个人网页

在使用Spring框架时，我们应该已经非常熟悉依赖注入这一概念，它可以帮我们节省构建类及设置相应依赖类的成本，只需要声明自己需要哪些类/接口即可使用，同时还可以更好的支持单元测试

这次我们看一下另一款依赖注入的框架guice，下面介绍的内容也都是来自官方文档

假设你在做一个电商后台，商品表 products 有 100 万行。产品经理说：「用户搜『无线鼠标』，要把名字、描述里包含这些词的商品都找出来，按相关性排序。」

你写下 MySQL：

1
2
3
4

-- 慢，而且语义粗糙
SELECT * FROM products
WHERE name LIKE '%无线%' OR name LIKE '%鼠标%'
   OR description LIKE '%无线%' OR description LIKE '%鼠标%';

三个问题立刻冒出来：

• 慢：LIKE '%...%' 走不了 B+Tree 索引，100 万行全表扫描。
• 不准：「无线鼠标垫」也会被匹配——它并不真的是鼠标。
• 排不出相关性：哪个排前面？MySQL 给不了你打分。

这就是 Elasticsearch（下称 ES）诞生的场景。它是一个分布式的全文搜索与分析引擎，核心能力是把文档按「词」组织起来（倒排索引），让「找出包含某些词的文档、并按相关性排序」这件事变得快且智能。

本文面向有 SQL 基础、但没接触过 ES 的后端开发者，用一个贯穿全文的电商商品表 products，带你从心智模型一路跑到进阶查询。

一般我们在 Java 项目中做并发编程，基本都是通过创建线程的方式来执行（JDK21支持了虚拟线程），但是线程有如下问题

• 线程是不能无限创建的，而是受到操作系统的限制
• 线程切换的时候有较高的上下文切换的成本

而协程可以理解为轻量级的线程，可以在一个线程中执行多个任务，而不需要线程切换的开销，同时也避免了线程数量的限制

这里看一下kotlin中的协程，首先需要引入单独的依赖包

1
2
3
4

// gradle.kts
dependencies {
    implementation("org.jetbrains.kotlinx:kotlinx-coroutines-core:1.8.0-RC2")
}

我们都知道设计原则，追求开放封闭原则，封装变化

比如我们有一个统一的流程，运转良好且自认为设计的不错，这时来了个需求，说需要针对不同的来源要有一些特殊的处理，这时候我们如何支持呢？

一种简单的解决方案是加一个 if 判断，做一点特殊逻辑，但是这不是一个好的实践

这时候我们想到可以将这部分差异功能抽象为一个接口，然后有一种特殊的实现类还有一个默认的实现类。但是这时候另一个问题出现了，在执行到这部分逻辑的时候，如何确认使用哪个实现类呢（需要一个定位逻辑）

后面可能对于这个来源，还有一个地方需要处理，这时候又要有一套接口和定位逻辑

这时候我们可以考虑一下使用扩展点的方案，我们看下 COLA 提供的扩展点（示例来自源码）

《代码精进之路》中看到的拦截器实现，方式比较巧妙，在此记录一下

一般我们在代码中实现业务拦截器的功能，是通过Spring提供的AOP来实现的，底层也就是基于动态代理及反射，这里看一下使用另一种不同的实现方式

日常工作中，有一些功能如状态更新等需要遍历表中数据，如果数据量比较少的情况下，我们可以正常的使用数据库如mysql提供的limit和offset来实现分页的功能，但是如果数据量比较大，这时候就会有深分页的问题，产生慢SQL, 为了解决这个问题，一种实现方式就是通过主键ID+查询条件来过滤数据，使用类似如下语句

1

SELECT * FROM task WHERE id > $minId AND status = 1 ORDER BY id LIMIT 200

如果有其他条件导致需要扫描很大的行数才能扫描到的话，可能还需要限制id上限

1

SELECT * FROM task WHERE id > $minId AND id < $maxId AND status = 1 ORDER BY id LIMIT 200

之后每次使用查询的最大值更新变量minId，直到查询不出数据为止，具体对应到Java代码中大致如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

public class TaskStatusUpdater {
    // 执行入口
    public void execute() {
        int limit = 200;
        int minId = 0;
        
        while (true) {
            // 查询
            List<Task> tasks = taskDao.listByMinId(minId, limit);
            if (CollectionUtils.isEmpty(tasks)) {
                break;
            }
            // 更新查询参数, 获取查询到的最大的ID
            minId = tasks.stream()
                    .max(Comparator.comparing(Task::getId))
                    .map(Task::getId)
                    .get();
            for (Task task : tasks) {
                // 处理
                operateTask(task);
            }
        }
    }
    
    private void operateTask(Task task) {
        // 进行业务逻辑处理
    }
}

这里可以看到，执行方法中大部分都是一些业务无关的控制代码，如果有不同的处理逻辑需要遍历，那么都要复制一下这一大坨的控制代码，是否有更好的写法呢？

之前介绍过 JSONPath 的使用，但是它只能支持一些简单场景下快速从json中获取指定的值，这次我们来看一款更强大的工具 JSONata，它是一种针对 JSON 数据的轻量级查询和转换语言，可以实现一些比较复杂的逻辑，现在我们就来看一下如何进行使用

