RBAC RBAC 就是一个权限控制模型，这个模型是经过时间沉淀之后，相当通用、成熟且被大众接受认可的一个模型。我的理解是 RBAC 和数学公式是一个道理，数学题可以套用数学公式，而权限系统也可以套用 RBAC 权限模型。 RBAC（Role-Based Access Control）权限模型的概念，即：基于角色的权限控制。通过角色关联用户，角色关联权限的方式间接赋予用户权限。 利用 MySQL 数据库实现了 RBAC 权限模型。因为 MySQL 支持 JSON 类型的字段，所以我们定义多对多关系的时候，可以使用 JSON 数组字段。虽然 Phoenix 也支持 JSON 类型字段，但是相关的函数较少，而且 JSON 类型字段不支持表连接。所以在 Phoenix 中，我们只能用交叉表记录多对多关系了。 一、IDEA 连接 Phoenix 由于 Phoenix 自带的命令行客户端没有图形界面直观，所....
JWT JSON Web Token (JWT)是一个开放标准(RFC 7519)，它定义了一种紧凑的、自包含的方式，用于作为 JSON 对象在各方之间安全地传输信息。该信息可以被验证和信任，因为它是数字签名的。 下列场景中使用 JSON Web Token 是很有用的： Authorization (授权) : 这是使用 JWT 的最常见场景。一旦用户登录，后续每个请求都将包含 JWT，允许用户访问该令牌允许的路由、服务和资源。单点登录是现在广泛使用的 JWT 的一个特性，因为它的开销很小，并且可以轻松地跨域使用。 Information Exchange (信息交换) : 对于安全的在各方之间传输信息而言，JSON Web Tokens 无疑是一种很好的方式。因为 JWT 可以被签名，例如，用公钥/私钥对，你可以确定发送人就是它们所说的那个人。另外，由于签名是使用头和有效负载计算的，您还可以验证内容没有被篡改。 传统的单体 JavaW....
背景 mysql 单表数据量超过 2000W，CRUD 性能会极具下降。需要 DBA 或自动化脚本定期归档（半年或一年数据迁移到归档数据库中），以起到缩表的目的。电商项目一两个月就能积累几千万条数据。在这种情况下，要么频繁的做归档，要么选择可以容乃数百 TB 而不需要归档的大数据平台（降低运维成本）。 HBase HBase 是一种构建在 HDFS 之上的分布式、面向列（但不是列存储）的存储系统。 在需要实时读写 、随机访问 超大规模数据集时，可以使用 HBase。 HBase 可以通过线性方式增加节点来进行扩展 。HBase 不是关系型数据库，自身不支持 SQL 查询引擎，HBase 适合将大而稀疏的表放在分布式集群上。 HBase 是 Google Bigtable 的开源实现，利用 Hadoop HDFS 作为其文件存储系统；利用 Hadoop MapReduce（或其他计算引擎） 来处理 HBase 中的海量数据；使用 Zookeeper 作为协同服务。 HBase 的特点 容量大：一个表可以有上亿行，上百万列 面向列：面向列的存储（但不是列存储，参考 HBase 数据存储）....
uni-app uni-app 是一个使用 Vue.js 开发所有前端应用的框架，开发者编写一套代码，可发布到iOS、Android、Web（响应式）、以及各种小程序（微信/支付宝/百度/头条/飞书/QQ/快手/钉钉/淘宝）、快应用等多个平台。 DCloud公司拥有900万开发者、数百万应用、12亿手机端月活用户、数千款uni-app插件、70+微信/qq群。阿里小程序工具官方内置uni-app（详见），腾讯课堂官方为uni-app录制培训课程（详见），开发者可以放心选择。 uni-app在手，做啥都不愁。即使不跨端，uni-app也是更好的小程序开发框架（详见）、更好的App跨平台框架、更方便的H5开发框架。不管领导安排什么样的项目，你都可以快速交付，不需要转换开发思维、不需要更改开发习惯。 看视频，10分钟了解uni-app 为什么要选择uni-app？ uni-app在开发者数量、案例、跨端抹平度、扩展灵活性、性能体验、周边生态、学习成本、开发成本等8大关键指标上拥有更强的优势。 功能框架图 一套代码编到14个平台，这不是梦想。眼见为实，扫描14个二维码，亲自体验最全....
OLTP 全称 OnLine Transaction Processing，联机事务处理系统, 就是对数据的增删改查等操作。存储的是业务数据，来记录某类业务事件的发生，比如下单、支付、注册、等等。 典型代表有Mysql、 Oracle等数据库，对应的网站、系统应用后端数据库 针对事务进行操作，对响应时间要求高，面向前台应用的，应用比较简单，数据量相对较少，是GB级别的。 面向群体：业务人员 OLAP 当数据积累到一定的程度，需要对过去发生的事情做一个总结分析时，就需要把过去一段时间内产生的数据拿出来进行统计分析，从中获取想要的信息，为公司做决策提供支持，这个就是做OLAP了。 OnLine Analytical Processing，联机分析处理系统,存储的是历史数据，对应的风控平台、BI平台、数据可视化等系统就属于OLAP。 OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策，并且提供直观易懂的查询结果 典型代表有 Hive、ClickHouse 针对基于查询的分析系统，基础数据来源于生产系统中的操作数据，数据量非常大，常规....
该文章已经加密。
应用部署演进 传统部署时代 早期的时候，在物理服务器上运行应用程序。缺点： 无法限制在物理服务器中运行的应用程序资源使用，会导致资源分配问题，过高或过低 部署多个物理机，维护许多物理服务器的成本很高。 虚拟化部署时代 虚拟化技术允许在单个物理服务器的 CPU 上运行多台虚拟机（VM）。虚拟化能使应用程序在不同 VM 之间被彼此隔离，且能提供一定程度的安全性，能够更好地利用物理服务器的资源，具有更高的可伸缩性，以及降低硬件成本等等的好处。缺点： 需要单独一个系统，占用资源 不能灵活的扩容和缩容 容器部署时代 容器类似于 VM，但是更宽松的隔离特性，使容器之间可以共享操作系统（OS）。容器比起 VM 被认为是更轻量级的，每个容器都具有自己的文件系统、CPU、内存、进程空间等。跨云和操作系统发行版本的可移植性：可在 Ubuntu、CoreOS、CentOS、 Google Kubernetes Engine 和其他任何地方运行。容器化部署存在的问题： 10 个物理机发布 100 个容器，怎么快速发布和管理 用户请求过来，怎么分配请求到 100 个容器里面 突发海量请求过来，....
