注册微信小程序账号，获取到 AppID，我们后面配置的时候会用到。在 HBuilderX 工具栏，点击发行，选择小程序-微信。输入小程序名称和 AppID，单击发行就可以了。这样我们就会获得一个微信小程序的打包文件，接下来我们来发布微信小程序项目，打开微信小程序开发者工具，导入刚刚生成的微信小程序项目的打包文件，在微信小程序开发者工具中先测试一下，项目运行是否正常，项目测试没有问题后，点击右上角>>按钮，上传代码就可以发布微信小程序了，最后等待微信团队审核通过，别人就可以在线上访问到你的项目了。

uni-app 的 API 与微信小程序 API 基本一致。掌握微信小程序 API 对后面的开发很有帮助。微信小程序 API 文档:https://developers.weixin.qq.com/miniprogram/dev/api/

定义：乐观锁是相对悲观锁来说的，它认为数据在一般情况下不会造成冲突，所以在访问记录前不会加排它锁，而是在进行数据提交更新的时候，才会正式对数据冲突与否进行检测。乐观锁的实现：依旧拿数据库的锁进行比较介绍，乐观锁并不会使用数据库提供的锁机制， 一般在表中添加 version 宇段或者使用业务状态来实现。 乐观锁直到提交时才锁定，所以不会产生任何死锁。Java 中的乐观锁：我们之前所学习的 CAS 原理即是乐观锁技术，当多个线程尝试使用 CAS 同时更新同一个变量时，只有其中一个线程能更新变量的值，而其它线程都失败，失败的线程并不会被挂起，而是被告知这次竞争中失败，并可以再次尝试。Tips：我们这里所说的对于乐观锁，当多个线程尝试使用 CAS 同时更新同一个变量时，只有其中一个线程能更新变量的值，而其它线程都失败。注意失败两字，失败意味着有操作，而悲观锁是等待，意味着不能同时操作。

悲观锁：总是假设最坏的情况，每次去拿数据的时候都认为别人会修改，所以每次在拿数据的时候都会上锁，这样其他线程想拿这个数据就会阻塞直到它拿到锁（共享资源每次只给一个线程使用，其它线程阻塞，用完后再把资源转让给其它线程）。乐观锁：总是假设最好的情况，每次去拿数据的时候都认为别人不会修改，所以不会上锁，但是在更新的时候会判断一下在此期间别人有没有去更新这个数据，可以使用版本号机制和 CAS 算法实现。乐观锁适用于多读的应用类型，这样可以提高吞吐量，像数据库提供的类似于 write_condition 机制，其实都是提供的乐观锁。

这是一种优化的读模式。乐观读模式相关的几个方法如下。tryOptimisticRead () 方法：非阻塞尝试乐观获取读锁，只有当写锁没有被获取时返回一个非 0 的 stamp 。乐观读取模式适用于短时间读取操作，降低竞争和提高吞吐量。在使用时一般需将数据存储到一个副本中，在后继处理中用于对比数据是否是最新状态；validate (long stamp) 方法：用于检查在获取到读锁 stamp 后，锁有没被其他写线程抢占。如果写锁没有被获取，那么 validate () 方法返回 true。可多次调用验证这一信息。另外，此类也提供了一组读写锁之间的转换方法：tryConvertToWriteLock (long stamp) 方法：尝试转换为写锁。转换条件：tryConvertToReadLock (long stamp) 方法：尝试转换为悲观读锁。tryConvertToOptimisticRead (long stamp) 方法：尝试转换为乐观读锁。注意此类的编程方法有这样一个共通特征：所有获取锁的方法，都返回一个邮戳（Stamp），Stamp 为 0 表示获取失败，其余都表示成功；所有释放锁的方法，都需要一个邮戳（Stamp），这个 Stamp 必须是和成功获取锁时得到的 Stamp 一致；下面我们举一个具体的编程例子。

