大规模视频网站的计费与流量管理
本次分享将会就大规模视频网站的计费与流量管理这个话题,从操作层面细细进行讲解和分析,为系统工程师们揭示平日里我们没有关心的另一些内容。同时也希望本次分享能揭示行业中的一些“潜规则”,让互联网行业的流量与带宽管理更为开放与简洁。
本次演讲视频录制于QCon杭州2011。
该内容已经被标记书签!
标记书签错误,请重试!
作者 Srini Penchikala 译者 王丽娟 发布于 2009年1月11日
Spring AOP/AspectJ搭配能提供多种选择,比如AOP系统的选择(基于字节码的AOP或基于代理的AOP)、语法的选择(传统的AspectJ、@AspectJ或XML语法),还有织入方式的选择(构建时织入器或加载时织入器);在企业应用中使用AOP时,清楚地理解这些选择对实施的效果来说是非常重要的。
Ramnivas Laddad说,只有一种AOP是不能适用于所有应用的,选择正确的组合有助于开发人员成功使用AOP。他在近期的SpringOne Americas大会上做了演讲,谈论了各种AOP设计、Spring AOP框架提供的实现选择,还有Web应用中使用AOP的最佳实践。
Ramnivas讨论了AspectJ织入和基于代理的Spring AOP方法的优势与不足。在Spring AOP和AspectJ之间进行选择取决于设计和环境因素。在下述情况下使用Spring AOP:
其它情况使用AspectJ AOP。他列举了一些AspectJ(细粒度跟踪和监控,领域对象,细粒度安全)和代理AOP(事务管理,JMX监控,远程访问和安全)的例子应用。在演讲过程中,Ramnivas用代码示例展示了传统AspectJ和@AspectJ语法这两种选择之间的差异。
方面织入选型包含编译时织入和加载时织入(LTW)。使用LTW时,你可以使用允许方面织入的Spring驱动LTW,该LTW不用修改任何容器启动脚本(没有-javaagent参数),也无需利用Spring使用配置选项的JPA代理。这两种织入选择之间的比较如下:
构建时织入(编译/二进制):
加载时织入:
AOP设计选择包括利用连接点签名(join point signatures)的切入点实现和使用通配符选择大范围的连接点。元数据(注解)也可用来捕获连接点,该方法有如下优势和不足:
AOP实现使用元数据的最佳实践有:
查看英文原文:Ramnivas Laddad on Making AOP Choices With AspectJ and Spring AOP
译者 王丽娟 王丽娟,04年大学毕业后持续从事Java EE中间件产品的开发,现在主要关注Java技术及中间件产品在云计算环境中的发展趋势和应用。
本次分享将会就大规模视频网站的计费与流量管理这个话题,从操作层面细细进行讲解和分析,为系统工程师们揭示平日里我们没有关心的另一些内容。同时也希望本次分享能揭示行业中的一些“潜规则”,让互联网行业的流量与带宽管理更为开放与简洁。
本次演讲视频录制于QCon杭州2011。
Jeffrey Richter以其多本Windows核心技术的经典著作而闻名,同时,他深入掌握微软的.NET等一系列核心技术,2012年1月,Jeffrey Richter在北京接受了InfoQ中文站的专访,谈到Windows 8和WinRT编程,并就异步编程、Windows编程中的可扩展性、性能和安全性方面给出自己的建议。
云计算平台的可用性,相比传统互联网服务而言,更加复杂和困难,也更具有挑战性。本文借助新浪SAE云平台为读者讲述了云平台可用性的定义、如何打造高可用的平台,以及对云计算的用户提出了建议。
淘宝高度重视Java平台的健康发展,组建了一个团队专注于Java平台的底层部分的性能、功能与稳定性改进;工作主要基于OpenJDK中的HotSpot VM开展,其中一些通用的功能随后也会逐渐反馈给OpenJDK社区。希望能与使用Java平台开发应用的大家交流经验。
本次演讲视频录制于QCon杭州2011。
2011年4月21日至22日是值得云计算从业者纪念的日子。Amazon的IaaS服务出现故障,导致许多商业网站的服务中断,影响非常严重。作为云计算用户,我们需要思考的是,如何保证即便在云服务不可用的情况,我们的应用架构仍然能够屹立不倒?本文正是站在云计算用户的角度试图探讨这一问题。
12人的技术团队,4组刀片服务器,每月20亿的访问量,每日1次准时部署,99.9%的可用性。这可能吗?当然。想知道如何做的吗?百姓网将与您分享他们在DevOps实践过程中的经验和技巧。
本次演讲视频录制于QCon杭州2011。
篱笆作为一家起源于社区的电子商务公司,反映到技术层面就是同时要面对产品和业务,以及经营战略的变化调整。如何在产品和业务的夹缝之间完成技术架构的抽象与平衡,寻找更有效的价值定位,这当中有些经验教训和个人感悟愿与众人分享。
本次演讲视频录制于QCon杭州2011。
本文将对特性注入以及相关方法做一个扫盲性的介绍。我们会解释这个框架的关键要素,并附上实例来证实它们。为了让文章保持相对较短,我们不会深入到某个工具或方法中,而是会给出一些参考资料,以便大家做进一步的研究。
1 条回复
关注此讨论 回复