规模：十万级服务/配置，百万级连接，具备强大扩展性。 15 > 简介 Nacos 生态 Nacos 几乎支持所有主流语言，其中 Java/Golang/Python 已经支持 Nacos 2.0 长链接协议，能 最大限度发挥 Nacos 性能。阿里微服务 DNS（Dubbo+Nacos+Spring-cloud-alibaba/Seata/ Sentinel）最佳实践，是 Java 微服务生态最佳解决方案；除此之外，Nacos 与存储、Server 间、Server 与 SDK 间高效通信问题。  容量管理：管理每个租户，分组下的容量，防止存储被写爆，影响服务可用性。  流量管理：按照租户，分组等多个维度对请求频率，长链接个数，报文大小，请求流控进行控制。  缓存机制：容灾目录，本地缓存，Server 缓存机制，是 Nacos 高可用的关键。  启动模式：按照单机模式，配置模式，服务模式，DNS 模式模式，启动不同的模块。 Nacos 架构 1. Nacos 提供可视化的控制台，可以对配置进行发布、更新、删除、灰度、版本管理等功能。 2. SDK 可以提供发布配置、更新配置、监听配置等功能。 3. SDK 通过 GRPC 长连接监听配置变更，Server 端对比 Client 端配置的 MD5 和本地 MD5 是否相等，不相等推送配置变更。 4. SDK 会保存配置的快照，当服务端出现问题的时候从本地获取。 配置资源模型

以吃从外部通过对queue的操作来了解到引用实例所指向的实际对象是否被回收了，同时我们也可以 过queue对引用实例进行一些额外的操作；但如果我们的引用实例在创建时没有指定一个引用队列， 我们要想知道实际对象是否被回收，就只能够不停地轮询引用实例的get()方法是否为空了。值得注意 是虚引用PhantomReference，由于它的get()方法永远返回null，因此它的构造函数必须指定一个引 队列。这两种查询实际对象是否被回收的方

且可以灵活调整长度；但节点访问效率低、占 用内存较多。常见的链表类型包括单向链表、循环链表、双向链表。 ‧ 动态数组，又称列表，是基于数组实现的一种数据结构。它保留了数组的优势，同时可以灵活调整长 度。列表的出现极大地提高了数组的易用性，但可能导致部分内存空间浪费。 ‧ 下表总结并对比了数组与链表的各项特性与操作效率。 数组 链表 存储方式 连续内存空间 离散内存空间 数据结构长度 长度不可变 相较 SHA‑2 的实现开销更低、计算效率更高，但目前使用覆盖度不如 SHA‑2 系列。 MD5 SHA‑1 SHA‑2 SHA‑3 推出时 间 1992 1995 2002 2008 输出长 度 128 bits 160 bits 256 / 512 bits 224/256/384/512 bits 哈希冲 突 较多 较多 很少 很少 安全等 级 低，已被成功攻击 低，已被成功 ，?2 和 ? log ? 的数值比较接近，复杂度不占主 导作用；每轮中的单元计算操作数量起到决定性因素。 实际上，许多编程语言（例如 Java）的内置排序函数都采用了插入排序，大致思路为：对于长数组，采用基 于分治的排序算法，例如快速排序；对于短数组，直接使用插入排序。 虽然冒泡排序、选择排序和插入排序的时间复杂度都为 ?(?2) ，但在实际情况中，插入排序的使用频率显 著高于冒泡排序和选择排序。这是因为：

且可以灵活调整长度；但节点访问效率低、占 用内存较多。常见的链表类型包括单向链表、循环链表、双向链表。 ‧ 动态数组，又称列表，是基于数组实现的一种数据结构。它保留了数组的优势，同时可以灵活调整长 度。列表的出现极大地提高了数组的易用性，但可能导致部分内存空间浪费。 第 4 章 数组与链表 hello‑algo.com 81 2. Q & A � 数组存储在栈上和存储在堆上，对时间效率和空间效率是否有影响？ 的实现开销更低、计算效率更高，但目前使用覆盖度不如 SHA‑2 系列。 表 6‑2 常见的哈希算法 MD5 SHA‑1 SHA‑2 SHA‑3 推出时 间 1992 1995 2002 2008 输出长 度 128 bits 160 bits 256 / 512 bits 224/256/384/512 bits 哈希冲 突 较多 较多 很少 很少 安全等 级 低，已被成功攻击 低，已被成功 小时，?2 和 ? log ? 的数值比较接近，复杂度不占主 导作用；每轮中的单元操作数量起到决定性因素。 实际上，许多编程语言（例如 Java）的内置排序函数都采用了插入排序，大致思路为：对于长数组，采用基 于分治的排序算法，例如快速排序；对于短数组，直接使用插入排序。 虽然冒泡排序、选择排序和插入排序的时间复杂度都为 ?(?2) ，但在实际情况中，插入排序的使用频率显 著高于冒泡排序和选择排序，主要有以下原因。

