在使用 GORM 时，假删除（Soft Delete）是一种常见的需求，目的是在删除数据时，并不从数据库中物理删除记录，而是通过标记某个字段为“已删除”状态来实现。这样可以保留数据的历史记录，同时避免在查询时看到这些已删除的数据。 1. 假删除的实现 在 GORM 中，假删除通常是通过在数据库表中添加一个 deleted_at 字段来实现的。GORM 内置了对假删除的支持，通过 gorm.Model 或自定义的结构体字段来实现。 1.1 使用 gorm.Model 实现假删除 gorm.Model 是 GORM 提供的一个内置结构体，它包含了 ID、CreatedAt、UpdatedAt 和 DeletedAt 字段。如果你的结构体嵌套了 gorm.Model，则默认启用了假删除功能。 package main import ( "fmt" "github.com/jinzhu/gorm" _ "github.com/jinzhu/gorm/dialects/sqlite" ) type User struct { gorm.Model // 包含 ID, CreatedAt, Upd.... 认识gorm假删除 gorm
Slog、Zap 和 Logrus 是 Go 语言中常见的日志库，它们各自有不同的特点和使用场景。下面我们对这三者进行比较，帮助你根据实际需求选择适合的日志库。 1. 性能 Slog： 性能：slog 是 Go 1.21 引入的原生日志库，经过精心优化，提供高效的结构化日志记录。它的性能表现通常较好，但相较于 zap，可能会稍微逊色一些，尤其是在高并发、高吞吐量的场景下。 适用场景：适用于需要结构化日志、较好的性能和原生支持的场景，尤其是 Go 1.21 或更高版本的项目。 Zap： 性能：Zap 是一个高性能的日志库，特别注重性能优化。它使用预分配内存池，避免了反射和不必要的接口调用，因此在高吞吐量、低延迟的场景下表现非常出色。 适用场景：适用于高性能、高并发的系统，尤其是需要极低开销的场景，比如微服务、分布式系统等。 Logrus： 性能：Logrus 性能上不如 zap，由于其设计比较灵活，使用了较多的接口和反射，因此性能稍逊。虽然对于大多数常规应用来说性能已经足够，但在高性能要求的场景中可能不如 zap 高效。 适用场景：适用于大部分普通应用，特别是开发阶段和小型项目中。.... slog,zap,logrus比较 log
logrus 是一个功能丰富的、结构化的日志库，广泛用于 Go 语言项目中。它是一个相对易用且功能强大的日志工具，支持多种输出格式和日志级别，同时支持日志的钩子（hook）和日志的自定义配置。 主要特点 结构化日志： logrus 支持结构化日志，可以将日志以键值对的形式记录，使得日志数据更容易被机器分析、存储和查询。结构化日志对于日志聚合和分析非常有用，尤其在分布式系统中。 日志级别： logrus 提供了丰富的日志级别支持。常见的日志级别包括： Panic：表示严重错误，程序应该立即退出。 Fatal：表示致命错误，程序通常会退出，但比 Panic 稍微温和。 Error：表示错误事件，通常程序不会退出。 Warn：表示警告信息。 Info：用于输出常规的、对用户有用的信息。 Debug：用于调试信息，适用于开发时日志。 Trace：用于最详细的调试信息，记录每个程序步骤。 多种输出格式： logrus 支持多种日志格式，包括： Text format（文本格式）：人类可读的日志。 JSON format（JSON格式）：结构化日志，适用于日志聚合系统（如 ELK、Splunk.... 认识高性能日志库logrus logrus
zap 是一个由 Uber 开发的高性能、结构化日志库，旨在提供一种快速、可扩展的日志记录方式。它特别适合于需要高吞吐量、低延迟的应用场景，比如微服务、分布式系统、以及高性能服务的日志管理。 主要特点 高性能： zap 经过高度优化，特别是在性能方面。它被设计为可以在生产环境中以极低的开销记录日志，因此非常适合需要高并发、高性能的应用。 结构化日志： zap 支持结构化日志，这意味着日志数据可以以键值对的形式记录，便于机器解析和分析。结构化日志是现代日志管理的核心，尤其在日志聚合和搜索时非常有效。 可配置的日志级别： zap 提供了多个日志级别，以便灵活控制不同级别的日志输出。常见的日志级别包括： Debug Info Warn Error DPanic Panic Fatal 日志输出的灵活性： zap 支持多种输出格式（JSON、文本等），并且能够将日志写入不同的目标（控制台、文件、网络等）。它可以同时支持多个输出目标。 低开销： zap 提供了两种模式：Sugared Logger 和 Logger，其中 Logger 提供更高效的日志记录（避免了额外的接口调用），而 Suga.... 认识高性能日志库zap zap
