置要将全部实例重启，不仅增加了系统的不稳定性，也提高了维护的成本。 那么如何能够做到服务不重启就可以修改配置？所有就产生了四个基础诉求：  需要支持动态修改配置  需要动态变更有多实时  变更快了之后如何管控控制变更风险，如灰度、回滚等  敏感配置如何做安全配置 Nacos 架构 < 22 概念介绍 配置(Configuration) 在系统开发过程中通常会将⼀些需要变更的参数、变量等从代码中分离出来独立管理，以独立的配 的设计中，用户扩展是比较审慎的。因为用户扩展 代码的引入，可能会影响原有 Server 服务的可用性，同时如果出问题，排查的难度也是比较大的。 设计良好的 SPI 是可能的，但是由此带来的稳定性和运维的风险是需要仔细考虑的。在开源软件中， 往往通过直接贡献代码的方式来实现用户扩展，好的扩展会被很多人不停的更新和维护，这也是⼀ 种比较好的开发模式。Zookeeper 和 Eureka 目前 Server 对失败设计，沉淀了非常多的经验。 全局高可用 Nacos 部署架构上是单 Region 封闭，Region 间独立，跨 Region 通过网关或者 Nacos-sync 完 成服务互通。从而降低 Region 间网络故障风险。 当然用户也可以跨 Region 组 Nacos 集群，但是这样会带来服务跨 Region 互调，真正发生网络 故障的时候，无法控制业务影响。 因此不推荐此模式。 101 > Nacos 架构

用数组或链表实现，那么通常比哈希表更快。这是因为哈希函数计算需要开销，时间复杂度的 常数项更大。 最后，哈希表的时间复杂度可能发生劣化。例如在链式地址中，我们采取在链表或红黑树中执 行查找操作，仍然有退化至 ?(?) 时间的风险。 6. 散列表 hello‑algo.com 111 � 多次哈希有不能直接删除元素的缺陷吗？对于标记已删除的空间，这个空间还能再次使用吗？ 多次哈希是开放寻址的一种，开放寻址法都有不能直接删除元素的缺陷，需要通过标记删除。 适合对查询性能要求很高的场景，平均时间复杂度为 ?(1) 。 ‧ 不适合需要有序数据或范围查找的场景，因为哈希表无法维护数据的有序性。 ‧ 对哈希函数和哈希冲突处理策略的依赖性较高，具有较大的性能劣化风险。 ‧ 不适合数据量过大的情况，因为哈希表需要额外空间来最大程度地减少冲突，从而提供良好的查询性 能。 树查找 ‧ 适用于海量数据，因为树节点在内存中是离散存储的。 ‧ 适合需要维护有序数据或范围查找的场景。

现，那么通常比哈希表更快。这是因为哈希函数计算需要开销，时间复杂度的常数项更大。 最后，哈希表的时间复杂度可能发生劣化。例如在链式地址中，我们采取在链表或红黑树中执行查找操作， 仍然有退化至 ?(?) 时间的风险。 Q：多次哈希有不能直接删除元素的缺陷吗？标记为已删除的空间还能再次使用吗？ 多次哈希是开放寻址的一种，开放寻址法都有不能直接删除元素的缺陷，需要通过标记删除。标记为已删除 的空间可以再次使 适合对查询性能要求很高的场景，平均时间复杂度为 ?(1) 。 ‧ 不适合需要有序数据或范围查找的场景，因为哈希表无法维护数据的有序性。 ‧ 对哈希函数和哈希冲突处理策略的依赖性较高，具有较大的性能劣化风险。 ‧ 不适合数据量过大的情况，因为哈希表需要额外空间来最大程度地减少冲突，从而提供良好的查询性 能。 树查找 ‧ 适用于海量数据，因为树节点在内存中是分散存储的。 ‧ 适合需要维护有序数据或范围查找的场景。

用数组或链表实现，那么通常比哈希表更快。这是因为哈希函数计算需要开销，时间复杂度的 常数项更大。 最后，哈希表的时间复杂度可能发生劣化。例如在链式地址中，我们采取在链表或红黑树中执 行查找操作，仍然有退化至 ?(?) 时间的风险。 第 6 章 哈希表 hello‑algo.com 129 � 多次哈希有不能直接删除元素的缺陷吗？对于标记已删除的空间，这个空间还能再次使用吗？ 多次哈希是开放寻址的一种，开放寻址法都有 适合对查询性能要求很高的场景，平均时间复杂度为 ?(1) 。 ‧ 不适合需要有序数据或范围查找的场景，因为哈希表无法维护数据的有序性。 ‧ 对哈希函数和哈希冲突处理策略的依赖性较高，具有较大的性能劣化风险。 ‧ 不适合数据量过大的情况，因为哈希表需要额外空间来最大程度地减少冲突，从而提供良好的查询性 能。 树查找 ‧ 适用于海量数据，因为树节点在内存中是离散存储的。 ‧ 适合需要维护有序数据或范围查找的场景。

现，那么通常比哈希表更快。这是因为哈希函数计算需要开销，时间复杂度的常数项更大。 最后，哈希表的时间复杂度可能发生劣化。例如在链式地址中，我们采取在链表或红黑树中执行查找操作， 仍然有退化至 ?(?) 时间的风险。 Q：多次哈希有不能直接删除元素的缺陷吗？标记为已删除的空间还能再次使用吗？ 多次哈希是开放寻址的一种，开放寻址法都有不能直接删除元素的缺陷，需要通过标记删除。标记为已删除 的空间可以再次使 适合对查询性能要求很高的场景，平均时间复杂度为 ?(1) 。 ‧ 不适合需要有序数据或范围查找的场景，因为哈希表无法维护数据的有序性。 ‧ 对哈希函数和哈希冲突处理策略的依赖性较高，具有较大的性能劣化风险。 ‧ 不适合数据量过大的情况，因为哈希表需要额外空间来最大程度地减少冲突，从而提供良好的查询性 能。 树查找 ‧ 适用于海量数据，因为树节点在内存中是分散存储的。 ‧ 适合需要维护有序数据或范围查找的场景。

现，那么通常比哈希表更快。这是因为哈希函数计算需要开销，时间复杂度的常数项更大。 最后，哈希表的时间复杂度可能发生劣化。例如在链式地址中，我们采取在链表或红黑树中执行查找操作， 仍然有退化至 ?(?) 时间的风险。 Q：多次哈希有不能直接删除元素的缺陷吗？标记为已删除的空间还能再次使用吗？ 多次哈希是开放寻址的一种，开放寻址法都有不能直接删除元素的缺陷，需要通过标记删除。标记为已删除 的空间可以再次使 适合对查询性能要求很高的场景，平均时间复杂度为 ?(1) 。 ‧ 不适合需要有序数据或范围查找的场景，因为哈希表无法维护数据的有序性。 ‧ 对哈希函数和哈希冲突处理策略的依赖性较高，具有较大的性能劣化风险。 ‧ 不适合数据量过大的情况，因为哈希表需要额外空间来最大程度地减少冲突，从而提供良好的查询性 能。 树查找 ‧ 适用于海量数据，因为树节点在内存中是分散存储的。 ‧ 适合需要维护有序数据或范围查找的场景。