开源作为⼀种标准加速云计算发展，尤其 K8s 迅速崛起给我们很多启示，作为⼀家云计算公司，阿 里巴巴也在 2018 年制定了⼀个全面开源，加速企业数字化转型，影响 100w 开发者的战略目标， 这个阶段的开源发生了本质的两个变化，第⼀更重视社区和生态建设，第二更注重自研、开源、商 业化三位⼀体，讲清开源的价值，能够持续投入开源，解决第⼀阶段难以持续的问题。 Nacos 也 是在这个大势下应运而生，并且快速成为国内首选。 和打标能力，为实现上层流量和服务灰度非常关键。 19 > Nacos 架构 内核层  插件机制：实现三个模块可分可合能力，实现扩展点 SPI 机制，用于扩展自己公司定制。  事件机制：实现异步化事件通知，SDK 数据变化异步通知等逻辑，是 Nacos 高性能的关键部分。  日志模块：管理日志分类，日志级别，日志可移植性（尤其避免冲突），日志格式，异常码+帮 助文档。  回调机制：SDK 通知数据，通过统⼀ 基本可以满足所有的 RESTful 服务的发现，此时服务的 IP 列表通常配置在 nginx 或者 LVS。后来出现了 RPC 服务，服务的上下线更加频繁，人们开始寻求⼀种能够支持动态上下 线并且推送 IP 列表变化的注册中心产品。 互联网软件行业普遍热捧开源产品，因为开源产品代码透明、可以参与共建、有社区进行交流和学 习，当然更重要的是它们是免费的。个人开发者或者中小型公司往往会将开源产品作为选型首选。

EE 监听器类型 ServletContext 对象监听器 ServletContext 对象属性监听器 本节习题 什么是监听器 监听器，顾名思义就是能监测其他对象活动的对象，当被监测的 对象发生变化时，会自动触发运行监听器方法，完成特定的功能 和任务。Java EE 规范在 Servlet 2.3 中引入了监听器（Listener） 规范。 Java EE 监听器能够检测 Web 应用的关键对象包括： 监听器概述 Java EE 监听器类型 ServletContext 对象监听器 ServletContext 对象属性监听器 本节习题 ServletContext 对象属性监听器 O 需要被监控的属性变化 Servlet 作为 Web 应用级共享容器，可以使用如下操作 ServletContext 属性的方法进行共享数据的保存、读取和删除： ▶ public void setAttribute(String 监听器类型 ServletContext 对象监听器 ServletContext 对象属性监听器 本节习题 ServletContext 对象属性监听器 为监控 ServletContext 对象属性的变化，Servlet API 提供了监 听器接口javax.servlet.ServletContextAttributeListener和 事件类javax.servlet.ServletContextAttributeEvent，接口

K，甚至 上百 K，经常难以定位逻辑代码的所在。 2. 编写代码时非常困惑，不知道代码到底应该写在哪里，也不 知道别人是不是已经曾经实现过类似的功能，到哪里去引用。 3. 突然之间，某个需求发生了变化。于是，每个人蒙头开始全 程替换，还要小心翼翼的，生怕把别人的逻辑改了。 4. 逻辑处理程序需要自己来维护生命周期，对于类似数据库事 务、日志等众多模块无法统一支持。 大纲 Java Web 应用的开发演化 K，甚至 上百 K，经常难以定位逻辑代码的所在。 2. 编写代码时非常困惑，不知道代码到底应该写在哪里，也不 知道别人是不是已经曾经实现过类似的功能，到哪里去引用。 3. 突然之间，某个需求发生了变化。于是，每个人蒙头开始全 程替换，还要小心翼翼的，生怕把别人的逻辑改了。 4. 逻辑处理程序需要自己来维护生命周期，对于类似数据库事 务、日志等众多模块无法统一支持。 大纲 Java Web 应用的开发演化 K，甚至 上百 K，经常难以定位逻辑代码的所在。 2. 编写代码时非常困惑，不知道代码到底应该写在哪里，也不 知道别人是不是已经曾经实现过类似的功能，到哪里去引用。 3. 突然之间，某个需求发生了变化。于是，每个人蒙头开始全 程替换，还要小心翼翼的，生怕把别人的逻辑改了。 4. 逻辑处理程序需要自己来维护生命周期，对于类似数据库事 务、日志等众多模块无法统一支持。 大纲 Java Web 应用的开发演化