为了更好地理解悲观锁与乐观锁，我们通过设置一个简单的示例场景来进行分析。并且我们采用悲观锁 synchronized 和乐观锁 Atomic 操作进行分别实现。Atomic 操作类，指的是 java.util.concurrent.atomic 包下，一系列以 Atomic 开头的包装类。例如 AtomicBoolean，AtomicInteger，AtomicLong。它们分别用于 Boolean，Integer，Long 类型的原子性操作。Atomic 操作的底层实现正是利用的 CAS 机制，而 CAS 机制即乐观锁。场景设计：创建两个线程，创建方式可自选；定义一个全局共享的 static int 变量 count，初始值为 0；两个线程同时操作 count，每次操作 count 加 1；每个线程做 100 次 count 的增加操作。结果预期：最终 count 的值应该为 200。悲观锁 synchronized 实现：public class DemoTest extends Thread{ private static int count = 0; //定义count = 0 public static void main(String[] args) { for (int i = 0; i < 2; i++) { //通过for循环创建两个线程 new Thread(new Runnable() { @Override public void run() { try { Thread.sleep(10); } catch (Exception e) { e.printStackTrace(); } //每个线程让count自增100次 for (int i = 0; i < 100; i++) { synchronized (DemoTest.class){ count++; } } } }). start(); } try{ Thread.sleep(2000); }catch (Exception e){ e.printStackTrace(); } System.out.println(count); }}结果验证：200乐观锁 Atomic 操作实现：public class DemoTest extends Thread{ //Atomic 操作，引入AtomicInteger。这是实现乐观锁的关键所在。 private static AtomicInteger count = new AtomicInteger(0); public static void main(String[] args) { for (int i = 0; i < 2; i++) { new Thread(new Runnable() { @Override public void run() { try { Thread.sleep(10); } catch (Exception e) { e.printStackTrace(); } //每个线程让count自增100次 for (int i = 0; i < 100; i++) { count.incrementAndGet(); } } }). start(); } try{ Thread.sleep(2000); }catch (Exception e){ e.printStackTrace(); } System.out.println(count); }}结果验证：200代码解读：此处主要关注两个点，第一个是 count 的创建，是通过 AtomicInteger 进行的实例化，这是使用 Atomic 的操作的入口，也是使用 CAS 乐观锁的一个标志。第二个是需要关注 count 的增加 1 调用是 AtomicInteger 中 的 incrementAndGet 方法，该方法是原子性操作，遵循 CAS 原理。

乐观是一种积极的解决问题的态度。所谓乐观锁认为系统中的事务并发更新不会很频繁，即使冲突了也没事，大不了重新再来一次。基本思想：每次提交一个事务更新时，查看要修改的数据从上次读取以后有没有被其它事务修改过，如果修改过，那么更新就会失败。实现方案：在实体中增加一个版本控制字段，每次事务更新后就将版本 (Version) 字段的值加 1。Tips： 乐观锁本质就是版本控制管理的实现，记录的每一次更新操作都会以版本递增的方式进行记录。一个事务在更新之前，先获取记录的当前版本号，更新时，如果版本还是最新的则可以更新，否则说明有事务比你先更新，则需要放弃。或者重新查询到最新版本信息后再更新。所以，在乐观锁的实现中，冲突是常态。实现过程：在学生实体类中添加新属性，用来记录每次更新的版本号。public class Student implements Serializable {//省略…… @Versionprivate Long version;//省略…… ｝stu = (Student) session.get(Student.class, new Integer(1));System.out.println("当前版本号："+stu.getVersion);//模拟延迟，如果在这个时间内有其它事务进行了更新操作，此事务的更新不会成功Thread.sleep(30000);stu.setStuName("Hibernate");transaction.commit();好了，悲观也好，乐观也好，只是一种解决问题的态度。对于这两种态度，咱们要总结一下。乐观锁：优势：性能好，并发性高。缺点：用户体验不好，可能会出现高高兴兴去更新，却告知已经有人捷足先登了。悲观锁：优势：锁住记录为我所用，没修改完成之前，其他事务只能瞪眼瞧着，时间虽然延迟，至少心里有底。缺点：并发性不好，性能不高。Hibernate 的其它性能优化：随时使用 Session.clear（）及时清除 Session 缓存区的内容；1+N 问题 ( 一条 SQL 语句能解决的问题用了很多条 SQL 语句来实现) ；使用 Criteria 查询可以解决这个问题；Lazy 加载：需要时，使用 get（） 方法发出 SQL 语句。使用类似于 from Student s left join s.classRoom c 的关联查询语句。缓存使用：在对象更新、删除、添加相对于查询要少得多时， 二级缓存的应用将不怕 n+1 问题，因为即使第一次查询很慢，之后直接缓存命中也是很快的，刚好又利用了 n+1。

