的路由问题，解决用户环境与 Nacos 物理环境 映射问题。  CMDB：解决元数据存储，与三方 CMDB 系统对接问题，解决应用，人，资源关系。  Metrics：暴露标准 Metrics 数据，方便与三方监控系统打通。  Trace：暴露标准 Trace，方便与 SLA 系统打通，日志白平化，推送轨迹等能力，并且可以和计 量计费系统打通。  接入管理：相当于阿里云开通服务，分配身份、容量、权限过程。 五、基于长链接的⼀致性模型 1. 配置⼀致性模型 sdk-server ⼀致性 53 > Nacos 架构 server 间⼀致性 Server 间同步消息接收处理轻量级实现，重试失败时，监控告警。 断网：断网太久，重试任务队列爆满时，无剔除策略。 2. 服务⼀致性模型 Nacos 架构 < 54 sdk-server 间⼀致性 server 间⼀致性 55 > Nacos 架构 宣布停止开发，Eureka 在针对用户使用上的 优化后续应该不会再有比较大的投入，而 Nacos 目前依然在建设中，除了目前支持的易用性特性 以外，后续还会继续增强控制台的能力，增加控制台登录和权限的管控，监控体系和 Metrics 的暴 露，持续通过官网等渠道完善使用文档，多语言 SDK 的开发等。 从社区活跃度的角度来看，目前由于 Zookeeper 和 Eureka 的存量用户较多，很多教程以及问题

符合横切关注点的所有功能都可以放入拦截器实现。 O 常见应用场景 日志记录 记录请求信息的日志，以便进行信息监控、信息统 计、计算 PV 等。 权限检查 如登录检测，进入处理器检测是否登录，如果没有 直接返回到登录页面。 性能监控 通过拦截器在进入处理器之前记录开始时间，在处 理完后记录结束时间，从而得到该请求的处理时间， 以监控请求处理行为。 通用行为 只要是多个请求处理器都需要的即可使用拦截器实 现。如，读取 监听器 拦截器接口方法说明 preHandle 预处理回调方法。 postHandle 后处理回调方法。 afterCompletion 整个请求处理完毕回调方法。在视图渲染完毕时 回调，如性能监控中我们可以在此记录结束时间并 输出消耗时间，还可以进行一些资源清理，类似于 try-catch-finally 中的 finally，但仅调用处理器执行链 中 preHandle 返回 true 的拦截器的

达到 2s 以上。
第一反应，怎么可能，这个应用很简单，就提供了几个查询接口，QPS 单机也就 10 左右，居然响应 间 2s 以上，这不科学。

看监控

看监控平台，有问题的机器，cpu 占用很高，这。。。更不科学了。理论上，这应用 cpu 能到 1 就不错了，现在居然 80%，吓得我赶紧跑到机器上，top 了一把，确实是 java 应用占用

监听器概述 Java EE 监听器类型 ServletContext 对象监听器 ServletContext 对象属性监听器 本节习题 ServletContext 对象属性监听器 O 需要被监控的属性变化 Servlet 作为 Web 应用级共享容器，可以使用如下操作 ServletContext 属性的方法进行共享数据的保存、读取和删除： ▶ public void setAttribute(String 大纲 监听器概述 Java EE 监听器类型 ServletContext 对象监听器 ServletContext 对象属性监听器 本节习题 ServletContext 对象属性监听器 为监控 ServletContext 对象属性的变化，Servlet API 提供了监 听器接口javax.servlet.ServletContextAttributeListener和 事件类javax

注意 监听器的配置不需要映射地址，也无需初始化参数，只需要监听器的包和类名即 可。 22.4 ServletContext 对象属性监听器 ServletContext 对象属性监听器用于监控 Web 应用上下文对象属性的变化。Servlet 作为 Web 应用级共享容器，可以使用如下操作 ServletContext 属性的方法进行共享数 据的保存、读取和删除： • public value); • public Object getAttribute(String name); • public void removeAttribute(String name); 为监控 ServletContext 对象属性的变化，Java EE Servlet API 提供了监听器接口 javax.servlet.ServletContextAttributeListener

效率评估方法 实际测试 假设我们现在有算法 A 和 算法 B ，都能够解决同一问题，现在需要对比两个算法之间的效率。我们能够想到 的最直接的方式，就是找一台计算机，把两个算法都完整跑一遍，并监控记录运行时间和内存占用情况。这种 评估方式能够反映真实情况，但是也存在很大的硬伤。 难以排除测试环境的干扰因素。硬件配置会影响到算法的性能表现。例如，在某台计算机中，算法 A 比算法 B 运行时

效率评估方法 实际测试 假设我们现在有算法 A 和 算法 B ，都能够解决同一问题，现在需要对比两个算法之间的效率。我们能够想到 的最直接的方式，就是找一台计算机，把两个算法都完整跑一遍，并监控记录运行时间和内存占用情况。这种 评估方式能够反映真实情况，但是也存在很大的硬伤。 难以排除测试环境的干扰因素。硬件配置会影响到算法的性能表现。例如，在某台计算机中，算法 A 比算法 B 运行时

化过程。 2.1.2. 效率评估方法 实际测试 假设我们现在有算法 A 和算法 B，它们都能解决同一问题，现在需要对比这两个算法的效率。我们最直接的 方法就是找一台计算机，运行这两个算法，并监控记录它们的运行时间和内存占用情况。这种评估方式能够 反映真实情况，但也存在较大局限性。 难以排除测试环境的干扰因素。硬件配置会影响算法的性能表现。例如，在某台计算机中，算法 A 的运行时 间比算法

效率评估方法主要分为两种：实际测试、理论估算。 2.1.1 实际测试 假设我们现在有算法 A 和算法 B ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法 是找一台计算机，运行这两个算法，并监控记录它们的运行时间和内存占用情况。这种评估方式能够反映真 实情况，但也存在较大的局限性。 一方面，难以排除测试环境的干扰因素。硬件配置会影响算法的性能。比如在某台计算机中，算法 A 的运行 时间比算法

效率评估方法主要分为两种：实际测试、理论估算。 2.1.1 实际测试 假设我们现在有算法 A 和算法 B ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法 是找一台计算机，运行这两个算法，并监控记录它们的运行时间和内存占用情况。这种评估方式能够反映真 实情况，但也存在较大局限性。 一方面，难以排除测试环境的干扰因素。硬件配置会影响算法的性能表现。比如在某台计算机中，算法 A 的 运行时间比算法