❝最近在看公司项目和中间件的时候，看到一些Spring扩展点的使用，写篇文章学习下，对大家之后看源码都有帮助❞「首先先介绍下Bean的生命周期」我们知道Bean的生命周期分为几个主干流程Bean（单例非懒加载）的实例化阶段Bean的属性注入阶段Bean的初始化阶段Bean的销毁阶段下面是整个Spring容器的启动流程，可以看到除了上述几个主干流程外，Spring还提供了很多扩展点下面详细介绍下Spring的常见的扩展点Spring常见扩展点「BeanFactoryPostProcessor#postProcessBeanFactory」有时候整个项目工程中bean的数量有上百个，而大部分单测依赖都是整个工程的xml，导致单测执行时需要很长时间（大部分时间耗费在xml中数百个单例非懒加载的bean的实例化及初始化过程）解决方法：利用Spring提供的扩展点将xml中的bean设置为懒加载模式，省去了Bean的实例化与初始化时间public

上次面试多次被问到一个问题：❝Kafka如何保证高可用的?❞「下面来跟大家分享下当时我答到的点」什么是高可用「高可用性」，指系统无间断地执行其功能的能力，代表系统的可用性程度Kafka从0.8版本开始提供了高可用机制，可保障一个或多个Broker宕机后，其他Broker能继续提供服务备份机制Kafka允许同一个Partition存在多个消息副本，每个Partition的副本通常由1个Leader及0个以上的Follower组成，生产者将消息直接发往对应Partition的Leader，Follower会周期地向Leader发送同步请求同一Partition的Replica不应存储在同一个Broker上，因为一旦该Broker宕机，对应Partition的所有Replica都无法工作，这就达不到高可用的效果所以Kafka会尽量将所有的Partition以及各Partition的副本均匀地分配到整个集群的各个Broker上「如下图举个例子：」ISR机制「ISR

前言最近在读《MySQL性能调优与架构设计》，看到一个关于join的优化原则，如下：大白话解释下：因为驱动结果集越大，意味着需要循环的次数越多，也就是说在被驱动结果集上面所

语句拓展性和多层嵌套问题。可以通过卫语句、枚举、状态模式、策略+工厂模式等方式解决，如果大家有更好的方案，可以和我交流

Integer.valueOf(s)).collect(Collectors.toList());

组合更加灵活，可以任意的组合现有的基础类，并且可以在基础类方法的基础上进行扩展、编排等，而且方法命名可以任意命名，无需和基础类的方法名称保持一致。

是非公平锁，也就是说每当锁匙放的时候，所有等待锁的线程并不会按照排队顺去依次获得锁，而是会再次去争抢锁。ReentrantLock

这篇文章中我们主要看了方法内联、逃逸分析等概念，了解到一些方法在被优化后，对象并不一定是在堆上分配的，它可能在被标量替换后，直接在栈上分配。这几个知识点也是在面试中经常被问到的。

415的二进制高位都为0，低位都是1。那么经过&计算后，hash值100的高位全部被清零，低位则保持不变，并且一定是小于（n-1）的。也就是说经过如此计算，通过hash值得到的数组下标绝对不会越界。

t2;一般来说，这些访问方法按照我们介绍它们的顺序性能依次变差。其中除了All这个访问方法外，其余的访问方法都能用到索引，除了index_merge访问方法外，其余的访问方法都最多只能用到一个索引。

优点，纯内存操作速度快，缺点，redo日志没有落地磁盘，如果提交事务的一瞬间，MySQL宕机，那么如果是修改数据，内存数据没了，磁盘也没来的及更新，就丢失了本次修改操作。

String.valueOf(System.currentTimeMillis()));Redis延时队列优势Redis用来进行实现延时队列是具有这些优势的：

Disruptor是一个开源框架，研发的初衷是为了解决高并发下队列锁的问题，最早由LMAX提出并使用，能够在无锁的情况下实现队列的并发操作，并号称能够在一个线程里每秒处理6百万笔订单