Pte_moon的博客

🔥 作为一名后端开发，今天跟大家聊聊MySQL中的MVCC（多版本并发控制）机制。它是InnoDB实现高并发的核心技术之一，通过巧妙的设计，让数据库能够在不加锁的情况下实现并发读写。

🔥 作为一名后端开发，今天跟大家分享一下登录接口中的"混合加密"实践。这个方案虽然不是所有场景都需要，但确实是一个非常巧妙的解决方案。

🔥 本文深入剖析一个真实的企业级SQL查询优化案例，探讨为什么简单的查询条件会导致性能下降几十倍，以及如何通过索引优化和逻辑重写来解决这个问题。这是SQL优化系列的实战篇，主要关注性能调优与实际应用。

Java并发编程：synchronized与ReentrantLock中断机制对比 本文深入分析了Java中两种常用锁机制在中断响应上的关键差异。通过代码示例说明，synchronized锁等待不响应中断，而ReentrantLock的lockInterruptibly()方法支持中断。这源于线程状态的本质区别：synchronized使线程进入BLOCKED状态（不响应中断），而ReentrantLock采用AQS机制，线程处于特殊的等待队列中（可响应中断）。文章还探讨了synchronized这样设计的

🔥 本文通过100W数据的实战测试，对比MySQL中DISTINCT与GROUP BY的去重性能差异。测试结果显示两者性能差异仅5%左右，但GROUP BY在后续数据聚合、统计分析等操作上具有显著优势。

🔥 本文深入剖析MySQL的存储结构，从数据库文件组织到InnoDB的行格式，帮助你全面理解MySQL的数据存储机制，提升数据库管理能力。

本文深入剖析MySQL执行SQL的完整生命周期，从连接器处理到存储引擎交互的7个关键步骤，包括连接管理、查询缓存机制(5.7与8.0差异)、解析器语法分析、预处理检查、优化器执行计划制定、执行引擎调度以及存储引擎数据访问策略。文章通过实际案例讲解索引下推等核心优化技术，帮助开发者全面理解MySQL工作原理，提供实用的SQL性能调优方法。适合数据库工程师、后端开发人员以及对数据库性能优化感兴趣的读者阅读，是面试MySQL必备知识点。

🔥 本文系统讲解Java并发编程核心类CompletableFuture，涵盖线程池配置策略、异步编程实践、异常处理机制等关键技术。通过电商订单系统与物流调度实战案例，深度解析：1）CompletableFuture链式操作与异步编排 2）多线程任务聚合与结果处理 3）生产级异常处理方案 4）组合操作与超时控制最佳实践。下篇将深入源码解析与高阶用法。

🔥 本文是Java事务系列的第二篇，深入讲解事务的隔离级别和传播机制。通过本文，你将彻底理解事务并发问题的本质，以及如何正确使用事务传播行为。

🔥 本文是Java事务系列的第一篇，深入讲解事务的本质。通过本系列，你将理解什么是事务，事务的ACID特性，以及分布式事务解决方案。

🔥 本文是限流算法系列的终篇，将带你深入了解分布式环境下的限流实现。从Redis到集群，从原理到实战，全方位掌握分布式限流技术。

🔥 本文是限流算法系列的下篇，将带你深入理解漏桶和令牌桶限流算法。从原理到代码实现，从单机到分布式，全方位掌握这两种高级限流技术。

🔥 本文是限流算法系列的上篇，将带你深入理解固定窗口和滑动窗口限流算法。从原理到代码实现，从单机到分布式，全方位掌握这两种限流技术。

🔥本文深入探讨Java并发工具类DelayQueue的实战应用场景与面试精讲。文章首先通过订单超时自动取消、限时优惠券管理和缓存过期清理三个典型业务场景，详细讲解DelayQueue的实际应用方案与代码实现。接着从性能优化角度，分析了队列容量设置、延时精度控制、内存优化等关键调优要点。最后总结了DelayQueue在面试中的高频考点，包含原理解析、实现细节、应用案例和性能调优等方面的真题精讲。无论是应对Java并发编程面试，还是解决实际项目中的延时任务处理需求，本文都能为你提供全面而实用的指导。

🔥 本文深入剖析Java并发包中的DelayQueue，从基本概念、核心特性到源码实现原理，全面解析这一延时任务处理利器。文章通过丰富的代码示例展示了DelayQueue在订单超时取消、缓存过期等场景的应用，并与Timer、ScheduledExecutorService等方案进行对比，帮助读者选择最适合的延时任务解决方案。同时深入分析了DelayQueue的底层实现机制，包括PriorityQueue、线程安全保障和leader-follower模式等核心设计。无论是Java并发编程初学者还是资深开

🔥 本文是ArrayDeque系列的下篇，重点介绍ArrayDeque的实战应用、性能优化和面试精讲。通过丰富的代码示例，详解如何在实际项目中正确使用ArrayDeque，包括替代Stack、实现消息队列、浏览器历史等经典场景。同时深入剖析性能调优技巧，揭示初始容量选择、扩容机制等关键细节，并总结常见踩坑点。文末收录多个高频面试题，助你轻松应对技术面试。

