nlog

ELK安装好后，我们现在.net Core中使用一下，大体思路就是结合NLog日志组件将数据写入ELK中，其它语言同理。 ELK的安装还是有些复杂的，我们也可以在Docker中安装ELK：docker run -it --rm -p 9200: 9200 -p 5601: 5601 -- name esk nshou/elasticsearch-kibana 这条命令执行完成后，我们就在本地运行了elasticsearch和Kibana，没有错误的话我们就可以通过localhost:5601直接访问Kibana界面了： 这里我们可以看到在一个容器里运行了多个程序，这样节省了资源，同样增加了管理的复杂性，不建议在生产环境中这样使用。 同样我们也可以通过localhost:9200访问elasticsearch，返回如下数据： 有了elasticsearch和kibana我们还需要logstash，我这里以阿里云上安装的logstash为例，首先进到目录下，我们需要新增一个nlog.conf配置文件： 内容如下： 这里使用最简单的配置（其实是复杂的配置我一时还没看懂。。。），这里我们指定监听端口8001，同时指定数据输出到elasticsearch中，下面是它的IP和端口。 添加完配置文件后在logstash文件夹下通过：bin/logstash -f nlog.conf 运行当前配置

什么是ELK ELK是三个开源软件的缩写，分别表示：Elasticsearch , Logstash, Kibana , 它们都是开源软件。新增了一个FileBeat，它是一个轻量级的日志收集处理工具(Agent)，Filebeat占用资源少，适合于在各个服务器上搜集日志后传输给Logstash，官方也推荐此工具。 Elasticsearch Elasticsearch是个开源分布式搜索引擎，提供搜集、分析、存储数据三大功能。它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制，restful风格接口，多数据源，自动搜索负载等。 Logstash Logstash 主要是用来日志的搜集、分析、过滤日志的工具，支持大量的数据获取方式。一般工作方式为c/s架构，client端安装在需要收集日志的主机上，server端负责将收到的各节点日志进行过滤、修改等操作在一并发往elasticsearch上去。 Kibana Kibana 也是一个开源和免费的工具，Kibana可以为 Logstash 和 ElasticSearch 提供的日志分析友好的 Web 界面，可以帮助汇总、分析和搜索重要数据日志。 如何使用ELK ELK环境快速搭建 这里推荐使用 docker-compose 一键搭建 地址： https://github.com/deviantony/docker-elk

数据结构和算法 基本概念 数据结构指存储数据的结构,算法指的是操作数据的方法.数据结构是算法是相辅相成的,算法需要作用到特定的数据结构. 常用数据结构 数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树 常用算法: 递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规 划、字符串匹配算法 算法复杂度分析 由于相同算法在不同测试环境,硬件设备上处理数据的效率并不相同,且不同算法的执行效率受数据规模的影响很大(如下图).所以在实际编码和进行算法优时就需要有一个理论分析方向作为指导.算法复杂度分析使用大O复杂度分析法. 时间复杂度 也叫时间渐进复杂度，并不表示准确的代码运行时间,而是表示代码执行时间随着数据规模增长的变化趋势,以下为维基百科关于时间复杂度的解释: 在 计算机科学 中， 算法 的 时间复杂度 （Time complexity）是一个 函数 ，它定性描述该算法的运行时间。这是一个代表算法输入值的 字符串 的长度的函数。时间复杂度常用 大O符号 表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是 渐近 的，亦即考察输入值大小趋近无穷时的情况。例如，如果一个算法对于任何大小为 n （必须比 n0 大）的输入，它至多需要 5 n 3 + 3 n 的时间运行完毕，那么它的渐近时间复杂度是 O( n 3). func