SongLye的博客

为了更好的了解HTTP协议, 特意谢了一个简单HTTP服务器, 代码只有400行. 因为很简单, 所以效率也不怎么高, 而且支持的特性也不多, 不过也可以运行, 性能跟Apache差不多.

=============================================================================================

#include <fcntl.h>
#include <sys/socket.h>
#include <netinet/in.h>
#include <arpa/inet.h>
#include <netinet/tcp.h>
#include <errno.h>
#include <sys/ioctl.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

#define BUFFER_INIT_SIZE 512

enum {
    mickey_reading_header_stage,
    mickey_writing_header_stage,
    mickey_writing_body_stage,
    mickey_closing_stage
};

enum {
    mickey_http_ok,
    mickey_http_notfound,
    mickey_ht

一, 实现原理图

    我们知道微博的访问量是非常大的，一秒钟可能有成千上万的人发布微博或者删除微博，所以数据库要承受的压力非常大，这样就可能导致数据库并发量太大而操作失败。

    那么，我们考虑一下，可不可以把所有的插入操作一步一步的完成呢？也就是说等到第一个插入操作完成再做第二个插入操作呢？要实现这种情况，我们可以使用消息队列。消息队列的作用就是把大量并发操作变成线性操作。那么我们怎么使用消息队列来完成呢？如下图：

从图上可以看出，我们把所有的数据库操作都发送到消息队列中，然后让消息队列来进行对数据库的

Redis DiskStore功能预览

持久化一直是Redis的痛，内存快照的缺点是：速度慢、不能保证数据的完整性。追加(append only file)的缺点是文件会无限的增长，不利于重用。为了解决这些

线段Hash算法原理是：通过Hash算法把Key转换成一个int类型的数字，然后按照每次比较2

与插入情况相对称，除了根结点外（根结点个数不能少于1），B树的关键字数不能少于t-1个。对于简单删除情况，如果我们定位到关键字处在某个结点中，如果这个结点中关键字个数恰好是t-1个，如果直接删除这个关键字，就会违反B树规则。

此时，需要考虑两种处理方案：

1)把这个结点与其相邻结点合并，合并时需要把父结点的一个关键字加进来，除非相邻的那个结点的关键字数也是t-1个，否则，合并后会超出2t-1的限制，同样违反B树规则。而且，因为从父结点拉下一个关键字，导致父结点的关键字数少1，如果原来父结点关键字数是t-1，那么父结点违反B树规则，这种情况下，必须进行回溯处理。（对于下图（a）初始树，删除结点Z就会出现这种情况）

2）从相邻结点借一个关键字过来，这种情况要求，相邻结点必须有多于t-1个关键字，借的过程中，需要转经父结点，否则违反B树规则。

为了避免回溯，要求我们在从树根向下搜索关键字的过程中，凡是遇到途经的结点，如果该结点的关键字数是t-1，则我们需要想办法从其他地方搞个关键字过来，使得该结点的关键

在SNS的网站中，最核心的功能就是Feed功能，Feed就是一条twitter或一条好友动态。该功能面临的挑战是：每天产生成千上万条数据， 数据推送的需要实时性等，做网站其实最大的难点就是对海量数据和高并发的处理。本人通过对Twitter和新浪微博架构的一些资料的学习，大致了解了如何 实现一个Feed功能。一个Feed功能往往有多种实现方式，最常见的是这3种：推模式、拉模式、推拉结合模式。

推模式：

推 就是把自己的发的feed推送到每个粉丝那里，就是一条feed在数据库中存储多份，做法就将feed表按userId分库，对应粉丝Id的库中插一条记 录。这种做法的缺点就是数据量大，数据冗余太严重，如一个明星用户有1000万粉丝，那么他发一条feed,就要产生1000万条记录。Feed的推送需 要异步队列，队列的好处就是降并发，推送是需要时间的，所以一个明星发了一条feed后，当最后那个粉丝看到这条feed可能已经是几分钟后的事情了。这 种模式的优点是用户查看Feed就很容易了，根据userId查询就可以了。这种做法是牺牲大量储存空间来换取网站的查看性能。

拉模式：

拉 就是用户要查看动态时就去每个关注者那边找，然后聚合并