在单体架构的时候我们可以将配置写在配置文件中，但有⼀个缺点就是每次修改配置都需要重启服 务才能生效。 当应用程序实例比较少的时候还可以维护。如果转向微服务架构有成百上千个实例，每修改⼀次配 置要将全部实例重启，不仅增加了系统的不稳定性，也提高了维护的成本。 那么如何能够做到服务不重启就可以修改配置？所有就产生了四个基础诉求：  需要支持动态修改配置  需要动态变更有多实时  变更快了之后如何管控控制变更风险，如灰度、回滚等 节点定时请求当前最新的集群成员节 点列表信息即可。 Nacos 架构 < 62 因此，通过地址服务器这种模式，大大简化了 Nacos 集群节点管理的成本，同时，地址服务器是 ⼀个非常简单的 web 程序，其程序的稳定性能够得到很好的保障。 未来可扩展点 集群节点自动扩缩容 目前，Nacos 的集群节点管理，还都是属于人工操作，因此，未来期望能够基于寻址模式，实现集 群节点自动管理的功能，能够实现新的节点上 可以扩展到很大规模，因为都是点对点的数据同步，但是从我们对 Eureka 的运维经验来看， Eureka 集群在扩容之后，性能上有很大问题。 集群扩展性的另⼀个方面是多地域部署和容灾的支持。当讲究集群的高可用和稳定性以及网络上的 跨地域延迟要求能够在每个地域都部署集群的时候，我们现有的方案有多机房容灾、异地多活、多 数据中心等。 77 > Nacos 架构 图 8 Nacos 的多机房部署和容灾 首先是双机房容灾，基于

Press, Cambridge University Press, etc. AMS, IEEE, Springer, LNCS, etc. “We Prefer to LATEX”； 超常的稳定性 几乎没有任何错误，内核很少改动 （$1.28 ⇒ $327.68），极少崩溃，无论内存多少， 文件大小，都能正常处理； 高度的灵活性 自定义新命令和宏包等扩展系统，排版俄 文、德文、中文等多种语言，排版数学公式、 Press, Cambridge University Press, etc. AMS, IEEE, Springer, LNCS, etc. “We Prefer to LATEX”； 超常的稳定性 几乎没有任何错误，内核很少改动 （$1.28 ⇒ $327.68），极少崩溃，无论内存多少， 文件大小，都能正常处理； 高度的灵活性 自定义新命令和宏包等扩展系统，排版俄 文、德文、中文等多种语言，排版数学公式、 Press, Cambridge University Press, etc. AMS, IEEE, Springer, LNCS, etc. “We Prefer to LATEX”； 超常的稳定性 几乎没有任何错误，内核很少改动 （$1.28 ⇒ $327.68），极少崩溃，无论内存多少， 文件大小，都能正常处理； 高度的灵活性 自定义新命令和宏包等扩展系统，排版俄 文、德文、中文等多种语言，排版数学公式、

判断规则，例如数字大小、字符 ASCII 码顺序、自定义规则； Figure 11‑1. 排序中不同的元素类型和判断规则 11.1.1. 评价维度 排序算法主要可根据 稳定性、就地性、自适应性、比较类 来分类。 稳定性 ‧「稳定排序」在完成排序后，不改变 相等元素在数组中的相对顺序。 ‧「非稳定排序」在完成排序后，相等元素在数组中的相对位置 可能被改变。 假设我们有一个存储学生信息的表格，第

外辅助数组，节约内存；并且 一般情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序 不会发生改变。假设我们有一个存储学生 信息的表格，第 1, 2 列分别是姓名和年龄。那么在以下示例中，「非稳定排序」会导致输入数据的有序性丢失。 稳定性是排序算法很好的特性，在多级排序中是必须的。 # 输入数据是按照姓名排序好的 # (name

于大数据量的情况，运行效率显得尤为重要。 就地性：顾名思义，原地排序通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内存。 通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：稳定排序在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，非稳定排序可能导致输入数据的有序性丧失： 条件。在实际应用中，我们需要 根据数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 第 11 章 排序 hello‑algo.com 254 图 11‑19 排序算法对比 2. Q & A Q：排序算法稳定性在什么情况下是必需的？ 在现实中，我们有可能基于对象的某个属性进行排序。例如，学生有姓名和身高两个属性，我们希望实现一

对于大数据量情况，运行效率显得尤为重要。 就地性：顾名思义，「原地排序」通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内 存。通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，「 如其他数据结构和算法一样，没有一种排序算法能够同时满足所有这些条件。在实际应用中，我们需要 根据数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 图 11‑19 排序算法对比 2. Q & A � 排序算法稳定性在什么情况下是必须的？ 在现实中，我们有可能是在对象的某个属性上进行排序。例如，学生有姓名和身高两个属性， 我们希望实现一个多级排序/ 先按照姓名进行排序，得到

于大数据量的情况，运行效率显得尤为重要。 就地性：顾名思义，「原地排序」通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内 存。通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，「 如其他数据结构和算法一样，没有一种排序算法能够同时满足所有这些条件。在实际应用中，我们需要 根据数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 图 11‑19 排序算法对比 2. Q & A Q：排序算法稳定性在什么情况下是必需的？ 在现实中，我们有可能基于对象的某个属性进行排序。例如，学生有姓名和身高两个属性，我们希望实现一 个多级排序：先按照姓名进行排序，得到

于大数据量的情况，运行效率显得尤为重要。 就地性：顾名思义，原地排序通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内存。 通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：稳定排序在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，非稳定排序可能导致输入数据的有序性丧失： 。在实际应用中，我们需要根据 数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 第 11 章 排序 www.hello‑algo.com 254 图 11‑19 排序算法对比 2. Q & A Q：排序算法稳定性在什么情况下是必需的？ 在现实中，我们有可能基于对象的某个属性进行排序。例如，学生有姓名和身高两个属性，我们希望实现一

对于大数据量情况，运行效率显得尤为重要。 就地性：顾名思义，「原地排序」通过在原数组上直接操作实现排序，无需借助额外的辅助数组，从而节省内 存。通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序不发生改变。稳定排序是优良特性，也是 多级排序场景的必要条件。 假设我们有一个存储学生信息的表格，第 1, 2 列分别是姓名和年龄。在这种情况下，「非稳定排序」可能导致 我们需要 根据数据的特性来选择合适的排序算法。 11. 排序 hello‑algo.com 226 Figure 11‑19. 排序算法对比 11.11.1. Q & A � 排序算法稳定性在什么情况下是必须的？ 在现实中，我们有可能是在对象的某个属性上进行排序。例如，学生有姓名和身高两个属性， 我们希望实现一个多级排序/ 先按照姓名进行排序，得到 (A, 180) (B, 185)