技术整理思维导图

这是一篇关于技术整理的思维导图，这个思维导图，花费了本人很多的精力，希望对你带来帮助，如果喜欢的话，那就给我点个赞吧！

技术大纲

• java
  • 设计模式
  • 数据结构
  • 关键字
    • supper
  • 名词
    • 方法签名：
  • 异常
    • Throwable
      • 特点： 1，Throwable是java异常的超类； 2，Throwable包含两个子类：Error和Exception； 3，Throwable包含线程创建和执行的堆栈信息，且提供了printStackTrace（）来获堆栈信息。
    • Error
      • 定义：继承自Throwable类，程序中无法处理的错误；非代码错误；此类错误代码无需处理。
      • 代表错误： 虚拟机运行错误、 NoClassDefFoundError（类定义错误）、 OutOfMemoryError（内存不足错误）、 StackOverflowError(栈溢出错误)
      • 处理方式：java程序内不做任何处理，JVM 将终止线程
    • Exception
      • 定义： 继承自Throwable类，程序本身可以捕获，并且可以处理的异常
      • RuntimeException及子类 运行时异常：
        • 定义：RuntimeException 类及其子类，表示 JVM 在运行期间可能出现的异常；
        • 特点：JVM编译时不会校验，一般是代码运行时的逻辑异常；一般处理方式可以通过Throw抛出，或者try-catch来捕获；就算我们在代码中不做捕获处理，JVM虚拟机也会自动捕获。
        • 常见异常: NullPointerException空指针异常、 ArrayIndexOutBoundException数组下标越界异常、 ClassCastException类型转换异常、 ArithmeticExecption算术异常
      • CheckedException （被检查异常）编译时异常
        • 定义：Exception 中除了 RuntimeException 及其子类之外的异常
        • 特点： 1，java的编译时异常，在java编译代码的时候会监测它，比如ClassNotFoundException（没有找到指定的类异常），IOException（IO流异常），要么通过throws进行声明抛出，要么通过try-catch进行捕获处理，否则不能通过编译。 2，该类异常我们必须在代码里面进行手动捕获。
      • 异常的处理
        • try catch捕捉和finally的关系： 顺序上先处理子类异常后父类，非特殊情况catch中不能为空，要处理错误； 清理数据必须放到finally里面，无论是否抛异常，或try中有return语句，finally里面的代码一定会执行，除非碰到System.exit(0)； 不管有木有出现异常，finally块中代码都会执行； 当try和catch中有return时，finally仍然会执行； finally是在return后面的表达式运算后执行的（此时并没有返回运算后的值，而是先把要返回的值保存起来，管finally中的代码怎么样， 返回的值都不会改变，任然是之前保存的值），所以函数返回值是在finally执行前确定的； finally中最好不要包含return，否则程序会提前退出，返回值不是try或catch中保存的返回值。
        • throws抛出异常: 通过throws抛出异常，子类方法中抛出的异常应该是与父类方法中相同，或是父类异的子类；一定要在main方法里面处理异常，不然jvm可能会退出
      • 自定义异常： 继承一个异常类，通常是RumtimeException或者Exception
    • Thow与thorws： throws 用在函数上，后面跟的是异常类，可以跟多个；而 throw 用在函数内，后面跟的是异常对象
    • 常见的异常和错误： NullPointException：空指针异常，对象是null时会抛出，在调用传入对象时尽量判断是否为null，Jdk8里面可以用Optional对象来避免 IndexOutOfBoundsException：数组下标越界，数组的下标超过了最大值时会抛出，在迭代循环时检查下标是否越界 NumberFormatException：数字类型转化异常，将非数字类型转成数字类型，将类型转化的代码catch住 ClassCastException：类型转换异常，发生在强转时，将不同类型转成同一类型，尽量少用强转，或用instanceof（判断继承中子类的实例是否是父类的实现）做类型判断，或多用泛型 FileNotFoundException：找不到指定文件，文件路径错误或文件不存在，可能用了绝对路径检查文件是否存在，路径是否写错，多用相对路径 ClassNotFoundException：在classpath中找不到引用的类缺乏引用当前类的jar或没有设置classpath或jar损坏-，找到jar并放入classpath中或检查jar是否损坏 OutOfMemoryError：内存溢出异常，产生对象太多，内存不够->不要在循环体重创建大量对象，或对象及时回收，增大初始化堆：-Xms 增加最大值：-Xmx NoClassDefFoundError：找不到相应的类错误，缺乏当前引用类的jar或jar版本不对->找到jar并放入classpath中或找到合适的版本 ConcurrentModificationException：并发修改异常，在集合迭代时修改里面的元素->在迭代时不要修改集合或用并发集合做遍历（如：ConcurrentHashMap） NoSuchMethodError：类里找不到相应的方法，一般是jar版本不对，当前引用的jar版本中没有这个方法->检查jar版本是否正确 UnsupportedClassVersionError:版本不支持错误，编译class的jdk和运行时候的jdk版本不一致或比较高->将低版本换成高版本 StackOverflowError：栈溢出错误，一般是函数的死循环，或递归调用无法退出->检查死循环的代码，或让递归有退出值，或加大栈初始化参数