K，甚至上百 K，经常难以定位逻辑代码的所在。 2. 编写代码时非常困惑，不知道代码到底应该写在哪里，也不 知道别人是不是已经曾经实现过类似的功能，到哪里去引 用。 3. 突然之间，某个需求发生了变化。于是，每个人蒙头开始全 程替换，还要小心翼翼的，生怕把别人的逻辑改了。 4. 逻辑处理程序需要自己来维护生命周期，对于类似数据库事 务、日志等众多模块无法统一支持。 大纲 Java Web 应用的开发演化 K，甚至上百 K，经常难以定位逻辑代码的所在。 2. 编写代码时非常困惑，不知道代码到底应该写在哪里，也不 知道别人是不是已经曾经实现过类似的功能，到哪里去引 用。 3. 突然之间，某个需求发生了变化。于是，每个人蒙头开始全 程替换，还要小心翼翼的，生怕把别人的逻辑改了。 4. 逻辑处理程序需要自己来维护生命周期，对于类似数据库事 务、日志等众多模块无法统一支持。 大纲 Java Web 应用的开发演化 K，甚至上百 K，经常难以定位逻辑代码的所在。 2. 编写代码时非常困惑，不知道代码到底应该写在哪里，也不 知道别人是不是已经曾经实现过类似的功能，到哪里去引 用。 3. 突然之间，某个需求发生了变化。于是，每个人蒙头开始全 程替换，还要小心翼翼的，生怕把别人的逻辑改了。 4. 逻辑处理程序需要自己来维护生命周期，对于类似数据库事 务、日志等众多模块无法统一支持。 大纲 Java Web 应用的开发演化

时间比算法 B 短；但在另一台配置不同的计算机中，可能得到相反的测试结果。这意味着我们需要在各种机 器上进行测试，统计平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 短；而在输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 < 阶乘阶 第 2 章 复杂度分析 hello‑algo.com 33 图 2‑9 常见的时间复杂度类型 1. 常数阶 ?(1) 常数阶的操作数量与输入数据大小 ? 无关，即不随着 ? 的变化而变化。 在以下函数中，尽管操作数量 size 可能很大，但由于其与输入数据大小 ? 无关，因此时间复杂度仍为 ?(1) ： // === File: time_complexity.java === 基于链表可实现：栈、队列、哈希表、树、堆、图等。 链表在初始化后，仍可以在程序运行过程中对其长度进行调整，因此也称“动态数据结构”。数组在初始化后 长度不可变，因此也称“静态数据结构”。值得注意的是，数组可通过重新分配内存实现长度变化，从而具备 一定的“动态性”。 Tip 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

现就会更好。也 就是说，算法在不同的机器上的测试结果可能是不一致的。这意味着我们需要在各种机器上进行测试，统计 平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 短；而在输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 阶乘阶 第 2 章 复杂度分析 www.hello‑algo.com 33 图 2‑9 常见的时间复杂度类型 1. 常数阶 ?(1) 常数阶的操作数量与输入数据大小 ? 无关，即不随着 ? 的变化而变化。 在以下函数中，尽管操作数量 size 可能很大，但由于其与输入数据大小 ? 无关，因此时间复杂度仍为 ?(1) ： // === File: time_complexity.java === 基于链表可实现：栈、队列、哈希表、树、堆、图等。 链表在初始化后，仍可以在程序运行过程中对其长度进行调整，因此也称“动态数据结构”。数组在初始化后 长度不可变，因此也称“静态数据结构”。值得注意的是，数组可通过重新分配内存实现长度变化，从而具备 一定的“动态性”。 Tip 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