可以看到，乐观锁虽然有缺陷，它会使更新失败，因此必须重复获取数据然后重试，但是它保证了数据的正确性和完整性。在读多写少的场景下，乐观锁不会出现太多的重试，当然如果出现了很多重试，证明场景已经可能不是读多写少了，可以尝试换方案了。乐观锁的实现也颇为简单，不需要任何第三方依赖，你完全可以自己直接实现，不过仍然有一些第三方框架提供了开箱即用的乐观锁，你可以根据自己的使用语言和生态去查找相应的乐观锁框架。

本节内容概览本小节从服务资源隔离的前提概念开始介绍，采用图文并茂的方式，详细介绍了进程和线程、Web 项目中的进程与线程、服务资源隔离产生的原因，以及服务资源隔离的概念；接着，我们采用代码实现的方式，对 Hystrix 中的线程池隔离和信号量隔离这两种实现服务资源隔离的措施进行了介绍，并对其中需要注意的地方做了补充。服务资源隔离是微服务项目治理中的最后一关，同时也是至关重要的一关，微服务项目经常由于服务没有响应而导致后续服务瘫痪，所以，掌握服务资源隔离是保证微服务项目正常运行的关键所在。

在多线程竞争下，加锁、释放锁会导致比较多的上下文切换和调度延时，引起性能问题；一个线程持有锁会导致其它所有需要此锁的线程挂起；如果一个优先级高的线程等待一个优先级低的线程释放锁会导致优先级倒置，引起性能风险。对比于悲观锁的这些问题，另一个更加有效的锁就是乐观锁。其实乐观锁就是：每次不加锁而是假设没有并发冲突而去完成某项操作，如果因为并发冲突失败就重试，直到成功为止。

简单的来说 CAS 适用于写比较少的情况下（多读场景，冲突一般较少），synchronized 适用于写比较多的情况下（多写场景，冲突一般较多）。对于资源竞争较少（线程冲突较轻）的情况，使用 synchronized 同步锁进行线程阻塞和唤醒切换以及用户态内核态间的切换操作额外浪费消耗 CPU 资源；而 CAS 基于硬件实现，不需要进入内核，不需要切换线程，操作自旋几率较少，因此可以获得更高的性能；对于资源竞争严重（线程冲突严重）的情况，CAS 自旋的概率会比较大，从而浪费更多的 CPU 资源，效率低于 synchronized。总结：乐观锁适用于写比较少的情况下（多读场景），即冲突真的很少发生的时候，这样可以省去了锁的开销，加大了系统的整个吞吐量。但如果是多写的情况，一般会经常产生冲突，这就会导致上层应用会不断地进行 retry，这样反倒是降低了性能，所以一般多写的场景下用悲观锁就比较合适。

乐观锁的使用十分广泛，我们也推荐你在实际的开发中使用乐观锁，接下来，我们以一个例子来详细的说明一下乐观锁。我们新建一个测试数据表 imooc_order ：DROP TABLE IF EXISTS imooc_order;CREATE TABLE imooc_order( id int PRIMARY KEY, price decimal(10,2), -- version 字段作为乐观锁版本控制位 version int NOT NULL DEFAULT 0);INSERT INTO imooc_order(id,price,version)VALUES (1,23.2,1);注意： 我们已经在表中添加了 version 字段