  • 线程
  • 集合
    • 数组
    • 单链表
      • collection
      • List
        • ArrayList
          • 数据结构： 底层是数组结构；
          • 特性： 查询快，增删慢； 线程不安全； 有序可重复； 扩容为方式（当前容量*1.5+1）
        • LinkList
        • Vector
          • 数据结构： 底层是数组结构；
          • 特性： 查询快，增删慢； 线程安全； 有序可重复； 扩容方式为当前一倍
          • 线程安全的实现方式： Vector的get() 、remove()、size()方法都是同步的，但是在多线程环境下，如果不在方法调用端做额外的同步措施，使用这段代码仍然是不安全的。 如果一个线程恰好删除一个元素，导致序号i 已不可再用，get()方法就会抛出一个ArrayIndexOutOfBoundsException 。
      • set
        • hashset
        • treeset
    • 双链表
      • Map
        • HashMap
        • TreeMap
  • 线程池
• netty
• redis
• spring
• soa微服务
  • dubbo
  • cloud
• 消息队列
  • kafka
  • rockmq
• 大数据相关
  • 大数据概念： OLAP和OLTP:OLAP随机访问能力比较强, 批量扫描比较差.如mysql，oracle数据库；OLTP大规模批量数据加载，随机反问能力比较差，大数据系统中, 往往从 OLTP 数据库中 ETL 放入 OLAP 数据库中, 然后做分析和处理
  • flink
  • doris
  • kudu
    • 概要： kudu是数仓存储引擎
  • clickhouse
    • 概要： OLAP数据库（分析类型的数据库）海量数据存储，实时分析 OLTP如mysql数据库，延迟分析 cpu是clinckhouse的重要基础资源，部署了clickhouse后当前节点就不要部署其他的应用了
    • 在线的clickhouse： https://play.clickhouse.com/?file=playground
    • 安装： 官方文档：https://clickhouse.com/docs/zh/ 安装包下载:https://repo.clickhouse.com/tgz/
  • hoodup
  • hbase
  • spark
  • ES
  • 查询sql工具
    • hive
    • impala
      • 概念： 实时的sql查询工具
    • hive和impala的比较 如果使用CDH版本的大数据框架，Impala是首选的大数据查询引擎。 数据存储：都是基于HDFS或HBASE存储数据 元数据：使用的元数据是相同的。 SQL解释器：两者比较相近，生成执行计划。 执行计划：Hive依赖于MapReduce框架。Impala把执行计划表现为一棵完整的执行计划树，可以更自然地分发执行计划到各个Impalad执行查询，而不用像Hive那样把它组合成管道型的map->reduce模式，以此保证Impala有更好的并发性和避免不必要的中间sort与shuffle，从而提高效率。 数据流：Hive: 采用推的方式，每一个计算节点计算完成后将数据主动推给后续节点。Impala: 采用拉的方式，后续节点通过getNext主动向前面节点要数据，以此方式数据可以流式的返回给客户端，且只要有1条数据被处理完，就可以立即展现出来，而不用等到全部处理完成，更符合SQL交互式查询使用。 内存使用：Hive执行中如果内存存储不够，会存储进入磁盘中处理，是符合MapReduce中shuffle的流程。Impala是基于内存处理的，如果内存存储不够，是不会往磁盘里面存储的，会报错。 调度：Hive依赖于hadoop的调度策略。Impala调度由自己完成，目前只有一种调度器simple-schedule，它会尽量满足数据的局部性，扫描数据的进程尽量靠近数据本身所在的物理机器。 容错：hive依赖hadoop的容错机制。Impala没有容错，如果执行过程发生故障会直接报错。Impala是定位实时查询的，所以如果失败重新运行一次即可。 总结：hive是做一些复杂的批处理任务，Impala是处理实时查询的，但是不支持UDF，处理能力是有一些限定的，一般是两者结合使用。
• 数据库
  • 数据库排行榜：https://db-engines.com/en/ranking
  • 数据库连接池
    • druid
• 运维
  • docker
  • linux
• 问题
  • 1，回调方法 2，Throwable 是 Java 语言中所有错误与异常的超类。 3，supper 4，clone()接口去克隆一个对象 System.exit(0)和Runtime.getRuntime().exit(status) 1,HDFS 2,DBMS 3，超类 4,system.exet(0)

中心主题

• 主题
• 主题
  • 子主题