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^_^

Java虚拟机定义了程序执行期间使用的各种运行时数据区域。如下图所示：

在Java虚拟机规范的描述中，虚拟机栈、本地方法栈和程序计数器是线程私有的，而像堆、方法区(Jdk8之前)、元空间（JDK8之后）属于所有线程共享区域。除了程序计数器外，虚拟机内存的其他几个运行时区域都有可能发生OutOfMemoryError(OOM)异常的可能，Java doc对OutOfMemoryError的描述是没有空闲内存，并且垃圾回收器也无法提供更多内存。

相信把Java当做生产力工具的同学肯定对gc比较熟悉的，JVM团队在这块下了很多的功夫创造了很多垃圾收集器，不过有些垃圾收集器随着技术的发展被淘汰了，有些是最新开发的，技术很先进，效果很出众。下面介绍下有哪些垃圾收集器以及相关参数。

在线上应用对JVM参数设置不合理的情况下，有可能发生OOM(Out of Memory Error)，不过OOM也分很多种，可以参考：OutOfMemoryError详细介绍，下面就以我遇到的堆OOM来分析下相关日志信息。

通常OOM时会触发 Linux 内核里的 Out of Memory (OOM) killer，OOM killer会杀掉某个进程以腾出内存留给系统用，不致于让系统立刻崩溃。详细原因分析参考：linux 终端报错 Out of memory: Kill process[PID] [process name] score问题分析，在应用启动之前，需要打印GC日志以及保存JVM错误日志，设置以下JVM参数：

1
2
3
4
5

-XX:+PrintGCDetails
-XX:HeapDumpPath=targetDir
-XX:ErrorFile=targetDir\\hs_err_pid%p.log
-Xloggc:targetDir\\gc.log
-XX:HeapDumpPath=targetDir

很久没有用现在的笔记本连过RabbitMQ，今天在Windows上装了一下RabbitMQ，然后启用管理界面，发现怎么都启用不了，一直提示：Plugin configuration unchanged.，查看服务发现MQ的服务都关闭了，为什么会自动关闭服务呢？我们来查看下MQ的日志，路径是：C:\Users\明山\AppData\Roaming\RabbitMQ\log\rabbit@DESKTOP-Q1D3TT5.log，在文件末尾，发现有下面的错误：

序幕

旁白：纵观天下大势，分久必合，合久必分，风云变幻，成王败寇。汉室衰微，天下英雄逐鹿中原。曹操为除董卓散家财起兵，天意相助，然刘备先投后反曹操，引出事端，后刘备奔逃，曹操计围关羽，遣张文远劝关降曹，这才引出曹公信义放关羽的故事。

图(Graph)这个数据结构在平时开发中遇到的比较少，但我认为它是十分重要的，因为从真实的世界中来看，很多东西都可以抽象为图的表示，比如人际关系，地理位置，天马行空的东西都可以抽象为图，所以它比链表等基础数据结构高级一点点，也比较复杂，属于非线性结构。数学中有一个图论的分支也是与其有关。了解图在程序世界的存储方式，我们可以更加细致地刻画图的结构，让其为我所用，岂不妙哉？

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。