基于数组实现的数据结构也称“静态数据结构”，这意味着此类数据结构在初始化后长度不可变。相对应地， 基于链表实现的数据结构也称“动态数据结构”，这类数据结构在初始化后，仍可以在程序运行过程中对其长 度进行调整。 � 如果你感觉物理结构理解起来有困难，建议先阅读下一章，然后再回顾本节内容。 3.2 基本数据类型 当谈及计算机中的数据时，我们会想到文本、图片、视频、语音、3D 模型等各种形式。尽管这些数据的组织 并引起一些安全问题。 第 6 章 哈希表 hello‑algo.com 131 在实际中，我们通常会用一些标准哈希算法，例如 MD5、SHA‑1、SHA‑2 和 SHA‑3 等。它们可以将任意长 度的输入数据映射到恒定长度的哈希值。 近一个世纪以来，哈希算法处在不断升级与优化的过程中。一部分研究人员努力提升哈希算法的性能，另一 部分研究人员和黑客则致力于寻找哈希算法的安全性问题。表 6‑2 的实现开销更低、计算效率更高，但目前使用覆盖度不如 SHA‑2 系列。 表 6‑2 常见的哈希算法 MD5 SHA‑1 SHA‑2 SHA‑3 推出时 间 1992 1995 2002 2008 输出长 度 128 bit 160 bit 256/512 bit 224/256/384/512 bit 哈希冲 突 较多 较多 很少 很少 安全等 级 低，已被成功攻击 低，已被成功攻

并引起一些安全问题。 第 6 章 哈希表 hello‑algo.com 131 在实际中，我们通常会用一些标准哈希算法，例如 MD5、SHA‑1、SHA‑2 和 SHA‑3 等。它们可以将任意长 度的输入数据映射到恒定长度的哈希值。 近一个世纪以来，哈希算法处在不断升级与优化的过程中。一部分研究人员努力提升哈希算法的性能，另一 部分研究人员和黑客则致力于寻找哈希算法的安全性问题。表 6‑2 的实现开销更低、计算效率更高，但目前使用覆盖度不如 SHA‑2 系列。 表 6‑2 常见的哈希算法 MD5 SHA‑1 SHA‑2 SHA‑3 推出时 间 1992 1995 2002 2008 输出长 度 128 bit 160 bit 256/512 bit 224/256/384/512 bit 哈希冲 突 较多 较多 很少 很少 安全等 级 低，已被成功攻击 低，已被成功攻 较小时，?2 和 ? log ? 的数值比较接近，复杂度不 占主导地位，每轮中的单元操作数量起到决定性作用。 实际上，许多编程语言（例如 Java）的内置排序函数采用了插入排序，大致思路为：对于长数组，采用基于 分治策略的排序算法，例如快速排序；对于短数组，直接使用插入排序。 虽然冒泡排序、选择排序和插入排序的时间复杂度都为 ?(?2) ，但在实际情况中，插入排序的使用频率显 著高于冒泡排序和选择排序，主要有以下原因。

并引起一些安全问题。 第 6 章 哈希表 www.hello‑algo.com 131 在实际中，我们通常会用一些标准哈希算法，例如 MD5、SHA‑1、SHA‑2 和 SHA‑3 等。它们可以将任意长 度的输入数据映射到恒定长度的哈希值。 近一个世纪以来，哈希算法处在不断升级与优化的过程中。一部分研究人员努力提升哈希算法的性能，另一 部分研究人员和黑客则致力于寻找哈希算法的安全性问题。表 6‑2 的实现开销更低、计算效率更高，但目前使用覆盖度不如 SHA‑2 系列。 表 6‑2 常见的哈希算法 MD5 SHA‑1 SHA‑2 SHA‑3 推出时 间 1992 1995 2002 2008 输出长 度 128 bit 160 bit 256/512 bit 224/256/384/512 bit 哈希冲 突 较多 较多 很少 很少 安全等 级 低，已被成功攻击 低，已被成功攻 较小时，?2 和 ? log ? 的数值比较接近，复杂度不 占主导地位，每轮中的单元操作数量起到决定性作用。 实际上，许多编程语言（例如 Java）的内置排序函数采用了插入排序，大致思路为：对于长数组，采用基于 分治策略的排序算法，例如快速排序；对于短数组，直接使用插入排序。 虽然冒泡排序、选择排序和插入排序的时间复杂度都为 ?(?2) ，但在实际情况中，插入排序的使用频率显 著高于冒泡排序和选择排序，主要有以下原因。

