的崛起，微服务多个模块逐步被划分，包括注册中心、配置中心，如果从 产品定位上，期望定位简单清晰，利于传播，我们需要分别开源我们内部产品，这样又会分散我们 品牌和运营资源。另外大部分客户没有阿里这么大的体量，模块拆分过细，部署和运维成本都会成 倍上涨，而且阿里巴巴也是从最早⼀个产品逐步演化成 3 个产品的，因此我们最终决定将内部三个 产品合并统⼀开源。定位为：⼀个更易于构建云原生应用的动态服务发现、配置管理和服务管理平 Server 与存储、Server 间、Server 与 SDK 间高效通信问题。  容量管理：管理每个租户，分组下的容量，防止存储被写爆，影响服务可用性。  流量管理：按照租户，分组等多个维度对请求频率，长链接个数，报文大小，请求流控进行控制。  缓存机制：容灾目录，本地缓存，Server 缓存机制，是 Nacos 高可用的关键。  启动模式：按照单机模式，配置模式，服务模式，DNS 模式模式，启动不同的模块。 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 置文件的形式存在。目的是让静态的系统工件或者交付物（如 WAR，JAR 包等）更好地和实际的物 理运行环境进行适配。配置管理⼀般包含在系统部署的过程中，由系统管理员或者运维人员完成这 个步骤。配置变更是调整系统运行时的行为的有效手段之⼀。 配置管理 (Configuration Management) 在 Nacos 中，系统中所有

从开始的那天起就被设计成能够支持任何应用程序——从最小的命令 行应用程序到最大的群集 Web 应用程序。即使我们为该教程创建的是一个简单的应 用，了解相同的使用模式适用于无论你的应用程序是怎样创建的及它被部署到哪里。 该教程需要 Java 1.5 及更高本。我们也使用 Apache Maven 作为我们的构建工具，但当然这不是使用 Apache Shiro 所 必需的。你可以获取 Shiro HTTP 环境！ 如果在一个 Web 应用程序内部部署，默认的 Session 将会是基于 HttpSession 的。但，在一个非 Web 环境中，像这 个简单的教程应用程序，Shiro 将会默认自动地使用它的 Enterprise Session Management。这意味着你会使用相同的 API 在你的应用程序，在任何层，不论部署环境！这开辟了应用程序的新世界，由于任何需要会话的应用程序不必 这对许多应用有着很大的影响——直到 Shiro 出现，如果你需要 session 支持，你需要部署你的应用程序到 Web 容 器或使用 EJB 有状态会话 Bean。Shiro 的 Session 支持比这两种机制的使用和管理更为简单，而且它在适用于任何程 序，不论容器。 即使你在一个 Servlet 或 EJB 容器中部署你的应用程序，仍然有令人信服的理由来使用 Shiro 的 Session 支持而不是容

Apache Shiro设计从一开始就支持任何应用程序——从最小的命令行应用程序最大的集群 web 应用程序。对于本教程，尽管我们创建一个简单的应用程序,你都知道运用相同的使用模 式来进行应用程序创建或部署。 本教程需要 Java 1.5 或更高版本。 我们还将使用 Apache Maven 作为我们的构建工具,当然 这对于 Apache Shiro 来说不是必须使用。你可能获得 Shiro 的 jars 这对许多应用有着很大的影响——直到 Shiro 出现，如果你需要 session 支持，你需要部署你 的应用程序到 Web 容器或使用EJB 有状态会话Bean。Shiro 的 Session 支持比这两种机制的 使用和管理更为简单，而且它在适用于任何程序，不论容器。 即使你在一个 Servlet 或 EJB 容器中部署你的应用程序，仍然有令人信服的理由来使用 Shiro 的Session 支持而不是容器的。下面是一个 的会话可以很容易地聚集通过使用任何随 手可用的网络缓存产品，像 Ehcache + Terracotta，Coherence，GigaSpaces，等等。 这意味着你可以为Shiro 配置会话群集一次且仅一次，无论你部署到什么容器中，你的会 话将以相同的方式聚集。不需要容器的具体配置！ Heterogeneous Client Access - 与 EJB 或 web 会话不同，Shiro 会话可以被各种客户

