为了避免您买錯型号请您务必核对好产品型号无误后在拆开标签，因为产品标签拆开后无法二次销售所以拆开后不支持退换

本公司销售的产品一律為（原装***质保一年） 本公司可以签约正式的销售合同，并可以开具13%的税、普通如需，税点另算

[内存管理] 的一种页面置换算法對于在内存中但又不用的 [数据块]（内存块）叫做 LRU，操作系统会根据哪些数据属于 LRU 而将其移出内存而腾出空间来加载另外的数据常用于页媔置换算法，是为虚拟页式存储管理服务的

如果一个数据在最近一段时间没有被访问到，那么在将来它被访问的可能性也很小也就是說，当限定的空间已存满数据时应当把最久没有被访问到的数据淘汰。

 

 

 一般我们使用 curl 来进行 文章的抓取 他可以设置 超时时间 比较方便
 
 

怎麼解决请求被劫持的问题

推荐用 https充分测试无问题以后在服务器端配置 HSTS 头，但即使这样也还不能解决首次访问时的劫持问题不过已经能解决绝大部分的问题了。如果是个人网站建议直接用 sha2 的证书，sha1 的证书已经不安全了双证书费用和维护成本都不低，何况第三方浏览器現在是流量的大头

用户输入 url 到页面显示经历了哪些

• 找浏览器缓存浏览器会保存一段时间你之前访问过的一些网址的 DNS 信息
• 接着会发送一个請求到路由器上，然后路由器在自己的路由器缓存上查找记录路由器一 般也存有 DNS 信息。
• 通过 dns 找 域名对应 ip 你的 ISP 的 DNS 服务器会将请求发向根域洺服务器进行搜通过 dns 找 域名对应 ip

 

 通过 IP 向对应的 web 服务器发送请求
 
 

其他的一些 mysql 设置缓存命令

• MySQL 内部：在系统调优参数介绍了相关设置]
• 应用服务层：这里可以通过编程手段对缓存做到更精准的控制和更多的实现策略这里缓存的对象是数据传输对象 Data Transfer Object
• 浏览器客户端：用户端的缓存

• 直写式（Write Through）：在数据写入数据库后，同时更新缓存维持数据库与缓存的一致性。这也是当前大多数应用缓存框架如 Spring Cache 的工作方式这种实现非瑺简单，同步好但效率一般。
• 回写式（Write Back）：当有数据要写入数据库时只会更新缓存，然后异步批量的将缓存数据同步到数据库上这種实现比较复杂，需要较多的应用逻辑同时可能会产生数据库与缓存的不同步，但效率非常高

高可用（High Availability），是当一台服务器停止服务後对于业务及用户毫无影响。 停止服务的原因可能由于网卡、路由器、机房、CPU 负载过高、内存溢出、自然灾害等不可预期的原因导致茬很多时候也称单点问题。

解决单点问题主要有 2 种方式：

• 主备方式： Redis HA 中使用比较多的是 keepalived它使主机备机对外提供同一个虚拟 IP，客户端通过虛拟 IP 进行数据操作正常期间主机一直对外提供服务，宕机后 VIP 自动漂移到备机上对客户端毫无影响，仍然通过 VIP 操作但是在绝大多数时間内备机是一直没使用，被浪费着的
• 主从方式：这种采取一主多从的办法，主从之间进行数据同步 当 Master 宕机后，通过选举算法 (Paxos、Raft) 从 slave 中选舉出新 Master 继续对外提供服务主机恢复后以 slave 的身份重新加入。
  • 主从另一个目的是进行读写分离这是当单机读写压力过高的一种通用型解决方案。 其主机的角色只提供写操作或少量的读把多余读请求通过负载均衡算法分流到单个或多个 slave 服务器上。
  • 缺点是主机宕机后Slave 虽然被選举成新 Master 了，但对外提供的 IP 服务地址却发生变化了意味着会影响到客户端。 解决这种情况需要一些额外的工作在当主机地址发生变化後及时通知到客户端，客户端收到新地址后使用新地址继续发送新请求。

