同样一篇后端技术栈的文章，知乎比掘金、cnblogs 阅读收藏点赞等交互数要高一些，供参考

@LoneFireBlossom 是的，自己拿 Go 糊的一个简单 blog 系统😂，很简陋

https://blog.fanscore.cn
https://github.com/Orlion

更新频率比较低，但都在持久写

以“前端按照业务逻辑状态渲染按钮”这个场景来说，以前可能喜欢返回一个 status 字段让前端根据 status 的不同值渲染不同样式的按钮。后来发现这种玩法前端经常来问字段含义，我还要结合需求给前端讲解，跟对端扯皮的功夫可能自己都做完了。
现在学聪明了，直接把渲染按钮需要的按钮文案、颜色之类的东西都给前端返回，就很少跟前端扯皮了，节省了大量的时间哈😄

@rbaloatiw 确实，是我草率了😄

首先从理论上来说，`aa.data != "a" && aa.data != "b"` 这一行代码不是原子的，有可能出现这种情况：
在判断 aa.data != "a"时，aa.data="b"
随后在判断 aa.data != "b"时，aa.data 被修改为了"a"

这种情况下是可能触发 panic 的


然而这不是唯一的原因，因为你的代码 panic 出来的信息 aa.data 是空，因此还有其他方面的原因

@a33291 所有客户端都可以连上。确实需要内网有一台机器能暴露 http 端口，我们是在内网有一台机器，被 nginx 监听，我用 nginx 转发请求到内网的 hersql transport 服务上。

跟我司开发环境差不多，专门写了个用 http 转发 mysql 包的工具方便从本地连接测试环境的 mysql 。大概原理就是在本机伪装出一个“假 mysql server”，本机 mysql client 连接到本地的假 mysql server ，然后这个假 mysql server 将数据包通过 http 转发到测试环境的一台机器上，这台机器将数据包转发给真正的 mysql server 。

https://github.com/Orlion/hersql

不知道能否解决你的问题

在 x86_64 上 atomic.LoadInt32 实际源码就是直接取数据，对应源码如下：
```
func Load(ptr *uint32) uint32 {
return *ptr
}
```
而 WriteInt32 有所不同，其中使用了 XCHGL ，这个指令有 LOCK 指令前缀的效果，可以保证可见性。
```
TEXT ·Store(SB), NOSPLIT, $0-12
MOVQ ptr+0(FP), BX
MOVL val+8(FP), AX
XCHGL AX, 0(BX)
RET
```

因此在 x86_64 平台上不使用 atomic 包也能保证原子性，但是保证不了可见性，如果程序中对可见性没有要求，以我的认知我觉得可以不使用 atomic 包，话虽如此实际工作中并发场景中该加还是加吧，说不准认知之外还有什么别的坑呢？

btw ，多年前我对这个问题也有过一段时间疑问与探索，整理了一篇博客： https://blog.fanscore.cn/a/34/ 可以参考一下。

确定 ApplicationCollection.Release()调用时机是正确的吗? Release()之后是否还使用到了 ApplicationCollection 或者里面的元素?建议将 Release()的调用代码也发出来。

2. 先扩容保证服务可用，根据业务选择合适的缓存淘汰策略，如果是上线后引起的，能回滚先回滚，然后排查代码看下是否是正常内存占用（过期时间设计是否合理等等）
3. 个人认为是性能与事务（一致性）的 tradeoff

leetcode 338 原题，动态规划的转移方程：bits[i] = bits[i >> 1] + (i & 1)。

https://blog.fanscore.cn/ 更新的不多，但追求高质量

https://blog.fanscore.cn/a/51/ 看下我这这篇文章吧，不知道对你有没有帮助，大概思路是取出一个坐标点附近九宫格所有坐标点，然后在程序中计算每个点距离该坐标点的距离，过滤掉不符合距离条件的点。

虽然文章中使用的是 redis ，但换成 mysql 应该是通用的吧。

1. 依靠索引列缩小扫描行数后再进行复杂查询
2. 查备库

doris 好像也有过期

code: 方便排查问题，根据用户返回的 code 找到问题发生地
msg: 出现了问题，告知用户发生了什么以及如何解决

不仅通过闷头学和造轮子提升了技术、丰富了简历，还得了毕业礼包，这老哥头脑很清晰啊（手动狗头）

unix 响应时间比 tcp 快，因此 python 脚本 cpu 利用率更高？