云服务资源
阿里云服务器概览
阿里云服务器连接
附注： 从上述可知，当前云主机的发行版本为CentOS，当然，若是对于系统访问并发高，业务数据量非常之大的话，除了系统前后台代码本身质量优化之外，服务器配置（物理机or虚拟机or云主机）还可选择更高配些！
Ok，now，有了这些前提条件，接下来开始安装部署我们译点笔记应用-所需要的服务组件：
系统环境准备
系统环境
首先，在云后台-防火墙配置好需要外网访问的端口（IP+PORT解析-公网IP或域名外网访问）。
当然，如需通过命令在终端执行，可参考如下，
查询防火墙：systemctl status firewalld
开启防火墙：systemctl start firewalld
查询指定端口是否已开: firewall-cmd --query-port=8089/tcp
停止防火墙：systemctl stop firewalld.service
关闭防火墙：systemctl disable firewalld.service
防火墙开放指定端口：firewall-cmd --zone=public --add-port=8089/tcp --permanent
firewall-cmd --reload
示例：开启MySQL端口
firewall-cmd --zone=public --add-port=3306/tcp
示例：查询MySQL端口
firewall-cmd --query-port=3306/tcp
查询防火墙已开放端口
firewall-cmd --list-ports
接着，ssh登录至云主机，配置好Java环境变量，
安装包：jdk-8u171-linux-x64.tar.gz
解压到：/usr/下，为/usr/jdk1.8.0_171
sudo tar zxvf jdk-8u171-linux-x64.tar.gz –C /usr/
编辑：profile
sudo vim /etc/profile
添加环境变量：export JAVA_HOME=/usr/jdk1.8.0_171
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib:$JRE_HOME/lib
export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin:.
生效：profile
source /etc/profile
查看：jdk版本
java –version
MySQL关系型数据库
描述：免费流行的关系型数据库管理系统，在WEB应用方面-RDBMS(Relational Database Management System:关系数据库管理系统)应用软件之一。
yum源方式安装：
示例：包存在
yum install mysql-server
示例：包不存在（镜像站RPM或源码编译方式）
通过wget方式下载repo源：
wget http://repo.mysql.com/mysql-community-***.***.rpm
安装：rpmrpm -ivh mysql-community-***.***.rpm
安装：mysqlyum install mysql-server
启动：mysqlservice mysql start
查看：mysqlps -ef | grep mysqld ps -ef | grep mysql netstat -anpt | grep mysql
登入：mysql
mysql -u root -p
示例：Navicat客户端外网连接创建用户（用于远程连接的用户）mysql>GRANT ALL PRIVILEGES ON *.* TO 'xxxx'@'%' IDENTIFIED BY 'xxxxxxxx' WITH GRANT OPTION;
刷新权限表
mysql>flush privileges;
切记安全-开启服务器的防火墙
systemctl start firewalld.service
ElasticSearch分布式全文搜索引擎
描述：基于Lucene搜索服务器，提供了一个分布式多用户能力的全文搜索引擎，基于RESTful Web接口，基于Java语言开发，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎，能够达到实时搜索，稳定，可靠，快速，安装使用方便。
温馨提示：为了保证正确安装和运行，如果可用内存过少，可能导致ES安装或启动失败。
查看：RAM内存
free -h
检查：硬盘空间
df -h
查看：目录下各文件夹磁盘占用率（ES的data目录指定可根据实际资源情况挂载）du --max-depth=1 -h /***/***
ES免安装：这里采用服务器间scp（互通）方式拷贝es安装包（若当前es中数据集较大-超出数10G，数据data目录也可一并离线迁移过来）
scp -r root@ip:/home/elasticsearch-6.8.6 /***/***/
云服务器：参数调整（root账户执行）
echo "fs.file-max = 6553560" >> /etc/sysctl.confecho "vm.max_map_count=655300" >> /etc/sysctl.conf
echo "vm.swappiness = 0" >> /etc/sysctl.conf