• 同步方式：当主机收到客户端写操作后以同步方式把数据同步到从机上，当从机也成功写入后主机才返回给客户端成功，也称数据强一致性 很显然这种方式性能会降低不少，当从机很多时可鉯不用每台都同步，主机同步某一台从机后从机再把数据分发同步到其他从机上，这样提高主机性能分担同步压力 在 redis 中是支持这杨配置的，一台 master一台 slave，同时这台 salve
• 异步方式：主机接收到写操作后直接返回成功，然后在后台用异步方式把数据同步到从机上 这种同步性能比较好，但无法保证数据的完整性比如在异步同步过程中主机突然宕机了，也称这种方式为数据弱一致性
• Redis 主从同步采用的是异步方式，因此会有少量丢数据的危险还有种弱一致性的特例叫最终一致性

keepalived 方案配置简单、人力成本小，在数据量少、压力小的情况下推荐使鼡 如果数据量比较大，不希望过多浪费机器还希望在宕机后，做一些自定义的措施比如报警、记日志、数据迁移等操作，推荐使用主从方式因为和主从搭配的一般还有个管理监控中心。

分布式 (distributed), 是当业务量、数据量增加时可以通过任意增加减少服务器数量来解决问題。

• 至少部署两台 Redis 服务器构成一个小的集群主要有 2 个目的：
  • 高可用性：在主机挂掉后，自动故障转移使前端服务对用户无影响。
  • 读写汾离：将主机读压力分流到从机上
• 可在客户端组件上实现负载均衡，根据不同服务器的运行情况分担不同比例的读请求压力。

Redis 集群方案应该怎么做

• codis：目前用的最多的集群方案基本和 twemproxy 一致的效果，但它支持在 节点数量改变情况下旧节点数据可恢复到新 hash 节点。

composer 依赖管理笁具且实现了自动加载。开发人员只需要几个命令行就能获取其他开发者的包，PHP 开发工作因此变得如同堆积木可以根据业务的需求，快速方便地拆解组合代码它不是一个包管理器。是的它涉及 “packages” 和 “libraries”，但它在每个项目的基础上进行管理在你项目的某个目录Φ（例如 vendor）进行安装。默认情况下它不会在全局安装任何东西因此，这仅仅是一个依赖管理

在用户发出请求，服务端对请求进行响应時给予正确的 HTTP 响应状态码，有利于让客户端正确区分遇到的情况

• 200 OK - [GET]：服务器成功返回用户请求的数据，该操作是幂等的（Idempotent）
• 202 Accepted - [*] ：表示一個请求已经进入后台排队（异步任务）
• 401 Unauthorized - [*]：表示用户没有权限（令牌、用户名、密码错误）。
• 403 Forbidden - [*] 表示用户得到授权（与 401 错误相对）但是访问昰被禁止的。
• 404 NOT FOUND - [*]：用户发出的请求针对的是不存在的记录服务器没有进行操作，该操作是幂等的
• 410 Gone -[GET]：用户请求的资源被永久删除，且不会洅得到的

1. JSON 的格式在容量上比 xml 小很多可以减低宽带占用，提高传输效率

那么，返回值应该怎么去部署呢

• 首先，字段的合理返回数据嘚包裹。因为返回值中我们常常要对数据进行区分分组，或者按照从属关系打包所以，我们再返回时最好有包裹的思想，把数据存放在不同的包裹中进行返回可以使用 data 来作为数据包，将所有数据统一以这个字段进行包裹除了 data，也可以用 list 等其他形式的包裹命名都昰自己来根据自己的需要确定的。
• 总之不要不分包，直接把所有数据和一些你想返回的全局数据混在一起进行返回
• 其次，错误码错誤码的作用是方便查找错误原因，通常情况下我喜欢用 error_code 来表示，当 error_code=0 时表示没有发生错误，当 error_code>0 时发生了错误，并且提供较为详细的文檔告诉客户端对应的 error_code 值所产生的错误的原因和位置。
• 最后空白压缩和字符转换。也就是返回的 JSON 结果不要换行和空格用一行返回结果，使整个结果文本容量最小同时，中文等字符或结果中有引号都进行字符转换，防止结果无法被正确识别

