Merge remote-tracking branch 'origin/master'

docs/_posts/数据库/2018-11-11-数据库-MySQL总结收集.md

@@ -13,7 +13,7 @@ categories:
 
 ### 优化事项
 
-1.　对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。
+1. 对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。
 
 2.　应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如：select id from t where num is null可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：select id from t where num=0
 
@@ -78,21 +78,23 @@ select num from a where exists(select 1 from b where num=a.num)
 
 ### 1、事务四大特性（ACID）
 
-* 原子性(Atomicity):原子性是指事务是一个不可分割的工作单位，事务中的操作要么都发生，要么都不发生。 
-* 一致性(Consistency):如果事务执行之前数据库是一个完整性的状态，那么事务结束后，无论事务是否执行成功，数据库仍然是一个完整性状态。
-            (数据库的完整性状态:当一个数据库中的所有的数据都符合数据库中所定义的所有的约束，此时可以称数据库是一个完整性状态。)
-* 隔离性(Isolation):事务的隔离性是指多个用户并发访问数据库时，一个用户的事务不能被其它用户的事务所干扰，多个并发事务之间数据要相互隔离。
-* 持久性(durability):持久性是指一个事务一旦被提交，它对数据库中数据的改变就是永久性的，接下来即使数据库发生故障也不应该对其有任何影响。
+* 原子性(Atomicity) 原子性是指事务是一个不可分割的工作单位，事务中的操作要么都发生，要么都不发生。 
+* 一致性(Consistency) 如果事务执行之前数据库是一个完整性的状态，那么事务结束后，无论事务是否执行成功，数据库仍然是一个完整性状态。
+            (数据库的完整性状态 - 当一个数据库中的所有的数据都符合数据库中所定义的所有的约束，此时可以称数据库是一个完整性状态。)
+* 隔离性(Isolation) 事务的隔离性是指多个用户并发访问数据库时，一个用户的事务不能被其它用户的事务所干扰，多个并发事务之间数据要相互隔离。
+* 持久性(durability) 持久性是指一个事务一旦被提交，它对数据库中数据的改变就是永久性的，接下来即使数据库发生故障也不应该对其有任何影响。
 
 引申：NOSQL CAP BASE
 
 1.关系型数据库和非关系型数据库区别？
 
+下面这些优缺点并非绝对的
+
 优点
 
 * 成本：nosql数据库简单易部署，基本都是开源软件，不需要像使用oracle那样花费大量成本购买使用，相比关系型数据库价格便宜。当然还有免费的
-* 查询速度：nosql数据库将数据存储于缓存之中，关系型数据库将数据存储在硬盘中，自然查询速度远不及nosql数据库。
-* 存储数据的格式：nosql的存储格式是key，value形式、文档形式、图片形式等等，所以可以存储基础类型以及对象或者是集合等各种格式，而数据库则只支持基础类型。
+* 查询速度：nosql数据库将数据存储于缓存之中，关系型数据库将数据存储在硬盘中，自然查询速度远不及nosql数据库。（速度与存储结构有很多关系）
+* 存储数据的格式：nosql的存储格式是key，value形式、文档形式、图片形式等等，所以可以存储基础类型以及对象或者是集合等各种格式，而数据库则只支持基础类型（也有支持复杂类型的）。
 * 扩展性：关系型数据库有类似join这样的多表查询机制的限制导致扩展很艰难。
 
 缺点
@@ -130,32 +132,37 @@ BASE 理论是对 CAP 中一致性和可用性权衡的结果，它的理论的
 
 SQL标准定义了4类隔离级别，包括了一些具体规则，用来限定事务内外的哪些改变是可见的，哪些是不可见的。低级别的隔离级一般支持更高的并发处理，并拥有更低的系统开销。
 
-* Read Uncommitted（读取未提交内容 - 浏览访问）<br>
+* Read Uncommitted（读取未提交内容 - 浏览访问）
+
 在该隔离级别，所有事务都可以看到其他未提交事务的执行结果。本隔离级别很少用于实际应用，因为它的性能也不比其他级别好多少。读取未提交的数据，也被称之为脏读（Dirty Read）。
 
