Java开发知识体系,一个本科渣渣是怎么逆袭从咸鱼到Offer收割机的?

2021年09月15日 阅读数:5
这篇文章主要向大家介绍Java开发知识体系,一个本科渣渣是怎么逆袭从咸鱼到Offer收割机的?,主要内容包括基础应用、实用技巧、原理机制等方面,希望对大家有所帮助。

什么是 Arthas?

Arthas 是一款开源在线诊断工具,采用命令行交互模式,支持 web 端在线诊断,同时提供丰富的 Tab 自动补全功能,进一步方便进行问题的定位和诊断。这是一款开源一年多 GitHub star 2 万,99% 的阿里研发小哥都在用的 Java 终极诊断利器!相对比直接下载使用,我推荐开发者能够试一下经过 IDE插件 Cloud Toolkit 中使用Arthas 来实现一键远程诊断功能。git

得益于 Arthas 强大且丰富的功能,让 Arthas 能作的事情超乎想象。下面仅仅列举几项常见的使用状况,更多的使用场景能够在熟悉了 Arthas 以后自行探索。web

  • 是否有一个全局视角来查看系统的运行情况?
  • 为何 CPU 又升高了,究竟是哪里占用了 CPU ?
  • 运行的多线程有死锁吗?有阻塞吗?
  • 程序运行耗时很长,是哪里耗时比较长呢?如何监测呢?
  • 这个类从哪一个 jar 包加载的?为何会报各类类相关的 Exception?
  • 我改的代码为何没有执行到?难道是我没 commit?分支搞错了?
  • 遇到问题没法在线上 debug,难道只能经过加日志再从新发布吗?
  • 有什么办法能够监控到 JVM 的实时运行状态?

Arthas 的命令、功能在其官方文档有详细介绍,下文将介绍一下近期几个使用场景。面试

场景 1:定位压测时的性能瓶颈

平时服务器请求都很正常。压测时,依赖的服务、数据库也都没有到达瓶颈,可是机器的 CPU 所有飘红,why?数据库

经过 jstack 命令,只能看到某一时刻的堆栈,没有抓到真凶。json

thread 查看当前线程信息,查看线程的堆栈。服务器

thread -n 3 -i 10000 能够统计 10 秒内最忙的 3 个线程,而且打印它们的堆栈,很容易发现问题。最终发现的问题比较简单:日志中打印了 location 的信息,包括 类名、方法名和行号。markdown

动态获取代码的方法名、行号等信息,一般是经过 new Throwable() -> 打印 Throwable 的堆栈 -> 截取堆栈中最顶层的业务代码 -> 拆分字符串获取类、方法、行号等信息, 打印堆栈对性能损耗是比较大的。多线程

Java开发知识体系,一个本科渣渣是怎么逆袭从咸鱼到Offer收割机的?

场景 2:检测偶发的超时

有段时间,老是碰到几回偶尔的超时,可是看日志都正常,鹰眼的调用链路都彻底 ok,没有哪一步数据库操做或者 HSF 调用是特别慢的。异步

各类监控统计的时间维度的耗时,都十分正常,没法找到那个 rt 的尖刺。ide

想到了多是日志的问题,可是没有证据支撑。

trace 命令能监控每一步的耗时,而且能够配合条件表达式,当耗时超过 xx ms 时打印详细日志。

找台机器,输入命令,后面的就是静等了。再次出现 rt 尖刺时,可以捕捉到耗时的分布状况。

Java开发知识体系,一个本科渣渣是怎么逆袭从咸鱼到Offer收割机的?

经过 Arthas 拿到的结果,定位到是日志打印的问题。同步日志改成异步日志后,问题解决。

场景3:debug?那要是动态字节码生成咋办?

以前碰到过一个 json 序列化时输出的数字带不带引号的问题。当时各类 debug、看代码,发现是经过 ASM 动态字节码的方式生成的序列化类。到这彻底放弃了,debug 已经没法定位问题了。当时经过另一种方式避免了这种问题。

反过来看这个问题的时候,咱们能够经过 Arthas 的 jad 命令,反编译动态字节码生成的类,结合 watch 等命令,定位排查问题。

jad——反编译指定已加载类的源码

Java开发知识体系,一个本科渣渣是怎么逆袭从咸鱼到Offer收割机的?

还能够经过 mc(menory compiler), redefine 命令线上热更新代码,欢迎探索。

Kafka实战笔记

关于这份笔记,为了避免影响你们的阅读体验,我只能在文章中展现部分的章节内容和核心截图

CodeChina开源项目:【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频】

image.png

  • Kafka入门
  • 为何选择Kafka
  • Karka的安装、管理和配置

image.png

  • Kafka的集群
  • 第一个Kafka程序
  • image.png

afka的生产者

image.png

  • Kafka的消费者
  • 深刻理解Kafka
  • 可靠的数据传递

image.png

image.png

  • Spring和Kalka的整合
  • Sprinboot和Kafka的整合
  • Kafka实战之削峰填谷
  • 数据管道和流式处理(了解便可)

image.png

  • Kafka实战之削峰填谷

image.png