网易一面：select分页要调优100倍，说说你的思路？（内含Mysql的36军规）

素颜马尾好姑娘i 2024-03-27 02:26 23阅读 0赞

### 背景说明： ###

Mysql调优，是大家日常常见的调优工作。所以**Mysql调优**是一个**非常、非常核心的面试知识点**。

在40岁老架构师 尼恩的**读者交流群**(50+)中，其相关面试题是一个非常、非常高频的交流话题。

近段时间，有小伙伴面试网易，说遇到一个**SQL 深度分页 查询** 调优的面试题：

> MySQL 百万级数据，怎么做分页查询？说说你的思路？

社群中，还遇到过大概的变种：

> 形式1：如何解决Mysql深分页问题？
> 
> 形式2：mysql如何实现高效分页
> 
> 形式3：后面的变种，应该有很多变种…，会收入 《尼恩Java面试宝典》。

这里尼恩给大家 调优，做一下系统化、体系化的梳理，使得大家可以充分展示一下大家雄厚的 “技术肌肉”，**让面试官爱到 “不能自已、口水直流”**。

也一并把这个 SQL 深度分页 题目以及参考答案，收入咱们的《[尼恩Java面试宝典][Java]》，供后面的小伙伴参考，提升大家的 3高 架构、设计、开发水平。

> 注：本文以 PDF 持续更新，最新尼恩 架构笔记、面试题 的PDF文件，请从这里获取：[码云][Link 1]

### 深挖问题：MySQL分页起点越大查询速度越慢 ###

在数据库开发过程中我们经常会使用分页，核心技术是使用用limit start, count分页语句进行数据的读取。

我们分别看下从10， 1000， 10000， 100000开始分页的执行时间（每页取20条）。

select * from product limit 10, 20        0.002秒
    select * from product limit 1000, 20      0.011秒
    select * from product limit 10000, 20     0.027秒
    select * from product limit 100000, 20    0.057秒

我们已经看出随着起始记录的增加，时间也随着增大，

这说明分页语句limit跟起始页码是有很大关系的，那么我们把起始记录改为100w看下：

select * from product limit 1000000, 20   0.682秒

我们惊讶的发现MySQL在数据量大的情况下分页起点越大，查询速度越慢，

300万条起的查询速度已经需要1.368秒钟。

这是为什么呢?

因为limit 3000000,10的语法实际上是mysql扫描到前3000020条数据, 之后丢弃前面的3000000行，

这个步骤其实是浪费掉的。

select * from product limit 3000000, 20   1.368秒

从中我们也能总结出两件事情：

*  limit语句的查询时间与起始记录的位置成正比
 *  mysql的limit语句是很方便，但是对记录很多的表并不适合直接使用。

### 基础知识：mysql中limit的用法 ###

**语法**：

SELECT * FROM 表名 limit m,n;
    SELECT * FROM table LIMIT [offset,] rows;

**注释**：Limit子句可以被用于强制 SELECT 语句返回指定的记录数。

Limit接受一个或两个数字参数,参数必须是一个整数常量。

如果给定两个参数，

*  第一个参数指定第一个返回记录行的偏移量，
 *  第二个参数指定返回记录行的最大数目。

1.m代表从m+1条记录行开始检索，n代表取出n条数据。(m可设为0)

如：SELECT * FROM 表名 limit 6,5;

表示：从第7条记录行开始算，取出5条数据

2.值得注意的是，n可以被设置为-1，当n为-1时，表示从m+1行开始检索，直到取出最后一条数据。

如：SELECT * FROM 表名 limit 6,-1;

表示：取出第6条记录行以后的所有数据。

3.若只给出m，则表示从第1条记录行开始算一共取出m条

如：SELECT * FROM 表名 limit 6;

以年龄倒序后取出前3行：

mysql> select * from student order by age desc;
    +-----+--------+------+------+
    | SNO | SNAME  | AGE  | SEX  |
    +-----+--------+------+------+
    | 1   | 换换   |   23 | 男   |
    | 2   | 刘丽   |   22 | 女   |
    | 5   | 张友   |   22 | 男   |
    | 6   | 刘力   |   22 | 男   |
    | 4   | NULL   |   10 | NULL |
    +-----+--------+------+------+
    5 rows in set (0.00 sec)
    
    mysql> select * from student order by age desc limit 3;
    +-----+--------+------+------+
    | SNO | SNAME  | AGE  | SEX  |
    +-----+--------+------+------+
    | 1   | 换换   |   23 | 男   |
    | 2   | 刘丽   |   22 | 女   |
    | 6   | 刘力   |   22 | 男   |
    +-----+--------+------+------+
    3 rows in set (0.00 sec)

