来来去去Chalte Chalte

这一季已经是纯粹的主线故事了，所有前面的案子发展都是为了最后的结局服务的，最终所有河流汇聚到了同一个湖泊。太喜欢毛骗的拍摄手法了，同一个故事反转前和反转后的差别只是几句话和几个多的动作，小宝对人性的洞悉感觉已经到了出神入化的地步，蛮佩服的。感觉耿晓辉的演员也很厉害，这个角色从一开始到最后真的有挺大的变化的，演员本人的功力吗？

感觉落雨，花牌，和歌都是那种需要了解一些日本文化才能够看进去的至今为止我都没有太明白落语和国内的相声有什么相似之处，所以。不知道什么地方算是精彩，什么地方算是努力。当然这个剧目让年轻的孩子参与到传统文化中去，一方面后继有人，一方面应该也有更多的火花碰撞出。可是日本传统社会对于传统技艺应该是非常固守。传统内容的吧

几个小时的观看，了解了杭州的前世今生，编剧娓娓道来，在历史中，在生活中，在思想中，描绘了一副杭州自画像。

全文精读-总结 为什么要做中台？ 传统的系统架构是烟囱式的，有以下弊端： 1、重复建设 2、企业数据被分散在各个子系统中，系统之间的交互和集成成本高 3、不利于业务的沉淀和持续发展 为什么ESB不行？ 1、ESB是中心化架构，有单点问题，容易形成性能瓶颈 2、ESB重集成，重稳定，不利于进行业务沉淀与运营 为什么采用共享服务架构： 1、将相关业务的数据和服务能力在统一收拢，支撑所有前台业务的快速迭代 2、有利于业务的沉淀，培养既精通业务，又熟悉技术的复合型人才，同时基于海量数据，进行业务深度运营和创新 共享服务架构 提供什么能力？ 1、服务能力（B端C端、内部外部客户），主要支撑在线业务 2、数据能力（大数据离线实时接口），主要支撑业务运营、微服务运维架构 引入服务中心 1、根据业务和数据的完整性和独立性划分，比如用户中心、商品中心、交易中心等 2、务实原则，不做理想化和太超前的架构设计，尤其不要拆分太细，会造成延时过长、分布式事务过多等性能问题 服务化框架的选择？ 微服务HSF 数据库能力的扩展 1、通过服务中心，天然做了一次业务领域的垂直数据分区 2、读写分离、分库分表（异构索引表降低全表扫描频率，82法则，20%的频繁查询业务做异构索引，其他情况忍受全表扫描，降低系统复杂度） 3、不同的数据访问模式采取不同的数据库类型： 定位少量记录用关系型数据库 实时海量数据定位或者聚合计算用分布式列式存储hbase 结构化数据模型访问redis scheme扩展mongodb 离线计算hadoop 流式计算flink 系统间实时数据交互用消息队列 复杂条件实时查询采用搜索引擎 异构索引表：比如基本表用订单id做分区，可以增加一个以用户id为分区的异构索引表，避免用户维度数据查询时的全表扫描；可以类比为关系型数据库中的非聚集索引；精卫是一个MySQL的数据触发器+分发管道，可以用来构建异构索引表 分布式理论 zk属于CP，当master挂掉后，会停止服务，等重新选举结束后，才能提供服务。 实际系统中的共识系统，一般都通过维护一个单点，实现全序广播，进而实现共识；同时通过两次投票（一次选出master，一次对master发起的提议进行表决）实现共识，两次投票都必须超过半数参与者，保证两次投票至少存在一个重叠的节点，该节点的存在证明，是最近一次选出的master发起了提议，并且被大家投票通过 BASE理论=基本可用+柔性状态+最终一致，允许不同节点间副本同步的延时就是柔性状态的体现，比如MySQL Replication的异步复制 分布式事务 1、2PC，两阶段过程中，资源处于锁定状态，无法支持高并发 2、柔性事务 日志方式：通过日志进行解耦，减少资源锁定时间，在互联网业界采用日志方式实现柔性事务的比例非常大，但并没有如XA这样的技术标准和规范，实现非常的粗糙，只是简单的采用数据库进行了分布式事务过程中的状态记录，对于事务中异常处理和补偿回滚支持是明显不够的，并不能完全意义上的满足业务的最终一致性，而且一旦出现问题，所投入的人力维护成本也非常高 基于事务消息 a、本质上是通过消息，将事务解耦，减少资源锁定时间 b、在MQ发送方（即整个分布式事务的发起方）执行第一个本地事务前，会向MQ服务端发送一条事务消息（事务消息功能是阿里MQ平台特有的一个功能特性），事务消息在MQ的服务端处于一个特殊的状态，等待被rollback或者commit c、在采用消息服务实现分布式事务的场景如果出现异常时，一般会采用正向补偿的方式，会通过消息的不断