简介

docker简介 Docker

docker命令

1.拉镜像文件【默认是从docker hub】

	$ docker pull lonpo/ubuntu:ubuntu

*如果拉取镜像文件网络失败，可以去国内镜像拉去。如进入[DaoCloud](http://www.daocloud.io/)控制台,
如：

	$ docker pull daocloud.io/library/centos:7.2.1511

如图：

1.运行容器并进入 docker run -it [image]

	$ docker run -it lonpo/ubuntu:ubuntu

2.保存当前容器container为最新的images

** 列出当前正在运行container docker ps

$ docker ps
CONTAINER ID        IMAGE                 COMMAND             CREATED             STATUS              PORTS               NAMES
667cdc98bd61        lonpo/ubuntu:ubuntu   "/bin/bash"         22 minutes ago      Up 22 minutes       80/tcp              ecstatic_goodall
f8a65985fadc        lonpo/ubuntu:ubuntu   "/bin/bash"         52 minutes ago      Up 52 minutes       80/tcp              ecstatic_tesla
e9cfaa838f35        lonpo/ubuntu:ubuntu   "/bin/bash"         17 hours ago        Up 17 hours         80/tcp              admiring_almeida

• 保存最新的CONTAINER ID为之前Image

	$ docker commit 667cdc98bd61 lonpo/ubuntu:ubuntu

3.列出images列表

$ docker images
REPOSITORY          TAG                 IMAGE ID            CREATED             VIRTUAL SIZE
lonpo/ubuntu        ubuntu              2bdf1ee34eec        About an hour ago   818.8 MB
lonpo/ubuntu        nginx               72cdd523f710        20 hours ago        227.7 MB
ubuntu              14.04               c29e52d44f69        8 days ago          188 MB
ubuntu              latest              c29e52d44f69        8 days ago          188 MB
hello-world         latest              91c95931e552        10 months ago       910 B

一、需求缘起

几乎所有的业务系统，都有生成一个记录标识的需求，例如： （1）消息标识：message-id （2）订单标识：order-id （3）帖子标识：tiezi-id 这个记录标识往往就是数据库中的唯一主键，数据库上会建立聚集索引（cluster index），即在物理存储上以这个字段排序。

这个记录标识上的查询，往往又有分页或者排序的业务需求，例如： （1）拉取最新的一页消息：selectmessage-id/ order by time/ limit 100 （2）拉取最新的一页订单：selectorder-id/ order by time/ limit 100 （3）拉取最新的一页帖子：selecttiezi-id/ order by time/ limit 100 所以往往要有一个time字段，并且在time字段上建立普通索引（non-cluster index）。

我们都知道普通索引存储的是实际记录的指针，其访问效率会比聚集索引慢，如果记录标识在生成时能够基本按照时间有序，则可以省去这个time字段的索引查询： select message-id/ (order by message-id)/limit 100 再次强调，能这么做的前提是，message-id的生成基本是趋势时间递增的。

这就引出了记录标识生成（也就是上文提到的三个XXX-id）的两大核心需求： （1）全局唯一 （2）趋势有序 这也是本文要讨论的核心问题：如何高效生成趋势有序的全局唯一ID。

二、常见方法、不足与优化

【常见方法一：使用数据库的 auto_increment 来生成全局唯一递增ID】 优点： （1）简单，使用数据库已有的功能 （2）能够保证唯一性 （3）能够保证递增性 （4）步长固定 缺点： （1）可用性难以保证：数据库常见架构是一主多从+读写分离，生成自增ID是写请求，主库挂了就玩不转了 （2）扩展性差，性能有上限：因为写入是单点，数据库主库的写性能决定ID的生成性能上限，并且难以扩展 改进方法： （1）增加主库，避免写入单点 （2）数据水平切分，保证各主库生成的ID不重复

如上图所述，由1个写库变成3个写库，每个写库设置不同的auto_increment初始值，以及相同的增长步长，以保证每个数据库生成的ID是不同的（上图中库0生成0,3,6,9…，库1生成1,4,7,10，库2生成2,5,8,11…） 改进后的架构保证了可用性，但缺点是： （1）丧失了ID生成的“绝对递增性”：先访问库0生成0,3，再访问库1生成1，可能导致在非常短的时间内，ID生成不是绝对递增的（这个问题不大，我们的目标是趋势递增，不是绝对递增） （2）数据库的写压力依然很大，每次生成ID都要访问数据库 为了解决上述两个问题，引出了第二个常见的方案

