Disruptor

简介 该项目是基于SpringBoot 2+Spring+Mybatis+Hibernate的敏捷开发系统；它是一款具有代码生成功能的智能快速开发平台；是以Spring Framework为核心容器，Spring MVC为模型视图控制器，Hibernate为数据访问层， Apache Shiro为权限授权层，Ehcahe对常用数据进行缓存，Disruptor作为并发框架，Bootstrap作为前端框架的优秀开源系统。 项目架构如下： jeeweb ├─jeeweb-common 公共模块 │ ├─jeeweb-common-base 公用基础模块 │ │ │ ├─jeeweb-common-email 邮件基础模块 │ │ │ ├─jeeweb-common-hibernatemvc hibernate公用模块 │ │ │ ├─jeeweb-common-mybatismvc mybatis公用模块 │ │ │ ├─jeeweb-common-oss 数据存储公用模块 │ │ │ ├─jeeweb-common-quartz quartz公用模块 │ │ │ ├─jeeweb-common-query 查询封装模块 │ │ │ ├─jeeweb-common-security 安全公用模块 │ │ │ ├─jeeweb-common-sms 短信公用模块 │ │ │ └

在 24 个月的时间里，该 RPA 与 AI 领导企业的年度经常性收入从 1 亿美元增长到超过 4 亿美元；计划推进市场领先的超自动化平台，扩展云产品线 纽约--(美国商业资讯)-- 机器人流程自动化（RPA） 软件领导企业UiPath日前宣布已完成2.25亿美元E轮融资，交易后估值达102亿美元。本轮融资由Alkeon Capital Management领投。其他投资方包括Accel、Coatue、Dragoneer、IVP、Madrona Venture Group、红杉资本、腾讯、Tiger Global、Wellington，并由T. Rowe Price Associates公司提供资金和账户咨询。UiPath的年度经常性收入（ARR）超过4亿美元，是全球增长最快的企业软件公司之一。 根据Forrester研究公司的报告，“随着我们从危机中走出，企业将把自动化作为降低风险的一种方式，未来的危机将对劳动力的供应和生产效率构成威胁。”*随着自动化正在成为董事会的当务之急，UiPath将利用这笔资金继续投资研发。UiPath在2020年5月宣布推出端到端超自动化平台，专注于加速并实现自动化应用的民主化，以帮助客户提供更好的客户体验，让全球员工能够使用，也能体验软件机器人的最优价值。无论是在本地还是云端部署，UiPath客户都能获得最适合其组织的灵活部署方案。

如何设计并实现一个数字货币交易系统 证券交易系统是金融市场上能够提供的最有流动性，效率最高的交易场所。和传统的商品交易不同的是，证券交易系统提供的买卖标的物是标准的数字化资产，如USD、股票、BTC等，它们的特点是数字计价，可分割买卖。 证券交易系统通过买卖双方各自的报价，按照价格优先、时间优先的顺序，对买卖双方进行撮合，实现每秒成千上万的交易量，可以为市场提供高度的流动性和价格发现机制。 一个完整的数字货币交易系统是由用户系统（sso）、账户系统（account）、订单系统（order）、撮合系统（match）、以及清算系统（ clearing ）、行情系统（market） 和钱包系统（wallet）构成的。各个子系统相互配合，完成数字货币报价交易。 SSO：用户全局登录，身份验证，权限现在； account：用户用户数字货币相关操作，查看账户、划转、冻结等操作； order：提供给下单，撤单，委托列表，历史交易记录； match： 撮合引擎是交易系统的核心。撮合引擎本质上就是维护一个买卖盘列表，然后按价格优先原则对订单进行撮合，能够成交的就输出成交结果，不能成交的放入买卖盘。这里注意没有时间优先原则，因为经过定序的订单队列已经是一个时间优先的队列了。 clearing： 清算的工作就是把买单冻结的USD扣掉，并加上买入所得的BTC，同时，把卖单冻结的BTC扣掉