信号量隔离和线程池隔离的方式很相似，只不过把分配线程池的方式改为了分配信号量（至于什么是信号量，请同学们自行查阅）。在处理请求时，Hystrix 会分配一个信号量的阀值，当服务接收到一个请求后，信号量的阀值减 1 ，当请求处理完毕后，信号量的阀值加 1，当信号量的阀值减为 0 时，则不再接收请求，即该请求会被拒绝处理。@RequestMapping(value = "hello", method = RequestMethod.GET)@HystrixCommand(fallbackMethod="helloFail", commandProperties = {@HystrixProperty(name = HystrixPropertiesManager.EXECUTION_ISOLATION_STRATEGY, value = "SEMAPHORE"),@HystrixProperty(name = HystrixPropertiesManager.EXECUTION_ISOLATION_SEMAPHORE_MAX_CONCURRENT_REQUESTS, value = "100")})@ResponseBodypublic String hello() throws InterruptedException { return "helloWorld";}public String helloFail() { return "helloFailed";}代码解释：第 4 行，通过指定 HystrixPropertiesManager.EXECUTION_ISOLATION_STRATEGY 参数的值为 SEMAPHORE ，来声明该接口使用信号量隔离。第 7 行，通过指定 HystrixPropertiesManager.EXECUTION_ISOLATION_SEMAPHORE_MAX_CONCURRENT_REQUESTS 参数的值为 100 ，可以理解为设置信号量的阀值为 100 。通过添加上述配置参数，我们就可以通过信号量隔离的方式来实现服务资源隔离。Tips: 一定要合理设置信号量的阀值，不要随意设定，如果阀值设置过大，则请求不会停止，如果阀值设置过小，则不能满足业务需要。

我们只需要通过配置文件指定数据源信息， Spring Boot 就可以识别配置，并加载到数据源组件中。 JdbcTemplate 也可以自动识别该数据源，从而实现对数据库的操作。配置文件信息如下：实例：# 配置数据库驱动spring.datasource.driver-class-name=com.mysql.jdbc.Driver# 配置数据库urlspring.datasource.url=jdbc:mysql://127.0.0.1:3306/shop?useUnicode=true&characterEncoding=utf-8&serverTimezone=GMT%2B8# 配置数据库用户名spring.datasource.username=root# 配置数据库密码spring.datasource.password=123456需要注意的是，我们在 URL 配置中指定了编码方式，这样可以防止出现数据库中文乱码情况。同时指定了时区为北京时间所在的东八区（GMT%2B8），避免因时区问题导致错误。此时再次启动 Spring Boot 应用，正常运行，说明我们的数据源配置生效了。

Flask 是一个 Python 实现的 Web 开发微框架，但是这个“微”并不代表着 Flask 功能比较简陋、有所欠缺。微框架中的 “微” 意味着：Flask 旨在保持核心简单而易于扩展；Flask 不会替用户做出太多决策，比如使用何种数据库；Flask 的选项（比如使用何种模板引擎) 通常有多个，用户很容易替换。默认情况下，Flask 不包含数据库抽象层、模板引擎、身份认证或其它任何已有多种库可以胜任的功能，如下图所示。然而，Flask 支持用扩展来给应用添加这些功能，应用程序可以很方便的集成这些扩展。众多的扩展提供了数据库集成、表单验证、上传处理、各种各样的开放认证技术等功能。

在日常工作学习中，我们经常需要把有限的内容按照一定的比例进行分开，比如一天的时间用来工作，学习，娱乐，休息这样的时间需要进行按比例合理划分。一般这样多比较占比的时候大家一般都会使用饼图表示。饼图又称饼状图，用于描述量、频率或百分比之间的相对关系。

微前端 尚处在发展时期，其核心概念和 微服务 相似。现阶段较为常用的微前端框架为 single-spa 和 qiankun，后者是基于前者实现的。该技术能做到 技术栈无关，即一个应用，能由多个不同技术的子应用构成，同时做到子应用的相互隔离，这里的隔离就可以选择采用 Web Components 实现。

通过配置文件，设置数据源信息。由于我们不再使用默认数据源，所以此处需要指定数据源类型为 DruidDataSource 。实例：# 指定数据源类型spring.datasource.type=com.alibaba.druid.pool.DruidDataSource# 配置数据库驱动spring.datasource.driver-class-name=com.mysql.jdbc.Driver# 配置数据库urlspring.datasource.url=jdbc:mysql://127.0.0.1:3306/shop?useUnicode=true&characterEncoding=utf-8&serverTimezone=UTC# 配置数据库用户名spring.datasource.username=root# 配置数据库密码spring.datasource.password=Easy@0122

