|
|
51CTO旗下网站
|
|
移动端

一口气说出9种分布式ID生成方式,面试官有点懵了

本文只是简单介绍一下每种分布式ID生成器,旨在给大家一个详细学习的方向,每种生成方式都有它自己的优缺点,具体如何使用还要看具体的业务需求。

作者:佚名来源:数据库开发|2020-07-31 10:15

前两天公众号有个粉丝给我留言吐槽最近面试:“四哥,年前我在公司受点委屈一冲动就裸辞了,然后现在疫情严重两个多月还没找到工作,接了几个视频面试也都没下文。好多面试官问完一个问题,紧接着说还会其他解决方法吗?能干活解决bug不就行了吗?那还得会多少种方法?”

面试官应该是对应聘者的回答不太满意,他想听到一个他认为最优的解决方案,其实这无可厚非。同样一个bug,能用一行代码解决问题的人和用十行代码解决问题的人,你会选哪个入职?显而易见的事情!所以看待问题还是要从多个角度出发,每种方法都有各自的利弊。

一、为什么要用分布式ID?

在说分布式ID的具体实现之前,我们来简单分析一下为什么用分布式ID?分布式ID应该满足哪些特征?

1、什么是分布式ID?

拿MySQL数据库举个栗子:

在我们业务数据量不大的时候,单库单表完全可以支撑现有业务,数据再大一点搞个MySQL主从同步读写分离也能对付。

但随着数据日渐增长,主从同步也扛不住了,就需要对数据库进行分库分表,但分库分表后需要有一个唯一ID来标识一条数据,数据库的自增ID显然不能满足需求;特别一点的如订单、优惠券也都需要有唯一ID做标识。此时一个能够生成全局唯一ID的系统是非常必要的。那么这个全局唯一ID就叫分布式ID。

2、那么分布式ID需要满足那些条件?

  •  全局唯一:必须保证ID是全局性唯一的,基本要求
  •  高性能:高可用低延时,ID生成响应要块,否则反倒会成为业务瓶颈
  •  高可用:100%的可用性是骗人的,但是也要无限接近于100%的可用性
  •  好接入:要秉着拿来即用的设计原则,在系统设计和实现上要尽可能的简单
  •  趋势递增:最好趋势递增,这个要求就得看具体业务场景了,一般不严格要求

二、 分布式ID都有哪些生成方式?

今天主要分析一下以下9种,分布式ID生成器方式以及优缺点:

  •  UUID
  •  数据库自增ID
  •  数据库多主模式
  •  号段模式
  •  Redis
  •  雪花算法(SnowFlake)
  •  滴滴出品(TinyID)
  •  百度 (Uidgenerator)
  •  美团(Leaf)

那么它们都是如何实现?以及各自有什么优缺点?我们往下看

图片源自网络

以上图片源自网络,如有侵权联系删除

1、基于UUID

在Java的世界里,想要得到一个具有唯一性的ID,首先被想到可能就是UUID,毕竟它有着全球唯一的特性。那么UUID可以做分布式ID吗?答案是可以的,但是并不推荐!

  1. public static void main(String[] args) {   
  2.        String uuid = UUID.randomUUID().toString().replaceAll("-","");  
  3.        System.out.println(uuid); 
  4.   } 

UUID的生成简单到只有一行代码,输出结果 c2b8c2b9e46c47e3b30dca3b0d447718,但UUID却并不适用于实际的业务需求。像用作订单号UUID这样的字符串没有丝毫的意义,看不出和订单相关的有用信息;而对于数据库来说用作业务主键ID,它不仅是太长还是字符串,存储性能差查询也很耗时,所以不推荐用作分布式ID。

优点:

  •  生成足够简单,本地生成无网络消耗,具有唯一性

缺点:

  •  无序的字符串,不具备趋势自增特性
  •  没有具体的业务含义
  •  长度过长16 字节128位,36位长度的字符串,存储以及查询对MySQL的性能消耗较大,MySQL官方明确建议主键要尽量越短越好,作为数据库主键 UUID 的无序性会导致数据位置频繁变动,严重影响性能。

2、基于数据库自增ID

基于数据库的auto_increment自增ID完全可以充当分布式ID,具体实现:需要一个单独的MySQL实例用来生成ID,建表结构如下:

  1. CREATE DATABASE `SEQ_ID`;  
  2. CREATE TABLE SEQID.SEQUENCE_ID (  
  3.     id bigint(20) unsigned NOT NULL auto_increment,   
  4.     value char(10) NOT NULL default '',  
  5.     PRIMARY KEY (id),  
  6. ENGINE=MyISAM 
  7. insert into SEQUENCE_ID(value)  VALUES ('values'); 

当我们需要一个ID的时候,向表中插入一条记录返回主键ID,但这种方式有一个比较致命的缺点,访问量激增时MySQL本身就是系统的瓶颈,用它来实现分布式服务风险比较大,不推荐!

