Articles
642
Tags
191
Categories
83
Home
Archives
Tags
Categories
About
ByteCoding
猜拳设计
Back to Home
Home
Archives
Tags
Categories
About
猜拳设计
Created
2021-04-13
|
Math
|
Word Count:
73
|
Reading Time:
1mins
需求概要
用户消费若干金币后排队,N人组队成功后开始猜拳,M轮PK后决出最终胜利者
轮次分布
数理预测
实际分布
概要设计
用例图
部署图
状态图
用户阶段
数据状态
数据模型
Author:
zhongmingmao
Link:
https://blog.zhongmingmao.top/2021/04/13/mora/
Copyright Notice:
All articles on this blog are licensed under
CC BY-NC-SA 4.0
unless otherwise stated.
Math
Previous
容器基础 -- Namespace & Cgroups
VM vs Container Hypervisor 通过硬件虚拟化,模拟出一个操作系统所需要的各种硬件,然后在虚拟的硬件上安装Guest OS 对应用进程的隔离环境负责 额外的资源消耗和占用 使用虚拟化技术作为应用沙盒,必须由Hypervisor来负责创建VM,该VM是真实存在的且里面运行一个完整的Guest OS Docker Engine 『轻量级』虚拟化 不存在真正的『Docker容器』运行在宿主机里面,Docker只是在创建进程时,加上各种不同的Namespace参数 真正对隔离环境负责的是宿主机操作系统,而非Docker Engine 容器化后的用户应用,依然还是宿主机上的普通进程 相对于VM的优势:敏捷 + 高性能 基于Linux Namespace劣势:隔离不彻底 多个容器之间使用的还是同一个宿主机的操作系统内核 低版本的Linux宿主机不能运行高版本的Linux容器 容器给应用暴露出来的攻击面是很大的 – Seccomp(对容器内部发起的系统调用做过滤拦截,影响容器性能) 在Linux内核中,很多资源和对象是不能被Namespace化的,如时间 Namesp...
Next
任务系统 - 性能调优
说明调优背景 任务系统是一个运行多年且高度抽象的核心营收系统 业务高峰期出现频繁GC,导致Kafka消息消费延迟的情况,影响线上业务 经JVM参数调优后,效果提升不明显,依然无法满足业务需求,需要专项深入优化,降低内存分配的速度 主要挑战 代码高度抽象且迭代多年,存在比较陡峭的理解曲线 调优过程不能影响线上业务,因此不能采用会触发STW的工具,如HeapDump等 调优思路 不直接关注代码架构设计等静态指标,直接采样线上系统的运行数据 从采样数据中得出剩余可调优空间的TopN问题,针对问题进行分析优化后再次上线,进入下一轮调优迭代 调优N次后,当剩余可调优空间不大或者性价比不高时(问题域趋向于收敛),即结束调优迭代 采样时间 Java Flight Recorder 均为10分钟 采样文件大小与采样时间基本是O(N)的关系,不适合长时间采样,且本案例中内存分配的Top 5基本不变 Async Profiler 调优迭代为10分钟,最后一次采样为7天 采样文件大小与采样时间基本是O(1)的关系,可以长时间采样 调优迭代采样10分钟是为了快速确定TopN问题,加速调优迭代 最后一次采样为7...
Related Articles
2020-01-05
项目立项 -- 保证不亏钱
问题抽象一下:假设有n个坑,第$i$个坑投注了$X_i$,倍率为$Y_i$,怎样设置倍率才能保证不亏钱? 推导过程如下: 假设某场第$k$个坑赔最少,最少赔付记为$min = (X_k \times Y_k)$ 则$(X_k \times Y_k) \leq (X_l \times Y_l) \quad l \in [1,n]$ 易得$\frac{X_k \times Y_k}{Y_l} \leq X_l \quad l \in [1,n]$ 而收入为$(\sum_{i=1}^n{X_i}) \geq (\sum_{i=1}^n{\frac{X_k \times Y_k}{Y_i}}) = (\sum_{i=1}^n{\frac{1}{Y_i}}) \times (X_k \times Y_k) = (\sum_{i=1}^n{\frac{1}{Y_i}}) \times min$ 而不亏钱,只要保证$(\sum_{i=1}^n{X_i}) \geq min$即可,而由上易知,$(\sum_{i=1}^n{\fra...
zhongmingmao
Focus on Infrastructure.
Articles
642
Tags
191
Categories
83
Announcement
Things are always unexpected!
Contents
1.
需求概要
2.
轮次分布
2.1.
数理预测
2.2.
实际分布
3.
概要设计
3.1.
用例图
3.2.
部署图
3.3.
状态图
3.3.1.
用户阶段
3.3.2.
数据状态
3.4.
数据模型
Recent Posts
Observability - Prometheus Server V1
2025-01-24
Observability - Prometheus Concepts
2025-01-23
Observability - Prometheus Introduction
2025-01-22
Observability - OpenTelemetry Java Zero Code
2025-01-21
Observability - OpenTelemetry Java
2025-01-20
繁