Slog 是 Go 1.21 引入的官方日志库，旨在为 Go 提供一个更现代、更灵活的日志框架。与传统的日志库（如 log 包）相比，slog 提供了更多的功能，特别是在日志的结构化、定制化和扩展性方面。它被设计为支持更复杂的日志记录需求，适用于现代的应用程序，特别是在微服务、分布式系统和云原生应用场景中。 主要特点 结构化日志： slog 允许生成结构化的日志，而不仅仅是简单的字符串日志。结构化日志使得日志数据更容易被机器分析、索引和查询，便于在分布式系统中进行日志聚合和分析。 灵活的日志级别： slog 提供了多个日志级别，允许开发者灵活地控制日志的详细程度，帮助在不同的环境中调试和监控应用。 常见的日志级别包括： LevelDebug：调试信息 LevelInfo：常规信息 LevelWarn：警告信息 LevelError：错误信息 LevelFatal：致命错误信息 多种输出方式： slog 支持多种输出方式，可以输出到控制台、文件、网络等。它支持通过配置来改变输出的目标和格式。 可定制的日志处理器： slog 通过定义 Handler（处理器）来控制日志的输出，可以根据需.... 认识官方日志库slog slog
要在 Go 中使用 Viper 从 Consul 获取配置，你需要结合使用 Viper 和 Consul 客户端。Consul 是一个流行的分布式系统管理工具，用于服务发现、健康检查和配置管理。通过使用 Consul 的 Key-Value 存储功能，你可以将应用的配置存储在 Consul 中，并在应用中动态加载。 Viper 本身不直接支持 Consul，但你可以通过 consul-api 或 consul 官方客户端与 Viper 配合使用，从 Consul 获取配置并加载到 Viper 中。 步骤 安装依赖 安装 Viper 和 Consul 客户端。 go get github.com/spf13/viper go get github.com/hashicorp/consul/api 设置 Consul 客户端 Consul 提供了一个 Go 客户端库 consul/api，可以通过它与 Consul 进行交互，读取存储在 Consul 中的配置。 从 Consul 获取配置并加载到 Viper 假设在 Consul 中存储了如下配置数据： { "app": { "name.... viper从consul获取配置 viper
Viper 作为一个灵活的配置管理库，虽然没有直接内置对 Nacos 的支持，但你可以通过将 Nacos 客户端与 Viper 配合使用，从 Nacos 获取配置数据并将其加载到 Viper 中。Nacos 是一个开源的动态服务发现、配置管理和服务管理平台，常用于微服务架构中。 为了实现从 Nacos 获取配置并与 Viper 结合，你可以使用 nacos-sdk-go（Nacos 的 Go 客户端）来从 Nacos 获取配置，然后将其与 Viper 结合。 1. 安装依赖 首先，安装 Viper 和 nacos-sdk-go： go get github.com/spf13/viper go get github.com/nacos-group/nacos-sdk-go/v2 2. Nacos 客户端设置 Nacos 客户端用于从 Nacos 服务器获取配置。你需要设置好 Nacos 的服务器地址和其他参数。 3. 从 Nacos 获取配置并加载到 Viper 假设我们已经在 Nacos 中存储了类似如下的配置： { "app": { "name": "MyApp", "port".... viper从nacos获取配置 viper
Viper 支持从多种来源获取配置，除了文件、环境变量、命令行标志等外，还可以通过与 etcd 集成，从 etcd 中获取配置数据。etcd 是一个高可用的分布式键值存储，通常用于存储配置和服务发现等信息。 要让 Viper 从 etcd 获取配置，你需要使用 viper 和 etcd 的集成。虽然 Viper 本身没有直接内置 etcd 的支持，但我们可以通过一个简单的步骤将它们结合起来。 步骤 安装必要的包 viper 用于加载配置。 etcd 客户端用于从 etcd 获取配置。 go get github.com/spf13/viper go get go.etcd.io/etcd/clientv3 连接到 etcd 使用 etcd 客户端来连接 etcd，然后通过 Viper 加载从 etcd 获取的配置。 示例代码 以下是一个示例，展示如何从 etcd 获取配置并使用 Viper 管理这些配置。 package main import ( "context" "fmt" "log" "github.com/spf13/viper" "go.etcd.io/etcd/clie.... viper 从etcd获取配置 viper