类GPT对于程序员来说比较大的用途之一就是可以用来生成代码，这次我们使用chatGpt来实现一个word的模版功能，也就是先使用一个word模版，然后使用对应的语法来将需要替换的地方使用占位符进行占位，在渲染的时候根据入参的数据进行替换，生成最终需要的word文件

预期需要支持一下几种模版语法功能：

1. 简单字符串的替换
2. 数字类型的小数截取功能，要支持位数不足时是否需要补0
3. 需要支持日期的格式化
4. 需要支持图片占位符的替换
5. 需要支持使用对象集合，渲染word中表格多行的数据部分(暂未实现)

运行效果

先来看一下最终呈现的效果

word模版内容

模版使用数据

1
2
3
4
5
6
7
8

Map<String, Object> placeholderMap = new HashMap<>();
placeholderMap.put("name", "张三");
placeholderMap.put("profession", "里斯");
placeholderMap.put("ssname", "John Doe");
placeholderMap.put("price", String.valueOf(123.45));
placeholderMap.put("date", new Date());
placeholderMap.put("image1", "https://zhengw-tech.com/images/netty-server.png");
placeholderMap.put("image2", "https://zhengw-tech.com/images/jvm-class.png");

最终word内容

在介绍Java agent之前，我们先来介绍一下一个比较关键的概念 - 字节码，这个如果大家已经比较熟悉了，可以直接跳到 java agent部分

字节码

我们知道Java编写的程序是可以不做任何修改的在不同的操作系统上面运行，也就是跨平台的，但是要想实现跨平台，就是需要能屏蔽掉不同操作系统之间api等的差异

比如说常见的创建线程，linux和window系统提供的接口就不一样

1
2
3
4
5
6
7
8
9
10
11
12
13
14

// 不同操作系统下，使用c语言创建线程的API
// linux
int pthread_create(pthread_t *thread, const pthread_attr_t *attr,     
                   void *(*start_routine) (void*), void *arg);

// windows
HANDLE CreateThread(
  LPSECURITY_ATTRIBUTES   lpThreadAttributes,
  SIZE_T                  dwStackSize,
  LPTHREAD_START_ROUTINE  lpStartAddress,
  LPVOID                  lpParameter,
  DWORD                   dwCreationFlags,
  LPDWORD                 lpThreadId
);

除了创建线程，其实还有很多的差异，比如说如果用C语言来实现既能在windows下运行，又能在linux下指定的代码，那么就需要针对有差异的地方，根据不同的操作系统来编写不同的代码，然后在编译的时候根据需要编译成对应系统下的二进制指令，这无疑是很痛苦和低效的方式

而Java下编译并不会生成目标平台的二进制文件，而是生成一个与平台无关的字节码文件，由不同平台下Java虚拟机负责加载执行，操作系统的差异就需要由虚拟机来进行屏蔽，对开发人员是无感知的

我们只需要将源代码编译成字节码（而不是操作系统下的二进制格式），剩下的就可以交给虚拟机来识别执行了

其实这样还有一个额外的好处，那就是在Java虚拟机上，不仅仅只能支持Java语言，理论上只要是符合规范的字节码文件，它都能执行，至于这个字节码文件是Java语言编译过来的，还是其他语言（如kotlin, groovy）编译过来的并不重要，甚至我们都可以手写字节码来执行～

重试在项目中还是比较常见的一个场景，比如调用外部服务因为网络等原因的异常，重试一次可能就成功了，而不需要立即给用户反馈错误，提高体验

假设我们自己来写一个最简单异常重试的话，可能代码是这样子的

1
2
3
4
5
6
7
8
9

int retryTime = 3;
for (int i = 0; i < retryTime; i++) {
    try {
        // 方法调用
        return service.query();
    } catch (Throwable e) {
        log.info("调用异常，进行重试");
    }
}

这里可能有几个问题需要考虑

1. 不仅仅是异常需要重试，有时接口返回的特定错误码也是需要重试的
2. 不是所有的异常都可以重试，需要根据情况判断异常原因才能重试
3. 有时失败不能立即重试，需要等待一小段时间，比如短时网络波动
4. 重试停止不一定只需要次数，有时也需要判断整体用的时间等因素

这么一看，需要考虑的地方还挺多，而重试功能又是一个非常通用的功能，所以完全可以包装一下做成通用的能力

而这个目前已经有一些现成的工具供我们使用，这次我们就先看下 guava-retrying