优点:

  •  实现简单,ID单调自增,数值类型查询速度快

缺点:

  •  DB单点存在宕机风险,无法扛住高并发场景

3、基于数据库集群模式

前边说了单点数据库方式不可取,那对上边的方式做一些高可用优化,换成主从模式集群。害怕一个主节点挂掉没法用,那就做双主模式集群,也就是两个Mysql实例都能单独的生产自增ID。

那这样还会有个问题,两个MySQL实例的自增ID都从1开始,会生成重复的ID怎么办?

解决方案:设置起始值和自增步长

MySQL_1 配置:

  1. set @@auto_increment_offset = 1;     -- 起始值  
  2. set @@auto_increment_increment = 2;  -- 步长 

MySQL_2 配置:

  1. set @@auto_increment_offset = 2;     -- 起始值  
  2. set @@auto_increment_increment = 2;  -- 步长 

这样两个MySQL实例的自增ID分别就是:

1、3、5、7、9

2、4、6、8、10

那如果集群后的性能还是扛不住高并发咋办?就要进行MySQL扩容增加节点,这是一个比较麻烦的事。

在这里插入图片描述

从上图可以看出,水平扩展的数据库集群,有利于解决数据库单点压力的问题,同时为了ID生成特性,将自增步长按照机器数量来设置。

增加第三台MySQL实例需要人工修改一、二两台MySQL实例的起始值和步长,把第三台机器的ID起始生成位置设定在比现有最大自增ID的位置远一些,但必须在一、二两台MySQL实例ID还没有增长到第三台MySQL实例的起始ID值的时候,否则自增ID就要出现重复了,必要时可能还需要停机修改。

优点:

  •  解决DB单点问题

缺点:

  •  不利于后续扩容,而且实际上单个数据库自身压力还是大,依旧无法满足高并发场景。

4、基于数据库的号段模式

号段模式是当下分布式ID生成器的主流实现方式之一,号段模式可以理解为从数据库批量的获取自增ID,每次从数据库取出一个号段范围,例如 (1,1000] 代表1000个ID,具体的业务服务将本号段,生成1~1000的自增ID并加载到内存。表结构如下:

  1. CREATE TABLE id_generator (  
  2.   id int(10) NOT NULL,  
  3.   max_id bigint(20) NOT NULL COMMENT '当前最大id',  
  4.   step int(20) NOT NULL COMMENT '号段的布长',  
  5.   biz_type    int(20) NOT NULL COMMENT '业务类型',  
  6.   version int(20) NOT NULL COMMENT '版本号',  
  7.   PRIMARY KEY (`id`)  
  8. )  

biz_type :代表不同业务类型

max_id :当前最大的可用id

step :代表号段的长度

version :是一个乐观锁,每次都更新version,保证并发时数据的正确性

id biz_type max_id step version
1 101 1000 2000 0

等这批号段ID用完,再次向数据库申请新号段,对max_id字段做一次update操作,update max_id= max_id + step,update成功则说明新号段获取成功,新的号段范围是(max_id ,max_id +step]。

  1. update id_generator set max_id = #{max_id+step}, versionversion = version + 1 where version = # {version} and biz_type = XXX 

由于多业务端可能同时操作,所以采用版本号version乐观锁方式更新,这种分布式ID生成方式不强依赖于数据库,不会频繁的访问数据库,对数据库的压力小很多。

5、基于Redis模式

Redis也同样可以实现,原理就是利用redis的 incr命令实现ID的原子性自增。

  1. 127.0.0.1:6379> set seq_id 1     // 初始化自增ID为1  
  2. OK  
  3. 127.0.0.1:6379> incr seq_id      // 增加1,并返回递增后的数值 
  4. (integer) 2 

用redis实现需要注意一点,要考虑到redis持久化的问题。redis有两种持久化方式RDB和AOF

  •  RDB会定时打一个快照进行持久化,假如连续自增但redis没及时持久化,而这会Redis挂掉了,重启Redis后会出现ID重复的情况。
  •  AOF会对每条写命令进行持久化,即使Redis挂掉了也不会出现ID重复的情况,但由于incr命令的特殊性,会导致Redis重启恢复的数据时间过长。

6、基于雪花算法(Snowflake)模式

雪花算法(Snowflake)是twitter公司内部分布式项目采用的ID生成算法,开源后广受国内大厂的好评,在该算法影响下各大公司相继开发出各具特色的分布式生成器。