Disruptor的版本3.4.2. List-1 public interface ExceptionHandler<T> { /** * <p>Strategy for handling uncaught exceptions when processing an event.</p> * * <p>If the strategy wishes to terminate further processing by the {@link BatchEventProcessor} * then it should throw a {@link RuntimeException}.</p> * * @param ex the exception that propagated from the {@link EventHandler}. * @param sequence of the event which cause the exception. * @param event being processed when the exception occurred. This can be null. */ void handleEventException(Throwable ex, long sequence, T event); /** * Callback to

伪共享（false sharing），并发编程无声的性能杀手 在并发编程过程中，我们大部分的焦点都放在如何控制共享变量的访问控制上（代码层面），但是很少人会关注系统硬件及 JVM 底层相关的影响因素。前段时间学习了一个牛X的高性能异步处理框架 Disruptor，它被誉为“最快的消息框架”，其 LMAX 架构能够在一个线程里每秒处理 6百万 订单！在讲到 Disruptor 为什么这么快时，接触到了一个概念——伪共享( false sharing )，其中提到：缓存行上的写竞争是运行在 SMP 系统中并行线程实现可伸缩性最重要的限制因素。由于从代码中很难看出是否会出现伪共享，有人将其描述成无声的性能杀手。 本文仅针对目前所学进行合并整理，目前并无非常深入地研究和实践，希望对大家从零开始理解伪共享提供一些帮助。 伪共享的非标准定义为：缓存系统中是以缓存行（cache line）为单位存储的，当多线程修改互相独立的变量时，如果这些变量共享同一个缓存行，就会无意中影响彼此的性能，这就是伪共享。 下面我们就来详细剖析伪共享产生的前因后果。首先，我们要了解什么是缓存系统。 一、CPU 缓存 CPU 缓存的百度百科定义为： CPU 缓存（Cache Memory）是位于 CPU 与内存之间的临时存储器，它的容量比内存小的多但是交换速度却比内存要快得多。】 高速缓存的出现主要是为了解决 CPU

写命中 写直达(Write Through) 信息会被同时写到cache的块和主存中。这样做虽然比较慢，但缺少代价小，不需要把整个块都写回主存。也不会发生一致性问题。 对于写直达，多出来%10向主存写入的存储指令使得其比其单纯向Cache写入的速度慢上将近10倍。这种速度不一致的问题，不管是在硬件结构还是软件，有着一条“不管怎么样，先试试这样行不行”的办法：并行加缓冲。 我们使用写缓冲(Write Buffer)来解决这个问题，CPU写入Cache的同时会写入Write Buffer。缓冲中的内容什么时候写入主存交给存控(Memory Controller)来控制，CPU将省下的时间去处理其他事情。 Write Buffer是一个FIFO队列，一般只有4字节。 然而当写操作频繁的时候，这点容量就不够用了，容易饱和发生阻塞，就相当于没加一样... 解决的办法可以是再加一级Cache，变成二级缓存。什么，你问为什么不把两级Cache和一起，搞那么多干什么？这个二级当然是慢一点的便宜货，咱们弄这些东西，不就是因为越快东西越贵，买不起嘛土豪！ 对于缓冲的问题，还有个关于合并写对程序效率的影响， 具体可以参考这篇博文 。 第二种办法就是改变策略使用写回，也就是下面介绍的方法。 写回(Write Back) 信息仅仅写到Cache中的块。当其被替换时，信息才会被写回到主存中

1、官网http://logging.apache.org/log4j/2.x/index.html 2、SLF4J目前已经是业界标准，完整兼容和实现 3、如何兼容版本1？log4j-1.2-api-2.4.1.jar这个包，但是还是有一些接口是变化了，个人看了下都是些不常用的接口变了，如果你用到请修改源代码。参考官方 http://logging.apache.org/log4j/2.x/manual/migration.html 4、多个 SLF4J实现不能共存，共存需要解决一些冲突问题 5、log4j-slf4j-impl和log4j-to-slf4j不能共存，从名称就能看出一个是log4j对SLF4J的实现，一个是反过来。一起会报错 6、新特征:支持异步日志更强大。因为公司需要分布式日志，所以是用scala actor写的，当时也有测试使用Disruptor，效率极高，没想到就出来了，哈哈。 7、新的语法 logger.debug("Logging in user %s with birthday %s", user.getName(), user.getBirthdayCalendar()); logger.debug("Logging in user %1$s with birthday %2$tm %2$te,%2$tY", user.getName(), user