16 −32768 ∼ 32767，即 −215 ∼ 215 −1 int（整型）（默认） 32 −2147483648 ∼ 2147483647， 即 −231 ∼ 231 − 1 long（长整型）（l 或 L） 64 −263 ∼ 263 − 1 大纲 数据类型 常量和变量 关键字与标识符 运算符与表达式 从键盘获得输入 语句 分支结构 循环结构 数据类型 O 浮点型 类型 数据�数 1. 转换前的数据类型与转换后的类型兼容。 2. 转换后的数据类型的表示范围比转换前的类型大。 3. 条件 2 说明不同类型的数据进行运算时，需先转换为同一类 型，然后进行运算。转换从“短”到“长”的优先关系为： byte→short→char→int→long→float→double 强制类型转换 如果要将较长的数据转换成较短的数据时（不安全）就要进行强 制类型转换。格式如下： ▶ (预转换的数据类型) 变量的属性 ▶ 变量名 ▶ 类型 ▶ 值 ▶ 地址 大纲 数据类型 常量和变量 关键字与标识符 运算符与表达式 从键盘获得输入 语句 分支结构 循环结构 常量 整型常量 八进制、十六进制、十进制长整型后需要加 l 或 L。 浮点型常量 单精度后加 f 或 F，双精度后加 d 或 D 可省略。 逻辑型常量 字符型常量 单引号。 字符串常量 双引号。 O 常量的声明 1 final int

的一个渐近上界，记为 ?(?) = ?(?(?)) Figure 2‑2. 函数的渐近上界 本质上看，计算渐近上界就是在找一个函数 ?(?) ，使得在 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同的增 长级别（仅相差一个常数项 ? 的倍数）。 2. 复杂度分析 hello‑algo.com 17 � 渐近上界的数学味儿有点重，如果你感觉没有完全理解，无需担心，因为在实际使用中我们只 需要会推算即可，数学意义可以慢慢领悟。 下可能失效，比如在输入数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣性。 ‧「最差时间复杂度」使用大 ? 符号表示，即函数渐近上界，其反映当 ? 趋于正无穷时，?(?) 处于何种增 长级别。 ‧ 推算时间复杂度分为两步，首先统计计算操作数量，再判断渐近上界。 ‧ 常见时间复杂度从小到大排列有 ?(1) , ?(log ?) , ?(?) , ?(? log ?) , ?(?2) 出冒泡排序的计算开销约为插入排序的 3 倍。 插入排序运行速度快，并且具有原地、稳定、自适应的优点，因此很受欢迎。实际上，包括 Java 在内的许多 编程语言的排序库函数的实现都用到了插入排序。库函数的大致思路： ‧ 对于 长数组，采用基于分治的排序算法，例如「快速排序」，时间复杂度为 ?(? log ?) ； ‧ 对于 短数组，直接使用「插入排序」，时间复杂度为 ?(?2) ； 在数组较短时，复杂度中的常数项（即每轮

的一个渐近上界，记为 ?(?) = ?(?(?)) Figure 2‑2. 函数的渐近上界 本质上看，计算渐近上界就是在找一个函数 ?(?) ，使得在 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同的增 长级别（仅相差一个常数项 ? 的倍数）。 2. 复杂度分析 hello‑algo.com 17 � 渐近上界的数学味儿有点重，如果你感觉没有完全理解，无需担心，因为在实际使用中我们只 需要会推算即可，数学意义可以慢慢领悟。 实现，只需 1 个单元操作； 粗略估计，冒泡排序的计算开销约为插入排序的 3 倍，因此插入排序更受欢迎，许多编程语言（例如 Java）的 内置排序函数都使用到了插入排序，大致思路为： ‧ 对于 长数组，采用基于分治的排序算法，例如「快速排序」，时间复杂度为 ?(? log ?) ； ‧ 对于 短数组，直接使用「插入排序」，时间复杂度为 ?(?2) ； 虽然插入排序比快速排序的时间复杂度更高 右子数组任意元素。因此，接下来我们只需要排序两个子数组即可。 11. 排序算法 hello‑algo.com 170 Figure 11‑6. 哨兵划分步骤 � 快速排序的分治思想 哨兵划分的实质是将 一个长数组的排序问题 简化为 两个短数组的排序问题。 // === File: quick_sort.java === /* 元素交换 */ void swap(int[] nums, int i, int