双向链表常被用于需要快速查找前一个和下一个元素的场景。 ‧ 高级数据结构：比如在红黑树、B 树中，我们需要知道一个节点的父节点，这可以通过在节点中保存一 个指向父节点的指针来实现，类似于双向链表。 ‧ 浏览器历史：在网页浏览器中，当用户点击前进或后退按钮时，浏览器需要知道用户访问过的前一个和 后一个网页。双向链表的特性使得这种操作变得简单。 ‧ LRU 算法：在缓存淘汰算法（LRU）中，我们需要快速找到最近最少使用的数据，以及支持快速地添 数组，从而引入扩容机制。有兴趣的同学可以尝试自行实现。 两种实现的对比结论与栈一致，在此不再赘述。 5.2.3. 队列典型应用 ‧ 淘宝订单。购物者下单后，订单将加入队列中，系统随后会根据顺序依次处理队列中的订单。在双十一 期间，短时间内会产生海量订单，高并发成为工程师们需要重点攻克的问题。 ‧ 各类待办事项。任何需要实现“先来后到”功能的场景，例如打印机的任务队列、餐厅的出餐队列等。 你的目标是选择一组物品，使得总重量不超过载重量，且 总价值最大。如果每次都选择性价比最高（价值 / 重量）的物品，那么贪心算法在一些情况下可以得到 最优解。 4. 股票买卖问题：给定一组股票的历史价格，你可以进行多次买卖，但如果你已经持有股票，那么在卖出 之前不能再买，目标是获取最大利润。 5. 霍夫曼编码：霍夫曼编码是一种用于无损数据压缩的贪心算法。通过构建霍夫曼树，每次选择出现频率

双向链表常用于需要快速查找前一个和后一个元素的场景。 ‧ 高级数据结构：比如在红黑树、B 树中，我们需要访问节点的父节点，这可以通过在节点中保存一个指 向父节点的引用来实现，类似于双向链表。 ‧ 浏览器历史：在网页浏览器中，当用户点击前进或后退按钮时，浏览器需要知道用户访问过的前一个和 后一个网页。双向链表的特性使得这种操作变得简单。 ‧ LRU 算法：在缓存淘汰（LRU）算法中，我们需要快速找到最近最少使用的数据，以及支持快速添加 组，从而引入扩容机制。有兴趣的读者可以尝试自行实现。 两种实现的对比结论与栈一致，在此不再赘述。 5.2.3 队列典型应用 ‧ 淘宝订单。购物者下单后，订单将加入队列中，系统随后会根据顺序处理队列中的订单。在双十一期 间，短时间内会产生海量订单，高并发成为工程师们需要重点攻克的问题。 ‧ 各类待办事项。任何需要实现“先来后到”功能的场景，例如打印机的任务队列、餐厅的出餐队列等， 队列在这些场景中可以有效地维护处理顺序。 分数背包问题：给定一组物品和一个载重量，你的目标是选择一组物品，使得总重量不超过载重量，且 总价值最大。如果每次都选择性价比最高（价值 / 重量）的物品，那么贪心算法在一些情况下可以得到 最优解。 ‧ 股票买卖问题：给定一组股票的历史价格，你可以进行多次买卖，但如果你已经持有股票，那么在卖出 之前不能再买，目标是获取最大利润。 ‧ 霍夫曼编码：霍夫曼编码是一种用于无损数据压缩的贪心算法。通过构建霍夫曼树，每次选择出现频率

