作者：黄金一、Dubbo简介Dubbo是一款典型的高扩展、高性能、高可用的RPC微服务框架，用于解决微服务架构下的服务治理与通信问题。其核心模块包含【RPC通信】和【服务治理】，其中服务治理又分为服务注册与发现、服务容错、负载均衡、流量调度等。今天将重点介

cap理论博客分类：架构CAP理论由EricBrewer在ACMPODC会议上的主题报告中提出，这个理论是NoSQL数据管理系统构建的基础，如下图所示：▲CAP理论　　其中字母“C”、“A”、“P”分别代表以下三个特征：　　·强一致性(Consistency)。系统在执行过某项操作后仍然处于一致的状态。在分布式系统中，更新操作执行成功

一、HTTPJSON方式的缺点1.JSON序列化效率低2.多语言服务治理功能低二、关于RPC框架RPC框架大致分为两类，一种是偏重服务治理，另一种侧重跨语言调用2.1服务治理型特点功能丰富，提供高性能的远程调用、服务发现及服务治理能力，适用于大型服

一Eureka服务治理体系1.1服务治理服务治理是微服务架构中最为核心和基础的模块，它主要用来实现各个微服务实例的自动化注册和发现。SpringCloudEureka是SpringCloudNetflix微服务套件中的一部分，它基于NetflixEureka做了二次封装。主要负责完成微服务架构中的服务治理功能。Eur

服务治理在上一节中简单介绍了SpringCloud和微服务架构，本章介绍如何使用SpringCloud来实现服务治理。由于SpringCloud为服务治理做了一层抽象接口，所以在SpringCloud应用中可以支持多种不同的服务治理框架，比如：NetflixEureka、Consul、Zookeeper。在SpringCloud服

分布式系统的CAP理论：理论首先把分布式系统中的三个特性进行了如下归纳：●一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）●可用性（A）：在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）●分区容错性（P）：以实际效果而言，分区相当于对

转自：https://www.cnblogs.com/mingorun/p/11025538.html(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fwww.cnblogs.com%2Fmingorun%2Fp%2F11025538.html)CAP理论的理解(https://

首先在比较两者之前我们先了解两者是什么，用来做什么最后在比较两者的区别吧！从上图中可以看出，在SpringCloud中，Eureka的定位是服务治理。同样在ZooKeeper官方文档中介绍也为服务治理，那么接下来先了解什么是服务治理（服务发现组件）。服务发现简介

作者：京东物流翁美婷一、前言随着系统数量增多，复杂度提高，线上应急问题时有发生；加之需投入大量人力进行服务治理和验证，为了减少日常应急问题及提前排除风险，发起对生产系统的持续综合性治理，实现常态化稳定性治理。在常态化治理过程中我们将识别问题等重复性有规律的

作者：京东物流冯志文背景又到一年的11.11大促日，最近很多团队邮件上下游确认SLA，你是不是还没搞明白服务质量SLA、SLO等概念？本文通过理论知识以及基于SLO告警治理的实践经验分享。详细介绍如何设置SLO、有效的告警泛滥治理、以及如何根据SLO的指标

作者：京东物流郑传洲业务系统核心目标是挣钱，系统稳定性建设核心是防止丢钱（丢钱逻辑如下图所示），站在公司的角度看，产品功能建设和系统稳定性是同等重要。前段时间写了《》，该文章在稳定性建设的理论和实践基础上，抽象出稳定性治理的框架，希望建立一个稳定性治理的标

作者：京东物流翁美婷一、前言随着系统数量增多，复杂度提高，线上应急问题时有发生；加之需投入大量人力进行服务治理和验证，为了减少日常应急问题及提前排除风险，发起对生产系统的持续综合性治理，实现常态化稳定性治理。在常态化治理过程中我们将识别问题等重复性有规律的

导读本文核心内容聚焦为什么要埋点治理、埋点治理的方法论和实践、奇点一站式埋点管理平台的建设和创新功能。读者可以从全局角度深入了解埋点、埋点治理的整体思路和实践方法，落地的埋点工具和创新功能都有较高的实用参考价值。遵循埋点治理的方法论，本文作者团队已在实践中

随着数字时代全面来临，以数字技术推进实现更高水平的公平正义，已成为我国全面推进国家治理体系和治理能力现代化的时代命题。

很多不太了解的人会认为：数据治理就是干数据清洗的。近两年，在我们公司，数据治理团队在数据降本方面做的比较多，效果还不错，我们很多人可能以为：数据治理就是做数据清理的。在京东科技集团数据治理工作组第一次全体会议上，我就讲过数据治理和数据清洗之间的关系：数据清

业务系统核心目标是挣钱，系统稳定性建设核心是防止丢钱（丢钱逻辑如下图所示），站在公司的角度看，产品功能建设和系统稳定性是同等重要。前段时间写了《》，该文章在稳定性建设的理论和实践基础上，抽象出稳定性治理的框架，希望建立一个稳定性治理的标准动作、最佳实践。但

在数字化转型的浪潮中，数据治理已经成了企业必不可少的一环。然而，许多企业在推行数据治理时常常陷入一些误解，这些误解阻碍了数据的有效管理和利用。那么究竟有哪些失误，又要如何解决呢？一、对数字治理的误解误解一：只有IT部门负责数据治理许多企业错误地认为数据治理

一、什么是架构和治理1.1架构的起源开篇还是要说说大家理解的架构，何为架构，架构跟我们的工作和生活有什么关系。英文Architecture本源来自于拉丁语，最早起源于建筑领域，建筑是文明社会一个重要的标志，同时也是人类社会最早形成完善理论和经验的领域。人民

背景数据结转过程中经常进行delete操作，产生空白空间，如果进行新的插入操作，MySQL将尝试利用这些留空的区域，但仍然无法将其彻底占用，于是造成了数据的存储位置不连续,以及物理存储顺序与理论上的排序顺序不同，久而久之就产生了碎片。碎片治理思路根据线上处