在 Hystrix 中，实现服务资源隔离有两种方式，分别是线程池隔离和信号量隔离。

咱们打开新浪微博，然后随便找个带皇冠的，按下F12键(Mac用户按command+option+i)然后选中控制台的箭头，再点击皇冠：再点开这个图片可以发现：可以看到那些大 V 图标皇冠图标以及各种微博认证等图标，都是放在了一张雪碧图里(即使再牛的大 V，身份标志也是放在雪碧图中的)。

上一小结谈到了操作系统中进程和线程的区别，其中进程之间、线程之间的通信方式不同，进程通信（Inter-Process Communication，简称 IPC）是指不同进程之间交换信息。操作系统中时刻都在进行 IPC，例如微信读取本地的文件，就是微信程序和文件系统进程交互的过程。

乐观与悲观是两种不同的态度，从名字上看，二者就是以开发者的态度作为边界来分类的。乐观锁认为，同一数据在并发条件下，发生冲突是小概率事件，因此我们不加锁，而是加上版本号判断修改是否成功。悲观锁认为，同一数据在并发条件下，冲突是大概率事件，因此我们必须先加锁，不允许别人修改。悲观锁和乐观锁其实是一种思想，主要取决于开发者对待它的态度。在锁这一小节中，里面谈到的所有锁宏观上（可能实现的思想是乐观锁）来说都是悲观锁，因此一旦加锁，都会锁定数据，直到解锁才会释放。

乐观锁不全依赖于数据库，一般情况下我们都是在代码层面上来完成它的，主流的设计思路是这样的：我们在数据表中添加一个字段version，version 代表版本号，字段类型为整型。当我们获取数据时，假设得到它的version字段为n，执行完其它操作对该数据进行更新时，会执行UPDATE ... SET version=n+1 WHERE version=n。如果在更新时，数据已经被别人更新过了，那么该数据的version字段已经不是n了，那么此时修改就会失败，反之修改就会成功。可以看到，乐观锁就像它的名称一样乐观，适合数据读多写少的场景，因为实际上并没锁住数据，所以性能十分可观；而悲观锁则与之相反，适合写多读少的场景，盲目的排他性一定程度上会大幅影响性能。

这个网站可以在线将数学公式转换成 mathml 代码

通过对处理项目中的工作线程的隔离，来避免工作线程处理接口时所产生的阻塞行为，从而保证工作线程可以顺利地调用接口来满足业务需要。而隔离工作线程的方式，就是为每个接口分配一个线程池，并在线程池中维护一定数量的线程，这样，当上述的接口 2 发生服务资源等待时，由于每个接口都分配了不同的线程池，所以不会影响到后续的 3 4 5 接口，如下图所示：线程池隔离实现原理可以看到，由于为每个服务接口均分配了不同的线程池，所以在接口 2 出现服务等待时，并不会影响后续接口的调用，从而保证了业务的顺利进行。我们继续以 hello 方法为例，来看如何实现线程池隔离。@RequestMapping(value = "hello", method = RequestMethod.GET)@HystrixCommand(threadPoolKey = "HelloHystrix", threadPoolProperties = { @HystrixProperty(name = "coresize", value = "2"), @HystrixProperty(name = "allowMaximumSizeToDivergeFromCoreSize", value = "true"), @HystrixProperty(name = "maximumSize", value = "2"), @HystrixProperty(name = "maxQueueSize", value = "2")})@ResponseBodypublic String hello() throws InterruptedException { return "helloWorld";}代码解释：第 2 行，我们通过配置 HystrixCommand 注解的 threadPoolKey 属性来为本接口分配一个名称为 HelloHystrix 的线程池。第 3 行，我们通过配置 threadPoolProperties 中的参数属性，来维护 HelloHystrix 线程池中的核心线程数量、最大线程数量。通过添加上述注解并配置其中的属性，我们就可以通过线程池隔离的方式来实现服务资源隔离。Tips: 线程池中的线程数量，一定要根据该接口所实现的业务需求来设置，设置过多，则会浪费资源空间，设置过少，则不能支撑业务需要，所以配置线程数量一定要谨慎。