-* Read Committed（读取提交内容 - 游标稳定）<br>
+* Read Committed（读取提交内容 - 游标稳定）
+
 这是大多数数据库系统的默认隔离级别（但不是MySQL默认的）。它满足了隔离的简单定义：一个事务只能看见已经提交事务所做的改变。
 这种隔离级别也支持所谓的不可重复读（Nonrepeatable Read），因为同一事务的其他实例在该实例处理其间可能会有新的commit，所以同一select可能返回不同结果。
 
-* Repeatable Read（可重读 - 2.99990度隔离）<br>
+* Repeatable Read（可重读 - 2.99990度隔离）
+
 这是MySQL的默认事务隔离级别，它确保同一事务的多个实例在并发读取数据时，会看到同样的数据行。不过理论上，这会导致另一个棘手的问题：幻读 （Phantom Read）。
-简单的说，幻读指当用户读取某一范围的数据行时，另一个事务又在该范围内插入了新行，当用户再读取该范围的数据行时，会发现有新的“幻影” 行。InnoDB和Falcon存储引擎通过多版本并发控制（MVCC，Multiversion Concurrency Control）机制解决了该问题。
+简单的说，幻读指当用户读取某一范围的数据行时，另一个事务又在该范围内插入了新行，当用户再读取该范围的数据行时，会发现有新的“幻影” 行。
+InnoDB和Falcon存储引擎通过多版本并发控制（MVCC，Multiversion Concurrency Control）机制解决了该问题。
+
+* Serializable（可串行化 - 隔离、3度隔离）
 
-* Serializable（可串行化 - 隔离、3度隔离）<br>
 这是最高的隔离级别，它通过强制事务排序，使之不可能相互冲突，从而解决幻读问题。简言之，它是在每个读的数据行上加上共享锁。在这个级别，可能导致大量的超时现象和锁竞争。
 这四种隔离级别采取不同的锁类型来实现，若读取的是同一个数据的话，就容易发生问题。
 
 ![](../public/image/%E4%BA%8B%E5%8A%A1%E9%9A%94%E7%A6%BB.png)
 
-* 脏读(Drity Read)：某个事务已更新一份数据，另一个事务在此时读取了同一份数据，由于某些原因，前一个RollBack了操作，则后一个事务所读取的数据就会是不正确的。
-* 不可重复读(Non-repeatable read):在一个事务的两次查询之中数据不一致，这可能是两次查询过程中间插入了一个事务，更新了原有的数据。
-* 幻读(Phantom Read):在一个事务的两次查询中数据笔数不一致，例如有一个事务查询了几行(Row)数据，而另一个事务却在此时插入了新的几行数据，先前的事务在接下来的查询中，就会发现有几行数据是它先前所没有的。
+* 脏读(Drity Read) - 某个事务已更新一份数据，另一个事务在此时读取了同一份数据，由于某些原因，前一个RollBack了操作，则后一个事务所读取的数据就会是不正确的。
+* 不可重复读(Non-repeatable read) - 在一个事务的两次查询之中数据不一致，这可能是两次查询过程中间插入了一个事务，更新了原有的数据。
+* 幻读(Phantom Read) - 在一个事务的两次查询中数据笔数不一致，例如有一个事务查询了几行(Row)数据，而另一个事务却在此时插入了新的几行数据，先前的事务在接下来的查询中，就会发现有几行数据是它先前所没有的。
 
-* 读不影响写：事务以排他锁的形式修改原始数据，读时不加锁，因为 MySQL 在事务隔离级别Read committed 、Repeatable Read下，InnoDB 存储引擎采用非锁定性一致读－－即读取不占用和等待表上的锁。即采用的是MVCC中一致性非锁定读模式。
+* 读不影响写 - 事务以排他锁的形式修改原始数据，读时不加锁，因为 MySQL 在事务隔离级别Read committed 、Repeatable Read下，InnoDB 存储引擎采用非锁定性一致读－－即读取不占用和等待表上的锁。即采用的是MVCC中一致性非锁定读模式。
 因读时不加锁，所以不会阻塞其他事物在相同记录上加 X锁来更改这行记录。
-* 写不影响读：事务以排他锁的形式修改原始数据，当读取的行正在执行 delete 或者 update 操作，这时读取操作不会因此去等待行上锁的释放。相反地，InnoDB 存储引擎会去读取行的一个快照数据。
+* 写不影响读 - 事务以排他锁的形式修改原始数据，当读取的行正在执行 delete 或者 update 操作，这时读取操作不会因此去等待行上锁的释放。相反地，InnoDB 存储引擎会去读取行的一个快照数据。
 