🔥 本文深入剖析Java集合框架中的ArrayDeque，从基础应用到源码分析，带你全面掌握这个重要的双端队列实现。本文是ArrayDeque系列的上篇，主要关注基础原理与源码实现，下篇将深入实战应用与面试重点。通过循环数组、位运算优化、自动扩容等核心技术，详解ArrayDeque如何成为双端队列的最佳选择。无论是替代Stack还是作为高性能队列，这篇文章都能帮你理解其中的关键原理。

🔥本文深入剖析Java集合框架中的TreeMap源码实现，从红黑树原理到面试重点，带你透彻理解TreeMap的底层机制。本文是TreeMap系列的下篇，主要关注源码分析与面试题解。

🔥 本文深入剖析Java集合框架中的TreeMap，从基础应用到实战案例，带你全面掌握这个重要的有序集合类。本文是TreeMap系列的上篇，主要关注基础用法与实战应用，下篇将深入源码与面试重点。

本文深入剖析Java中的优先队列PriorityQueue，从实战应用、性能优化到面试技巧，带你全面掌握这个重要的数据结构。文章通过丰富的代码示例讲解了任务调度系统的实现方法、使用优先队列时的常见陷阱及解决方案、性能优化技巧以及面试中的核心考点。无论你是初学者还是有经验的开发者，都能从本文找到提升编程能力的实用知识。作为PriorityQueue详解的下篇，本文侧重实战应用与进阶技巧，帮助你在实际项目中灵活运用优先队列解决各类问题。

本文深入剖析Java中的优先队列PriorityQueue，从堆的基本概念到源码实现原理，带你全面理解这个重要的数据结构。由于内容较多，分为上下两篇，本篇是上篇，主要讲解基础概念和源码分析。文章通过生动的比喻和详细的代码示例，帮助你掌握优先队列的核心原理和实现细节，为你的Java进阶之路添砖加瓦。

本文深入讲解了Java并发集合中的核心类ConcurrentHashMap，包括其设计原理、源码实现、性能优化和实战应用。从JDK7的分段锁到JDK8的CAS+synchronized实现，详细分析了其演进过程。文章还提供了丰富的代码示例和最佳实践，是面试必备的知识点。无论你是Java开发者还是面试求职者，这篇文章都值得收藏。

本文深入剖析了Java程序员最常用的HashMap数据结构。通过图解方式，详细讲解了HashMap的底层实现原理，包括哈希函数设计、红黑树优化、扩容机制等核心知识点。文章不仅介绍了JDK7到JDK8的重要升级，还总结了实际开发中的最佳实践和性能优化技巧。此外，还整理了面试中的高频考点，结合源码分析给出了详细解答。无论你是想深入理解HashMap原理，还是准备面试，这篇文章都值得细读。

ArrayList和LinkedList作为Java集合框架中最常用的两种List实现，在实际开发中经常被用到。本文深入对比ArrayList和LinkedList的底层实现原理、性能特点、内存模型、CPU缓存影响、实际应用场景以及面试重点。通过源码分析、性能测试和丰富的代码示例，帮助你掌握如何在项目中正确选择和使用这两种数据结构。文章同时提供了详细的性能优化建议，是Java开发者必读的技术文章。

当你还在纠结用for循环还是foreach时，函数式编程已经悄然改变了我们的代码方式。本文将带你重新认识集合遍历，从传统迭代器到现代Stream API，看似简单的遍历背后，蕴含着Java十多年来在编程范式上的思考与进化。

当你还在为HashMap的线程安全发愁时，ConcurrentHashMap早已为你开辟了康庄大道；当你疑惑为什么HashMap要在JDK8中引入红黑树时，TreeMap的优雅实现已经证明了它的价值。本文将带你深入Map家族的核心实现，从源码层面理解它们的演进、特性与性能优化，让你在日常开发中能够做出最佳的技术选择。

春风化雨润物无声，知识如泉静水流深。本文是Java集合系列的第二篇，将带您深入探索Collection家族的核心成员。从ArrayList的动态扩容到LinkedList的双向链表，从HashSet的哈希寻址到TreeSet的红黑树实现，从ArrayDeque的循环数组到PriorityQueue的堆排序，我们将逐一揭开这些集合类的神秘面纱。

文章为作者本人自己复习JVM的时候的一套记忆流程，希望能够帮助到需要的同学学习和复习JVM

在研发过程中，使用 Oracle 数据库时可能会遇到一些性能和兼容性的问题。以下是一些本人在工作期间曾遇到的关于Oracle的一些问题，希望可以帮助到有需要的同学们。在实际工作中，作者曾遇到过类似的复杂 SQL，在视图中进行了字段的范围查询，导致主查询通过 JOIN 操作连接这些视图时，视图中的数据过滤条件总是在执行笛卡尔积之后才生效，从而导致总体数据量特别大，严重影响查询性能。通过将视图中的范围查询改为 IN 或 = 进行值匹配，或者直接去掉视图并将视图那部分的 SQL 合并到主查询中，可以使过滤条件在早

一文带你速通Java基础，简单易吸收