P50 Java计算池技术架构 文档
jboss数据库(mysql)应用服务器2 jboss应用服务器3 jboss会话复制 6. 基于会话粘滞的水平扩展负载均衡器(lvs)应用服务器1 jboss数据库(mysql)应用服务器2 jboss应用服务器3
huafenged 门户级UGC系统的技术进化路线 经验
0。当时的评论系统运行在单机环境，一台X86版本Solaris系统的Dell 6300服务器提供了全部服务，包括MySQL和Apache，以及所有前后台CGI程序，使用C++开发。 （图1：3.0系统流程和架构）
jopen Python操作 RabbitMQ、Redis、Memcache、SQLAlchemy 经验
Dialect用于和数据API进行交流，根据配置文件的不同调用不同的数据库API，从而实现对数据库的操作，如： MySQL-Python mysql+mysqldb://
高性能高并发服务的瓶颈及突破思路 经验
最典型的一个临界资源就是数据库，数据库在一个大访问量的系统中往往是最薄弱的一环，因为数据库本身的服务能力是有限的，以MySQL为例，可能MySQL可以支持的并发连接数可能也就几千个，假设是3000个，如果一个服务对其数据库的并发访问
【译】使用 AngularJS 和 Electron 构建桌面应用 经验
或一些 Scotch Angular 教程 。 这一部分会讲解如何使用 AngularJS 和 MySQL 数据库创建一个顾客管理（Customer Manager）应用。这个应用的目的不是为了强调 AngularJS
P13 数据库水平切分的实现原理解析 - 分库,分表,主从,集群,负载均衡器 文档
不是一门新技术，而是一个相对简朴的软件理念。众所周知，MySQL 5 之后才有了数据表分区功能，那么在此之前，很多 MySQL 的潜在用户都对 MySQL 的扩展性有所顾虑，而是否具备分区功能就成了衡量一
P8 数据库水平切分的实现原理解析 文档
不是一门新技术，而是一个相对简朴的软件理念。众所周知，MySQL 5 之后才有了数据表分区功能，那么在此之前，很多 MySQL 的潜在用户都对 MySQL 的扩展性有所顾虑，而是否具备分区功能就成了衡量一
数据库水平切分的实现原理(分库，分表，主从，集群，负载均衡) 经验
不是一门新技术，而是一个相对简朴的软件理念。众所周知，MySQL 5 之后才有了数据表分区功能，那么在此之前，很多 MySQL 的潜在用户都对 MySQL 的扩展性有所顾虑，而是否具备分区功能就成了衡量一
P11 大型网站系统架构分析 文档
选已经是一个既定事实。 常用的系统架构是: · Linux + Apache + PHP + MySQL · Linux + Apache + Java (WebSphere) + Oracle · Windows
P9 数据库水平切分的实现原理解析 - 分库，分表，主从，集群，负载均衡器 文档
不是一门新技术，而是一个相对简朴的软件理念。众所周知，MySQL 5 之后才有了数据表分区功能，那么在此之前，很多 MySQL 的潜在用户都对 MySQL 的扩展性有所顾虑，而是否具备分区功能就成了衡量一
基于 Node.js 的声明式可监控爬虫网络 经验
等离线或者流式计算引擎来处理海量数据，使用词嵌入、主题模型、LSTM 等等机器学习技术来分析文本，可以使用 HBase、ElasticSearch 来存储或者对文本建立索引。 笔者本意并非想重新造个轮子，不过在改造我司某个简单的命
数据为王，如何通过数据挖掘为运维增值升值？ 经验
关于数据收集、处理和展示，业界比较常见的技术栈主要这几类： 第一类是著名的ELK，即 Elasticsearch、Logstash、Kibana（或者EFK，F 是 Fluentd 代替 Logsta
容器周边开源工具新秀：Sysdig和Calico 资讯
许多工具的名字已经广为人知，比如服务发现 工具Etcd和Consul，日志收集工具组合Elasticsearch、Logstash和Kiba n a，任 务编排工具 Fleet、Kubernetes和Mesos等。这些工具之所以出名，
可执行镜像 - 开发环境的Docker化之路 资讯
姆斯特丹的Trifork，主要的工作是继续使用开源技术，比如Java、 Spring、ElasticSearch和MongoDB，完成项目后端的工作，对最新的前端设计颇有感觉。他热衷于缩短反馈周期和启用敏捷开发：测
完整全面的Java资源库（包括构建、操作、代码分析、编译器、数据库、社区等等） 经验
文档索引引擎，用于搜索和分析。 Apache Solr ：一个完全的企业搜索引擎。为高吞吐量通信进行了优化。 Elasticsearch ：一个分布式、支持多租户（multitenant）全文本搜索引擎。提供了RESTful
Docker在B站的实施之路 经验
DP端口，然后Logstash把日志推送到Kafka，Kafka的消费者有两个，一个是Elasticsearch，一个是HDFS。一般用ELK足以。需要详细日志时，由运维通过HDFS查询。 Q：我
Mesos 架构与去哪儿的统一框架实践 经验
Marathon 拆成两次发，第一次发 driver，第二次发 executor。 ElasticSearch 额外提一下 ES 这一块，我们集群有 50 台左右机器，最开始不太关心把 ES 做成一个服务放到
国外程序员整理的Java资源大全 经验
文档索引引擎，用于搜索和分析。 Apache Solr ：一个完全的企业搜索引擎。为高吞吐量通信进行了优化。 Elasticsearch ：一个分布式、支持多租户（multitenant）全文本搜索引擎。提供了RESTful
Mesos在去哪儿网的应用 经验
问题和运营报表。 这个是我们平台的结构概览。 日志分析我们使用ELK（Elasticsearch、Logstash、Kibana），这三个应该说是目前非常常见的工具了。而且方案成熟，
[译] 谷歌团队的容器运维最佳实践 经验
fluentd 和 Stackdriver Logging。其他常见方法包括使用 EFK （Elasticsearch，Fluentd，Kibana）栈。 图 1. Kubernetes 中典型的日志管理系统图