大促备战压测备战时间紧、任务多，压测备战压力较大，在大促备战多专项并行资源紧张情况下，频繁的系统调优给整个大促带来不可控的风险因素。引入常态化压测的手段，通过每周或每月的定期压测行为，持续把控系统性能表现，保证服务稳定性；同时将需求上线引起的性能问题前置暴露，及时定位优化问题；减轻备战压力，提升压测效率。

　　在计算机中，线程是稀缺资源，创建过多的线程，不仅会消耗系统资源，还会降低系统的稳定性，合理的使用线程池对线程进行统一分配、调优和监控，有以下好处：降低资源消耗；提高响应速度；提高线程的可管理性。　　Java多线程编程常用到多线程框架Executor，使用此框架可以方便、高效的对线程进行管理，我们先了解下Executor

 一、前言　　AutoFac是.NET平台下的一款著名的IoCContainer，它可以让我们很轻松的解除项目中服务类的接口与客户类的接口实现类之间的依赖关系，从而降低系统各模块之间耦合程度以提高系统的稳定性。最近在做毕业设计，在开发中采用了autofac来进行依赖注入，这里是对踩到的一些坑的解决方法，希望可以给同样不幸进入这些坑中的童鞋们提供

本文为开源实验性工程：“github.com/GuoZhaoran/spikeSystem”的配套文章，原作者：“绘你一世倾城”，现为：猎豹移动php(https://www.oschina.net/p/php)开发工程师，感谢原作者的技术分享。1、引言Go语言的出现，让开发高性能、高稳定性服务端系统变的容易，与高贵冷艳的Erlang语

奇技指南本文由360系统部大数据计算平台负责人张馨予，在FlinkChina线下社区Meetup的演讲整理而成，首发于高可用架构公众号。作者：张馨予，360大数据计算平台负责人。北京邮电大学硕士，2015年加入360系统部，一直致力于公司大数据计算平台的易用性、稳定性和性能优化的研发工作。目前主要负责Flink的研发，完成公

如何在混沌演练的场景中降低应用的MTTR，必须需要根据监控定位，然后人工进行反馈进行处理吗？是否可以自动化，是否有方案可以降低混沌演练过程中的影响？以此达到快速止血，进一步提高系统的稳定性。本篇文章将根据一些思考和实践来解答以上问题。

随着业务的不断增长，支撑业务系统的压力也逐渐增加，会面临如系统越来越厚重、逻辑越来复杂、迭代节奏越来越快等繁杂的情况。我们当前并没有做到在每次变化时快速识别出性能风险，检测产品或系统的稳定性、可靠性，而且我们还在不断的投入人力成本在压测这件事情上也是不合理的，所以我们要将性能验证融入到我们日常的工作中，把压测做到常态化，做成平常的一件事。

大数据时代，越来越多的业务依赖实时数据用于决策，比如促销调整，点击率预估、广告分佣等。为了保障业务的顺利开展，也为了保证整体大数据链路的高可用性，越来越多的0级系统建设双流，以保证日常及大促期间数据流的稳定性。

简介随着项目的发展，前端SPA应用的规模不断加大、业务代码耦合、编译慢，导致日常的维护难度日益增加。同时前端技术的发展迅猛，导致功能扩展吃力，重构成本高，稳定性低。为了能够将前端模块解耦，通过相关技术调研，最终选择了无界微前端框架作为物流客服系统解耦支持。