哈希冲突TODO 设计哈希表时，选择不同的哈希函数有不同性能表现。重点在于哪种散列函数可以有效避免冲突。如果出现了冲突，一般都有哪些冲突解决办法。线性探测二次探测开链法（GCC使用的SGI版本STL就是基于此方法） 虽然开链法并不要求表格大小必须为质数，但SGI STL 仍然以质数来设计表格大小,并且将28个质数（逐渐呈现大约两倍的关系）计算好，以备随时访问，同时提供一个函数，用来查询在这28个质数之中，“最接近某数并大于某数”的质数。在JDK8以前也是使用链表来处理冲突。JDK8以后在链表超过8时使用平衡树来存储。建议使用头插法而不是尾插法入链。因为最近增加的元素有很大概率被下次访问。常见的哈希算法：MD5SUM、SHA1、DJBX33A(Java HashCode)、CRC32（部分硬件原语加速）、CRC16、MurMurHash（速度比MD5快）、SipHash（Redis\Python使用）哈希算法从安全性又可以分两类加密哈希函数如SHA非加密哈希函数。服务器中使用哈希算法需要考虑：哈希攻击（hash flooding attack）。不要对不明数据进行哈希。而MurMurHash和SipHash使用了种子的概念实现随机化哈希，增加了攻击的难度。因此SipHash也被称为带密钥哈希算法（Keyed Hash Function），天生免疫哈希攻击。加盐哈希方案。通过增加一些随机的盐参数，把需要加密的账号密码更安全的存储。

Groovy语法 Groovy运行于Java虚拟机上的，所以语法也自然支持Java语法。他也有对Java语法的扩展。注意Java是静态强类型语言， 而Groovy是一个动态强类型语言。前面也已经说了他是运行于Java虚拟机上的，自动是需要安装JVM环境的。更具体的安装可以参考官网方法。如果只是为了熟悉其语法，更便捷的办法是使用线上IDE学习。比如这个：https://groovyide.com/cpi变量定义关键字def:def str = "hello world"；// 定义一个字符串 def str2 = "${str}!"; // 字符串支持插值 println(str2); // 一个跨行长字符串，不支持插值 def str3 = ''' 1)正式后台 2)测试后台 '''; print(str3.replaceAll('\\s+','').trim());查看动态类型信息和断言使用 // 查看动态类型信息和断言使用 def mixed = 1; assert mixed.class == java.lang.Integer; mixed = "str"; assert mixed.class == java.lang.String; //函数调用时，参数可以不使用括号 println mixed.class.name assert mixed.class == java.lang.Integer:"not a integer" assert mixed.getClass() == java.util.HashMap : "not valid select" assert backends instanceof java.lang.Integer : "not a Integer"支持Java写法, 注意数据和字典都是使用[]符号定义，只是后者还需要使用:指定valuedef dict = ['name':'john','age':14,'sex':'boy']; //println dict dict.each{ def kv = String.format("%s == %s", it.getKey(), it.getValue()); println kv; }支持闭包

