以前喜欢买书来看，有空捧着一本书静静的读着，这种感觉仿佛时间都停止了，现在参加了工作，时间变得相对少些，所以看电子书的频率高些（微信读书和Kindle），因为电子书看着方便，但对眼睛有伤害，看时间长了会眼睛疲劳，不过能过看书的瘾，也挺好^_^

平时我们用MySQL，字符编码方式一般是 utf8 或者 utf8mb4，至于MySQL内部是如何处理编码问题的在日常开发中并没有十分关注，遇到最多的问题也无非是表中中文乱码和表情无法存储。对于编码不一致的问题，出问题是在所难免的，我们需要系统地了解下在MySQL内部字符集是如何配置和转化的。

咳咳，趁着2019年的小尾巴，总结下这一年我都干了些什么吧。最近几年每年年初几乎都要立flag，其实flag不是说我今年一定要搞成什么样子，而是让自己能够坚持做一件事情，至少正儿八经地定一个目标。

在维基百科中，关于分治算法（divide-and-conquer）的介绍如下：在计算机科学中，分治法是建基于多项分支递归的一种很重要的算法范式。字面上的解释是“分而治之”，就是把一个复杂的问题分成两个或更多的相同或相似的子问题，直到最后子问题可以简单的直接求解，原问题的解即子问题的解的合并。这个概念非常好理解，一个操作的计算规模很大，直接计算比较困难，如果可以将该问题分解为多个子问题进行计算，并且合并这些计算结果与原计算结果期望一致，那么这样就再好不过了。

单从上述概念来理解，我们不难发现，利用分治算法有一个分解与合并的过程，至于分解后的小规模问题如果解决，可以继续利用分治思想继续进行分解，直至可以直接计算。这就形成了递归。所以利用分治算法求解问题一般有三个步骤：

1. 分解：将原问题分解为若干个规模较小，相对独立，与原问题形式相同的子问题。
2. 解决：若子问题规模较小且易于解决时，则直接解。否则，递归地解决各子问题。
3. 合并：将各子问题的解合并为原问题的解。

在看邓公数据结构和算法课程时，提到了减而治之（减治）和分而治之（分治）。两者都是将问题规模缩小，但缩小的方式是不同的，适用场景也是不同的，这里结合教材来总结下这两者异同点。

最近在看邓俊辉邓公的《数据结构和算法》课程，其中在讲Vector时提到了唯一化算法，也就是我们熟悉的去重算法，该算法实现相当简单，但却很高效。如果我们不借助Java任何已有的数据结构和方法，想对一个集合去重，最低效的算法是遍历其集合，找出每个重复元素存在的区间，每个区间只保留一个元素即可，这就涉及到remove 操作，最坏的情况下，每次都要调用remove方法，时间复杂度累计到$O(2^n)$，显然十分低效。

第一个看到树状数组（Binary Indexed Tree）这个数据结构时，真的被吸引了，设计真是简洁，属于理论很复杂，但实现不复杂的那种算法。该算法多用于高效计算数列的前缀和， 区间和动态单点值的修改。要理解树状数组的工作原理，必须要知道二进制的运算法则，比如 &、 -、补码和反码等。下面先介绍下二进制的一些简单运算。

近日发现项目日志中有关于MQ的异常日志，Rabbit在进行自我检查时，发现没有Channel可用了，报出org.springframework.amqp.AmqpTimeoutException: No available channels异常，这个异常具体是由什么引起的呢？

了解到CompletableFuture的基础用法之后，我们不禁好奇，以前的Future模式不支持如此好用的异步编程，CompletableFuture是如何做到的呢？这就需要我们去阅读源码了，通过源码我们才能了解到其设计思想和实现方式，我们分析下supplyAsync 和 thenApplyAsync 这两个，并且是提供线程池的接口，因为如果不提供自定义线程池，就会用默认的，如下：

1
2
3
4
5
6
7
8
9

private static final boolean USE_COMMON_POOL =
        (ForkJoinPool.getCommonPoolParallelism() > 1);

private static final Executor ASYNC_POOL = USE_COMMON_POOL ?
        ForkJoinPool.commonPool() : new ThreadPerTaskExecutor();
        
static final class ThreadPerTaskExecutor implements Executor {
        public void execute(Runnable r) { new Thread(r).start(); }
}

最近看JDK11的CompletableFuture源码实现时，发现内部使用了Treiber stack，维基百科上作以下描述：

The Treiber stack algorithm is a scalable lock-free stack utilizing the fine-grained concurrency primitive compare-and-swap

Treiber stack算法是属于无锁并发栈，内部使用CAS(compare-and-swap)来实现无锁并发算法。关于CAS想必大家都很熟悉，至少会用。我们先来看看CompletableFuture的无锁并发栈的实现。

最近一直在看Reactive相关的知识，周末刚好阿里巴巴举办了一个Reactive架构相关的技术分享会，周末没啥事就报名去了，地点在浦东张江人工智能岛，当时去了大概有一百多人，演讲嘉宾有阿里云原生平台技术专家Andy Shi，阿里P9雷卷Jacky和爱奇艺的一个开发者。 本来Josh Long也会来，但他父亲病危就没有来。