在项目中集成ShardingJDBC，启动报错：ConnectionCallback; isValid; nested exception is java.sql.SQLFeatureNotSupportedException: isValid
该项目是新做的，使用较新版本的Spring Boot 2.3，数据库连接词用Hikari。
用Sharding-JDBC蛮久了，之前一直是与DBCP2或Druid，没出过什么问题。这次集成Hikari，系统虽然报错但也能正常启动，仔细看源码，问题应该出在键康检查。
有时候在java代码中会调用一些外部程序，比如SwfTools来转换swf、ffmpeg来转换视频等。如果你的代码这样写：
Runtime.getRuntime().exec(command)，会发现程序一下就执行完毕，而在命令行里要执行一会，是因为java没有等待外部程序的执行完毕，此时就需要使用阻塞，来等待外部程序执行结果：
InputStream stderr = process.getInputStream();
InputStreamReader isr = new InputStreamReader(stderr, "GBK");
BufferedReader br = new BufferedReader(isr);
String line = null;
while ((line = br.readLine()) != null)
System.out.println(line);
int exitValue = process.waitFor();对于一般的外部程序使用上面的阻塞代码就可以，至少pdf2swf.exe是没有问题的。
但是紧接着又发现对于ffmpeg来说，以上代码会让程序卡住不动，需要使用另一种方式，封装成了一个方法，如下：
家里找电信开通了动态公网地址，每天IP会变一次。我的域名是在阿里云申请的，路由器只支持花生壳和公云的DDNS设置，每天手动变更一次域名指向麻烦，利用阿里云的API，写了一个动态更新的小工具。
首先在阿里云后台申请创建AccessKey：
从今年初接触Sharding JDBC 4.0到现在，近一年了，用来做日志和消息分表一直运行，没什么大的问题。前些天生产新上了一个服务，是因为Sharding JDBC把select for update语句解析为查询，在从库中执行，因为从库是只读权限所以报错。
之前没在测试环境发现这个问题，是因为测试环境数据库没有主从。想起当时刚接触Sharding JDBC写的Demo，于是整理一番，重新拉分支，并完善整个流程，模拟真实场景。
Spring 总共有十几个组件，但是真正核心的组件只有几个，下面是 Spring 框架的总体架构图：
从上图中可以看出 Spring 框架中的核心组件只有三个：Core、Context 和 Beans。它们构建起了整个 Spring 的骨骼架构。没有它们就不可能有 AOP、Web 等上层的特性功能。下面也将主要从这三个组件入手分析 Spring。
使用Spring Data Elasticsearch查询Elasticsearch数据计数
NativeSearchQueryBuilder searchQueryBuilder1 = new NativeSearchQueryBuilder()
.withIndices(BURY_POINT_DURATION)
.withQuery(boolQueryBuilder)
.withFields("eventId", "eventType", "eventName");
SearchQuery searchQuery1 = searchQueryBuilder1.build();
Long clickTotalCount = elasticsearchRestTemplate.count(searchQuery1);执行错误：Handler dispatch failed; nested exception is java.lang.NoSuchMethodError: org.elasticsearch.search.SearchHits.getTotalHits()J
当我们在使用Flink的时候，避免不了要和时间(time)、水位线(watermarks)打交道，理解这些概念是开发分布式流处理应用的基础。那么Flink支持哪些时间语义？Flink是如何处理乱序事件的？什么是水位线？水位线是如何生成的？水位线的传播方式是什么？让我们带着这些问题来开始本文的内容。
一般情况，实现全局唯一ID，有三种方案，分别是通过中间件方式、UUID、雪花算法。
方案一，通过中间件方式，可以是把数据库或者redis缓存作为媒介，从中间件获取ID。这种呢，优点是可以体现全局的递增趋势（优点只能想到这个），缺点呢，倒是一大堆，比如，依赖中间件，假如中间件挂了，就不能提供服务了；依赖中间件的写入和事务，会影响效率；数据量大了的话，你还得考虑部署集群，考虑走代理。这样的话，感觉问题复杂化了
方案二，通过UUID的方式，java.util.UUID就提供了获取UUID的方法，使用UUID来实现全局唯一ID，优点是操作简单，也能实现全局唯一的效果，缺点呢，就是不能体现全局视野的递增趋势；太长了，UUID是32位，有点浪费；最重要的，是插入的效率低，因为呢，我们使用mysql的话，一般都是B+tree的结构来存储索引，假如是数据库自带的那种主键自增，节点满了，会裂变出新的节点，新节点满了，再去裂变新的节点，这样利用率和效率都很高。而UUID是无序的，会造成中间节点的分裂，也会造成不饱和的节点，插入的效率自然就比较低下了。
方案三，基于redis生成全局id策略，因为Redis是单线的天生保证原子性，可以使用原子性操作INCR和INCRBY来实现，注意在Redis集群情况下，同MySQL一样需要设置不同的增长步长，同时key一定要设置有效期，可以使用Redis集群来获取更高的吞吐量
方案四，通过snowflake算法如下：
SnowFlake算法生成id的结果是一个64bit大小的整数，它的结构如下图：
Spring Data Redis 的 RedisTemplate 对 Redis 进行了封装。在对某值调用increment()方法时报错：
redis ERR value is not an integer or out of range
redisTemplate.opsForValue().increment(key);
大家都知道redis序列化是将key，value值先转换为流的形式，再存储到redis中。
RedisTemplate是使用的JdkSerializationRedisSerializer序列化，序列化后的值包含了对象信息，版本号，类信息等，是一串字符串，所以无法进行数值自增操作。
而StringRedisTemplate序列化策略是字符串的值直接转为字节数组，所以存储到redis中是数值，所以可以进行自增操作。
用Java把Flink结果数据下沉到Elasticsearch，执行时执出ElasticsearchSinkFunction is not serializable异常：
The implementation of the provided ElasticsearchSinkFunction is not serializable. The object probably contains or references non-serializable fields.