跳过前3行后再2取行.

mysql> select * from student order by age desc limit 3,2;
    +-----+--------+------+------+
    | SNO | SNAME  | AGE  | SEX  |
    +-----+--------+------+------+
    | 6   | 刘力   |   22 | 男   |
    | 4   | NULL   |   10 | NULL |
    +-----+--------+------+------+

### 回到问题：MySQL百万级数据大分页查询优化 ###

我们惊讶的发现MySQL在数据量大的情况下分页起点越大，查询速度越慢，

300万条起的查询速度已经需要1.368秒钟。

### 那么，该如何优化呢？ ###

#### 方法1: 直接使用数据库提供的SQL语句 ####

**语句样式**：

MySQL中,可用如下方法:

SELECT * FROM 表名称 LIMIT start, count

**功能**

Limit限制的是从结果集的start 位置处取出count 条输出,其余抛弃.

**原因/缺点**：

全表扫描,速度会很慢

而且， 有的数据库结果集返回不稳定(如某次返回1,2,3,另外的一次返回2,1,3).

**适应场景**：

适用于数据量较少的情况

元祖数量、记录数量级别：百/千级

#### **方法2:** 建立主键或唯一索引, 利用索引(假设每页10条) ####

**语句样式**：

SELECT * FROM 表名称 WHERE id_pk > (pageNum*10) LIMIT M

除了主键，也可以 利用唯一键索引快速定位部分元组，避免全表扫描

比如: 读第1000到1019行元组(pk是唯一键).

SELECT * FROM 表名称 WHERE pk>=1000 ORDER BY pk ASC LIMIT 0,20

**原因** ：

索引扫描,速度会很快.

**缺点**：

如果数据查询出来并不是按照pk\_id排序，并且pk\_id全部数据都存在没有缺失可以作为序号使用，不然，分页会有漏掉数据，

**适应场景** ：

*  适用于数据量多的情况(元组数上万)
 *  id数据没有缺失，可以作为序号使用

#### 方法3: 基于索引再排序 ####

**语句样式** ：

MySQL中,可用如下方法:

SELECT * FROM 表名称 WHERE id_pk > (pageNum*10) ORDER BY id_pk ASC LIMIT M

**适应场景**：

适用于数据量多的情况(元组数上万).

最好ORDER BY后的列对象是主键或唯一索引,

id数据没有缺失，可以作为序号使用

使得ORDERBY操作能利用索引被消除但结果集是稳定的

**原因**：

索引扫描,速度会很快.

但MySQL的排序操作,只有ASC没有DESC

mysql中，索引存储的排序方式是ASC的，没有DESC的索引。

这就能够理解为啥order by 默认是按照ASC来排序的了吧

虽然索引是ASC的，但是也可以反向进行检索，就相当于DESC了

#### **方法4: 基于索引使用prepare** ####

**语句样式**：MySQL中,可用如下方法:

PREPARE stmt_name FROM SELECT * FROM 表名称 WHERE id_pk > (？*10) ORDER BY id_pk ASC LIMIT M

第一个问号表示pageNum

**适应场景**：

大数据量

**原因**：

索引扫描，速度会很快.

prepare语句又比一般的查询语句快一点。

#### 方法5: 利用"子查询+索引"快速定位元组 ####

利用"子查询+索引"快速定位元组的位置,然后再读取元组.

比如(id是主键/唯一键)

利用子查询示例:

SELECT * FROM your_table WHERE id <= (SELECT id FROM your_table ORDER BY id desc LIMIT ($page-1)*$pagesize ORDER BY id desc LIMIT $pagesize

#### 方法6: 利用"连接+索引"快速定位元组的位置,然后再读取元组. ####

比如(id是主键/唯一键,蓝色字体时变量)

利用连接示例:

SELECT * FROM your_table AS t1 JOIN (SELECT id FROM your_table ORDER BY id desc LIMIT ($page-1)*$pagesize AS t2 WHERE t1.id <= t2.id ORDER BY t1.id desc LIMIT $pagesize;

#### 方法7: 利用表的索引覆盖来调优 ####

我们都知道，利用了索引查询的语句中如果只包含了那个索引列（也就是**索引覆盖**），那么这种情况会查询很快。

为什么呢？

因为利用索引查找有优化算法，且数据就在查询索引上面，不用再去找相关的数据地址了，这样节省了很多时间。另外Mysql中也有相关的索引缓存，在并发高的时候利用缓存就效果更好了。

