Tech Blog

2024-09-04




import os
from django.core.wsgi import get_wsgi_application
 
# 使用Heroku提供的配置来设置DJANGO_SETTINGS_MODULE环境变量
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'your_app_name.settings')
 
# 初始化Django应用
application = get_wsgi_application()
 
# 在这里可以添加其他的Heroku特定的配置或者定制代码

这段代码演示了如何在Heroku上设置Django应用的环境变量，并初始化WSGI应用对象。这是部署Django应用到云端的基础，确保了应用能够根据云环境加载正确的配置。在实际部署时，你需要将your_app_name替换为你的Django项目名。

System

2024-09-04

所有,数据库

在SQL Server中，使用ROW_NUMBER()函数结合OVER()子句可以实现表的分页功能。以下是一个基于ROW_NUMBER()进行分页的示例SQL查询：




-- 假设表名为YourTable，排序字段为YourColumn，每页显示10条记录
-- @PageNumber 是当前页码，@PageSize 是每页显示的记录数
 
DECLARE @PageNumber INT = 1;
DECLARE @PageSize INT = 10;
 
WITH RankedItems AS (
    SELECT
        *,
        ROW_NUMBER() OVER (ORDER BY YourColumn) AS RowNum
    FROM
        YourTable
)
SELECT
    *
FROM
    RankedItems
WHERE
    RowNum BETWEEN ((@PageNumber - 1) * @PageSize + 1) AND (@PageNumber * @PageSize);

在这个查询中，ROW_NUMBER()会为结果集中的每一行分配一个唯一的序号，OVER()子句里的ORDER BY定义了序号的排列顺序。WITH子句用于创建一个临时表，其中包含了原始表的所有行和它们的行号。外层查询利用行号来选取特定页的记录。

当数据量达到五千多条记录时，上述查询仍然有效。分页查询通过限制行号的范围来避免加载整个数据集到内存中，因此对于大数据量的分页是有效的。

System

2024-09-04

所有,数据库

在Django REST framework中，DjangoFilterBackend 是一个过滤器后端，它允许你使用DjangoFilter包进行过滤。SearchFilter 用于提供搜索功能，允许你通过指定查询参数来搜索资源。OrderingFilter 允许客户端通过指定查询参数来对返回的结果进行排序。

以下是如何在Django REST framework视图中使用这些过滤器的示例代码：




from django_filters.rest_framework import DjangoFilterBackend
from rest_framework.filters import SearchFilter, OrderingFilter
from rest_framework.generics import ListAPIView
from .models import MyModel
from .serializers import MyModelSerializer
 
class MyModelListView(ListAPIView):
    queryset = MyModel.objects.all()
    serializer_class = MyModelSerializer
    filter_backends = [DjangoFilterBackend, SearchFilter, OrderingFilter]
    filterset_fields = ['field1', 'field2']  # 使用DjangoFilterBackend时指定过滤字段
    search_fields = ['field1', 'field2']  # 使用SearchFilter时指定搜索字段
    ordering_fields = ['field1', 'field2']  # 使用OrderingFilter时指定排序字段

在上面的代码中，MyModelListView 是一个视图类，它继承自 ListAPIView。我们设置了 filter_backends 属性来指定使用的过滤器后端。对于 DjangoFilterBackend，我们通过 filterset_fields 指定了可以过滤的字段。对于 SearchFilter，我们通过 search_fields 指定了可以搜索的字段。对于 OrderingFilter，我们通过 ordering_fields 指定了可以排序的字段。

要使用这些过滤器，你可以通过添加相应的查询参数到你的请求中。例如：

过滤：?field1=value1&field2=value2
搜索：?search=search_term
排序：?ordering=field1

确保你已经安装了 django-filter 包，如果没有安装，你可以通过pip安装它：




pip install django-filter

在Django的 settings.py 文件中添加 django_filters 到 INSTALLED_APPS 中，以便可以使用其widgets和filters。




INSTALLED_APPS = [
    # ...
    'django_filters',
    # ...
]