在这里插入图片描述

以上图片源自网络,如有侵权联系删除

Snowflake生成的是Long类型的ID,一个Long类型占8个字节,每个字节占8比特,也就是说一个Long类型占64个比特。

Snowflake ID组成结构:正数位(占1比特)+ 时间戳(占41比特)+ 机器ID(占5比特)+ 数据中心(占5比特)+ 自增值(占12比特),总共64比特组成的一个Long类型。

  •  第一个bit位(1bit):Java中long的最高位是符号位代表正负,正数是0,负数是1,一般生成ID都为正数,所以默认为0。
  •  时间戳部分(41bit):毫秒级的时间,不建议存当前时间戳,而是用(当前时间戳 - 固定开始时间戳)的差值,可以使产生的ID从更小的值开始;41位的时间戳可以使用69年,(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年
  •  工作机器id(10bit):也被叫做workId,这个可以灵活配置,机房或者机器号组合都可以。
  •  序列号部分(12bit),自增值支持同一毫秒内同一个节点可以生成4096个ID

根据这个算法的逻辑,只需要将这个算法用Java语言实现出来,封装为一个工具方法,那么各个业务应用可以直接使用该工具方法来获取分布式ID,只需保证每个业务应用有自己的工作机器id即可,而不需要单独去搭建一个获取分布式ID的应用。

Java版本的Snowflake算法实现:

  1. /**  
  2.  * Twitter的SnowFlake算法,使用SnowFlake算法生成一个整数,然后转化为62进制变成一个短地址URL  
  3.  *  
  4.  * https://github.com/beyondfengyu/SnowFlake  
  5.  */  
  6. public class SnowFlakeShortUrl {  
  7.     /**  
  8.      * 起始的时间戳  
  9.      */  
  10.     private final static long START_TIMESTAMP = 1480166465631L 
  11.     /**  
  12.      * 每一部分占用的位数  
  13.      */  
  14.     private final static long SEQUENCE_BIT = 12;   //序列号占用的位数  
  15.     private final static long MACHINE_BIT = 5;     //机器标识占用的位数  
  16.     private final static long DATA_CENTER_BIT = 5; //数据中心占用的位数  
  17.     /**  
  18.      * 每一部分的最大值  
  19.      */  
  20.     private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);  
  21.     private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);  
  22.     private final static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_BIT);  
  23.     /**  
  24.      * 每一部分向左的位移  
  25.      */  
  26.     private final static long MACHINE_LEFT = SEQUENCE_BIT 
  27.     private final static long DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;  
  28.     private final static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;  
  29.     private long dataCenterId;  //数据中心  
  30.     private long machineId;     //机器标识  
  31.     private long sequence = 0L; //序列号  
  32.     private long lastTimeStamp = -1L;  //上一次时间戳  
  33.     private long getNextMill() {  
  34.         long mill = getNewTimeStamp();  
  35.         while (mill <= lastTimeStamp) {  
  36.             mill = getNewTimeStamp();  
  37.         }  
  38.         return mill;  
  39.     }  
  40.     private long getNewTimeStamp() {  
  41.         return System.currentTimeMillis();  
  42.     }  
  43.     /**  
  44.      * 根据指定的数据中心ID和机器标志ID生成指定的序列号  
  45.      *  
  46.      * @param dataCenterId 数据中心ID  
  47.      * @param machineId    机器标志ID  
  48.      */  
  49.     public SnowFlakeShortUrl(long dataCenterId, long machineId) {  
  50.         if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {  
  51.             throw new IllegalArgumentException("DtaCenterId can't be greater than MAX_DATA_CENTER_NUM or less than 0!");  
  52.         }  
  53.         if (machineId > MAX_MACHINE_NUM || machineId < 0) {  
  54.             throw new IllegalArgumentException("MachineId can't be greater than MAX_MACHINE_NUM or less than 0!");  
  55.         }  
  56.         this.dataCenterId = dataCenterId;  
  57.         this.machineId = machineId;  
  58.     }  
  59.     /**  
  60.      * 产生下一个ID  
  61.      *  
  62.      * @return  
  63.      */  
  64.     public synchronized long nextId() {  
  65.         long currTimeStamp = getNewTimeStamp();  
  66.         if (currTimeStamp < lastTimeStamp) { 
  67.              throw new RuntimeException("Clock moved backwards.  Refusing to generate id");  
  68.         }  
  69.         if (currTimeStamp == lastTimeStamp) {  
  70.             //相同毫秒内,序列号自增  
  71.             sequence = (sequence + 1) & MAX_SEQUENCE;  
  72.             //同一毫秒的序列数已经达到最大  
  73.             if (sequence == 0L) {  
  74.                 currTimeStamp = getNextMill();  
  75.             }  
  76.         } else {  
  77.             //不同毫秒内,序列号置为0  
  78.             sequence = 0L 
  79.         }  
  80.         lastTimeStamp = currTimeStamp 
  81.         return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //时间戳部分  
  82.                 | dataCenterId << DATA_CENTER_LEFT       //数据中心部分  
  83.                 | machineId << MACHINE_LEFT             //机器标识部分  
  84.                 | sequence;                             //序列号部分  
  85.     }  
  86.     public static void main(String[] args) {  
  87.         SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(2, 3);  
  88.         for (int i = 0; i < (1 << 4); i++) {  
  89.             //10进制 
  90.              System.out.println(snowFlake.nextId());  
  91.         }  
  92.     }  

