snowflake第一次提交

许旸/mysql/datetime和timestamp.md

+# datetime和timestamp的区别
+
+## 1、自动更新日期
+
+datetime默认值是null，不会自动更新
+
+timestamp默认值not null，默认时间为CURRENT_TIMESTAMP，当行数据发生变化的时候采用当前时间
+
+## 2、日期存储方式
+
+timestamp有八小时的时差
\ No newline at end of file

许旸/snowflake/SnowflakeDemo.java

+import java.util.concurrent.ExecutorService;
+import java.util.concurrent.Executors;
+
+public class SnowflakeDemo {
+
+    private final long sequenceLength = 12L;
+
+    private final long workerIdLength = 10L;
+
+    private final long lastTimeStampLength = 41L;
+
+    private final long workerIdShift = sequenceLength;
+
+    private final long lastTimeStampShift = sequenceLength + workerIdLength;
+
+    private long lastTimeStamp = -1L;
+
+    private long workerId;
+
+    private long sequence = 0L;
+
+    private long mark =  ~(-1L << sequenceLength);
+
+    private static final int loopNum = 1*10000;
+
+    public synchronized String getId() {
+        long timeStamp = System.currentTimeMillis();
+        if(timeStamp < lastTimeStamp) {
+            throw new RuntimeException("time error");
+        }
+
+        if(timeStamp == lastTimeStamp) {
+            sequence = (sequence + 1) & mark;
+            if(sequence == 0) {
+                while(timeStamp <= lastTimeStamp) {
+                    timeStamp = System.currentTimeMillis();
+                }
+            }
+        } else {
+            sequence = 0;
+        }
+        lastTimeStamp = timeStamp;
+
+        return Long.toBinaryString(sequence | (workerId << workerIdShift) | (timeStamp << lastTimeStampShift));
+    }
+
+    public synchronized long waitTime(long lastTimeStamp) {
+        long timeStamp = System.currentTimeMillis();
+        while(timeStamp <= lastTimeStamp) {
+            timeStamp = System.currentTimeMillis();
+        }
+        return timeStamp;
+    }
+
+    private SnowflakeDemo(){}
+
+    private SnowflakeDemo(long lastTimeStamp, long workerId, long sequence) {
+        this.lastTimeStamp = lastTimeStamp;
+        this.workerId = workerId;
+        this.sequence = sequence;
+    }
+
+    public void m1() {
+        ExecutorService pool = Executors.newCachedThreadPool();
+        long currentTime = System.currentTimeMillis();
+        SnowflakeDemo snowflakeDemo = new SnowflakeDemo(currentTime, 0, 0);
+        for (int index = 0; index < loopNum; index++) {
+            Runnable run = new Runnable() {
+                public void run() {
+                    try {
+                        //new Thread().sleep(1000);  //模拟耗时操作
+                        System.out.println("[1]" + Thread.currentThread().getName() + " " + snowflakeDemo.getId());
+                    } catch (Exception e) {
+                    }
+                }
+            };
+            pool.execute(run);
+        }
+        System.out.println("[1] done!");
+        pool.shutdown();
+    }
+
+    public static void main(String[] args) {
+        long bt = System.currentTimeMillis();
+        SnowflakeDemo snowflakeWorker0 = new SnowflakeDemo(bt, 0, 0);
+        for(int i = 0; i < loopNum; i++) {
+            System.out.println(snowflakeWorker0.getId());
+        }
+        long et = System.currentTimeMillis();
+        System.out.println("耗时:"+(et2 - bt)+ "ms");
+        System.out.println("吞吐量为："+loopNum*1.0/(et - bt));
+
+        /*SnowflakeDemo TestThreadPool = new SnowflakeDemo();
+        long bt = System.currentTimeMillis();
+        TestThreadPool.m1();
+        long et2 = System.currentTimeMillis();
+        System.out.println("耗时:"+(et2 - bt)+ "ms");
+        System.out.println("吞吐量为："+loopNum*1.0/(et2 - bt));*/
+
+    }
+
+}