双向链表常用于需要快速查找前一个和后一个元素的场景。 ‧ 高级数据结构：比如在红黑树、B 树中，我们需要访问节点的父节点，这可以通过在节点中保存一个指 向父节点的引用来实现，类似于双向链表。 ‧ 浏览器历史：在网页浏览器中，当用户点击前进或后退按钮时，浏览器需要知道用户访问过的前一个和 后一个网页。双向链表的特性使得这种操作变得简单。 ‧ LRU 算法：在缓存淘汰（LRU）算法中，我们需要快速找到最近最少使用的数据，以及支持快速添加 组，从而引入扩容机制。有兴趣的读者可以尝试自行实现。 两种实现的对比结论与栈一致，在此不再赘述。 5.2.3 队列典型应用 ‧ 淘宝订单。购物者下单后，订单将加入队列中，系统随后会根据顺序处理队列中的订单。在双十一期 间，短时间内会产生海量订单，高并发成为工程师们需要重点攻克的问题。 ‧ 各类待办事项。任何需要实现“先来后到”功能的场景，例如打印机的任务队列、餐厅的出餐队列等， 队列在这些场景中可以有效地维护处理顺序。 分数背包问题：给定一组物品和一个载重量，你的目标是选择一组物品，使得总重量不超过载重量，且 总价值最大。如果每次都选择性价比最高（价值 / 重量）的物品，那么贪心算法在一些情况下可以得到 最优解。 ‧ 股票买卖问题：给定一组股票的历史价格，你可以进行多次买卖，但如果你已经持有股票，那么在卖出 之前不能再买，目标是获取最大利润。 ‧ 霍夫曼编码：霍夫曼编码是一种用于无损数据压缩的贪心算法。通过构建霍夫曼树，每次选择出现频率

双向链表常被用于需要快速查找前一个和下一个元素的场景。 ‧ 高级数据结构：比如在红黑树、B 树中，我们需要访问节点的父节点，这可以通过在节点中保存一个指 向父节点的引用来实现，类似于双向链表。 ‧ 浏览器历史：在网页浏览器中，当用户点击前进或后退按钮时，浏览器需要知道用户访问过的前一个和 后一个网页。双向链表的特性使得这种操作变得简单。 ‧ LRU 算法：在缓存淘汰算法（LRU）中，我们需要快速找到最近最少使用的数据，以及支持快速地添 数组，从而引入扩容机制。有兴趣的同学可以尝试自行实现。 两种实现的对比结论与栈一致，在此不再赘述。 5.2.3 队列典型应用 ‧ 淘宝订单。购物者下单后，订单将加入队列中，系统随后会根据顺序依次处理队列中的订单。在双十一 期间，短时间内会产生海量订单，高并发成为工程师们需要重点攻克的问题。 ‧ 各类待办事项。任何需要实现“先来后到”功能的场景，例如打印机的任务队列、餐厅的出餐队列等。 分数背包问题：给定一组物品和一个载重量，你的目标是选择一组物品，使得总重量不超过载重量，且 总价值最大。如果每次都选择性价比最高（价值 / 重量）的物品，那么贪心算法在一些情况下可以得到 最优解。 ‧ 股票买卖问题：给定一组股票的历史价格，你可以进行多次买卖，但如果你已经持有股票，那么在卖出 之前不能再买，目标是获取最大利润。 ‧ 霍夫曼编码：霍夫曼编码是一种用于无损数据压缩的贪心算法。通过构建霍夫曼树，每次选择出现频率

双向链表常用于需要快速查找前一个和后一个元素的场景。 ‧ 高级数据结构：比如在红黑树、B 树中，我们需要访问节点的父节点，这可以通过在节点中保存一个指 向父节点的引用来实现，类似于双向链表。 ‧ 浏览器历史：在网页浏览器中，当用户点击前进或后退按钮时，浏览器需要知道用户访问过的前一个和 后一个网页。双向链表的特性使得这种操作变得简单。 ‧ LRU 算法：在缓存淘汰（LRU）算法中，我们需要快速找到最近最少使用的数据，以及支持快速添加 组，从而引入扩容机制。有兴趣的读者可以尝试自行实现。 两种实现的对比结论与栈一致，在此不再赘述。 5.2.3 队列典型应用 ‧ 淘宝订单。购物者下单后，订单将加入队列中，系统随后会根据顺序处理队列中的订单。在双十一期 间，短时间内会产生海量订单，高并发成为工程师们需要重点攻克的问题。 ‧ 各类待办事项。任何需要实现“先来后到”功能的场景，例如打印机的任务队列、餐厅的出餐队列等， 队列在这些场景中可以有效地维护处理顺序。 分数背包问题：给定一组物品和一个载重量，你的目标是选择一组物品，使得总重量不超过载重量，且 总价值最大。如果每次都选择性价比最高（价值 / 重量）的物品，那么贪心算法在一些情况下可以得到 最优解。 ‧ 股票买卖问题：给定一组股票的历史价格，你可以进行多次买卖，但如果你已经持有股票，那么在卖出 之前不能再买，目标是获取最大利润。 ‧ 霍夫曼编码：霍夫曼编码是一种用于无损数据压缩的贪心算法。通过构建霍夫曼树，每次选择出现频率