【常见方法二：单点批量ID生成服务】

分布式系统之所以难，很重要的原因之一是“没有一个全局时钟，难以保证绝对的时序”，要想保证绝对的时序，还是只能使用单点服务，用本地时钟保证“绝对时序”。数据库写压力大，是因为每次生成ID都访问了数据库，可以使用批量的方式降低数据库写压力。

如上图所述，数据库使用双master保证可用性，数据库中只存储当前ID的最大值，例如0。ID生成服务假设每次批量拉取6个ID，服务访问数据库，将当前ID的最大值修改为5，这样应用访问ID生成服务索要ID，ID生成服务不需要每次访问数据库，就能依次派发0,1,2,3,4,5这些ID了，当ID发完后，再将ID的最大值修改为11，就能再次派发6,7,8,9,10,11这些ID了，于是数据库的压力就降低到原来的1/6了。 优点： （1）保证了ID生成的绝对递增有序 （2）大大的降低了数据库的压力，ID生成可以做到每秒生成几万几十万个 缺点： （1）服务仍然是单点 （2）如果服务挂了，服务重启起来之后，继续生成ID可能会不连续，中间出现空洞（服务内存是保存着0,1,2,3,4,5，数据库中max-id是5，分配到3时，服务重启了，下次会从6开始分配，4和5就成了空洞，不过这个问题也不大） （3）虽然每秒可以生成几万几十万个ID，但毕竟还是有性能上限，无法进行水平扩展 改进方法： 单点服务的常用高可用优化方案是“备用服务”，也叫“影子服务”，所以我们能用以下方法优化上述缺点（1）：

如上图，对外提供的服务是主服务，有一个影子服务时刻处于备用状态，当主服务挂了的时候影子服务顶上。这个切换的过程对调用方是透明的，可以自动完成，常用的技术是vip+keepalived，具体就不在这里展开。

【常见方法三：uuid】

上述方案来生成ID，虽然性能大增，但由于是单点系统，总还是存在性能上限的。同时，上述两种方案，不管是数据库还是服务来生成ID，业务方Application都需要进行一次远程调用，比较耗时。有没有一种本地生成ID的方法，即高性能，又时延低呢？ uuid是一种常见的方案：string ID =GenUUID(); 优点： （1）本地生成ID，不需要进行远程调用，时延低 （2）扩展性好，基本可以认为没有性能上限 缺点： （1）无法保证趋势递增 （2）uuid过长，往往用字符串表示，作为主键建立索引查询效率低，常见优化方案为“转化为两个uint64整数存储”或者“折半存储”（折半后不能保证唯一性）

【常见方法四：取当前毫秒数】

uuid是一个本地算法，生成性能高，但无法保证趋势递增，且作为字符串ID检索效率低，有没有一种能保证递增的本地算法呢？ 取当前毫秒数是一种常见方案：uint64 ID = GenTimeMS(); 优点： （1）本地生成ID，不需要进行远程调用，时延低 （2）生成的ID趋势递增 （3）生成的ID是整数，建立索引后查询效率高 缺点： （1）如果并发量超过1000，会生成重复的ID 我去，这个缺点要了命了，不能保证ID的唯一性。当然，使用微秒可以降低冲突概率，但每秒最多只能生成1000000个ID，再多的话就一定会冲突了，所以使用微秒并不从根本上解决问题。