- 阅读更多 -

springCloud Eureka注册中心配置详解

System

2024-09-04

所有,java

在Spring Cloud中，Eureka是一个用于服务发现和注册的组件。以下是Eureka服务器（注册中心）的配置示例：




server:
  port: 8761
 
eureka:
  instance:
    hostname: localhost
  client:
    registerWithEureka: false
    fetchRegistry: false
    serviceUrl:
      defaultZone: http://${eureka.instance.hostname}:${server.port}/eureka/

解释：

server.port: Eureka服务器监听的端口，默认为8761。
eureka.instance.hostname: Eureka服务器的主机名，默认为localhost。
eureka.client.registerWithEureka: 是否将自己注册到Eureka服务器，默认为true。这里设置为false表示不向其他Eureka服务器注册自己。
eureka.client.fetchRegistry: 是否从Eureka服务器获取注册信息，默认为true。这里设置为false表示不获取其他服务的注册信息。
eureka.client.serviceUrl.defaultZone: Eureka服务器的地址，客户端会使用这个地址来注册和发现服务。

这个配置是一个基本的Eureka服务器配置，实际部署时可能需要根据具体需求进行调整。

- 阅读更多 -

SpringBoot整合Mybatis-Plus、Druid配置多数据源

System

2024-09-04

所有,java

在Spring Boot整合MyBatis-Plus和Druid配置多数据源的过程中，你需要定义多个数据源的配置，并且为每个数据源创建一个DataSource、SqlSessionFactory和MybatisPlusInterceptor实例。以下是一个简化的示例：




@Configuration
public class DataSourceConfig {
 
    @Bean
    @ConfigurationProperties("spring.datasource.druid.first")
    public DataSource firstDataSource() {
        return DruidDataSourceBuilder.create().build();
    }
 
    @Bean
    @ConfigurationProperties("spring.datasource.druid.second")
    public DataSource secondDataSource() {
        return DruidDataSourceBuilder.create().build();
    }
 
    @Bean
    public MybatisPlusInterceptor mybatisPlusInterceptor() {
        MybatisPlusInterceptor interceptor = new MybatisPlusInterceptor();
        // 配置分页插件
        interceptor.addInnerInterceptor(new PaginationInnerInterceptor());
        return interceptor;
    }
 
    @Bean
    public SqlSessionFactory firstSqlSessionFactory(DataSource firstDataSource, MybatisPlusInterceptor mybatisPlusInterceptor) throws Exception {
        SqlSessionFactoryBean sqlSessionFactoryBean = new SqlSessionFactoryBean();
        sqlSessionFactoryBean.setDataSource(firstDataSource);
        sqlSessionFactoryBean.setPlugins(mybatisPlusInterceptor);
        return sqlSessionFactoryBean.getObject();
    }
 
    @Bean
    public SqlSessionFactory secondSqlSessionFactory(DataSource secondDataSource, MybatisPlusInterceptor mybatisPlusInterceptor) throws Exception {
        SqlSessionFactoryBean sqlSessionFactoryBean = new SqlSessionFactoryBean();
        sqlSessionFactoryBean.setDataSource(secondDataSource);
        sqlSessionFactoryBean.setPlugins(mybatisPlusInterceptor);
        return sqlSessionFactoryBean.getObject();
    }
}

在上述代码中，我们定义了两个数据源firstDataSource和secondDataSource，并为每个数据源创建了一个SqlSessionFactory实例。同时，我们创建了一个MybatisPlusInterceptor实例，并将其应用到所有的SqlSessionFactory实例中。

确保在application.properties或application.yml中配置了正确的数据源属性，例如：




spring:
  datasource:
    druid:
      first:
        url: jdbc:mysql://localhost:3306/first_db
        username: first_user
        password: first_password
      second:
        url: jdbc:mysql://localhost:3306/second_db
        username: second_user
        pa

- 阅读更多 -

04-Springbooot与Spring Cloud Alibaba搭建后端架构

System

2024-09-04

所有,java

以下是一个简化的Spring Boot和Spring Cloud Alibaba搭配使用的示例代码：

在pom.xml中添加Spring Boot和Spring Cloud Alibaba依赖：




<dependencies>
    <!-- Spring Boot dependencies -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
 