在我们的例子中，我们知道id字段是主键，自然就包含了默认的主键索引。现在让我们看看利用覆盖索引的查询效果如何。

这次我们之间查询最后一页的数据（利用覆盖索引，只包含id列），如下：

select id from product limit 866613, 20      0.2秒

如果查询了所有列的37.44秒，这里只要0.2秒，提升了大概**100多倍**的速度

那么如果我们也要查询所有列，有两种方法，一种是id>=的形式，另一种就是利用join，看下实际情况：

SELECT * FROM product WHERE ID > =(select id from product limit 866613, 1) limit 20

查询时间为0.2秒！

另一种写法

SELECT * FROM product a JOIN (select id from product limit 866613, 20) b ON a.ID = b.id

查询时间也很短！

#### 方法8：利用复合索引进行优化 ####

假设数据表 collect ( id, title ,info ,vtype) 就这4个字段，其中 title 用定长，info 用text, id 是逐渐，vtype是tinyint，vtype是索引。这是一个基本的新闻系统的简单模型。

现在往里面填充数据，填充10万篇新闻。

最后collect 为 10万条记录，数据库表占用硬1.6G。

看下面这条sql语句：

select id,title from collect limit 1000,10;

很快；基本上0.01秒就OK，再看下面的

select id,title from collect limit 90000,10;

从9万条开始分页，结果？

8-9秒完成，my god 哪出问题了？

看下面一条语句:

select id from collect order by id limit 90000,10;

很快，0.04秒就OK。

为什么？

因为用了id主键做索引, 这里实现了索引覆盖（方法7），当然快。

所以，可以按照方法7进行优化，具体如下：

select id,title from collect where id>=(select id from collect order by id limit 90000,1) limit 10;

再看下面的语句，带上where

select id from collect where vtype=1 order by id limit 90000,10;

很慢，用了8-9秒！

注意：vtype 做了索引了啊？怎么会慢呢？vtype做了索引是不错，如果直接对vtype进行过滤，比如

select id from collect where vtype=1 limit 1000,10;

是很快的，基本上0.05秒，可是提高90倍，从9万开始，那就是0.05\*90=4.5秒的速度了。

和测试结果8-9秒到了一个数量级。

其实加了where 就不走索引，这样做还是全表扫描，解决的办法是：**复合索引**！

加一个复合索引， search\_index(vtype,id) 这样的索引。

然后测试

select id from collect where vtype=1 limit 90000,10;

非常快！0.04秒完成！再测试:

select id ,title from collect where vtype=1 limit 90000,10;

非常遗憾，8-9秒，没走search\_index **复合索引**，不是索引覆盖！

**综上**：

**如果对于有where 条件，又想走索引用limit的，**

**必须设计一个索引，将where 放第一位，limit用到的主键放第2位，而且只能select 主键！**

按这样的逻辑，百万级的limit 在0.0x秒就可以分完。完美解决了分页问题了。

看来mysql 语句的优化和索引时非常重要的！

像这种分页最大的页码页显然这种时间是无法忍受的。

### 40岁老架构师尼恩提示 ###

回答到了这里，已经接近满分了

但是面试，是一个需要120分的活儿

怎么得到120分呢？

可以告诉面试官：如何 提升SQL的性能， 还是要从 表设计、索引设计、SQL设计等全方位解决，具体请看MySQL数据库开发的三十六条军规

接下来，就给面试官介绍一下，MySQL数据库开发的三十六条军规

### MySQL数据库开发的三十六条军规 ###

#### 一.核心军规 ####

*  尽量不在数据库做运算，cpu计算的事务必移至业务层;
 *  控制表、行、列数量（【控制单张表的数据量 1年/500W条，超出可做分表】，【单库表数据量不超过300张】 、【单张表的字段个数不超过50个，多了拆表】）
 *  三大范式没有绝对的要使用，效率优先时可适当牺牲范式
 *  拒绝3B(拒绝大sql语句：big sql、拒绝大事物：big transaction、拒绝大批量：big batch);

#### 二.字段类军规 ####

*  用好数值类型(用合适的字段类型节约空间);  
    如：一个字段注定就只有1跟2 要设计成 int(1) 而不是 int(11)
 *  字符转化为数字(能转化的最好转化,同样节约空间、提高查询性能);  
    如，一个字段注定就只有1跟2，要设计成int(1) 而不是char(1) 查询优化如：字段类型是 char(1) 查询应当where xx=‘1’ 而不是 xx=1 会导致效率慢
 *  避免使用NULL字段