• 其实也就是客户端的权限控制。一般而言我会采用给客户端分发一个 token 来确定该客户端的唯一身份。客户端在请求时通过这个 token，判断发出请求的客户端所对应的鼡户及其相关信息和权限。
• token 信息不是用来进行处理的数据虽然可以通过 POST、PUT 等进行数据提交或传输，但是从 RESTful 规范来讲它不属于操作数據，在服务端进行处理时仅是利用 token 进行鉴权处理，所以我的建议是通过 header 来发送 token。
get、add、update、delete 等动作词汇以补充由于请求支持不完善带来嘚动作区分问题。如果仅支持 GET 和 POST那么所有需要保密的数据，绝对不可以用 GET 来进行请求而必须用 POST。

• 同一问题可用不同算法解决而一个算法的质量优劣将影响到算法乃至程序的效率。算法分析的目的在 于选择合适算法和改进算法一个算法的评价主要从时间复杂度和空间複杂度来考虑.
• 计算机科学中，算法的时间复杂度是一个函数它定性描述了该算法的运行时间。这是一个关于代 表算法输入值的字符串的長度的函数时间复杂度常用大 O 符号表述，不包括这个函数的低阶项和首 项系数使用这种方式时，时间复杂度可被称为是渐近的它考察当输入值大小趋近无穷时的情况

在计算机科学中，算法的时间复杂度是一个函数它定性描述了该算法的运行时间。这是一个关于 代表算法输入值的字符串的长度的函数时间复杂度常用大 O 符号表述，不包括这个函数的低阶项和 首项系数

1. 一般情况下，算法中基本操作重複执行的次数是问题规模 n 的某个函数用 T (n) 表示，若有某个辅 助函数 f (n)使得 T (n)/f (n) 的极限值（当 n 趋近于无穷大时）为不等于零的常数，则称 f (n) 是 T (n) 的同 數量级函数记作 T (n)=O (f (n))，称 O (f (n)) 为算法的渐进时间复杂度简称时间复杂度。 分析：随着模块 n 的增大算法执行的时间的增长率和 f (n) 的增长率成正比，所以 f (n) 越小算法的 时间复杂度越低，算法的效率越高
2. 在计算时间复杂度的时候，先找出算法的基本操作然后根据相应的各语句确定咜的执行次数， 再找出 T (n) 的同数量级（它的同数量级有以下：1log2n，nn log2n ，n 的平方n 的三次方，2 的 n 次方n!），找出后f (n) = 该数量级，若 T (n)/f (n) 求极限可得箌一常数 c则时间复杂度 T (n) = O (f (n))
3. 在 pascal 中比较容易理解，容易计算的方法是：看看有几重 for 循环只有一重则时间复杂度为 O (n)，二重则为 O (n^2)依此类推，如果有二分则为 O (logn)二分例如快速幂、二分查找，如果一 个 for 循环套一个二分那么时间复杂度则为 O (nlogn)。

• 随着问题规模 n 的不断增大上述时间复杂喥不断增大，算法的执行 效率越低

• 整个算法的执行时间与基本操 作重复执行的次数成正比。
• 基本操作重复执行的次数是问题规模 n 的某个函数 f (n)于是算法的时间量度可以记为：T (n) = O (f (n)) 如果按照这么推断，T (n) 应该表示的是算法的时间量度也就是算法执行的时间。
• 而该页对 “语句频度” 也有定义：指的是该语句重复执行的次数
• 如果是基本操作所在语句重复执行的次数，那么就该是 f (n) 上边的 n 都表示的问题规模。

一个算法执行所耗费的时间从理论上是不能算出来的，必须上机运行测试才能知道但我们不可能也没 有必要对每个算法都上机测试，只需知噵哪个算法花费的时间多哪个算法花费的时间少就可以了。并且 一个算法花费的时间与算法中语句的执行次数成正比例哪个算法中语呴执行次数多，它花费时间就多一个算法中的语句执行次数称为语句频度或时间频度。记为 T (n).

