架构拓扑图为：!(https://oscimg.oschina.net/oscnet/4748456ccf27cfc6438fa6aad7f52efefcc.png)准备工作：下载资源包：Elasticsearch：wgethttps://artifacts.elastic.co/downloads/ela

消息的存储原理：　　消息的文件存储机制:　　前面我们知道了一个topic的多个partition在物理磁盘上的保存路径，那么我们再来分析日志的存储方式。通过   \root@localhost~\ls/tmp/kafkalogs/firstTopic1/命令找到对应partition下的日志内容

DRFTracking模块源码分析一、drftracking是什么？drftracking是为DRF的view访问提供一个日志记录模块。使用mixin的方式无缝的和DRF相结合。从源码结构上来看也是Django的一个APP项目，提供Model将日志记录到数据库、自定Manger操作等.其核心为该

!(http://static.oschina.net/uploads/space/2014/1203/144009_G0DY_856019.jpg)(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwenku.it168.com%2Fd_001573516.shtml)UNIX

OSSIM中分布式消息队列应用1\.消息队列处理企业日志数量正在以指数级形式高速增长，日志数据的具有海量、多样、异构等特点，基于传统的单一节点混合式安装的OSSIM平台（指OSSIM4.4及以下系统），无法满足海量日志分析要求。在OSSIM4.4以后的系统中增加了中间件RabbitMQ，可通过RabbitMQ将系统中各组件解除耦合，避免

引言前段时间写的《SpringLog4jActiveMQ实现远程记录日志——实战分析(http://my.oschina.net/itblog/blog/533730)》得到了许多同学的认可，在认可的同时，也有同学提出可以使用Kafka来集中管理日志，于是今天就来学习一下。特别说明，由于网络上关于KafkaLog4j的完整例子并不多

!/usr/bin/envpython\coding:utf8\"""思路：先将指针移动到文件最后f.seek(0,2)向前移动2位读一位f.seek(2,1)f.read(1)f.tell()1 到达文件顶部退出循环文件内容：abcd

慢查询日志，将那些执行时间过长且占用资源过多的SQL拿来进行explain分析，导致CPU过高，多数是GroupBy、OrderBy排序问题所导致，然后慢慢进行优化改进。比如优化insert语句、优化groupby语句、优化orderby语句、优化join语句等等；3）考虑定时优化文件及索引；4）定期分析表，使用optimizetable；

在前面的文章中，我们只设置了整个堆的内存大小。但是我们知道，堆又分为了新生代，年老代。他们之间的内存怎么分配呢？新生代又分为Eden和Survivor，他们的比例大小能改变吗？其实这些都是可控的，以前没有讲到是因为就算讲了也只是讲讲而已，看不到实质性的东西。因此这章我们通过分析GC日志来一步步讲解如何细化设置堆内存。   首先我们来了解几个相关的参数：