最近爆火的龙虾它就像个随时待命的实习生，热情、能干、随叫随到——但也可能把你重要的文件‘整理’进回收站，还一脸无辜地问你‘还要吗’。赶紧安装体验下。

skywalking是什么

SkyWalking 是针对分布式系统的 APM 系统，也被称为分布式追踪系统

• 全自动探针监控，不需要修改应用程序代码。查看支持的中间件和组件库列表：https://github.com/apache/incubator-skywalking
• 支持手动探针监控, 提供了支持 OpenTracing 标准的SDK。覆盖范围扩大到 OpenTracing-Java 支持的组件。查看OpenTracing组件支持列表：https://github.com/opentracing-contrib/meta
• 自动监控和手动监控可以同时使用，使用手动监控弥补自动监控不支持的组件，甚至私有化组件。
• 纯 Java 后端分析程序，提供 RESTful 服务，可为其他语言探针提供分析能力。
• 高性能纯流式分析。

在 Mac 上部署美团点评开源的 CAT 监控服务端，可以按照以下步骤操作。

SpringBoot 集成美团点评的 CAT（Central Application Tracking）监控系统，可以帮助你实现高性能的应用监控和问题诊断。

　　在某些特定的场景下，我们可能需要利用数据的自增id特性来作为数据集的自增排序查找等操作。或者相同的数据分布在多份存储上。

并且存在对条数据需要通过这个id进行关联，类似于外键特性，这就需要将id和数据分离。

　　有时候我们在非关系数据库mongodb做一些简单的分析查询，比如分页。mongodb本身提供了分页的api，但是比较有限。

elasticsearch系列：

(1)Elasticsearch实践(1)-搭建及IK中文分词

(2)Elasticsearch实践(2)-索引及索引别名alias

(3)Elasticsearch实践(3)-api分页查询

es分页有两种，from size浅分页和scroll深分页，这里对这两种分页都做了实现，使用的是es的java api。from size类似于mysql的limit分页，from偏移，默认为0，size为返回的结果数量，默认为10。在数据量不大的情况下一般会使用from size，数据量大的时候效率比较低，而且很费内存，每次会把from*size条记录全部加载到内存中，对结果返回前进行全局排序，然后丢弃掉范围外的结果，重复这样的操作会导致内存占用过大而使es挂掉，并且受数据条数限制，10000条，需修改索引限制。🤔

我们都知道es效率如此高主要和索引是分不开的，需要将每一条数据建立索引，创建索引时数据字段也是你插入时的样子，索引中包含了数据的属性字段。而且创建索引也比较耗时（当然了，肯定比插入关系型数据库中更快😁），但是毕竟每一条数据都要建一次，数据量到达千万级亿级时，时间不是很乐观。🤔

💡想像这样一个场景，产品上线一段时间后，由于产品需要，要将某个字段类型改变，比如需要将某个long型字段改成string类型，直接改会类型报错，查阅官方文档可知，es是不支持索引的更新操作的，需要对所有已有数据的所有field进行reindex，这意味着，需要停止服务进行重建索引操作，停服是最不想看到😭，这时如果你当初建了索引别名，你会感谢你当初使用别名的决定，为何要用别名alias？🤷

🔍近期在做商品搜索优化，对比了Solr与Elasticsearch的区别，两者都是基于Lucene实现的封装，但es在数据量越大的情况下实时检索性能优于solr，更适用于实时商品搜索，于是选用了es，下面介绍elasticsearch搜索引擎的搭建及使用，这里使用的是2.2.1的es版本，以及1.8.1的ik分词版本。

ibatis工程使用resin配置mysql出现Packet for query is too large (84 > -1).错误。

windows下的resin配置连接mysql，常用的安全的做法是将数据库信息配置到conf目录下的resin.xml文件中。