NULL字段很难查询优化、NULL字段的索引需要额外空间、NULL字段的复合索引无效;

如： 要设计成  `c` int(10) NOT NULL DEFAULT 0    
    而不是  `c` int(10) NOT NULL；

*  少用text/blob类型(尽量使用varchar代替text字段), 需要请拆表
 *  不在数据库存图片，请存图片路径，然后图片文件存在项目文件夹下。

#### 三.索引类军规 ####

*  合理使用索引

改善查询,减慢更新,索引一定不是越多越好;

如：不要给性别创建索引

*  字符字段必须建前缀索引;

`pinyin` varchar(100) DEFAULT NULL COMMENT '小区拼音', 
    
    KEY `idx_pinyin` (`pinyin`(8)),

*  不在索引做列运算;

如：WHERE to_days(current_date) – to_days(date_col) <= 10   
    改为：WHERE date_col >= DATE_SUB('2011-10- 22',INTERVAL 10 DAY);

*  innodb主键推荐使用自增列

主键建立聚簇索引,主键不应该被修改,字符串不应该做主键

如：用独立于业务的AUTO_INCREMENT

*  不用外键(由程序保证约束);

#### 四.SQL类军规 ####

*  sql语句尽可能简单

一条sql只能在一个cpu运算,大语句拆小语句,减少锁时间,一条大sql可以堵死整个库;

*  简单的事务;
 *  避免使用trig/func(触发器、函数不用，由客户端程序取而代之);
 *  不用select \*(消耗cpu,io,内存,带宽,这种程序不具有扩展性);

如：select  a ,b,c 会比 select * 好 只取需要列

*  OR改写为 IN

如：where  a=1 or a=2  改  a in(1,2)

*  OR改写为UNION

针对不同字段 where a=1 or b=1 
    改：select 1 from a where a=1  union select 1 from a where b=1

*  避免负向%;

如：where a like %北京%  改为  where a like '北京%'

*  limit高效分页(limit越大，效率越低);

如：Limit 10000,10 改为 where id >xxxx limit 11

*  使用union all替代union(union有去重开销);
 *  高并发db少用2个表以上的join;
 *  使用group by 去除排序加快效率;

如：group by name   默认是asc排序
    改：group by name  order by null 提高查询效率

*  请使用同类型比较;

如：where 双精度=双精度  数字=数字  字符=字符  避免转换导致索引丢失

*  打散大批量更新;

如：在凌晨空闲时期更新执行

#### 五.约定类军规 ####

*  隔离线上线下 ，

如：开发用dev库，测试用qa库，模拟用sim库， 
    线上用线上库，开发无线上库操作权限

*  不在程序端加锁，即外部锁，外部锁不可控，会导致 高并发会炸，极难调试和排查
 *  统一字符 UTF-8 校对规则 utf8\_general\_ci 出现乱码 SET NAMES UTF8
 *  统一命名规范，库表名一律小写，索引前缀用`idx_ 库名` 用缩写（2-7字符），不使用系统关键字保留字命名