生效：
sudo sysctl -p
修改limits.conf文件：可自行根据实际资源情况对linux系统底层的多线程调整，允许es最大可以并发线程数
vim /etc/security/limits.conf
* soft nofile 524288
* hard nofile 524288
* soft nproc 131072
* hard nproc 131072
* -memlock unlimited其中每个进程最大同时打开文件数太小，可通过下面2个命令查看当前数量，这里修改了需要重新登录
su - yd
ulimit -Hn ulimit -Sn
若是没有用户：新增用户yd（为减少对操作系统的影响以及安全问题，不建议以root系统用户来安装和运行ES实例，可按下述创建一个专用的用户）
为yd用户创建密码：
passwd yd
赋权：yd用户能够访问ES相关文件夹
chown -R yd:yd /***/***/
修改配置：集群节点等各参数设置项
（cluster.name、node.name、network.host、http.port、path.data、path.logs、node.master、http.cors.allow-credentials...）vim /elasticsearch.yml
内存调整：最大堆内存，最小堆内存可自行根据实际资源情况调整
vim jvm.options
插件：IK分词可在plugins目录下，复制ik分词到当前路径/plugins/ik
漏洞：log4j版本升级可在lib目录下删除
log4j-1.2-api-2.11.1.jar、
log4j-api-2.11.1.jar、
log4j-core-2.11.1.jar
后找到相同名字，版本号不同的包进行替换启动：
ES./elasticsearch -d（后台启动方式，关闭终端服务正常运行）
查看：ES进程，能看到则表示正常，也可在终端(curl+链接)访问验证，其中
ES的http地址：当前服务器IP：9200，
ES的tcp地址：当前服务器IP：9300）
top -c 或 jps -l(查看java进程) 或 ps aux|grep ela(服务名)
附注：CPU调度基本单位-线程，线上CPU飙升排查或辅助JVM参数调优调整查找各个当前进程ID资源信息
top -c
查找当前进程内最耗费CPU的线程
top -Hp 进程ID
线程ID十六进制值转换
printf "%x\n" 线程ID
定位具体堆栈信息：输出进程ID的堆栈信息，然后根据线程ID的十六进制值grep
jstack 进程ID | grep 进制值
Kibana数据可视化分析平台
描述：数据可视化和挖掘工具，可以用于日志和时间序列分析、应用程序监控。
Kibana免安装：这里采用服务器间scp（互通）方式拷贝kibana安装包
scp -r root@ip:/home/kibana-6.8.6-linux-x86_64 /***/***/
修改配置：参数设置项（server.host、server.name、elasticsearch.url...）vim /kibana.yml
启动：Kibana
nohup ./bin/kibana &（后台启动方式，关闭终端服务正常运行）
查看：kibana进程，能看到则表示正常，可在终端(curl+链接)访问验证，也可进入浏览器:当前kibana服务IP:5601）
ps aux|grep kibana
Redis缓存
描述：开源、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API，当下较为热门的查询性能缓存。
yum源方式安装：
示例：包存在
yum install -y redis
配置：/etc/redis.conf
启动：redis/usr/sbin/redis-server /etc/redis.conf 或 redis-server & 后台运行(使用默认端口)
日志：/usr/local/redis/logs/
查看：redisps -ef | grep redis
netstat -tunpl|grep 6379
登入：redisredis-cli -p 6379 --raw（中文数据正常显示）
redis-cli --help（其他参数查看）
关闭：redispkill redis
附：如果命令 which 和whereis 都找不到安装目录，可使用以下办法
ps -ef|grep redis
得到了进程号 xxxx
然后
ls -l /proc/xxxx/cwd
Nginx代理
描述：Nginx (engine x) 高性能、反向代理、轻量级web服务器。
yum源方式安装：
示例：包存在
yum install -y nginx ******
配置：/usr/local/nginx/conf/nginx.conf
启动：/usr/local/nginx/sbin/nginx -c /usr/local/nginx/conf/nginx.conf日志：/usr/local/nginx/logs
查看：ps -ef | grep nginx
版本：/usr/local/nginx/sbin/nginx -v
验证：nginx进入浏览器：
http://公网IP Welcome to nginx!