除了以上表格内容，搜索算法的选择还取决于数据体量、搜索性能要求、数据查询与更新频率等。 线性搜索 ‧ 通用性较好，无需任何数据预处理操作。假如我们仅需查询一次数据，那么其他三种方法的数据预处理 的时间比线性搜索的时间还要更长。 ‧ 适用于体量较小的数据，此情况下时间复杂度对效率影响较小。 ‧ 适用于数据更新频率较高的场景，因为该方法不需要对数据进行任何额外维护。 二分查找 ‧ 适用于 可在特定数据结构中快速定位目标元素。此类算法效 率高，时间复杂度可达 ?(log ?) 甚至 ?(1) ，但通常需要借助额外数据结构。 ‧ 实际中，我们需要对数据体量、搜索性能要求、数据查询和更新频率等因素进行具体分析，从而选择合 适的搜索方法。 ‧ 线性搜索适用于小型或频繁更新的数据；二分查找适用于大型、排序的数据；哈希查找适合对查询效率 要求较高且无需范围查询的数据；树查找适用于需要维护顺序和支持范围查询的大型动态数据。 Java）的内置排序函数都采用了插入排序，大致思路为：对于长数组，采用基 于分治的排序算法，例如快速排序；对于短数组，直接使用插入排序。 虽然冒泡排序、选择排序和插入排序的时间复杂度都为 ?(?2) ，但在实际情况中，插入排序的使用频率显 著高于冒泡排序和选择排序。这是因为： ‧ 冒泡排序基于元素交换实现，需要借助一个临时变量，共涉及 3 个单元操作；插入排序基于元素赋值实 现，仅需 1 个单元操作。因此，冒泡排序的计算开销通常比插入排序更高。

有序 有序 无序 搜索算法的选择还取决于数据体量、搜索性能要求、数据查询与更新频率等。 线性搜索 ‧ 通用性较好，无须任何数据预处理操作。假如我们仅需查询一次数据，那么其他三种方法的数据预处理 的时间比线性搜索的时间还要更长。 ‧ 适用于体量较小的数据，此情况下时间复杂度对效率影响较小。 ‧ 适用于数据更新频率较高的场景，因为该方法不需要对数据进行任何额外维护。 二分查找 ‧ 适用于 在特定数据结构中快速定位目标元素。此类算法效 率高，时间复杂度可达 ?(log ?) 甚至 ?(1) ，但通常需要借助额外数据结构。 ‧ 实际中，我们需要对数据体量、搜索性能要求、数据查询和更新频率等因素进行具体分析，从而选择合 适的搜索方法。 第 10 章 搜索 hello‑algo.com 221 ‧ 线性搜索适用于小型或频繁更新的数据；二分查找适用于大型、排序的数据；哈希查找适用于对查询效 大致思路为：对于长数组，采用基于 分治策略的排序算法，例如快速排序；对于短数组，直接使用插入排序。 虽然冒泡排序、选择排序和插入排序的时间复杂度都为 ?(?2) ，但在实际情况中，插入排序的使用频率显 著高于冒泡排序和选择排序，主要有以下原因。 ‧ 冒泡排序基于元素交换实现，需要借助一个临时变量，共涉及 3 个单元操作；插入排序基于元素赋值实 现，仅需 1 个单元操作。因此，冒泡排序的计算开销通常比插入排序更高。

有序 有序 无序 搜索算法的选择还取决于数据体量、搜索性能要求、数据查询与更新频率等。 线性搜索 ‧ 通用性较好，无须任何数据预处理操作。假如我们仅需查询一次数据，那么其他三种方法的数据预处理 的时间比线性搜索的时间还要更长。 ‧ 适用于体量较小的数据，此情况下时间复杂度对效率影响较小。 ‧ 适用于数据更新频率较高的场景，因为该方法不需要对数据进行任何额外维护。 二分查找 ‧ 适用于 在特定数据结构中快速定位目标元素。此类算法效 率高，时间复杂度可达 ?(log ?) 甚至 ?(1) ，但通常需要借助额外数据结构。 ‧ 实际中，我们需要对数据体量、搜索性能要求、数据查询和更新频率等因素进行具体分析，从而选择合 适的搜索方法。 ‧ 线性搜索适用于小型或频繁更新的数据；二分查找适用于大型、排序的数据；哈希查找适合对查询效率 要求较高且无须范围查询的数据；树查找适用于需要维护顺序和支持范围查询的大型动态数据。 Java）的内置排序函数都采用了插入排序，大致思路为：对于长数组，采用基 于分治的排序算法，例如快速排序；对于短数组，直接使用插入排序。 虽然冒泡排序、选择排序和插入排序的时间复杂度都为 ?(?2) ，但在实际情况中，插入排序的使用频率显 著高于冒泡排序和选择排序，主要有以下原因。 ‧ 冒泡排序基于元素交换实现，需要借助一个临时变量，共涉及 3 个单元操作；插入排序基于元素赋值实 现，仅需 1 个单元操作。因此，冒泡排序的计算开销通常比插入排序更高。