Viper 是 Go 语言中一个非常流行的配置管理库，旨在使配置文件的读取、解析和管理变得更加简单。它支持多种配置文件格式（如 JSON、YAML、TOML、HCL、INI 等）以及环境变量、命令行标志等不同来源的配置，并且支持配置文件的热加载（即动态更新配置而无需重启应用）。 Viper 的主要特点 多种配置来源支持： 支持从多个来源加载配置，如：文件（JSON、YAML、TOML 等）、环境变量、命令行标志、远程配置（如 Consul、Etcd）。 自动解析和绑定： Viper 能够自动将配置数据解析到 Go 的数据结构中（如结构体、map、slice 等）。 热加载： 支持对配置文件的动态更新，修改配置文件后，Viper 能够检测文件变化并重新加载配置。 环境变量绑定： 可以将环境变量绑定到 Viper 中，从而让你的应用程序支持环境变量配置。 灵活的配置读取： 支持多层次的配置，支持嵌套结构体或者 map 结构的读取和映射。 命令行标志的支持： 可以将命令行的标志与配置进行绑定，使得命令行参数优先于配置文件中的设置。 安装 Viper 你可以使用 go get 安装.... 一个强大的配置管理库viper viper
在 Go 中实现定时任务可以通过多种方式进行，其中最常见的方式是使用标准库 time 提供的功能，或者使用第三方库来简化定时任务的调度。下面我们会详细介绍这几种方法。 1. 使用 time 包 Go 的标准库 time 提供了 time.Tick 和 time.After 等功能，可以实现定时任务。 示例：每隔 1 秒执行一次任务 package main import ( "fmt" "time" ) func main() { // 创建一个定时器，每隔1秒发出一次信号 ticker := time.NewTicker(1 * time.Second) defer ticker.Stop() // 程序退出时停止 ticker for { select { case <-ticker.C: // 当 ticker 每秒发出信号时执行 fmt.Println("Task executed at", time.Now()) } } } time.NewTicker(d time.Duration)：返回一个新的定时器，它会在指定的时间间隔后不断地向 ticker.C chann.... 定时任务 定时任务
git rebase 是 Git 中一个非常强大的命令，用于在版本历史中重新应用提交。它的主要作用是将一系列的提交“移动”到另一个基点上，使得提交历史更加线性并清晰，避免了复杂的分支合并历史。 git rebase 通常用于将一个分支的修改应用到另一个分支的基础上，从而整理提交记录，使其更加简洁和易读。 基本的 Rebase 用法 假设你在一个分支 feature 上进行开发，现在你想将 feature 分支上的修改重新基于 master 分支（或者主分支），步骤如下： 切换到 feature 分支： git checkout feature 执行 rebase 操作： git rebase master 这将会把 feature 分支上的提交应用到 master 分支的最新提交之后。Git 会将 feature 分支的每个提交从当前的基础提交“摘下”，然后一个接一个地应用到 master 分支的最新提交上。 Rebase 操作过程 git rebase 会将分支上的提交按时间顺序重写并“应用”到目标分支上。具体来说，它会做以下几步： 查找两个分支的共同祖先，然后找到目标分支（如 .... 认识 git rebase git
是的，Base64 编码后数据的体积会增大，通常会增加大约 33% 的体积。这是因为 Base64 编码采用的是将每 3 字节的数据转换为 4 字节的字符，从而导致输出数据比输入数据多。 为什么 Base64 编码后体积会增大 Base64 编码的过程是将每 3 个字节（24 位）分解成 4 个 6 位的块，然后映射到 Base64 字符集中的字符。由于每个字符表示 6 位数据，而一个字节（8 位）对应一个字符，3 个字节（24 位）映射为 4 个字符（4 × 6 = 24 位），因此会产生额外的空间。 计算公式 每 3 字节原数据 -> 转换为 4 字节的编码数据。 计算比例： 43（编码数据字节数）×100%≈133.33%\frac{4}{3} \text{（编码数据字节数）} \times 100\% \approx 133.33\% 也就是说，Base64 编码后数据的大小是原数据的 133.33%，即大约增加了 33% 的大小。 Base64 编码的具体过程 输入数据：每 3 个字节（即 24 位）分为 4 组 6 位。 映射：每组 6 位映射为一个 Base64 字.... base64编码后体积增大三分之一 base64