### 40岁老架构师尼恩提示 ###

问题回答到这里，已经20分钟过去了，面试官已经爱到 “不能自已、口水直流” 啦。

### 参考链接： ###

https://blog.csdn.net/qq\_43518425/article/details/113876287

https://blog.csdn.net/whzhaochao/article/details/49126037

https://blog.csdn.net/wuzhangweiss/article/details/101156910

https://blog.csdn.net/Jerome\_s/article/details/44992549

### 推荐阅读： ###

《[网易二面：CPU狂飙900%，该怎么处理？][CPU_900]》

《[阿里二面：千万级、亿级数据，如何性能优化？ 教科书级 答案来了][Link 2]》

《[Linux命令大全：2W多字，一次实现Linux自由][Linux_2W_Linux]》

《[峰值21WQps、亿级DAU，小游戏《羊了个羊》是怎么架构的？][21WQps_DAU]》

《[场景题：假设10W人突访，你的系统如何做到不 雪崩？][10W_]》

《[2个大厂 100亿级 超大流量 红包 架构方案][2_ 100_ _ _]》

《[Nginx面试题（史上最全 + 持续更新）][Nginx_ _]》

《[K8S面试题（史上最全 + 持续更新）][K8S_ _]》

《[操作系统面试题（史上最全、持续更新）][Link 3]》

《[Docker面试题（史上最全 + 持续更新）][Docker_ _]》

《[Springcloud gateway 底层原理、核心实战 (史上最全)][Springcloud gateway _]》

《[Flux、Mono、Reactor 实战（史上最全）][Flux_Mono_Reactor]》

《[sentinel （史上最全）][sentinel]》

《[Nacos (史上最全)][Nacos]》

《[TCP协议详解 (史上最全)][TCP_]》

《[分库分表 Sharding-JDBC 底层原理、核心实战（史上最全）][Sharding-JDBC]》

《[clickhouse 超底层原理 + 高可用实操 （史上最全）][clickhouse _ _ _]》

《[nacos高可用（图解+秒懂+史上最全）][nacos]》

《[队列之王： Disruptor 原理、架构、源码 一文穿透][Disruptor _]》

《[环形队列、 条带环形队列 Striped-RingBuffer （史上最全）][_ Striped-RingBuffer]》

《[一文搞定：SpringBoot、SLF4j、Log4j、Logback、Netty之间混乱关系（史上最全）][SpringBoot_SLF4j_Log4j_Logback_Netty]》

《[单例模式（史上最全）][Link 4]》

《[红黑树（ 图解 + 秒懂 + 史上最全）][_ _ _ _]》

《[分布式事务 （秒懂）][Link 5]》

《[缓存之王：Caffeine 源码、架构、原理（史上最全，10W字 超级长文）][Caffeine _10W_]》

《[缓存之王：Caffeine 的使用（史上最全）][Caffeine]》

《[Java Agent 探针、字节码增强 ByteBuddy（史上最全）][Java Agent _ ByteBuddy]》

《[Docker原理（图解+秒懂+史上最全）][Docker]》

《[Redis分布式锁（图解 - 秒懂 - 史上最全）][Redis_ - _ -]》

《[Zookeeper 分布式锁 - 图解 - 秒懂][Zookeeper _ - _ -]》

《[Zookeeper Curator 事件监听 - 10分钟看懂][Zookeeper Curator _ - 10]》

《[Netty 粘包 拆包 | 史上最全解读][Netty _ _ _]》

《[Netty 100万级高并发服务器配置][Netty 100]》

《[Springcloud 高并发 配置 （一文全懂）][Springcloud _ _]》\#\# 推荐阅读：

《[网易二面：CPU狂飙900%，该怎么处理？][CPU_900]》

《[阿里二面：千万级、亿级数据，如何性能优化？ 教科书级 答案来了][Link 2]》

《[峰值21WQps、亿级DAU，小游戏《羊了个羊》是怎么架构的？][21WQps_DAU]》

《[场景题：假设10W人突访，你的系统如何做到不 雪崩？][10W_]》

《[2个大厂 100亿级 超大流量 红包 架构方案][2_ 100_ _ _]》

《[Nginx面试题（史上最全 + 持续更新）][Nginx_ _]》

《[K8S面试题（史上最全 + 持续更新）][K8S_ _]》

《[操作系统面试题（史上最全、持续更新）][Link 3]》

《[Docker面试题（史上最全 + 持续更新）][Docker_ _]》

《[Springcloud gateway 底层原理、核心实战 (史上最全)][Springcloud gateway _]》

《[Flux、Mono、Reactor 实战（史上最全）][Flux_Mono_Reactor]》

《[sentinel （史上最全）][sentinel]》

《[Nacos (史上最全)][Nacos]》

《[TCP协议详解 (史上最全)][TCP_]》

《[分库分表 Sharding-JDBC 底层原理、核心实战（史上最全）][Sharding-JDBC]》

《[clickhouse 超底层原理 + 高可用实操 （史上最全）][clickhouse _ _ _]》

《[nacos高可用（图解+秒懂+史上最全）][nacos]》

《[队列之王： Disruptor 原理、架构、源码 一文穿透][Disruptor _]》

《[环形队列、 条带环形队列 Striped-RingBuffer （史上最全）][_ Striped-RingBuffer]》

《[一文搞定：SpringBoot、SLF4j、Log4j、Logback、Netty之间混乱关系（史上最全）][SpringBoot_SLF4j_Log4j_Logback_Netty]》