重启：nginx ./nginx -s reload
关闭：pkill nginx
附：系统自启动-nginx（该设置方法也适用于CentOS其他程序-设置开机自启动）vim /etc/rc.d/rc.local
/usr/local/nginx/sbin/nginx -c /usr/local/nginx/conf/nginx.conf
chmod +x /etc/rc.d/rc.local
（设置运行权限）
前端服务
描述：创建WEB页面或APP等界面呈现给用户，HTML、CSS、JavaScript以及衍生出来的各种技术框架体系VUE、React、解决方案等，来实现产品的用户界面交互。
开发：Visual Studio Code
运行：npm run serve
编译：npm run build
解压：/***/***/dist
配置：nginx加server
配置，监听端口，域名映射
访问：./nginx -s reload，浏览器访问验证
后端服务
描述：后端主要做的是业务逻辑，产品功能等模块，对于用户不可见，而 更多的是与数据库进行交互以处理相应过程，功能实现、数据的存取、平台的稳定可用性以及性能。
开发：IntelliJ IDEA
运行：nohup后台运行，正式生产环境-制作可执行sh脚本文件或容器自动化部署
nohup java -XX:MetaspaceSize=*m -XX:MaxMetaspaceSize=*m -Xms*m -Xmx*m -Xmn*m -Xss*k -XX:SurvivorRatio=8 -XX:+UseConcMarkSweepGC -Duser.timezone=GMT+08 -jar ***.jar >/dev/null 2>&1 &
附：JVM参数年轻代分为1个Eden和2个Survivor区（一个是from，另一个是to）。
新创建的对象一般都会被分配到Eden区，若经过第一次GC后仍然存活，就会被移到Survivor区。Survivor区中的对象每经过一次MinorGC，年龄+1,当年龄增加到一定程度时，会被移动到年老代。Eden区域：占8份，两个survivor区域各占1份，即8:1:1（新生代中98%的对象很少存活下来，
因此设定10％的空间来存放活下来的，详细日志(-XX:+PrintGCDetails)、比例(-XX:SurvivorRatio=8)、(Xms)堆内存最小值、(-Xmx)堆内存最大值、(-Xmn)堆内存分配给新生代、(-XX:PermSize)设置持久代堆空间的初始值和最小值、-XX:MaxPermSize=<n>[g|m|k]设置持久代堆空间的最大值）。大多数的新生代都是采用的复制清除法作为垃圾回收算法，当对新生代进行minor gc（发生在新生代的垃圾收集动作，java对象大多都具备"朝生夕灭"的特性，所以Minor GC非常频繁，一般回收速度也比较快）时，会把Eden中和Survivor中的存活对象复制到另一块survivor区域中。-Xms*m => Java Heap内存初始化值 -Xmx*m => Java Heap内存最大值 -XX:PermSize => 永久带的初始值 -XX:MaxPermSize => 永久代的最大值 -Xmn => 新生代
部分核心技术栈
Mark
当千万乃至更大数据量，需像传统DBMS关系型数据库一样，实现在海量数据中作模糊搜索，全文搜索，又需要一定程度的检索效率，突破传统DBMS性能瓶颈？
我们把搜索接口中的dsl语句放在kibana中执行，查看其请求耗时响应，由图可知模糊检索效率也极快，接口性能指标也基本在亚秒~毫秒级别。
诚然，ES很适合与关系型数据库形成互补，ES在搜索领域拥有强悍的性能，而传统DBMS关系型数据库分库分表组合查询相当麻烦，而ES组合灵活-自动路由（开发者无需在业务层作过多干涉）。
当然，在大数据量复杂查询的话，深度分页需要优化下，简单的查询几十亿问题不大，若超大则可上集群，再可上ES-ClickHouse.