HTTP 中常使用 Base64 编码 主要是因为 Base64 解决了 HTTP 协议中对二进制数据的处理问题。HTTP 协议本身是基于文本的，虽然它可以通过二进制方式传输数据，但有些场景下二进制数据的传输可能会引发问题。Base64 编码就是一种将二进制数据转换为只包含文本字符的方式，使其能够在 HTTP 协议中传输。以下是几个常见的原因，解释了为什么 HTTP 常用 Base64： 1. 文本协议与二进制数据的兼容性 HTTP 是一个基于文本的协议，传输的是文本数据（例如 HTML 文件、JSON、XML 等）。而大多数二进制数据（如图像、视频、音频等）不能直接作为 HTTP 消息体传输，因为： 二进制数据可能包含不可打印字符，这可能导致 HTTP 传输过程中的数据损坏，或者 HTTP 头部的格式问题。 HTTP 协议规定了消息体的字符集，某些二进制数据可能会冲突。 Base64 编码通过将二进制数据转换为文本（仅使用 ASCII 字符集），解决了这一问题。通过 Base64 编码，二进制数据能够变得与文本数据兼容，从而能够顺利地在 HTTP 请求和响应中传输。 2. 避免字符编.... base在web服务开发中的应用 base64
Base64 编码简介 Base64 是一种用于数据编码的方式，常用于将二进制数据转换为文本格式，尤其在需要通过文本协议传输二进制数据时（如在电子邮件中传输图片或在 URL 中传输文件）非常有用。 Base64 编码将任意的二进制数据（如文件、图片等）转换成只包含 ASCII 字符（通常是 A-Z、a-z、0-9、"+"、"/" 和 "="）的文本格式，使其能够通过文本方式安全地进行传输。 Base64 编码的工作原理 Base64 编码的过程可以分为以下几个步骤： 分组输入数据：首先，将输入数据按每 3 字节（24 位）一组进行分组。如果数据的长度不是 3 字节的整数倍，则使用零填充，使其满足 3 字节的整数倍。 转换为 6 位单位：每组 3 字节的数据总共有 24 位，将其分为 4 组，每组 6 位。 映射为 Base64 字符：根据 Base64 编码表，将每组 6 位的二进制数映射为一个 Base64 字符。Base64 编码表如下： 0-25 -> A-Z 26-51 -> a-z 52-61 -> 0-9 62 -> + 63 -> / 处理.... 认识base64 base64
在 Go 中，chan（Channel）不仅仅是一个用于通信的工具，它还与 协程调度（goroutine scheduling） 紧密相关，直接影响 Go 程序的并发性能和资源利用。理解 chan 与协程调度的关系，对于优化并发性能和设计高效的并发程序至关重要。 Go 协程调度概述 Go 的协程调度基于 GMP 模型（Goroutine, Machine, Processor），并采用了用户级线程模型。Go 的运行时系统负责调度大量的 goroutines 到操作系统线程上运行。Go 协程调度的基本单位包括： Goroutine：Go 程序中的轻量级线程，是执行单元。 Machine（M）：代表操作系统线程。每个 Machine 代表一个操作系统的线程。 Processor（P）：Go 运行时的逻辑处理器，用来执行 goroutines。每个 P 可以分配给一个 M。 在 Go 中，goroutines 的调度通过将其与 P 和 M 绑定来实现。每个 goroutine 被调度到一个 P 上，P 负责执行其上的任务。如果 P 没有工作，Go 运行时会将其调度到空闲的 P 上。 Chan.... 从协程调度角度认识chan chan
在 Go 语言中，chan（Channel）是用于 goroutines 之间进行通信的一种数据结构。Channel 允许我们安全地在多个 goroutines 之间传递数据。它是 Go 并发模型中的核心组件之一。理解 chan 的底层数据结构有助于我们更深入地理解其实现原理，尤其是在性能优化和并发控制方面。 Go 中 Channel 的底层实现 Go 的 chan 是一种特殊的数据类型，它通常由以下几部分组成： 缓冲区（Buffer）： 对于缓冲 Channel（Buffered Channel），chan 会维护一个缓冲区来存储数据。该缓冲区的大小是在创建 Channel 时指定的，数据会在缓冲区中排队，直到它被另一个 goroutine 从 Channel 中取出。 发送队列和接收队列： 每个 Channel 内部都有一个发送队列（发送者排队等待）的管理，以及接收队列（接收者排队等待）的管理。根据 Channel 的状态（是否有 goroutine 等待接收数据或发送数据），Go 会在发送队列和接收队列之间协调数据的传递。 同步机制： chan 也依赖于 Go 的内置同步机.... 认识chan的结构 go