运行时间比算法 B 短；但在另一台配置不同的计算机中，我们可能得到相反的测试结果。这意味着我们需要 在各种机器上进行测试，统计平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 更少；而输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 对数阶 < 线性阶 < 线性对数阶 < 平方阶 < 指数阶 < 阶乘阶 图 2‑9 常见的时间复杂度类型 1. 常数阶 ?(1) 常数阶的操作数量与输入数据大小 ? 无关，即不随着 ? 的变化而变化。 第 2 章 复杂度分析 hello‑algo.com 31 在以下函数中，尽管操作数量 size 可能很大，但由于其与输入数据大小 ? 无关，因此时间复杂度仍为 ?(1) ： // === 存储在同一链表中。图 6‑5 展示了一个链式地址哈希表的 例子。 图 6‑5 链式地址哈希表 第 6 章 哈希表 hello‑algo.com 116 哈希表在链式地址下的操作方法发生了一些变化。 ‧ 查询元素：输入 key ，经过哈希函数得到数组索引，即可访问链表头节点，然后遍历链表并对比 key 以 查找目标键值对。 ‧ 添加元素：先通过哈希函数访问链表头节点，然后将节点（即键值对）添加到链表中。

时间比算法 B 短；但在另一台配置不同的计算机中，可能得到相反的测试结果。这意味着我们需要在各种机 器上进行测试，统计平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 短；而在输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 < 阶乘阶 第 2 章 复杂度分析 hello‑algo.com 33 图 2‑9 常见的时间复杂度类型 1. 常数阶 ?(1) 常数阶的操作数量与输入数据大小 ? 无关，即不随着 ? 的变化而变化。 在以下函数中，尽管操作数量 size 可能很大，但由于其与输入数据大小 ? 无关，因此时间复杂度仍为 ?(1) ： // === File: time_complexity.java === chaining」将单个元素转换为链表，将 键值对作为链表节点，将所有发生冲突的键值对都存储在同一链表中。图 6‑5 展示了一个链式地址哈希表的 例子。 图 6‑5 链式地址哈希表 基于链式地址实现的哈希表的操作方法发生了以下变化。 ‧ 查询元素：输入 key ，经过哈希函数得到桶索引，即可访问链表头节点，然后遍历链表并对比 key 以查 找目标键值对。 ‧ 添加元素：首先通过哈希函数访问链表头节点，然后将节点（键值对）添加到链表中。

A 的运行时 间比算法 B 短；但在另一台配置不同的计算机中，我们可能得到相反的测试结果。这意味着我们需要在各种 机器上进行测试，而这是不现实的。 展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，输入数据量较小时， 算法 A 的运行时间可能短于算法 B；而输入数据量较大时，测试结果可能相反。因此，为了得到有说服力的 结论，我们需要测试各种规模的输入数据，这样需要占用大量的计算资源。 到不理解的部分，请不要担 心，可以在学习完后面章节后再回顾。现阶段，请先专注于理解时间复杂度的含义和推算方法。 常数阶 ?(1) 常数阶的操作数量与输入数据大小 ? 无关，即不随着 ? 的变化而变化。 对于以下算法，尽管操作数量 size 可能很大，但由于其与数据大小 ? 无关，因此时间复杂度仍为 ?(1) 。 2. 复杂度 hello‑algo.com 20 // === File: 密码等逆向工程， 包括： ‧ 抗碰撞性：应当极其困难找到两个不同的输入，使得它们的哈希值相同。 6. 散列表 hello‑algo.com 106 ‧ 雪崩效应：输入的微小变化应当导致输出的显著且不可预测的变化。 请注意，“均匀分布”与“抗碰撞性”是两个独立的概念，满足均匀分布不一定满足抗碰撞性。例如，在随机 输入 key 下，哈希函数 key % 100 可以产生均匀分布的输出。然而该哈希算法过于简单，所有后两位相等的

类的那些成员？ . O 小编程 1. 练习本节中所有示例代码，理解并掌握其用法。 2. 自行调试单例设计模式程序，学习 Eclipse 的 Debug 方法，练习断点、单步执行、 跟进方法等操作，查看内存变化。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bruce Eckel, Thinking in Java (3rd) 教学目标 1. 理解 JVM 内存模型，掌握 JVM 内存构成 2. 理解 Java 程序的运行过程，学会通过调试模式观察内存的变化 3. 了解 Java 内存管理，认识垃圾回收 4. 建立编程时高效利用内存、避免内存溢出的理念 授课方式 理论课： 多媒体教学、程序演示 实验课： 上机编程 58 6.1. JAVA BirthDate 对象，并且赋给 b。在内部执行过程是：在 堆区 new 了一个对象，并且把该对象的指针保存在栈中 b 对应空间，此时实例 b 不再指向实例 d1 所指向的对象，但是实例 d1 所指向的对象并无变化，未对 d1 造成任何影响。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .