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。
标签： java
Spring 的骨骼架构
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：
图 1 .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.
Elasticsearch默认启动监听的是本地127.0.0.1端口，现需要把服务发布出来，供其他机器访问。修改Elasticsearch配置文件(config/elasticsearch.yml)：
network.host: 0.0.0.0
discovery.seed_hosts: ["0.0.0.0"]启动后报错，如图：
ERROR: [1] bootstrap checks failed
[1]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]Function
- Function作为一个函数式接口，主要方法apply接收一个参数，返回一个值
@FunctionalInterface
public interface Function<T, R> {
/**
* Applies this function to the given argument.
*
* @param t the function argument
* @return the function result
*/
R apply(T t);
}在函数式语言中，函数作为一等公民，可以在任何地方定义，在函数内或函数外，可以作为函数的参数和返回值，可以对函数进行组合。由于命令式编程语言也可以通过类似函数指针的方式来实现高阶函数，函数式的最主要的好处主要是不可变性带来的。没有可变的状态，函数就是引用透明（Referential transparency）的和没有副作用（No Side Effect）。
任何一种函数式语言中，都有map函数与faltMap这两个函数，比如python虽然不是纯函数式语言，也有这两个函数。再比如在jdk1.8之后，也加入了Lambda表达式，自然也支持map函数。