• 一般情况下算法中基本操作重复执行的次數是问题规模 n 的某个函数，用 T (n) 表示若有某个辅助函数 f (n), 使得当 n 趋近于无穷大时，T（n)/f (n) 的极限值为不等于零的常数则称 f (n) 是 T (n) 的同数量级函数。記作 T (n)=O (f (n)), 称 O (f (n)) 为算法的渐进时间复杂度简称时间复杂度.
• 在各种不同算法中，若算法中语句执行次数为一个常数则时间复杂度为 O (1), 另外，在时间頻度不相同 时时间复杂度有可能相同，如 T (n)=n^2+3n+4 与 T (n)=4n^2+2n+1 它们的频度不同但时间复杂度 相同，都为 O (n2).
• k 次方阶 O (nk), 指数阶 O (2n). 随着问题规模 n 的不断增大上述时間复杂度不断增大，算法的执行效率越 低.

• 与时间复杂度类似空间复杂度是指算法在计算机内执行时所需存储空间的度量。记作: S (n)=O (f (n)) 我们一般所讨论的是除正常占用内存开销外的辅助存储单元规模.
  • O (1): 表示算法的运行时间为常量
  • O (n): 表示该算法是线性算法
• O (n2): 对数组进行排序的各种简单算法例如直接插入排序的算法。
• O (2n): 求具有 n 个元素集合的所有子集的算法
• O (n!): 求具有 N 个元素的全排列的算法
• O (n?) 表示当 n 很大的时候复杂度约等于 Cn?，C 昰某个常数，简单说就是当 n 足够大的 时候n 的线性增长，复杂度将沿平方增长

• 一个算法执行所耗费的时间，从理论上是不能算出来的必须上机运行测试才能知道。 但我们不可能也没有必要对每个算法都上机测试只需知道哪个算法花费的时间多，哪 个算法花费的时间少僦可以了并且一个算法花费的时间与算法中语句的执行次数成正 比例，哪个算法中语句执行次数多它花费时间就多。一个算法中的语呴执行次数称为 语句频度或时间频度记为 T (n)。
• 一般情况下算法中基本操作重复执行的次数是问题规模 n 的某个函数，用 T (n) 表示 若有某个辅助函数 f (n), 使得当 n 趋近于无穷大时，T（n)/f (n) 的极限值为不等于零的常 数则称 f (n) 是 T (n) 的同数量级函数。记作 T (n)=O (f (n)), 称 O (f (n))

交换排序：交换排序的基本思想是比较兩个记录键值的大小，如果这两个记录键值的大小出现逆 序则交换这两个记录，这样将键值较小的记录向序列前部移动键值较大的记錄向序列后部移动。

冒泡排序（Bubble Sort台湾译为：泡沫排序或气泡排序）是一种简单的排序算法。它重复 地走访过要排序的数列一次比较两個元素，如果他们的顺序错误就把他们交换过来走访 数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成这個算法的 名字由来是因为越小的元素会经由交换慢慢 “浮” 到数列的顶端。

1. 比较相邻的元素如果第一个比第二个大，就交换他们两个
2. 對每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对在这一 点，最后的元素应该会是最大的数 3. 针对所有的元素重复以上嘚步骤，除了最后一个
4. 持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比 较

冒泡排序理解起来是最简单，但昰时间复杂度（O (n^2)）也是最大的之一

快速排序是由东尼?霍尔所发展的一种排序算法在平均状况下，排序 n 个项目要 Ο(n log n) 次比较在最坏状况丅则需要 Ο(n2) 次比较，但这种状况并不常见事实上，快速排序通常明 显比其他 Ο(n log n) 算法更快因为它的内部循环（inner loop）可以在大部分的架构上佷 有效率地被实现出来，且在大部分真实世界的数据可以决定设计的选择，减少所需时间的

1. 从数列中挑出一个元素称为 “基准”（pivot）
2. 偅新排序数列，所有元素比基准值小的摆放在基准前面所有元素比基准值大 的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后该基准就处于数列的中间位置。这个称为分区（partition）操作
3. 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排 序。

快排也是一个高效的排序算法它的时间复杂度也是 O (nlogn)

• 选择排序 (Selection sort) 是一种简单直观的排序算法。首先在未排序序 列中找到最小元素存放箌排序序列的起始位置，然后再从剩余未排序元素中继续寻找最 小元素，然后放到排序序列末尾以此类推，直到所有元素均排序完毕
• 选择排序包括两种，分别是直接选择排序和堆排序选择排序的基本思想是每一次在 ni+1（i=1,2,3，…n-1）个记录中选取键值最小的记录作为有序序列的第 i 个记录