在 Go 中，协程池（goroutine pool）是为了避免在高并发的场景下频繁创建和销毁协程，从而消耗大量资源。协程池通过限制并发协程的数量来更好地控制系统资源的使用，通常用于处理高并发任务，尤其是当任务的数量可能会非常大，或者任务的处理非常轻量时。 协程池的基本思想是提前创建一定数量的协程，在池中预分配并管理这些协程，当任务到来时从池中获取一个可用的协程来执行任务，任务完成后将协程归还给池中等待下一个任务。 Go 中实现协程池 Go 并没有内建的协程池，因此我们通常需要自己实现协程池。这里介绍一个简单的协程池实现： 实现思路 维护一个协程池，池中有固定数量的协程。 提供一个任务队列，任务可以被提交到队列中。 每个协程从队列中取任务并执行，任务完成后归还协程。 使用 sync.WaitGroup 来等待所有任务完成。 协程池实现示例 package main import ( "fmt" "sync" "time" ) type GoroutinePool struct { // 任务队列 taskQueue chan func() // 等待所有任务完成 wg sync.Wait.... go实现协程池 go
红黑树（Red-Black Tree）简介 红黑树是一种自平衡的二叉查找树（Binary Search Tree, BST），它在插入和删除节点时，通过对树的结构进行调整，保证了树的高度始终保持在对数级别，从而保证了基本操作（如查找、插入、删除）的时间复杂度为 O(log N)。 红黑树的自平衡特性保证了树的高度不会太高，这使得它特别适用于需要频繁执行插入、删除和查找操作的应用场景，如数据库和文件系统。 红黑树的性质 红黑树在保持二叉查找树的基本特性（即对于每个节点，左子树的值小于节点值，右子树的值大于节点值）之外，还必须满足以下五个性质： 每个节点要么是红色，要么是黑色。 根节点是黑色的。 每个叶子节点（NIL 节点）是黑色的。 叶子节点是指那些不存在子节点的节点，通常在红黑树中指代为 NIL 节点，这些节点不会保存任何数据。 如果一个节点是红色的，则它的子节点必须是黑色的。 这也叫做“红色节点不能相邻”，即红色节点不能有红色子节点。 从任意节点到其所有后代叶子节点的路径上，必须包含相同数目的黑色节点。 也就是说，黑色节点的数目在从根到叶子节点的路径上必须一致，这确保了树的高度保持平.... 认识红黑树 红黑树
epoll 的高效性主要来自于其内部使用的 数据结构 以及 事件通知机制。在处理大量并发连接时，它避免了 select 和 poll 中的一些性能瓶颈，具有显著的优势。具体来说，epoll 快的原因可以归结为以下几点： 1. 基于事件通知的机制（与轮询的区别） epoll 避免了 select 和 poll 每次调用时都需要遍历所有的文件描述符（fd）的过程。在 select 和 poll 中，每次都需要检查每个文件描述符是否有事件发生，随着文件描述符数量的增加，性能会显著下降。而 epoll 使用事件驱动的方式，只在有事件发生时才通知应用程序。这意味着 epoll 不会为每个文件描述符检查每个事件，而是直接给出发生了哪些事件，显著减少了不必要的工作量。 2. 数据结构：红黑树与链表 epoll 内部主要使用了 红黑树（Red-Black Tree） 和 双向链表（Double Linked List） 两种数据结构来管理和处理文件描述符的事件。 (1) 红黑树（Red-Black Tree） 红黑树 是一种自平衡二叉查找树。epoll 使用红黑树来管理所有被监控的文件描述符。这些文件.... epoll为什么高效 epoll
epoll 介绍 epoll 是 Linux 内核提供的一种 高效的 I/O 多路复用机制，用于处理大量的并发连接。它是 select() 和 poll() 系列 I/O 多路复用函数的现代替代方案，旨在解决传统方法在高并发环境下的性能瓶颈问题。通过 epoll，一个进程可以同时监控多个文件描述符，以高效地处理大量的 I/O 事件（如网络连接、文件 I/O 等）。 为什么使用 epoll？ 性能问题：在大量并发连接时，select 和 poll 会遭遇性能瓶颈。例如，select 和 poll 需要每次调用时遍历所有的文件描述符，随着文件描述符数量的增加，性能会显著下降。而 epoll 通过事件驱动的方式，避免了这种性能瓶颈。 资源消耗：epoll 使用了 内核级的事件通知机制，使得只有在有事件发生时才进行处理，减少了资源消耗，避免了不断轮询的浪费。 epoll 的优势 高效性：epoll 在处理大量并发连接时比 select 和 poll 更加高效，尤其在连接数目非常庞大的情况下，epoll 的性能优势尤为明显。 避免重复遍历：select 和 poll 需要每次遍历所有文件描述符，.... 认识epoll epoll
Life is like a journey