    <!-- Spring Cloud Alibaba dependencies -->
    <dependency>
        <groupId>com.alibaba.cloud</groupId>
        <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
    </dependency>
 
    <!-- 其他依赖... -->
</dependencies>

在application.properties或application.yml中配置Spring Cloud Alibaba相关属性：




spring:
  cloud:
    nacos:
      discovery:
        server-addr: 127.0.0.1:8848

创建启动类Application.java：




@SpringBootApplication
public class Application {
    public static void main(String[] args) {
        SpringApplication.run(Application.class, args);
    }
}

创建一个简单的REST控制器HelloController.java：




@RestController
public class HelloController {
    @GetMapping("/hello")
    public String hello() {
        return "Hello, Spring Cloud Alibaba!";
    }
}

以上代码展示了如何使用Spring Boot和Spring Cloud Alibaba创建一个基本的服务提供者，并且使用Nacos作为服务注册中心。在实际应用中，你还需要配置更多的参数，如数据库连接、缓存配置等，并且实现相关的业务逻辑。

- 阅读更多 -

在Linux中，部署及优化Tomcat

System

2024-09-04

所有,java

在Linux中部署和优化Tomcat的基本步骤如下：

安装Java环境：
Tomcat需要Java环境来运行，可以使用apt或yum安装Java。
```
sudo apt update
sudo apt install default-jdk
```

下载Tomcat：

从Tomcat官网下载最新版本的Tomcat压缩包。




wget https://downloads.apache.org/tomcat/tomcat-9/v9.0.62/bin/apache-tomcat-9.0.62.tar.gz

解压Tomcat：
```
tar xzvf apache-tomcat-*tar.gz
```

配置Tomcat环境变量：

编辑.bashrc或.profile文件，添加以下内容：




export CATALINA_HOME=/path/to/apache-tomcat-*
export CATALINA_BASE=/path/to/apache-tomcat-*
export PATH=$PATH:$CATALINA_HOME/bin

启动Tomcat：
```
cd $CATALINA_HOME/bin
./startup.sh
```

优化Tomcat的常见方法包括：

调整内存设置：在$CATALINA_HOME/bin/catalina.sh中设置JAVA_OPTS或CATALINA_OPTS变量来分配更多内存。
配置连接器（Connector）：根据应用需求调整HTTP连接器的性能参数，如线程池大小、超时时间等。
设置JVM参数：调整例如-Xms，-Xmx，-XX:NewSize，-XX:MaxNewSize等JVM参数。
日志管理：调整日志级别，配置日志轮转，以防止日志文件过大。
应用优化：优化Tomcat运行的Java应用，减少内存使用，提高响应速度。

示例优化步骤：

修改内存设置：




# 在catalina.sh中添加或修改
JAVA_OPTS="-Xms512m -Xmx1024m"

调整连接器配置：




<!-- 编辑$CATALINA_HOME/conf/server.xml -->
<Connector port="8080" protocol="HTTP/1.1"
           connectionTimeout="20000"
           redirectPort="8443"
           executor="tomcatThreadPool"
           minSpareThreads="25"
           maxSpareThreads="75"
           maxThreads="150"
           acceptCount="100"/>

配置JVM垃圾回收：




JAVA_OPTS="-XX:+UseConcMarkSweepGC -XX:+UseParNewGC"

管理日志：




mkdir $CATALINA_HOME/logs/archive
cat >> $CATALINA_HOME/conf/logging.properties <<EOF
catalina.out.file = /path/to/logs/archive/catalina.out
EOF

定期轮转日志文件：
```
cd $CATALINA_HOME/bin
./rotate.sh
```

确保在每次修改配置后重启Tomcat以应用更改。

System

2024-09-04

所有,java




package com.example.demo.handler;
 
import org.springframework.boot.web.reactive.error.ErrorWebExceptionHandler;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.core.annotation.Order;
import org.springframework.core.io.buffer.DataBufferFactory;
import org.springframework.core.io.buffer.DataBufferUtils;
import org.springframework.http.HttpStatus;
import org.springframework.http.MediaType;
import org.springframework.http.server.reactive.ServerHttpResponse;
import org.springframework.web.server.ResponseStatusException;
import org.springframework.web.server.ServerWebExchange;
import reactor.core.publisher.Mono;
 
