03 發布者訂閱模式本質原理(如何有效地利用碎片化時間學習？)

at most once: 消費者fetch消息，然后保存offset，然后處理消息；當client保存offset之后，但是在消息處理過程中出現了異常，導致部分消息未能繼續處理。那么此后"未處理"的消息將不能被fetch到，這就是"at most once"。

at least once: 消費者fetch消息，然后處理消息，然后保存offset。如果消息處理成功之后，但是在保存offset階段zookeeper異常導致保存操作未能執行成功，這就導致接下來再次fetch時可能獲得上次已經處理過的消息，這就是"at least once"，原因offset沒有及時的提交給zookeeper，zookeeper恢復正常還是之前offset狀態。

exactly once: kafka中并沒有嚴格的去實現(基于2階段提交，事務)，我們認為這種策略在kafka中是沒有必要的。

通常情況下“at-least-once”是我們首選。(相比at most once而言，重復接收數據總比丟失數據要好)。

kafka高可用由多個broker組成，每個broker是一個節點；

創建一個topic，這個topic會劃分為多個partition，每個partition存在于不同的broker上，每個partition就放一部分數據。

kafka是一個分布式消息隊列，就是說一個topic的數據，是分散放在不同的機器上，每個機器就放一部分數據。

在0.8版本以前，是沒有HA機制的，就是任何一個broker宕機了，那個broker上的partition就廢了，沒法寫也沒法讀，沒有什么高可用性可言。

0.8版本以后，才提供了HA機制，也就是就是replica副本機制。每個partition的數據都會同步到其他的機器上，形成自己的多個replica副本。然后所有replica會選舉一個leader出來，那么生產和消費都跟這個leader打交道，然后其他replica就是follower。

寫的時候，leader會負責把數據同步到所有follower上去，讀的時候就直接讀leader上數據即可。

kafka會均勻的將一個partition的所有replica分布在不同的機器上，從而提高容錯性。

如果某個broker宕機了也沒事，它上面的partition在其他機器上都有副本的，如果這上面有某個partition的leader，那么此時會重新選舉一個新的leader出來，大家繼續讀寫那個新的leader即可。這就有所謂的高可用性了。

寫數據的時候，生產者就寫leader，然后leader將數據落地寫本地磁盤，接著其他follower自己主動從leader來pull數據。一旦所有follower同步好數據了，就會發送ack給leader，leader收到所有follower的ack之后，就會返回寫成功的消息給生產者。

消息丟失會出現在三個環節，分別是生產者、mq中間件、消費者：

RabbitMQ

Kafka

大體和RabbitMQ相同。

Rabbitmq

需要保證順序的消息投遞到同一個queue中，這個queue只能有一個買粉絲nsumer，如果需要提升性能，可以用內存隊列做排隊，然后分發給底層不同的worker來處理。

Kafka

寫入一個partition中的數據一定是有序的。生產者在寫的時候 ，可以指定一個key，比如指定訂單id作為key，這個訂單相關數據一定會被分發到一個partition中去。消費者從partition中取出數據的時候也一定是有序的，把每個數據放入對應的一個內存隊列，一個partition中有幾條相關數據就用幾個內存隊列，消費者開啟多個線程，每個線程處理一個內存隊列。

網絡營銷策略理論有哪些啊？？？

1、消費者策略

進行網絡營銷，首先應找到目標消費者在哪里。毫無疑問，對于綜合性網站和專業網站，其消費者的定義是不同的。然后，需要進一步接近和了解消費者，并學會和他們一樣進行思考，進而找到有效的、互動的溝通和傳播途徑。

2、成本策略

人們在進行營銷策略的傳播過程中，不斷地琢磨出新的營銷怪招：價格的定位術、消費者行為理論、市場定位術、傳播的一致性、非正式價值策略等。然而同時發現：消費者有時并不注重價格，甚至忽略成本，“實惠”有時并不是消費者唯一的要求。

3、方便性策略

方便性策略指的是不強調固定的分銷渠道，而重視消費者購買商品和享受服務的方便性。一切以消費者的方便與否為中心開展網絡營銷工作。方便性是網絡企業競爭力的又一關鍵點，是網絡營銷傳播在品牌忠誠力經濟下詮釋消費者就是企業上帝的又一基本表現。