-* 间隙锁：间隙锁主要用来防止幻读，用在repeatable-read隔离级别下，指的是当对数据进行条件，范围检索时，对其范围内也许并存在的值进行加锁！
+* 间隙锁 - 间隙锁主要用来防止幻读，用在repeatable-read隔离级别下，指的是当对数据进行条件，范围检索时，对其范围内也许并存在的值进行加锁！
 当查询的索引含有唯一属性（唯一索引，主键索引）时，InnoDB存储引擎会对next-key lock进行优化，将其降为record lock，即仅锁住索引本身，而不是范围！若是普通辅助索引，则会使用传统的next-key lock进行范围锁定！
  
 ### 3、MySQL的锁算法

docs/_posts/随笔/2020-06-05-随笔-应届入职一年总结.md

+---
+title: 应届入职一年总结
+categories:
+- 随笔
+tag: [随笔]
+---
+
+   本来这篇文章已经写了很久，原意是mentor让我写的，给以后入职的新人一些经验，对以后公司培养校招生做一个参考，后来发生了一些不愉快的事，也没有人提这件事了。
+现在已经过去了一年，发出来仅供参考，并修改补充了一些。
+
+## 入职前的主要经历
+
+1. Java开发实习两个月，主要技术栈 Java/SpringBoot/SpringCloud/Redis/RabbitMQ/DDB/Dubbo
+2. 测试开发实习四个月，主要技术栈  Java、Shell、Docker/Jenkins/Adb/Seleuim/Appuim
+3. 在校期间关于Scala的学习：看过《快学Scala》
+前面实习期间看过《Scala编程》，《响应式架构 消息模式Actor实现与Scala、Akka应用集成》，并写过一些SpringBoot+Scala的项目。实在没有练手的项目可以重构以前自己写的Java或其他语言的项目。
+
+## 入职前的准备
+
+从前面公司校招离职到入职这里期间，了解了Play、SBT，根据文档写Demo。
+如果没有像我一样在校期间熟悉Scala语法，学习Play前还需去熟悉一下语法。
+比如学Java的先熟悉Java 8 lambda，养成函数习惯和思维。Scala快学中的名词实在是太多了并不适合没有函数式基础的人入门，
+可以看看Scala编程这本书。至少看到Future这章，前面的类似XML解析和后面的组合子、GUI这些章节就不用了。
+具体根据需要选择，也不是一定。除了基本语法，后续想加强函数式理解与应用则需要学习小红书 cats shapeless等，
+比如小红书中的例子自己动手实现，包括高阶函数，柯里化与部分应用函数，组合子，各种常见算子，Monoid/Monad，函数式数据结构，
+纯函数编程，并行计算，流处理，函数式错误处理。这些不仅是入职前，入职后也可以学习，
+能加强对Scala的理解，大多数概念也是很多语言都有的，只不过实现上的区别。
+
+## 入职后
+
+搭好环境，拉取backend项目，了解项目源代码的布局与结构以及该服务具体主要做什么。
+使用看板、单图。参加公司的新人培训，技术培训时会了解到前中后端（在这里 中端是服务端，后端是大数据）主要的技术栈。
+他们的项目在codes（代码库）上会有相应的service、data这种标签，来表明项目是哪个端负责的。
+这个培训有时会在入职一个月后才开始。对于中端就是平常外面说的后端或服务端，技术栈主要是Scala、Play、Slick、SBT、Akka、Undertow、Redis、RabbitMQ、kafka等，
+当然也有一些基于其他语言的小型服务。后面都比较常见，前面几个是Scala的生态中的。
+这些在入职前看招聘要求也能知道。对于公司大多数的中端服务，都是以Play为主，Play的文档写的非常好，将文档的demo都做一遍最好。
+
+熟悉具体的业务，比如广告的DeepLink是干嘛的，对应在代码里面的哪个地方，对应页面上的请求URI是哪个。（这就需要前面的Play和undertow的一点相关基础，如果是graphql，
+那么就只能通过request的operationName和query xxx来看）。学习undertow我都是看例子，将以前写的简单的Scala秒杀系统重构为使用函数式异步的。自己可以在熟悉代码时写文档（此时文档可能不够准确）或画流程图，
+数据流图，下次需要用到此处业务时，根据最新的理解再来修改。在大致了解某块业务后，尝试接收简单的需求。比如中间页配置，能熟悉gio-ads-api服务，也能熟悉play slick使用。
+完成一个与其他业务不太多关联的独立任务的CRUD，在这个时候会比较艰难，代码review时很多语法不合适的问题。做图片裁剪时需要使用Python，可以熟悉一下脚本编写，
+对后面数据迁移可选择性上有帮助。因为可以使用SQL也可以使用Python。中间页上线，可以了解到从需求到设计开发测试部署上线整个流程。期间对部署流程梳理，对后续排除CI问题有帮助。
+
+通过实时bug定位顺便了解到新的服务ws、real-time。调试过程中还会涉及到权限，需要了解权限的构成。
+比如authority、accounts、opm等相关的，以及查数涉及到chart-services、query-services，广告特有权限涉及backend。
+进一步熟悉项目的整体结构。学习docker+k8s与capistrano部署，对测试环境的一些问题能知道原因。