猜想： 除了对服务器配置以及JVM内存的调优，ES搜索引擎为何如此之快？
举例： 现在，需要从我们的笔记搜索引擎中检索出一则七言律诗（七律-可以作为诗词检索的类型），用户输入关键词-长江，如何从海量的笔记记录中快速检索出关于长江的诗词？
《登高》
唐·杜甫
风急天高猿啸哀，渚清沙白鸟飞回。
无边落木萧萧下，不尽长江滚滚来。
万里悲秋常作客，百年多病独登台。
艰难苦恨繁霜鬓，潦倒新停浊酒杯。
在传统DBMS关系型数据库中，一般常用like %长江% ，这种需要遍历所有笔记记录数据作匹配-顺序扫描，不但检索效率较低，并且还只能搜索到长江连在一起的诗词，若是同时需要搜索到长、江、长江的诗词，like模糊匹配就还不能满足现有的需求了...
Ok，now，接下来，我们一起看看ES的倒排检索？
关键词 诗词
风 ------> 《登高》
江 **** ------> 《登高》
......... .........
这里仅简述下value->key的映射（暂不详述其索引构成，ES中term、match...），当我们需要从所有笔记中检索包含长、江、长江的诗词，就这样借助于倒排索引很快就可以直接得到到符合检索条件的结果-result。同时，这也就转换成了如何从海量的term查询其对应的term，若是term有序，二分查找？想必我们自学习语文知识以来，都用过很长一段时间的新华字典，查拼音，查偏旁部首，查询效率还是相当nice...
在前面安装环节，我们提到的IK分词插件目录，见->
一般搜索呈现给用户最终的结果，经历了这几个阶段->召回，排序（粗排、精排、重排-可根据具体业务规则制定），用户输入query检索得到搜索结果，主要来自于倒排以及语义召回，我们都知道，传统上的倒排检索严格依赖字面去作匹配，很难去召回一些同义或语义相似但字面意思不一样的结果。当然，较为传统的方式，我们可以追加人工干预召回，比如人工构建同义词进行替换等等。
Mark
JVM
堆栈=>堆内存，栈内存。
堆（heap）： 主要用于存储实例化的对象，数组。由JVM动态分配内存空间。一个JVM只有一个堆内存，线程是可以共享数据的，堆内存可用来存放由new创建的对象和数组，在堆中分配的内存，由java虚拟机的自动垃圾回收器来管理。
栈（stack）： 主要用于存储局部变量和对象的引用变量，每个线程都会有一个独立的栈空间，所以线程之间是不共享数据的。基本类型int, short, long, byte, float, double, boolean, char直接在栈中存储数值，而引用类型是将引用放在栈中，实际存储的值是放在堆中，通过栈中的引用指向堆中存放的数据。
年轻代 ： Eden区 + 两个Survivor区（From和To）
Java扩展-本地内存（直接内存-堆外内存-jvm之外的内存）
当操作系统创建进程并给进程分配自己的虚拟地址空间，jvm用到的内存是从虚拟空间上分配，但jvm内存只是进程空间的一部分。
HeapByteBuffer接收->当把数据从内核先拷贝到一个临时的本地内存，再从临时本地内存拷贝到 JVM 堆,而不是直接从内核拷贝到 JVM 堆上->数据从内核拷贝到 JVM 堆的过程中，JVM 可能会发生 GC，GC 过程中对象可能会被移动，也就是说 JVM 堆上的字节数组可能会被移动，Buffer 地址就失效-本地内存中转。
DirectByteBuffer->DirectByteBuffer 对象本身在 JVM 堆上，但是它持有的字节数组不是从 JVM 堆上分配的，需谨慎回收问题...
云上笔记站点合集