法提交的数据没有限制. 3. GET方式提交数据，会带来安全问 题，比如一个登录页面，通过GET方式提交数据时，用户名和密码将出现在URL上，如果页面可以被缓存或者其他人可 以访问这台机器，就可以从历史记录获得该用户的账号和密码。 HTTP响应包（服务器信息） HTTP响应包（服务器信息） 我们再来看看HTTP的response包，他的结构如下： HTTP/1.1 200 OK ion。 cookie，简而言之就是在本地计算机保存一些用户操作的历史信息（当然包括登录信息），并在用户再次访问该站点 时浏览器通过HTTP协议将本地cookie内容发送给服务器，从而完成验证，或继续上一步操作。 136 图6.1 cookie的原理图 session，简而言之就是在服务器上保存用户操作的历史信息。服务器使用session id来标识session，session 置了httponly，所以基于URL攻击的 可能性为零，同时被XSS获取sessionID也不可能。最后，由于我们还设置了MaxAge=0，这样就相当于session cookie 不会留在浏览器的历史记录里面。 149 links links 目录 上一节: session存储 下一节: 小结 150 6.5 小结 6.5 小结 这章我们学习了什么是session，什么是co

架构演变 第二部分 架构演变 01. 海外电商架构 电商 服务 交易服务 购物车 下单服务 支付网关 地址服务 BFF 中台 商品中心 营销中心 交易中心 订单中台 库存中心 结算中心 发票中心 基础 Passport 短信网关 邮件服务 SOA Notify/ EMQ MiPush ID生成器 NEO APP-Android APP-IOS PC 架构演变 04. 为什么用GO？ 架构演变 05. 混合模式 新增GO商城服务，迁移下单流程中的订单结算、收银台等功能 PC和M站相关功能，请求下发到GO商城服务，页面仍通过PHP服务端渲染 架构演变 06. 前后端分离 核心流程全部迁移到GO商城服务，包括购物车、订单、商品和地址等 页面渲染逻辑全部由前端处理，实现前后端分离 架构演变 07. 微服务化 目前已有部

有问题，总会碰到断连不重 连的情况 • 上游发出来的订单状态机顺序因为⽹络问题会发⽣乱序，影 响我的计算流程 • 上游的业务团队会调整发出来的业务消息，经常导致下游发 ⽣故障 举例 公司内和队列相关的业务总是出故障，⽐如： • 公司⾥的团队使⽤的 kafka sdk 有问题，总会碰到断连不重 连的情况 • 上游发出来的订单状态机顺序因为⽹络问题会发⽣乱序，影 响我的计算流程

基于amqp实现的golang消息队列MaxQ http://192.168.10.11:3999/maxq.slide#1 17/22 6. 使用场景和案例 异步解耦 订单系统与消息通知系统解耦 1.用户订单支付成功，直接向MaxQ推送下单成功通知，主流程迅速返回 2.消息通知系统异步接收通知消息, 发送短信通知或应用通知 7/1/2017 基于amqp实现的golang消息队列MaxQ

态数组），从而引入扩容机制。有兴趣的同学可以尝试自行实现。 5.2.3. 两种实现对比 与栈的结论一致，在此不再赘述。 5.2.4. 队列典型应用 ‧ 淘宝订单。购物者下单后，订单就被加入到队列之中，随后系统再根据顺序依次处理队列中的订单。在 双十一时，在短时间内会产生海量的订单，如何处理「高并发」则是工程师们需要重点思考的问题。 ‧ 各种待办事项。任何需要实现“先来后到”的功能，例如打印机的任务队列、餐厅的出餐队列等等。