的线程池。但ForkJoinPool不同于其他类型的ExecutorService，主要是因为它使用了窃取工作机制：池中的所有线程

实现线程的方法：（1）继承thread（底层实现了runable）（2）实现Runable（3）Executor创建线程池（4）实现Callable接口（带返回结果）对于callable接口，可以通过FutureTask包装实现线程，也可以使用ExecutorService对象的submit实现。使用executor创建线程

1、newThread的弊端执行一个异步任务你还只是如下newThread吗？newThread(newRunnable(){@Overridepublicvoidrun(){//TODOAutogeneratedm

NettyNio启动全流程1\.各组件之间的关系!netty(https://oscimg.oschina.net/oscnet/b935e907e763d3f5562bd9b5d71578befc9.jpg)说明：EventLoopGroup类似线程池，EventLoop为单线程，每个EventLoo

一、排查过程问题发现是因为当时接到了内存UMP报警信息，如下：通过查看PFinder发现内存一直在增长，没有停止迹象，触发fullGC也并没有下降趋势：当机立断，先立即去NP上摘除了此台机器流量，然后继续观察，发现内存依然在不断增长。随即查看故障分析，并没

作者：京东物流刘邓忠一、排查过程问题发现是因为当时接到了内存UMP报警信息，如下：通过查看PFinder发现内存一直在增长，没有停止迹象，触发fullGC也并没有下降趋势：当机立断，先立即去NP上摘除了此台机器流量，然后继续观察，发现内存依然在不断增长。随

作者：京东零售吴化斌spark为什么比mapreduce快？首先澄清几个误区：1：两者都是基于内存计算的，任何计算框架都肯定是基于内存的，所以网上说的spark是基于内存计算所以快，显然是错误的2;DAG计算模型减少的是磁盘I/O次数（相比于mapredu