7、百度(uid-generator)

uid-generator是由百度技术部开发,项目GitHub地址 https://github.com/baidu/uid-generator

uid-generator是基于Snowflake算法实现的,与原始的snowflake算法不同在于,uid-generator支持自定义时间戳、工作机器ID和 序列号 等各部分的位数,而且uid-generator中采用用户自定义workId的生成策略。

uid-generator需要与数据库配合使用,需要新增一个WORKER_NODE表。当应用启动时会向数据库表中去插入一条数据,插入成功后返回的自增ID就是该机器的workId数据由host,port组成。

对于uid-generator ID组成结构:

workId,占用了22个bit位,时间占用了28个bit位,序列化占用了13个bit位,需要注意的是,和原始的snowflake不太一样,时间的单位是秒,而不是毫秒,workId也不一样,而且同一应用每次重启就会消费一个workId。

参考文献

https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md

8、美团(Leaf)

Leaf由美团开发,github地址:https://github.com/Meituan-Dianping/Leaf

Leaf同时支持号段模式和snowflake算法模式,可以切换使用。

号段模式

先导入源码 https://github.com/Meituan-Dianping/Leaf ,在建一张表leaf_alloc

  1. DROP TABLE IF EXISTS `leaf_alloc`;  
  2. CREATE TABLE `leaf_alloc` (  
  3.   `biz_tag` varchar(128)  NOT NULL DEFAULT '' COMMENT '业务key', 
  4.   `max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '当前已经分配了的最大id',  
  5.   `step` int(11) NOT NULL COMMENT '初始步长,也是动态调整的最小步长',  
  6.   `description` varchar(256)  DEFAULT NULL COMMENT '业务key的描述',  
  7.   `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '数据库维护的更新时间',  
  8.   PRIMARY KEY (`biz_tag`)  
  9. ENGINE=InnoDB

然后在项目中开启号段模式,配置对应的数据库信息,并关闭snowflake模式

  1. leaf.name=com.sankuai.leaf.opensource.test  
  2. leaf.segment.enable=true  
  3. leaf.jdbc.url=jdbc:mysql://localhost:3306/leaf_test?useUnicode=true&characterEncoding=utf8&characterSetResults=utf8  
  4. leaf.jdbc.username=root  
  5. leaf.jdbc.password=root  
  6. leaf.snowflake.enable=false  
  7. #leaf.snowflake.zk.address 
  8. #leaf.snowflake.port

启动leaf-server 模块的 LeafServerApplication项目就跑起来了

号段模式获取分布式自增ID的测试url :http://localhost:8080/api/segment/get/leaf-segment-test

监控号段模式:http://localhost:8080/cache

snowflake模式

Leaf的snowflake模式依赖于ZooKeeper,不同于原始snowflake算法也主要是在workId的生成上,Leaf中workId是基于ZooKeeper的顺序Id来生成的,每个应用在使用Leaf-snowflake时,启动时都会都在Zookeeper中生成一个顺序Id,相当于一台机器对应一个顺序节点,也就是一个workId。

  1. leaf.snowflake.enable=true  
  2. leaf.snowflake.zk.address=127.0.0.1  
  3. leaf.snowflake.port=2181 

snowflake模式获取分布式自增ID的测试url:http://localhost:8080/api/snowflake/get/test

9、滴滴(Tinyid)

Tinyid由滴滴开发,Github地址:https://github.com/didi/tinyid

Tinyid是基于号段模式原理实现的与Leaf如出一辙,每个服务获取一个号段(1000,2000]、(2000,3000]、(3000,4000]

在这里插入图片描述

Tinyid提供http和tinyid-client两种方式接入

Http方式接入

(1)导入Tinyid源码:

git clone https://github.com/didi/tinyid.git

(2)创建数据表:

