绝对干货我的支付宝3面+美团4面+拼多多四面

Posted 2021-06-05 Java李松

前言

随着微服务的流行，服务和服务之间的稳定性变得越来越重要。Sentinel 以流量为切入点，从流量控制、熔断降级、系统负载保护等多个维度保护服务的稳定性。

Sentinel 具有以下特征:

• 丰富的应用场景：Sentinel 承接了阿里巴巴近 10 年的双十一大促流量的核心场景，例如秒杀（即突发流量控制在系统容量可以承受的范围）、消息削峰填谷、集群流量控制、实时熔断下游不可用应用等。

• 完备的实时监控：Sentinel 同时提供实时的监控功能。您可以在控制台中看到接入应用的单台机器秒级数据，甚至 500 台以下规模的集群的汇总运行情况。

• 广泛的开源生态：Sentinel 提供开箱即用的与其它开源框架/库的整合模块，例如与 Spring Cloud、Dubbo、gRPC 的整合。您只需要引入相应的依赖并进行简单的配置即可快速地接入 Sentinel。

• 完善的 SPI 扩展点：Sentinel 提供简单易用、完善的 SPI 扩展接口。您可以通过实现扩展接口来快速地定制逻辑。例如定制规则管理、适配动态数据源等。

以上内容引自 Sentinel 官方介绍。在本文中，笔者将从实际应用的角度，来学习Sentinel的使用。

为什么阿里巴巴的持久层抛弃hibernate，采用MyBatis框架？

原因大概有以下4点：

尤其是需要处理大量数据或者大并发情况的网站服务，这也阿里选择MyBatis的原因。

MyBatis整体架构

不多讲，先看目录图

MyBatis源码笔记文档

第1部分 MyBatis 入门

MyBatis 是一个容易上手的持久层框架，使用者通过简单的学习即可掌握其常用特性的用法，这也是MyBatis 被广泛使用的原因之一。在深入分析MyBatis 源码前，先介绍一下MyBatis 的一些基础知识。

第2部分 配置文件解析过程

按照 MyBatis 启动流程，这部分将会对 MyBatis 解析配置文件的过程进行分析。我们在使用 MyBatis 框架时，通常会进行一定的设置，使其能更好的满足我们的需求。对于一个框架来说，提供较为丰富的配置文件，也是其灵活性的体现。将会介绍 MyBatis 配置文件中的大部分节点解析过程，包含但不限于 properties、settings、typeAliase、typeHandlers 等

第3部分 映射文件解析过程

这部分是分析映射文件解析的过程。与配置文件不同，映射文件用于配置 SQL语句，字段映射关系等。映射文件中包含、、、<select|insert|update|delete>等二级节点，这些节点将在接下来内容中进行分析。

第4篇 SQL执行流程

将对 MyBatis 执行 SQL 的过程进行较为详尽的分析。该过程比较复杂，涉及的技术点很多。

第5部分 内置数据源

MyBatis 支持三种数据源配置， 分别为 UNPOOLED 、POOLED 和 JNDI 。并提供了两种数据源实现，分别是UnpooledDataSource 和 PooledDataSource 。在这三种数据源配置中， UNPOOLED 和POOLED 是我们最常用的两种配置，这两种数据源也是本章要重点分析的对象。

第6篇 缓存机制

在 Web 应用中，缓存是必不可少的组件。通常都会用 Redis 或 memcached 等缓存中间件，拦截大量奔向数据库的请求，以减轻数据库压力。作为一个重要的组件，MyBatis 自然也在内部提供了相应的支持。通过在框架层面增加缓存功能，可减轻数据库的压力，同时又可以提升查询速度，可谓一举两得。MyBatis 缓存结构由一级缓存和二级缓存构成，这两级缓存均是使用 Cache 接口的实现类。因此本章将首先会向大家介绍 Cache 几种实现类的源码，然后再分析一级和二级缓存的实现。

第7篇 插件机制

开发 MyBatis 插件需要对 MyBatis 比较深了解才行，一般来说最好能够掌握 MyBatis 的源码，门槛相对较高。

写在最后

以上分享的全部资料都可免费分享领取—— 【点击这里下载】

还有一份JAVA核心知识点整理（PDF）：JVM，JAVA集合，JAVA多线程并发，JAVA基础，Spring原理，微服务，Netty与RPC，网络，日志，Zookeeper，Kafka，RabbitMQ，Hbase，MongoDB，Cassandra，设计模式，负载均衡，数据库，一致性哈希，JAVA算法，数据结构，加密算法，分布式缓存，Hadoop，Spark，Storm，YARN，机器学习，云计算…

sandra，设计模式，负载均衡，数据库，一致性哈希，JAVA算法，数据结构，加密算法，分布式缓存**，Hadoop，Spark，Storm，YARN，机器学习，云计算…