Go生态圈有好几个K/V数据库，我们经常用它来做我们的存储引擎，但是这些数据库引擎的性能如何呢？本文试图用性能而不是功能的数据考察这些数据库，我测试了几种场景： 并发写、并发读、单一写并发读、并发删除，得出了一些有趣的数据。 测试在两台机器上测试的，一台机械硬盘，一台固态硬盘，使用256字节作为value值的大小，9个字节作为key的大小，测试简单的读写删除操作，并没有测试批量读写操作。 每个测试case测试1分钟。 代码: kvbench K/V 数据库 Rocksdb: RocksDB是Facebook维护的高性能的嵌入式K/V数据库。它是LevelDB的克隆版，针对多核、SSD做了很多优化。 LSM tree数据结构。 badger: 一个纯Go实现的快速的嵌入式K/V数据库，针对LS...阅读全文
进群送千G学习资料，一个开放，和谐，互帮互助，知识分享的IT技术社区。旨在为解决各种实际运用的技术问题和相关技术分享而成立的问答，知识分享社区。目前主要对标服务于Java，Golang，容器技术Docker,Kubernetes,以及机器学习相关生态 欢迎大家常驻 [http://www.itsharecircle.com](http://www.itsharecircle.com) 进群送千G学习资料 微信扫描如下二维码（或者微信搜索用户Anteoy）添加我为好友，备注Java技术圈，我拉你进群  而且这两位还喜欢到处塞钱，哪里都有他们资本的影子。。。   一、《flink实时规则营销系统》项目背景 传统的“精准营销平台”由营销人员基于画像标签数据去圈选人群，进行营销推送，存在不足； 这种传统手段，往往无法抓住那些 “转瞬即逝的营销机会”； 如：一个促销狂热型用户，正在浏览包包时，及时推送出正在做促销活动的包包信息，是最有效的； 如：一个价格敏感型用户，正在犹豫不决反复查看他购物车中的某目标商品时，适时推送优惠券，是最有效的； 这些场景，显然无法通过营销人员通过人工手段去发现，需要用软件系统自动、实时监控用户的行为，并实时做出判断，并进而驱动营销消息推送系统推送相关营销内容；...阅读全文
大数据生态圈/Hadoop/Spark/Flink/数据仓库/实时分析/推荐系统获课：789it点top/2505/获取ZY↑↑方打开链接↑↑大数据生态圈：构建智能时代的基石在数字化浪潮汹涌的今天，大数据已成为推动各行各业变革的重要力量。大数据生态圈，作为这一变革的核心驱动力，汇聚了Hadoop、Spark、Flink、数据仓库、实时分析以及推荐系统等一系列关键技术，共同构建了一个高效、智能的数据处理与分析体系。本文将深入探讨这些技术如何协同工作，为企业带来前所未有的数据洞察力和业务价值。Hadoop：大数据处理的基石Hadoop，作为大数据领域的基石，为海量数据的存储和处理提供了强大的分布式基础架构。其核心组件HDFS（Hadoop Distributed File System）通过分布...阅读全文
--- ### **用朋友圈案例详解并查集** #### **场景设定** - **人物信息**： - 张三（25岁） - 李四（30岁） - 王五（28岁） - 赵六（22岁） - 孙七（35岁） - **初始状态**：每个人都是独立的朋友圈 --- ### **Java代码实现** #### **1. 定义Person类** ```java class Person { String name; int age; public Person(String name, int age) { this.name = name; this.age = age; } // 重写equals和hashCode，用于正确识别对象 @Override public boolean equals(Obj...阅读全文
--- ### **1. 核心区别：是否认“真实时间”的账** • **线性一致性**：像有个**全球统一的大钟**，所有操作必须按真实发生的先后顺序排队。你做完一个操作（比如存钱），后面所有人立刻能看到最新结果，不存在“我刚刚存的100块，别人却查不到”的情况。 *举例*：你去银行存钱，柜员A操作完，下一秒柜员B查余额必须显示刚存的钱。 • **顺序一致性**：不认真实时间，只要**大家编的故事一致**就行。比如你存钱和同事取钱同时发生，只要所有人最终都认同“先存后取”或“先取后存”的顺序，就算符合规则，哪怕实际时间上两人操作是重叠的。 *举例*：你和同事同时操作账户，只要银行记录里你俩的操作顺序一致（比如系统统一说“先处理你的存钱，再处理他的取钱”），哪怕实际是同时发生的，也算合规。 -...阅读全文