@Configuration
public class GlobalExceptionHandler {
 
    @Order(-1)
    @Bean
    public ErrorWebExceptionHandler errorWebExceptionHandler() {
        return (exchange, ex) -> {
            // 设置响应状态码
            ServerHttpResponse response = exchange.getResponse();
            response.setStatusCode(HttpStatus.INTERNAL_SERVER_ERROR);
            // 设置响应头
            response.getHeaders().setContentType(MediaType.APPLICATION_JSON);
            // 设置响应内容
            DataBufferFactory bufferFactory = response.bufferFactory();
            // 自定义错误信息
            String errorBody = "{\"code\": 500, \"message\": \"服务器内部错误\"}";
            // 返回错误信息
            return response.writeWith(Mono.just(bufferFactory.wrap(errorBody.getBytes())));
        };
    }
}

这个代码实例展示了如何在Spring Cloud Gateway中实现一个全局异常处理器。通过定义一个ErrorWebExceptionHandler的Bean，并设置响应的状态码、头部和内容，我们可以在服务出现异常时提供一个统一的错误响应。这有助于提高前端的用户体验，并简化后端的错误处理流程。

- 阅读更多 -

Redis集群之Redis分片集群

System

2024-09-04

所有,redis

Redis分片集群是一种将数据分布在多个Redis节点上的方法，以此来提高数据库的性能和伸缩性。Redis Cluster通过使用哈希分片来实现数据分布。

以下是一个简单的Python示例，使用redis-py-cluster库来连接到Redis分片集群并执行一些基本操作：

首先，安装redis-py-cluster库：




pip install redis-py-cluster

然后，使用以下Python代码连接到Redis分片集群：




from rediscluster import RedisCluster
 
# 假设你的Redis分片集群节点地址如下
startup_nodes = [
    {"host": "127.0.0.1", "port": "7000"},
    {"host": "127.0.0.1", "port": "7001"},
    {"host": "127.0.0.1", "port": "7002"}
]
 
# 连接到Redis分片集群
rc = RedisCluster(startup_nodes=startup_nodes, decode_responses=True)
 
# 设置键值对
rc.set("key", "value")
 
# 获取键对应的值
value = rc.get("key")
print(value)
 
# 执行其他操作...

在这个例子中，startup_nodes是一个包含至少一个节点地址的列表，Redis Cluster会使用这些信息来发现集群的其余部分。decode_responses=True参数确保返回的数据是以字符串形式的，而不是字节。

这只是一个简单的示例，实际使用时可能需要考虑更多的配置选项，如重试逻辑、密码认证、连接池大小等。

- 阅读更多 -

Redis的八种数据类型介绍

System

2024-09-04

所有,redis

Redis支持的八种数据类型包括：

String（字符串）
Hash（哈希）
List（列表）
Set（集合）
Sorted Set（有序集合）
Bitmaps（位图）
HyperLogLog（基数估算）
Stream（流）

下面是每种数据类型的简单示例：

String（字符串）：




SET key "value"
GET key

Hash（哈希）：




HSET hash_key field1 "value1"
HGET hash_key field1

List（列表）：




LPUSH list_key "value1"
LRANGE list_key 0 -1

Set（集合）：




SADD set_key "value1"
SMEMBERS set_key

Sorted Set（有序集合）：




ZADD sorted_set_key 1 "value1"
ZRANGE sorted_set_key 0 -1 WITHSCORES

Bitmaps（位图）：




SETBIT bit_key 1 1
GETBIT bit_key 1

HyperLogLog（基数估算）：




PFADD hyperloglog_key "value1"
PFCOUNT hyperloglog_key

Stream（流）：




XADD stream_key *field1 value1
XRANGE stream_key - +

注意：代码示例中的命令是Redis命令行下的使用方式，并且假设了存在Redis服务器。在实际的编程语言中使用Redis客户端库时，语法会有所不同。

- 阅读更多 -