一、前言 距离上篇文章更新已经一月有余，之所以一直没更新一是工作最近比较忙，二是感觉产出不了什么对自己和他人有价值的文章。因此这段时间，主要的空闲时间在学习技术和写 GitHub，博客这边就暂时落下了。 本篇文章的落成更像是一篇笔记，而不是博客。因为在一年的工作后，首次碰上了 OOM 问题，虽然导致的原因比较简单，但也算是值得纪念的，哈哈。 二、问题复现 代码源码：https://github.com/jitwxs/disruptor-study/blob/master/disruptor-demo/src/test/java/jit/wxs/disruptor/demo/oom 问题原因和 Disruptor 相关，如果不了解的同学，就把它理解成一个首尾相连的环形 Queue 就 OK 了。 2.1 代码实现 首先创建 Disruptor 存放的实体类 Entity，它有个对象叫 dataList，存放的是 EntityData 的引用： @Data public class Entity { private long id ; private List < EntityData > dataList ; } @Data @NoArgsConstructor ( access = AccessLevel . PRIVATE ) @AllArgsConstructor public

作者：唐尤华 https://dzone.com/articles/a-birds-eye-view-on-java-concurrency-frameworks-1 1. 为什么要写这篇文章 几年前 NoSQL 开始流行的时候，像其他团队一样，我们的团队也热衷于令人兴奋的新东西，并且计划替换一个应用程序的数据库。 但是，当深入实现细节时，我们想起了一位智者曾经说过的话：“细节决定成败”。最终我们意识到 NoSQL 不是解决所有问题的银弹，而 NoSQL vs RDMS 的答案是：“视情况而定”。 类似地，去年RxJava 和 Spring Reactor 这样的并发库加入了让人充满激情的语句，如异步非阻塞方法等。为了避免再犯同样的错误，我们尝试评估诸如 ExecutorService、 RxJava、Disruptor 和 Akka 这些并发框架彼此之间的差异，以及如何确定各自框架的正确用法。 本文中用到的术语在这里有更详细的描述。 2. 分析并发框架的示例用例 3. 快速更新线程配置 在开始比较并发框架的之前，让我们快速复习一下如何配置最佳线程数以提高并行任务的性能。 这个理论适用于所有框架，并且在所有框架中使用相同的线程配置来度量性能。 对于内存任务，线程的数量大约等于具有最佳性能的内核的数量，尽管它可以根据各自处理器中的超线程特性进行一些更改。 例如，在8核机器中

作者：唐尤华 https://dzone.com/articles/a-birds-eye-view-on-java-concurrency-frameworks-1 1. 为什么要写这篇文章 几年前 NoSQL 开始流行的时候，像其他团队一样，我们的团队也热衷于令人兴奋的新东西，并且计划替换一个应用程序的数据库。 但是，当深入实现细节时，我们想起了一位智者曾经说过的话：“细节决定成败”。最终我们意识到 NoSQL 不是解决所有问题的银弹，而 NoSQL vs RDMS 的答案是：“视情况而定”。 类似地，去年RxJava 和 Spring Reactor 这样的并发库加入了让人充满激情的语句，如异步非阻塞方法等。为了避免再犯同样的错误，我们尝试评估诸如 ExecutorService、 RxJava、Disruptor 和 Akka 这些并发框架彼此之间的差异，以及如何确定各自框架的正确用法。 本文中用到的术语在这里有更详细的描述。 2. 分析并发框架的示例用例 3. 快速更新线程配置 在开始比较并发框架的之前，让我们快速复习一下如何配置最佳线程数以提高并行任务的性能。 这个理论适用于所有框架，并且在所有框架中使用相同的线程配置来度量性能。 对于内存任务，线程的数量大约等于具有最佳性能的内核的数量，尽管它可以根据各自处理器中的超线程特性进行一些更改。 例如，在8核机器中