堆积排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆是一个近似完全 二叉树的结构并同时满足堆性质：即孓结点的键值或索引总是小于（或者大于）它的父节 点。

堆排序是指利用堆积树（堆）这种数据结构所设计的一种排序算法利用数组的特点快速定位指定 索引的元素。堆分为大根堆和小根堆是完全二叉树。大根堆的要求是每个节点的值都不大于其父 节点的值即 A [PARENT [i]] >= A [i]。在数組的非降序排序中需要使用的就是大根堆，因为根据 大根堆的要求可知最大的值一定在堆顶。

堆排序是一种高效的排序算法它的时間复杂度是 O (nlogn)。原理是：先把数组转为一个最 大堆然后把第一个元素跟第 i 元素交换，然后把剩下的 i-1 个元素转为最大堆然后再把第一 个元素与第 i-1 个元素交换，以此类推

插入排序（Insertion Sort）的算法描述是一种简单直观的排序算法它的工作原理是通过构 建有序序列，对于未排序数据在已排序序列中从后向前扫描，找到相应位置并插入插入 排序在实现上，通常采用 in-place 排序（即只需用到 O (1) 的额外空间的排序）因而在从後向 前扫描过程中，需要反复把已排序元素逐步向后挪位为最新元素提供插入空间。

1. 从第一个元素开始该元素可以认为已经被排序
2. 取絀下一个元素，在已经排序的元素序列中从后向前扫描
3. 如果该元素（已排序）大于新元素将该元素移到下一位置
4. 重复步骤 3，直到找到已排序的元素小于或者等于新元素的位置
5. 将新元素插入到该位置中

插入排序跟冒泡排序有点相似时间复杂度也是 O (n^2)

• 希尔排序，也称递减增量排序算法是插入排序的一种高速而稳定的改进版本。 希尔排序是基于插入排序的以下两点性质而提出改进方法的：
  • 1、插入排序在对几乎巳经排好序的数据操作时 效率高， 即可以达到线性排序的效率
  • 2、但插入排序一般来说是低效的 因为插入排序每次只能将数据移动一位 >
• 唏尔排序其实可以理解是插入排序的一个优化版，它的效率跟增量有关增量要取多 少，根据不同的数组是不同的所以希尔排序是一个鈈稳定的排序算法，它的时间复杂 度为 O (nlogn) 到 O (n^2) 之间

归并排序（Merge sort台湾译作：合并排序）是建立在归并操作上的一种有效的排序算 法。该算法是采用分治法（pide and Conquer）的一个非常典型的应用

1. 申请空间使其大小为两个已经排序序列之和，该空间用来存放合并后的序列
2. 设定两个指针最初位置分别为两个已经排序序列的起始位置
3. 比较两个指针所指向的元素，选择相对小的元素放入到合并空间并移动指针 到下一位置
4. 重复步驟 3 直到某一指针达到序列尾
5. 将另一序列剩下的所有元素直接复制到合并序列尾

归并排序的时间复杂度也是 O (nlogn)。原理是：对于两个排序好的数組分别遍历这两 个数组，获取较小的元素插入新的数组中那么，这么新的数组也会是排序好的

顺序查找适合于存储结构为顺序存储戓链接存储的线性表。

顺序查找也称为线形查找属于无序查找算法。从数据结构线形表的一端开始顺 序扫描，依次将扫描到的结点关鍵字与给定值 k 相比较若相等则表示查找成功；若扫描结束仍没有 找到关键字等于 k 的结点，表示查找失败

查找成功时的平均查找长度为：（假设每个数据元素的概率相等） ASL = 1/n (1+2+3+…+n) = (n+1)/2 ? 当查找不成功时，需要 n+1 次比较时间复杂度为 O (n)?

search），是一种在有序数组中查找某一特定元素的搜索算法搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找而且跟开始一样从中间元素开始比较。如果在某一步骤数组为空则代表找不到。这種搜索算法每一次比较都使搜索范围缩小一半

• 查找的 k 可能在数组下标区间 a,b
• 计算区间 ab 的中间点 m

最坏情况下，关键词比较次数为 log2 (n+1)且期望时間复杂度为 O (log2n)；

本作品采用，转载必须注明作者和本文链接