【常见方法五：类snowflake算法】

snowflake是twitter开源的分布式ID生成算法，其核心思想是：一个long型的ID，使用其中41bit作为毫秒数，10bit作为机器编号，12bit作为毫秒内序列号。这个算法单机每秒内理论上最多可以生成1000(2^12)，也就是400W的ID，完全能满足业务的需求。 借鉴snowflake的思想，结合各公司的业务逻辑和并发量，可以实现自己的分布式ID生成算法。 举例，假设某公司ID生成器服务的需求如下： （1）单机高峰并发量小于1W，预计未来5年单机高峰并发量小于10W （2）有2个机房，预计未来5年机房数量小于4个 （3）每个机房机器数小于100台 （4）目前有5个业务线有ID生成需求，预计未来业务线数量小于10个 （5）… 分析过程如下： （1）高位取从2016年1月1日到现在的毫秒数（假设系统ID生成器服务在这个时间之后上线），假设系统至少运行10年，那至少需要10年365天24小时3600秒1000毫秒=32010^9，差不多预留39bit给毫秒数 （2）每秒的单机高峰并发量小于10W，即平均每毫秒的单机高峰并发量小于100，差不多预留7bit给每毫秒内序列号 （3）5年内机房数小于4个，预留2bit给机房标识 （4）每个机房小于100台机器，预留7bit给每个机房内的服务器标识 （5）业务线小于10个，预留4bit给业务线标识

这样设计的64bit标识，可以保证： （1）每个业务线、每个机房、每个机器生成的ID都是不同的 （2）同一个机器，每个毫秒内生成的ID都是不同的 （3）同一个机器，同一个毫秒内，以序列号区区分保证生成的ID是不同的 （4）将毫秒数放在最高位，保证生成的ID是趋势递增的 缺点： （1）由于“没有一个全局时钟”，每台服务器分配的ID是绝对递增的，但从全局看，生成的ID只是趋势递增的（有些服务器的时间早，有些服务器的时间晚） 最后一个容易忽略的问题： 生成的ID，例如message-id/ order-id/ tiezi-id，在数据量大时往往需要分库分表，这些ID经常作为取模分库分表的依据，为了分库分表后数据均匀，ID生成往往有“取模随机性”的需求，所以我们通常把每秒内的序列号放在ID的最末位，保证生成的ID是随机的。 又如果，我们在跨毫秒时，序列号总是归0，会使得序列号为0的ID比较多，导致生成的ID取模后不均匀。解决方法是，序列号不是每次都归0，而是归一个0到9的随机数，这个地方。

分布式全局唯一ID解决方案

网友回答

全局id生成器。 我们日订单也有一万，说多不多说少不少，当然比起贴吧微博不在一个量级。改天介绍一下

1 设置主键自增为何不可取 这样的话，数据库本身是单点，不可拆库，因为id会重复。

2 依赖数据库自增机制达到全局ID唯一 使用如下语句： REPLACE INTO Tickets64 (stub) VALUES (‘a’); SELECT LAST_INSERT_ID(); 这样可以保证全局ID唯一，但这个Tickets64表依旧是个单点。

3 依赖数据库自增机制达到全局ID唯一并消除单点 在2的基础上，部署两个（多个）数据库实例， 设置自增步长为2（多个则为实例数），即auto-increment-increment = 2 设置auto-increment-offset分别为1,2….. 这样第一台数据库服务器的自增id为 1 3 5 7 9 第二台为2 4 6 8 10

4 解决每次请求全局ID都读库写库压力过大的问题 比如第一次启动业务服务，会请求一个唯一id为3559 如果是2、3的方法，则id为3559，这样每次都请求数据库，对数据库压力比较大 可以用3559 * 65536（举个例子，并不一定是65536）+ 内存自增变量来作为id 当内存自增变量到达65535时，从数据库重新获取一个自增id 这样即使有多台业务服务器，id也不会重复： 第一台 3559 * 65536 + 1,2,3…..65535 第二台 3560 * 65536 + 1,2,3…..65535 然后第一台到65535了，换一个数据库自增id，这时候可能是3561 * 65536 + 1,2,3….

JVM内存主要组成

1. 方法区 Method Area

2.虚拟机栈 VM Stack

3.本地方法栈 Native Method Stack

4.堆Heap

	堆空间=新生代[eden+from_survivor+to_survivor]+tenured老年代+perm永久代

5.程序计数器 Program Counter Register

6.运行时常量池

7.直接内存

垃圾收集算法

1.复制算法

新生代默认垃圾收集算法：新生代堆分为eden+from_survivor+to_survivor, survivor比例=8

当发生GC时，
1.将存活对象复制到to_survivor，然后存活对象大于[to_survivor]/2，则直接移动到老年代；
2.将存活对象复制到to_survivor，如果to_survivor空间不够且老年代的可用空间大于存活对象的大小，就把存活对象复制到老年代;
3.将存活对象复制到to_survivor, 如果to_survivor空间不够且老年代的可用空间小于存活对象的大小，则不移动新生代对象，直接将需要分配的内存对象分配到老年代；