  1. CREATE TABLE `tiny_id_info` (  
  2.   `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键',  
  3.   `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '业务类型,唯一',  
  4.   `begin_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '开始id,仅记录初始值,无其他含义。初始化时begin_id和max_id应相同',  
  5.   `max_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '当前最大id',  
  6.   `step` int(11) DEFAULT '0' COMMENT '步长',  
  7.   `delta` int(11) NOT NULL DEFAULT '1' COMMENT '每次id增量',  
  8.   `remainder` int(11) NOT NULL DEFAULT '0' COMMENT '余数',  
  9.   `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '创建时间',  
  10.   `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新时间',  
  11.   `version` bigint(20) NOT NULL DEFAULT '0' COMMENT '版本号',  
  12.   PRIMARY KEY (`id`),  
  13.   UNIQUE KEY `uniq_biz_type` (`biz_type`)  
  14. ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'id信息表';   
  15. CREATE TABLE `tiny_id_token` (  
  16.   `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增id',  
  17.   `token` varchar(255) NOT NULL DEFAULT '' COMMENT 'token',  
  18.   `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '此token可访问的业务类型标识',  
  19.   `remark` varchar(255) NOT NULL DEFAULT '' COMMENT '备注',  
  20.   `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '创建时间',  
  21.   `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新时间',  
  22.   PRIMARY KEY (`id`)  
  23. ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'token信息表';  
  24. INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)  
  25. VALUES  
  26.     (1, 'test', 1, 1, 100000, 1, 0, '2018-07-21 23:52:58', '2018-07-22 23:19:27', 1);  
  27. INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)  
  28. VALUES  
  29.     (2, 'test_odd', 1, 1, 100000, 2, 1, '2018-07-21 23:52:58', '2018-07-23 00:39:24', 3);  
  30. INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`) 
  31. VALUES  
  32.     (1, '0f673adf80504e2eaa552f5d791b644c', 'test', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48');  
  33. INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`)  
  34. VALUES  
  35.     (2, '0f673adf80504e2eaa552f5d791b644c', 'test_odd', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48'); 

(3)配置数据库:

  1. datasource.tinyid.names=primary  
  2. datasource.tinyid.primary.driver-class-name=com.mysql.jdbc.Driver  
  3. datasource.tinyid.primary.url=jdbc:mysql://ip:port/databaseName?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8  
  4. datasource.tinyid.primary.username=root  
  5. datasource.tinyid.primary.password=123456 

(4)启动tinyid-server后测试

  1. 获取分布式自增ID: http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c 
  2. 返回结果: 3  
  3. 批量获取分布式自增ID:  
  4. http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10 
  5. 返回结果:  4,5,6,7,8,9,10,11,12,13 

Java客户端方式接入

重复Http方式的(2)(3)操作

引入依赖   

  1. <dependency>  
  2.           <groupId>com.xiaoju.uemc.tinyid</groupId>  
  3.           <artifactId>tinyid-client</artifactId>  
  4.           <version>${tinyid.version}</version>  
  5.       </dependency> 

配置文件

  1. tinyid.server =localhost:9999  
  2. tinyid.token =0f673adf80504e2eaa552f5d791b644c 

test 、tinyid.token是在数据库表中预先插入的数据,test 是具体业务类型,tinyid.token表示可访问的业务类型

  1. // 获取单个分布式自增ID  
  2. Long id =  TinyId . nextId( " test " );  
  3. // 按需批量分布式自增ID  
  4. List< Long > ids =  TinyId . nextId( " test " , 10 ); 

总结

本文只是简单介绍一下每种分布式ID生成器,旨在给大家一个详细学习的方向,每种生成方式都有它自己的优缺点,具体如何使用还要看具体的业务需求。

【编辑推荐】

  1. 为什么我不喜欢数据库三范式?
  2. 我C,MySQL双主架构,原来能这么玩
  3. 还在手动整理数据库文档?试试这个工具
  4. MySQL同步延迟,是个难题
  5. 同事问我MySQL怎么递归查询,我懵逼了...
【责任编辑:庞桂玉 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

大数据安全运维实战

大数据安全运维实战

CDH+Ambari
共20章 | 大数据陈浩

91人订阅学习

实操案例:Jenkins持续交付和持续部署

实操案例:Jenkins持续交付和持续部署

微服务架构下的自动化部署
共18章 | freshman411

186人订阅学习

思科交换网络安全指南

思科交换网络安全指南

安全才能无忧
共5章 | 思科小牛

110人订阅学习

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微