技术专栏 第100页

前些天，一个老用户联系我，希望访客端的主题颜色能够与他们的 APP 相适配。对于这么合理的诉求，那必须满足！！

负载均衡算法

负载均衡器在将请求转发到后端服务器之前会考虑两个因素。首先，它会确保所选择的服务器能够适当地响应请求，然后使用预先配置的算法从一组正常的服务器中选择一个。

负载均衡器应该只将流量转发到“正常”的服务节点。为了监视服务器的运行状况，负载均衡器会定期进行运行状况检查（Health Check），尝试连接到服务器，以确保服务节点正在正常运行。如果某个服务节点未通过运行状况检查，它将自动从服务器池中删除，并且在它再次通过运行状况检查之前，负载均衡器不会将流量转发给它。

在负载均衡中，有各种各样的方法和算法，这些算法可以根据服务器的性能、负载情况、会话保持需求等因素来进行选择。以下是一些常见的负载均衡算法。

1）轮询（Round Robin）：这是最简单也最经典的策略。它像发牌一样，按顺序将请求逐一分发给每台服务器。这种方式纯粹、公平，但略显“天真”——它假设所有服务器的处理能力完全相同，且每个请求的耗时也一样，这在现实世界中几乎不可能。

2）最少连接（Least Connections）： 这是最常用的动态算法。它会把新请求发送给当前连接数最少的服务器。这好比在超市结账时，总会下意识地选择排队人数最少的那个收银台，因为它大概率最快。

3）加权算法（Weighted Algorithms）：当服务器配置高低不一时，加权算法便派上用场。可以为性能更强的服务器分配更高的“权重”，让它承担更多的流量，实现“能者多劳”，最大化利用硬件投资。

4）会话保持（Session Persistence / Sticky Sessions）：在某些场景下（如网上银行、购物车），需要用户的连续请求始终由同一台服务器处理，以维持会话状态。此时，负载均衡器会根据用户的IP地址或Cookie等信息，实现“粘性会话”，确保用户的请求“粘”在固定的服务器上。

在分布式系统架构中，消息队列承担着解耦、削峰和异步处理的重要职责。然而，网络波动、服务宕机、消息格式错误等异常情况难以完全避免。本文将从实践角度出发，深入探讨如何构建一套完整的失败处置流水线，确保系统在面临各种异常时仍能保持稳定可靠。

部署环境：阿里云ACK

部署方式：PostgreSQL + Redis + LiteLLM

参考链接：
官网文档

增删改查

指针指向等于地址赋值

定义一个链表结构体

使用这个工具包，开发人员可以以最小的努力交付美观、功能丰富的应用程序，缩短开发时间，同时确保跨平台的无缝和引人入胜的用户体验。

在
Flink学习笔记：如何做容错一文中，我们介绍了 Flink 的 Checkpoint 机制。Checkpoint 分为 EXACTLY_ONCE 和 AT_LEAST_ONCE 两种模式。

但真正有趣的事情发生在幕后。

AI代码生成工具确实让开发效率大幅提升，但同时也带来了新的挑战：代码质量参差不齐、技术债务快速积累、团队对代码理解不深。这篇文章从实际问题出发，结合DevOps、DORA模型、SPACE框架等先进工程管理理念，提出了一套在AI开发模式下保障代码质量的实战方案。通过质量内建、左移测试、价值流分析、度量驱动改进等系统性方法，在享受AI效率红利的同时，确保代码质量不滑坡。文章不仅提供了理论框架，还给出了可落地的实施路径和关键成功因素。

HelloGitHub 分享 GitHub 上有趣、入门级的开源项目。