2.标记-整理(Mark-compact)算法

老年代默认牢记收集算法：标记可回收的对象和存活对象，然后让存活对象全部都向一端移动，然后直接清除掉端边界以外的内存。

3.标记-清除(Mark-Sweep)算法

标记可回收对象和存活对象，然后直接清除可回收对象，这样可能会导致内存不连续。

Timer是设置计划任务，在某一个时间点开始执行某一个任务。但封装的类却是TimerTask类，执行执行任务的代码是放在TimerTask类里。

Timer调用图关系

java多线程编程之三（sleep和wait、notify、notifyAll区别）

wait

导致当前的线程等待，直到其他线程调用此对象的 notify方法或 notifyAll 方法。当前的线程必须拥有此对象监视器。该线程发布对此监视器的所有权并等待，直到其他线程通过调用 notify 方法，或 notifyAll 方法通知在此对象的监视器上等待的线程醒来。然后该线程将等到重新获得对监视器的所有权后才能继续执行，

sleep

在指定的毫秒数内让当前正在执行的线程休眠（暂停执行）。该线程不丢失任何监视器的所属权。

wait与sleep

• Wait是Object类的方法，范围是使该Object实例所处的线程。

• Sleep()是Thread类专属的静态方法，针对一个特定的线程。

• Wait方法使实体所处线程暂停执行，从而使对象进入等待状态，直到被notify方法通知或者wait的等待的时间到。Sleep方法使持有的线程暂停运行，从而使线程进入休眠状态，直到用interrupt方法来打断他的休眠或者sleep的休眠的时间到。Wait方法进入等待状态时会释放同步锁(如上例中的lock对象)，而Sleep方法不会释放同步锁。所以，当一个线程无限Sleep时又没有任何人去interrupt它的时候，程序就产生大麻烦了notify是用来通知线程，但在notify之前线程是需要获得lock的。另个意思就是必须写在synchronized(lockobj) {…}之中。wait也是这个样子，一个线程需要释放某个lock，也是在其获得lock情况下才能够释放，所以wait也需要放在synchronized(lockobj) {…}之中。

注意死锁

代码Calculator如下：

package thread.wait;

// 计算线程
public class Calculator extends Thread {
  int total;

  public void run() {
    synchronized (this) {
      for (int i = 0; i < 2; i++) {
        total += i;
      }
      // 通知所有在此对象上等待的线程
      //notifyAll();
      notify();
    }
    System.out.println("Calculator notifyAll begin");


  }
}

代码ReaderResult如下：

package thread.wait;

// 获取计算结果并输出
public class ReaderResult extends Thread {
  Calculator c;

  public ReaderResult(Calculator c) {
    this.c = c;
  }

  public void run() {
    try{
      Thread.sleep(c.total*1000);
    }catch(Exception e){
      e.printStackTrace();
    }
    synchronized (c) {
      try {
        System.out.println(Thread.currentThread() + "等待计算结果。。。");
        c.wait();
      } catch (InterruptedException e) {
        e.printStackTrace();
      }
      System.out.println(Thread.currentThread() + "计算结果为：" + c.total);
    }
  }

  public static void main(String[] args) {
    Calculator calculator = new Calculator();
    // 启动50个线程，分别获取计算结果
    for (int i = 0; i < 50; i++) {
      ReaderResult reader = new ReaderResult(calculator);
      reader.setName("readerResult" + i);
      reader.start();
      
      //new ReaderResult(calculator).start();
      
    }
    // 启动计算线程
    calculator.start();
  }
}

	此线程会出现死锁情况

解析： 1. 因为所有线程都是异步的，有可能当calculator计算完毕,调用notifyAll()方法唤醒所有此对象c监视器上等待的线程的之后，而ReaderResult里面的有些线程才开始刚刚wait，这样程序就永远可能终止不了的情况。

• 参看之前的线程系列文章：

我的博客