Skywalking是分布式系统的应用程序性能监视工具，专为微服务，云原生架构和基于容器（Docker，K8S,Mesos）架构而设计，它是一款优秀的APM（Application Performance Management）工具，包括了分布式追踪，性能指标分析和服务依赖分析等。
apache-skywalking-java-agent-8.13.0
apache-skywalking-apm-9.0.0
目前市面上开源的APM系统主要有CAT、Zipkin、Pinpoint、SkyWalking，大都是参考Google的Dapper实现的.
Skywalking是本土开源的基于字节码注入的调用链路分析以及应用监控分析工具，特点是支持多种插件，UI功能较强，接入端无代码侵入。
2022-12-29 18:23:45
163.87MB
1
本书一开始介绍了 Actor 模型，因为该模型比其他模型更能反映现实世界。另外，本书介绍了 Actor 模型的一个实现框架 Akka 以及它的工具，而后讨论了在充分利用 actor 架构的基础上使用 Akka 框架来设计软件系统的方法，以及使用它来开发并发性和分布式应用程序的方怯。本书还介绍了领域 驱动设计（DDD），指导通过结合 Akka、 Actor 模型和 DDD 构建强大的、高可扩展的、高可维护的系统。 遵循并灵活运用本书介绍的思路和方法，一定能创建出集可伸缩性、弹性、灵活性、长期易于维 护性等优点子一身的应用程序和系统。
2021-11-21 23:28:07
80MB
1
轻量级日志采集动态库.
4个日志级别接口宏定义:
#define LOGDEBUG(filename, ...) WriteLog(filename, "DEBUG", 4, __func__, __FILE__, __VA_ARGS__, "");
#define LOGINFO(filename, ...) WriteLog(filename, "INFO", 3, __func__, __FILE__, __VA_ARGS__, "");
#define LOGWARN(filename, ...) WriteLog(filename, "WARN", 2, __func__, __FILE__, __VA_ARGS__, "");
#define LOGERROR(filename, ...) WriteLog(filename, "ERROR", 1, __func__, __FILE__, __VA_ARGS__, "");
调用示例:
static const char g_pLogFileName[] = "Log"; //定义日志文件名前缀
int test()
{
LOGINFO(g_pLogFileName, "in\n"); //调用接口宏定义
printf("File name: %s\n", __FILE__);
LOGINFO(g_pLogFileName, "out\n");
return 0;
}
可通过注册表(HKEY_CURRENT_USER\Software\KEVIN\LOG)定义日志级别:
0: 不采集日志. 1: 只采集ERROR级别. 2: 采集ERROR,WARNING级别. 3: 采集ERROR,WARNING,INFO级别.4: 采集所有级别.
采集的日志存放:C:\KEVIN\"本机电脑名"
日志文件名按小时新建:
自定义的日志文件名前缀_年月日(小时).log 示例:Log_2021-11-02(14).log
日志文件内容格式:
年月日|时分秒:微秒|记录日志文件名|记录日志函数名|日志级别|进程id|线程id|调用应用名|应用版本|日志内容.
示例: 查看Log_2021-11-02(14).log文件
2021-11-04 09:01:08
64KB
Docker+K8S 集群环境搭建及分布式应用部署,一个简单的教程，对docker+k8s有个初步的了解
2021-09-17 15:06:04
669KB
1
1 初识HADOOP 3
1.1 MAPREDUCE模型介绍 3
1.2 HADOOP介绍 5
1.2.1 Hadoop的核心MapReduce 6
1.2.2 Hadoop的分布式文件系统 7
1.3 安装HADOOP 8
1.3.1 安装的前提条件 8
1.3.2 安装Hadoop 13
1.3.3 检查你的环境 14
1.4 执行和测试HADOOP样例程序 18
1.4.1 Hadoop的样例代码 18
1.4.2 测试Hadoop 23
1.5 解决问题 24
1.6 总结 25
2 MAPREDUCE任务的基础知识 26
2.1 HADOOP MAPREDUCE作业的基本构成要素 26
2.1.1 输入分割块 30
2.1.2 一个简单的Map任务：IdentityMapper 30
2.1.3 一个简单的Reduce任务：IdentityReducer 32
2.2 配置作业 34
2.2.1 指定输入格式 43
2.2.2 设置输出参数 45
2.2.3 配置Reduce阶段 50
2.3 执行作业 52
2.4 创建客户化的MAPPER和REDUCER 54
2.4.1 设置客户化的Mapper 54
2.4.2 作业完成 60
2.4.3 创建客户化的Reducer 62
2.4.4 为什么Mapper和Reducer继承自MapReduceBase 65
2.4.5 使用客户化分割器 66
2.5 总结 68
2021-09-04 09:13:03
265KB