业务场景描述有这样一个真实的业务场景：在某大厂的订单与支付模块，当有用户下了订单之后，需要在支付模块进行支付，支付动作完成之后，支付模块会将支付完成的结果返回给订单模块来通知用户，该订单是否支付成功，即商品是否已经成功购买了。在微服务分布式架构模式下，上述业务场景中出现了一种异常现象：当用户下了订单之后，在支付模块进行支付时，系统一直没有响应，无论是否成功支付，用户都收不到任何通知信息。程序员在排查对应的业务实现代码时，证实了业务实现代码没有问题，这就导致无法定位问题所在。最终经过几名同事一起排查，发现是订单模块与支付模块之间进行数据传输时，支付模块收到了订单模块传递过来的数据，但是由于服务器高压工作，导致支付模块始终无法处理该支付请求，这就导致系统一直没有响应。问题原因分析在解决问题之前，我们首先来分析一下这种问题产生的原因。在前面我们介绍什么是 Hystrix 资源隔离小节中，我为大家阐述了在我们的 Web 项目中，进程与线程之间的关系。我们知道，在一般情况下，一个 Web 项目中只有一个工作线程来负责处理用户调用的请求和服务，当该工作线程所负责的请求处理缓慢时，该线程就会一直处理当前的请求，导致后续请求只能等待处理，这就是我们说的雪崩现象。雪崩效应产生原理在微服务分布式架构模式下，由于我们没有对线程进行处理，至此在处理所有业务请求时，扔是只有一个工作线程，这就导致上述业务场出现了我们所说的雪崩现象，不过还好，这种雪崩现象比较轻微，只影响到了一个业务模块。很多时候，当我们的项目架构演变为基于微服务的分布式架构时，服务器也需要同步进行更新，有很多企业为了节约成本，则只更新很少数量的服务器，或者压根就不更新服务器，这就导致经常会出现由于服务器高压工作而出现的请求处理缓慢，或请求无法继续处理的情况。

不同的系统会有不同的默认 Button 样式，但是它们都有一个共同点——丑。相比于 TextView 而言，Button 是一个互动感很强的控件，除了设置字体字号，还需要有形状、背景、颜色、点击态等等样式变化。特别是在游戏及娱乐类 App 中 ，Button 的样式及变化效果将直接影响用户体验，所以这里将重点讲解几种设置样式的方法。

定义：死锁是指两个或两个以上的线程在执行过程中，因争夺资源而造成的互相等待的现象，在无外力作用的情况下，这些线程会一直相互等待而无法继续运行下去。如上图所示死锁状态，线程 A 己经持有了资源 2，它同时还想申请资源 1，可是此时线程 B 已经持有了资源 1 ，线程 A 只能等待。反观线程 B 持有了资源 1 ，它同时还想申请资源 2，但是资源 2 已经被线程 A 持有，线程 B 只能等待。所以线程 A 和线程 B 就因为相互等待对方已经持有的资源，而进入了死锁状态。

这个小节开始我们开始学习 ECharts 中的各个图形，这些图形都有着自己独特的风格，有着自己更适合的场景，在合理的场景下选择更为合适的图才能让我们的数据更好展示与分析。本节我们就先讲折线图这个稍微简单的图形。折线图用于显示数据在一个连续的时间间隔或者时间跨度上的变化，它的特点是反映事物随另一维度数值变化所产生趋势。

通过配置文件，设置数据源信息。实例：# 配置数据库驱动spring.datasource.driver-class-name=com.mysql.jdbc.Driver# 配置数据库urlspring.datasource.url=jdbc:mysql://127.0.0.1:3306/shop?useUnicode=true&characterEncoding=utf-8&serverTimezone=UTC# 配置数据库用户名spring.datasource.username=root# 配置数据库密码spring.datasource.password=Easy@0122