4、溝通策略

網絡企業一次又一次的嘗試多種營銷手段時，經常發現不完全奏效。消費者往往一“點”而過，一“擊”不回。這是為什么？到底是傳播的方式不對，還是互動手法存在問題？所以，最后應提出溝通策略，這是營銷傳播的更高層次，其實際就是雙向傳播。

綜上所述，網絡營銷的產生為傳統營銷模式注入了一股新鮮血液，特別是對于中小企業營銷者開辟了一種新的營銷思路。一種如何在創業初始階段占領市場、推廣品牌、營銷產品、獲得利潤的模式。

關于generator異步編程的理解以及如何動手寫

關于generator異步編程的理解以及如何動手寫一個買粉絲模塊

generator出現之前，想要實現對異步隊列中任務的流程控制，大概有這么一下幾種方式：

回調函數

事件監聽

發布/訂閱

promise對象

第一種方式想必大家是最常見的，其代碼組織方式如下：

請點擊輸入圖片描述

function fn(url, callback){ var 買粉絲Request;//創建XHR

買粉絲Request = window.XMLHttpRequest ? new XMLHttpRequest() :

window.ActiveXObject ? new ActiveXObject("Microsoft.XMLHTTP") : undefined;

 

買粉絲Request.onreadystatechange = function(){  if(買粉絲Request.readystate === 4 && 買粉絲Request.status === 200){ //狀態判斷   callback.call(買粉絲Request.responseXML);

 }

};

買粉絲Request.open("GET", url);

買粉絲Request.send();

}

fn("text.xml", function(){ //調用函數

買粉絲nsole.log(this); //此語句后輸出});

買粉絲nsole.log("this will run before the above callback.");//此語句先輸出

請點擊輸入圖片描述

對于一個普通的ajax異步請求來說，我么在請求開始的時候就要告訴他請求成功之后所要執行的動作，因此就可以類似以這種方式組織代碼，控制異步流程。這種調用方式最大的問題就是回調黑洞的問題，一層回調也還好，但涉及到二層、三層、n層的時候就讓代碼變得復雜很難維護。

第二種方式自己在前段時間使用backbone.js作為技術棧的項目的開發中深有體會，對于每一個ajax請求都對其分配一個自定義事件，在ajax成功返回數據的時候，就會觸發自定義的事件完成接下來的動作，控制異步流程，代碼如下：

請點擊輸入圖片描述

請點擊輸入圖片描述

第三種方式和第二種的方式性質上有些類似，如果從發布訂閱的角度來看，on方法相當于訂閱者/觀察者，trigger方法相當于發布者。原理上來說無非就是維護一個“消息中心”的數組，通過on方法訂閱的事件都會推入“消息中心”數組，最后發布的時候將會匹配“消息中心”數組的事件，進而執行相應的流程。

我們通過jquery的sub/pub插件完成一個很簡單的演示。

首先，f2向"信號中心"jQuery訂閱"done"信號。

請點擊輸入圖片描述

jQuery.subscribe("done", f2);

function f1(){

setTimeout(function () {

// f1的任務代碼

jQuery.publish("done");

}, 1000);

}

f1();

請點擊輸入圖片描述

jQuery.publish("done")的意思是，f1執行完成后，向"信號中心"jQuery發布"done"信號，從而引發f2的執行。

第四種方式promise范式,先看一段代碼：

請點擊輸入圖片描述

我們只要并且僅需要new一個promise對象，就會發現promise對象的參數函數已經執行了，隔兩秒之后輸出"執行完成"。

接下來再看一段其實際應用的場景代碼：

請點擊輸入圖片描述

從本質上來看，Promise是一個構造函數，其本身有all、reject、resolve等方法，同時其原型上有then、catch等方法。通過其用Promise new出來的對象自然就有then、catch方法。然后可以通過then方法中的回調函數，獲取到上一段異步操作中返回（通過resolve）的數據。從而實現對異步操作的流程控制。

但我的每個函數都得被promise對象包裝一下，同時一大堆的then...真是一個聽蛋疼的事兒...

綜上所述對于異步流程的控制，都有其自身的缺陷，我們最理想的方式便是像操作同步流程那樣實現對異步流程的控制，試想一下這樣的異步操作流程(加了層層包裝，proxy便是發送一個異步請求，接下來的代碼便是獲取到異步操作返回的數據，細節可暫時忽略)：