Redis在游戏的运用(二) 在读多写少的场景，有必要进行热点数据的缓存。缓存可以有效减少DB的读压力。这样的解决方案常见的DB也是具备的。不管是Redis还是MySQL或者是MongoDB, 都有复制集群的概念。只要使用从节点读数据，主节点写数据即可。MongoDB Atlas号称可以秒级别内同步新数据到从节点。这种方案也可以称为主写从读实现读写分离。说完减少主节点压力的优点，缺点也由此引入。这种方案只能实现数据的最终一致性，无法实现强一致性。DB数据的写入一般如下:应用层insert/update/delete返回时只是更新cache和Redo,Undo日志(在Mongodb中是更新oplog)，并没有真正写入磁盘。主从binaryLog/Oplog同步延迟。比如机房间网络延迟问题、服务器负载问题等。即使忽略上面同步延迟问题，是不是就没有其他问题了？DB内部的缓存模块对热点数据的定义是死的，他缓存的数据可能不是我们我们认为的热点数据。因为他负责了多个维度数据的读写。比如我只访问了一次的数据，可能因为LRU原因，真正频繁热点数据被置换出缓存。有时我们想自己定义热点数据，比如近期1小时登录的玩家（这里不仅仅包含当前在线玩家）。这里补充扩展下有意思点，MySQL使用了自己改进后的LRU算法，使用了热数据插入队列前进5/8位置。这种优化可以屏蔽全表等大面积遍历引起热点数据的完全失效。于是引进了Redis这类内存DB。在进行写时，如果是需要强一致性。先删除Redis缓存（强迫读请求去DB加载）写入DB（写入会有锁，此时会阻塞读）再删除Redis缓存（即使有读请求在1和2的过程中取到旧数据，这里也会让旧缓存失效）如果需要最终一致性：设置缓存过期时间写入DB总是先尝试更新Redis数据再进行DB更新。如果Redis没有对应数据时可以考虑不进行写入的。因为可能不是热点数据>。另外如果宕机，连接不上也不需要进行更新Redis缓存。在进行读操作时，总是先尝试从Redis中取。如果没有再从DB取。这里要使用布隆过滤防止缓存穿透问题。从DB取数据返回时也写入Redis缓存。这里要注意两个问题：缓存击穿问题：对一个数据有并发多个请求加载。此时要排队加锁。真正进入DB加载时总是先尝试Redis取。更新Redis时缓存雪崩问题。数据过期时间最好进行一个随机，防止某个时间大量数据同时过期而缓存失效。

关于IRQ亲和性资料整理笔记 中断处理也是可以设置更倾向在哪个CPU核心处理的。碰到这个问题是来自于中断机制一次QQ聊天中。在中断被频繁触发时CPU会处理不过来，常见的现象是网卡不能满负荷的跑，达到一定流量后出现了丢包。这又要从网卡接收数据开始说起。 网卡驱动启动时就会注册硬中断回调同时准备好sk_buffer。在网络包来的时候NIC会通过DMA（Direct Memory Access，不经过CPU的内存复制，也称零拷贝）把数据包从NIC内部缓存区复制到之前准备好的sk_buffer中（如果此时sk_buffer不足是会丢包，对应ifconfig命令overruns指标）。之后NIC产生一个硬中断。硬中断处理程序只会处理关键性的、短时间内可以处理完的工作，剩余耗时较长工作，会放到中断之后，由软中断来完成。硬中断也被称为上半部分。CPU收到硬中断，根据中断描述符表（Interrupt Descriptor Table，IDT）找到处理函数并调用。最后触发NET_RX_SOFTIRQ软中断处理sk_buffer中的数据（如果软中断处理不及时，轮询时CPU对应的接收队列超过netdev_max_backlog也会丢包），然后再交给内核协议栈解析处理，协议栈会得到sk_buffer，经过处理后进入socket buffer, 最后用户态取得数据。对于多队列（RSS特性）网卡, 每个队列对对应一个中断号。因为中断号的不同，可以设置不同的CPU亲和性。这样在单核CPU无法跟上网卡速度的问题就通过多核解决了。对于单队列网卡一般使用RPS+RFS配合使用。RPS(Receive Packet Steering)帮助单队列网卡将其产生的SoftIRQ分派到多个CPU内核进行处理。RFS（Receive Flow Steering）能够保证处理软中断和处理应用程序是同一个CPU，达到局部性原理。通过ethtool -S ens5可以看到各队列信息queue_{idx}_*。ls /sys/class/net/ens5/queues/在机器CPU处理很多计算任务，CPU压力紧张的情况下扩展多队列网卡是没有效果的，多队列网卡就是要通过消耗更多的CPU来提高网络性能，此时CPU压力更大，会影响计算业务。最佳实践方式是通过设定中断亲和性（修改/proc/irq/{IRQ_ID}/smp_affinity配置）把业务进程的亲和性(taskset命令)绑定到不同的CPU上，这样不会相互影响。IRQ_ID可以通过grep ens5 /proc/interrupts得到，具体设置方法网上很多。除了top可以查询中断处理统计，mpstat -P ALL 1更加具体