许旸/snowflake/snowflake.md

+### **1. 数据库自增长序列或字段**
+
+最常见的方式。利用数据库，全数据库唯一。
+
+优点：
+
+1）简单，代码方便，性能可以接受。
+
+2）数字ID天然排序，对分页或者需要排序的结果很有帮助。
+
+缺点：
+
+1）不同数据库语法和实现不同，数据库迁移的时候或多数据库版本支持的时候需要处理。
+
+2）在单个数据库或读写分离或一主多从的情况下，只有一个主库可以生成。有单点故障的风险。
+
+3）在性能达不到要求的情况下，比较难于扩展。
+
+4）如果遇见多个系统需要合并或者涉及到数据迁移会相当痛苦。
+
+5）分表分库的时候会有麻烦。
+
+优化方案：
+
+1）针对主库单点，如果有多个Master库，则每个Master库设置的起始数字不一样，步长一样，可以是Master的个数。比如：Master1 生成的是 1，4，7，10，Master2生成的是2,5,8,11 Master3生成的是 3,6,9,12。这样就可以有效生成集群中的唯一ID，也可以大大降低ID生成数据库操作的负载。
+
+ 
+
+### **2. UUID**
+
+常见的方式。可以利用数据库也可以利用程序生成，一般来说全球唯一。
+
+优点：
+
+1）简单，代码方便。
+
+2）生成ID性能非常好，基本不会有性能问题。
+
+3）全球唯一，在遇见数据迁移，系统数据合并，或者数据库变更等情况下，可以从容应对。
+
+缺点：
+
+1）没有排序，无法保证趋势递增。
+
+2）UUID往往是使用字符串存储，查询的效率比较低。
+
+3）存储空间比较大，如果是海量数据库，就需要考虑存储量的问题。
+
+4）传输数据量大
+
+5）不可读。
+
+
+
+### **3.snowflake算法 **
+
+snowflake是Twitter开源的分布式ID生成算法。
+
+**· 优点：**
+
+1）不依赖于数据库，灵活方便，且性能优于数据库。
+
+2）ID按照时间在单机上是递增的。
+
+**· 缺点：**
+
+1）在单机上是递增的，但是由于涉及到分布式环境，每台机器上的时钟不可能完全同步，也许有时候也会出现不是全局递增的情况。
+
+2）存在时间回退问题，时间回退后，生成的ID就有可能重复。
+
+**· ID结构：**
+
+结果是一个long型的ID，分成四个部分：
+
+0（符号位）—  000···000（41位表示毫秒数）—  000···000（10位表示机器的ID）—  000···000（12位作为序列号）
+
+**· 原理：**
+
+​			①设置一个初始对照时间戳*lastTime*，默认为0
+
+​			②获取当前时间戳*currentTime*与*lastTime*比较，假如在同一毫秒内，序列号+1；假如								    *currentTime*>*lastTime*，重置序列号为0；假如*currentTime*<*lastTime*，说明时间倒退应该报错。
+
+​			③若序列号达到最大值（12位全为1），则会触发等待直到下一毫秒，并将下一毫秒的时间戳作为*currentTime*
+
+​			④将*lastTime*更新为*currentTime*作为对照时间戳
+
+ · **关于如何解决时间回退问题：**
+
+可以使用RingBuffer环形数组，预先生成一批ID，放在数组中。当低于阈值时触发数据填充。填充的时候时间戳为当前的时间戳。
\ No newline at end of file

许旸/springboot/AOP.md

@@ -32,9 +32,16 @@
 
 ⑥环绕增强，相当于MethodInterceptor 
 
-`@Around("Pointcut()")`
-
-
+```
+@Around("Pointcut()")
+public Object Around(ProceedingJoinPoint pjp) throws Throwable {
+    ServletRequestAttributes attributes = (ServletRequestAttributes) RequestContextHolder.getRequestAttributes();
+    HttpServletRequest request = attributes.getRequest();	//获取http请求数据
+    Object object = pjp.proceed();
+    log.info("Request IP>>>"+request.getRemoteAddr()+"#######Response result>>>" +object);
+    return object;
+}
+```
 
 执行顺序：**@Around**===>**@Before**===>**方法调用**===>**@Around**===>**@After**===>**@AfterReturning**
 

许旸/springboot/JPA.md

@@ -2,6 +2,8 @@
 
 Springboot整合JPA
 
+#### 使用实例
+
 实体类
 
 ```
@@ -25,10 +27,32 @@ DAO层使用接口继承JpaRepository
 public interface UserRepository extends JpaRepository<Person, Long> { }
 ```
 
-## 使用jpa的 CrudRepository 基本查询
+使用jpa的 CrudRepository 基本查询
+
+使用jpa的 PagingAndSortingRepository 分页查询和排序
+
+使用jpa的 Repository 自定义声明式查询方法
+
+使用jpa的 JpaRepository 使用hql、jpql或sql查询，@Query等注解
+
+![image-20200426111508494](upload\image-20200426111508494.png)
+
+
+
+
+
+#### 关于save方法：
+
+###### 	当传入的时候不带自增主键时
+
+​			无论每次传入的数据是否一样，都会当做一条新的数据插入
+
+​			即只有一条insert语句，即直接插入一条
+
+​			id为数据库中最后一条ID+1
 
-## 使用jpa的 PagingAndSortingRepository 分页查询和排序
+###### 	当传入的时候带自增主键时
 
-## 使用jpa的 Repository 自定义声明式查询方法
+​			若数据不存在或者主键不存在，则先select再insert
 
-## 使用jpa的 JpaRepository 使用hql、jpql或sql查询，@Query等注解
\ No newline at end of file
+​			若此主键有数据存在，则先select再update
\ No newline at end of file