《[单例模式（史上最全）][Link 4]》

《[红黑树（ 图解 + 秒懂 + 史上最全）][_ _ _ _]》

《[分布式事务 （秒懂）][Link 5]》

《[缓存之王：Caffeine 源码、架构、原理（史上最全，10W字 超级长文）][Caffeine _10W_]》

《[缓存之王：Caffeine 的使用（史上最全）][Caffeine]》

《[Java Agent 探针、字节码增强 ByteBuddy（史上最全）][Java Agent _ ByteBuddy]》

《[Docker原理（图解+秒懂+史上最全）][Docker]》

《[Redis分布式锁（图解 - 秒懂 - 史上最全）][Redis_ - _ -]》

《[Zookeeper 分布式锁 - 图解 - 秒懂][Zookeeper _ - _ -]》

《[Zookeeper Curator 事件监听 - 10分钟看懂][Zookeeper Curator _ - 10]》

《[Netty 粘包 拆包 | 史上最全解读][Netty _ _ _]》

《[Netty 100万级高并发服务器配置][Netty 100]》

《[Springcloud 高并发 配置 （一文全懂）][Springcloud _ _]》

[Java]: https://blog.csdn.net/crazymakercircle/article/details/124790425
[Link 1]: https://gitee.com/crazymaker/SimpleCrayIM/blob/master/%E7%96%AF%E7%8B%82%E5%88%9B%E5%AE%A2%E5%9C%88%E6%80%BB%E7%9B%AE%E5%BD%95.md
[CPU_900]: https://blog.csdn.net/crazymakercircle/article/details/128805374
[Link 2]: https://blog.csdn.net/crazymakercircle/article/details/128848309
[Linux_2W_Linux]: https://blog.csdn.net/crazymakercircle/article/details/128932396
[21WQps_DAU]: https://blog.csdn.net/crazymakercircle/article/details/128725701
[10W_]: https://blog.csdn.net/crazymakercircle/article/details/128533821
[2_ 100_ _ _]: https://blog.csdn.net/crazymakercircle/article/details/128697096
[Nginx_ _]: https://blog.csdn.net/crazymakercircle/article/details/128684641
[K8S_ _]: https://blog.csdn.net/crazymakercircle/article/details/128671196
[Link 3]: https://blog.csdn.net/crazymakercircle/article/details/128708648
[Docker_ _]: https://blog.csdn.net/crazymakercircle/article/details/128670335
[Springcloud gateway _]: https://blog.csdn.net/crazymakercircle/article/details/125057567
[Flux_Mono_Reactor]: https://blog.csdn.net/crazymakercircle/article/details/124120506
[sentinel]: https://blog.csdn.net/crazymakercircle/article/details/125059491
[Nacos]: https://blog.csdn.net/crazymakercircle/article/details/125057545
[TCP_]: https://blog.csdn.net/crazymakercircle/article/details/114527369
[Sharding-JDBC]: https://blog.csdn.net/crazymakercircle/article/details/123420859
[clickhouse _ _ _]: https://blog.csdn.net/crazymakercircle/article/details/126992542
[nacos]: https://blog.csdn.net/crazymakercircle/article/details/120702536
[Disruptor _]: https://blog.csdn.net/crazymakercircle/article/details/128264803
[_ Striped-RingBuffer]: https://blog.csdn.net/crazymakercircle/article/details/128264508
[SpringBoot_SLF4j_Log4j_Logback_Netty]: https://blog.csdn.net/crazymakercircle/article/details/125135726
[Link 4]: https://blog.csdn.net/crazymakercircle/article/details/128265067
[_ _ _ _]: https://blog.csdn.net/crazymakercircle/article/details/125017316
[Link 5]: https://blog.csdn.net/crazymakercircle/article/details/109459593
[Caffeine _10W_]: https://blog.csdn.net/crazymakercircle/article/details/128123114
[Caffeine]: https://blog.csdn.net/crazymakercircle/article/details/113751575
[Java Agent _ ByteBuddy]: https://blog.csdn.net/crazymakercircle/article/details/126579528
[Docker]: https://blog.csdn.net/crazymakercircle/article/details/120747767
[Redis_ - _ -]: https://blog.csdn.net/crazymakercircle/article/details/116425814
[Zookeeper _ - _ -]: https://blog.csdn.net/crazymakercircle/article/details/85956246
[Zookeeper Curator _ - 10]: https://blog.csdn.net/crazymakercircle/article/details/85922561
[Netty _ _ _]: https://blog.csdn.net/crazymakercircle/article/details/83957259
[Netty 100]: https://blog.csdn.net/crazymakercircle/article/details/83758107
[Springcloud _ _]: https://blog.csdn.net/crazymakercircle/article/details/102557988