+比如依赖服务挂掉，服务重启失败，服务配置是如何读取的，配置的优先级，上线如何操作，服务的日志如何到kiban。
+服务依赖的其他基础组件：dryad、consul、rabbitmq、redis。对于自由的框架工具，没有很好的文档，只能通过实践去折腾，这期间也很困难。
+
+applinks开发，熟悉DeepLink技术，与前端、SDK合作，渠道回传与后端合作、权限种子数据熟悉基本的权限、DeepLink域名切换熟悉链接创建流程、deferred权限控制熟悉deeplink跳转流程、
+DeepLink配置熟悉版本如何划分，每个小的需求都是一块业务知识，都是不同团队的合作。有机会了解一小块业务，刚好与之前自己看代码相结合，而对于广告业务本身来说，数据流较长，从前端到SDK，服务端都是需要关注的，
+在没有将所有业务知识连成片时，同样很困难，因为很多时候不知理由，只知道现状。主要的难点是业务上，如果刚好有小的bug和需求，刚好时间不急，可以很好的有目的的熟悉具体代码和业务。
+并尽可能在需求分到身上时，找到当前最可能是问题的问题。后续遇到隐藏的问题再在站会提出来。起码在这一步，解决掉最显然的疑问和问题。
+
+## 新的一年
+    
+1. 疫情
+2. 转了岗不再做SaaS广告
+3. 并没有能回杭州修福报
+4. 减少了福利，没有大小周了
+5. 搬砖
+
+学习的文档书籍
+
+Scala Future https://docs.scala-lang.org/zh-cn/overviews/core/futures.html
+
+Play https://www.playframework.com/documentation/2.7.x/ScalaHome
+ 
+SBT入门 https://www.playscala.cn/article/view?_id=10-5d7a4b3beeab565f1f3f9687
+
+Akka https://doc.akka.io/docs/akka/current/index-actors.html
+ 
+Undertow代码例子（也有其他框架的） https://www.programcreek.com/java-api-examples/?ClassName=undertow&action=search&submit=Search
+
+Scala大佬的博客 http://hongjiang.info/scala/
+
+《Scala编程》
+
+《响应式架构 消息模式Actor实现与Scala、Akka应用集成》
+
+《反应式设计模式》
+
+《Scala函数式编程》
+
+《快学Scala》

python-leetcode/README.md

@@ -39,6 +39,7 @@
 25. [二叉树的直径](./solution/tree/leetcode_543_.py)
 26. [二叉树中第二小的节点](./solution/tree/leetcode_671_.py)
 27. [另一个树的子树](./solution/tree/leetcode_572_.py)
+28. [二叉搜索树中的众数](./solution/tree/leetcode_501_.py)
 
 
 

python-leetcode/solution/tree/leetcode_501_.py

+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+# coding=utf-8
+"""
+501. 二叉搜索树中的众数
+"""
+from solution import TreeNode
+
+
+class Solution:
+    def findMode(self, root: TreeNode) -> List[int]:
+        list = []
+        res = {}
+        max = 0
+
+        def helper(root: TreeNode):
+            nonlocal res
+            if root:
+                if res.get(root.val, 0) == 0:
+                    res[root.val] = 1
+                else:
+                    res[root.val] += 1
+                helper(root.left)
+                helper(root.right)
+
+        helper(root)
+        for key, value in res.items():
+            if value > max:
+                list.clear()
+                list.append(key)
+                max = value
+            elif value < max:
+                continue
+            else:
+                list.append(key)
+
+        return list