有序 有序 无序 搜索算法的选择还取决于数据体量、搜索性能要求、数据查询与更新频率等。 线性搜索 ‧ 通用性较好，无须任何数据预处理操作。假如我们仅需查询一次数据，那么其他三种方法的数据预处理 的时间比线性搜索的时间还要更长。 ‧ 适用于体量较小的数据，此情况下时间复杂度对效率影响较小。 ‧ 适用于数据更新频率较高的场景，因为该方法不需要对数据进行任何额外维护。 二分查找 ‧ 适用于 在特定数据结构中快速定位目标元素。此类算法效 率高，时间复杂度可达 ?(log ?) 甚至 ?(1) ，但通常需要借助额外数据结构。 ‧ 实际中，我们需要对数据体量、搜索性能要求、数据查询和更新频率等因素进行具体分析，从而选择合 适的搜索方法。 ‧ 线性搜索适用于小型或频繁更新的数据；二分查找适用于大型、排序的数据；哈希查找适用于对查询效 率要求较高且无须范围查询的数据；树查找适用于需要维护顺序和支持范围查询的大型动态数据。 大致思路为：对于长数组，采用基于 分治策略的排序算法，例如快速排序；对于短数组，直接使用插入排序。 虽然冒泡排序、选择排序和插入排序的时间复杂度都为 ?(?2) ，但在实际情况中，插入排序的使用频率显 著高于冒泡排序和选择排序，主要有以下原因。 ‧ 冒泡排序基于元素交换实现，需要借助一个临时变量，共涉及 3 个单元操作；插入排序基于元素赋值实 现，仅需 1 个单元操作。因此，冒泡排序的计算开销通常比插入排序更高。

有序 有序 无序 搜索算法的选择还取决于数据体量、搜索性能要求、数据查询与更新频率等。 线性搜索 ‧ 通用性较好，无须任何数据预处理操作。假如我们仅需查询一次数据，那么其他三种方法的数据预处理 的时间比线性搜索的时间还要更长。 ‧ 适用于体量较小的数据，此情况下时间复杂度对效率影响较小。 ‧ 适用于数据更新频率较高的场景，因为该方法不需要对数据进行任何额外维护。 二分查找 ‧ 适用于 在特定数据结构中快速定位目标元素。此类算法效 率高，时间复杂度可达 ?(log ?) 甚至 ?(1) ，但通常需要借助额外数据结构。 ‧ 实际中，我们需要对数据体量、搜索性能要求、数据查询和更新频率等因素进行具体分析，从而选择合 适的搜索方法。 第 10 章 搜索 www.hello‑algo.com 221 ‧ 线性搜索适用于小型或频繁更新的数据；二分查找适用于大型、排序的数据；哈希查找适用于对查询效 大致思路为：对于长数组，采用基于 分治策略的排序算法，例如快速排序；对于短数组，直接使用插入排序。 虽然冒泡排序、选择排序和插入排序的时间复杂度都为 ?(?2) ，但在实际情况中，插入排序的使用频率显 著高于冒泡排序和选择排序，主要有以下原因。 ‧ 冒泡排序基于元素交换实现，需要借助一个临时变量，共涉及 3 个单元操作；插入排序基于元素赋值实 现，仅需 1 个单元操作。因此，冒泡排序的计算开销通常比插入排序更高。

16.5.4 Servlet 映射 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 16.6 Servlet 部署 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 16.7 Servlet 示例 . . . 共 306 页 1.3. JAVA 开发环境 � 1 � • JIT, Just-In-Time 传统解释器的解释执行是转换一条，运行完后就将其扔掉；JIT 会自动检测指令的运行情况，并将使用频率高（如循环运行）的指令解释后保存 下来，下次调用时就无需再解释（相当于局部的编译执行），显著提高了 Java 的 运行效率。 Java应用程序 Java API Java 虚拟机 操作系统（Windows 象实例时导致。 • 永久区内存溢出相对少见，一般是由于需要加载海量的 Class 数据，超过了非堆 内存的容量导致。通常出现在 Web 应用刚刚启动时。因此 Web 应用推荐使用预 加载机制，方便在部署时就发现并解决该问题。 • 栈内存也会溢出，但是更加少见。 对内存溢出的处理方法不外乎这两种：‚ 调整 JVM 内存配置；ƒ 优化代码。 创建阶段的 JVM 内存配置优化需要关注以下项： 堆内存优化

解释器将字节码指令逐条解释成所在底层平台 能够处理的指令格式，解释一条执行一条 JIT, Just-In-Time 传统解释器的解释执行是转换一条，运行完后就将其扔掉；JIT 会自动检测指令的运行情况，并将使用频率高（如循环运行）的指令解释后保存下来， 下次调用时就无需再解释（相当于局部的编译执行），显著提高了 Java 的运行效率。 大纲 Java 技术概述 Java 平台核心机制 Java 开发环境 Java