https://loufengman.github.io/2019/06/17/max-hexo-next/#more

本文主要介绍在Mac环境下搭建hexo-theme-next的过程，以及其中遇到的问题的解决方法

https://loufengman.github.io/2019/06/17/max-hexo-next/#more

本文主要介绍在Mac环境下搭建hexo-theme-next的过程，以及其中遇到的问题的解决方法 安装环境 机器：MacBook Air OS: macOS HighSierra 10.13.2 安装步骤安装gitbrew install git 安装nodebrew install node 安装hexosudo npm install -g hexo安装报错，换个命令sudo npm ins

https://loufengman.github.io/2020/02/25/%E6%9C%8D%E5%8A%A1%E9%AB%98%E5%8F%AF%E7%94%A8%E5%8E%9F%E7%90%86%E8%A7%A3%E6%9E%90/#more

可用性是服务的基石，当前使用面广的大部分开源软件均实现了高可用。 高可用的实现可以归纳为三点： 1、故障发现 2、数据同步 3、故障点切换Mysql 高可用方案MHA全称是Master High Availability，是一种一主多从的数据库高可用解决方案。他的特点是在保障高可用自切换的前提下，最大限度的保障主从数据的一致性。 MHA架构图如下： 一次完整MHA故障切换流程如下： 1. 保存故

https://loufengman.github.io/categories/

我就不信一个人可以在一生所有的路口都选错方向，坚持自己的判断，总会选对几次

https://loufengman.github.io/2020/02/12/TCP-UDPQA/

TCP（传输控制协议）提供数据可靠传输，包括数据流传送、可靠性、有效流控、全双工操作和多路复用。通过面向连接、端到端和可靠的数据包发送。只支持1对1的通讯。 UDP（用户数据报协议）是一个简单的面向数据报的传输层协议。提供的是非面向连接的、不可靠的数据流传输。UDP不提供可靠性，也不提供报文到达确认、排序以及流量控制等功能。支持多对多的通讯。 另外，TCP建立连接需要三次握手，断开连接需要四次握手

https://loufengman.github.io/2020/02/12/TCP-UDPQA/#more

TCP（传输控制协议）提供数据可靠传输，包括数据流传送、可靠性、有效流控、全双工操作和多路复用。通过面向连接、端到端和可靠的数据包发送。只支持1对1的通讯。 UDP（用户数据报协议）是一个简单的面向数据报的传输层协议。提供的是非面向连接的、不可靠的数据流传输。UDP不提供可靠性，也不提供报文到达确认、排序以及流量控制等功能。支持多对多的通讯。 另外，TCP建立连接需要三次握手，断开连接需要四次握手

https://loufengman.github.io/categories/index.html

坚持自己的判断，总有一次是对的

https://loufengman.github.io/2020/02/10/%E6%95%B0%E6%8D%AE%E5%BA%93%E4%B8%8E%E7%BC%93%E5%AD%98%E4%B8%80%E8%87%B4%E6%80%A7%E5%88%86%E6%9E%90/

缓存是目前解决高并发场景下的主流解决方案必不可少的工具之一。在高并发或者多线程的情况下,如何保证缓存和持久化存储的数据一致是业界面临的一个普遍问题。本文针对几种常见的数据库、缓存更新方式，分析一下并发场景下存在的问题。 缓存数据库更新的几种常见方式 先更新缓存，后更新数据库 先更新数据库，后更新缓存 先删除缓存，后更新数据库 先更新数据库，后删除缓存 我们考虑一下这种场景。假设有并发请求A和B，

https://loufengman.github.io/2020/02/19/Binlog%E4%B8%8ERedolog%E4%B8%80%E8%87%B4%E6%80%A7/#more

我们都知道，Binlog是用来做主从同步的，redolog确保了事务的持久化特性。 那么MySQL到底是先写Binlog呢？还是先写的Redolog? 在不可靠的环境中怎么保证二者一致的呢？ 我们带着这两个问题开始一探究竟。

https://loufengman.github.io/tags/index.html

https://loufengman.github.io/2019/06/19/Copy-On-Write/#more

本文主要介绍Copy-On-Write的基本**已经应用场景。

https://loufengman.github.io/2020/02/20/MySQL%E5%88%86%E5%BA%93%E5%88%86%E8%A1%A8%E7%A0%94%E7%A9%B6/#more

MySQL分库分表是大厂常见的技术方案。 为什么要做分库分表呢？ 分库有利于服务隔离与解耦，方便单独扩容和故障恢复。 分表可以解决大表的运维难题，提高并发性能。 分库大家比较容易理解，一般随着业务粒度的划分进行。 而分表的形式和用途多种多样，同样达到的目的和效果也各不相同。 常见的解决大表问题的方案是水平分表。本文重点介绍水平分表的方案以及扩容方式。 常见水平分表方式连续分片根据特定字段(比如

https://loufengman.github.io/2020/02/19/MySQL%E8%A1%A8%E5%90%88%E9%80%82%E5%AE%B9%E9%87%8F%E5%88%86%E6%9E%90/#more

大家应该都知道 ，MySQL单表过大，查询性能会直线下降，这时候就需要通过分库分表的方式来对单表划分多个小表，依此来提高性能。 那么问题来了，Mysql单表过大为什么查询性能会下降？MySQL单表过大的标准是多少？500W?2000W？ 本文将来着这些问题来一探究竟。由于大部分业务生产环境的引擎使用的InnoDB，本文所有观点皆基于InnoDB引擎来阐述。

https://loufengman.github.io/2020/02/14/load_balence/#more

正在埋头写代码的兴头上，突然企微故障群不停地闪动，提示有人@。 A: xxx，你负责的服务不可用了，七层Nginx疯狂报警，赶快看一下日志。 我：挠头！7层是什么鬼？我命名在6层办公啊！ 这时老大来了，丢下一句。 老大：‘你可以收拾东西回家了’。 我：卧槽！我真在6层办公。 。。。。。。