字节面试：聊聊 CAP 定理？哪些中间件是AP？ 哪些是CP？ 说说 为什么？
45岁老架构师尼恩在其读者交流群中分享了关于CAP定理的重要面试题及其解析，包括CAP定理的基本概念、CAP三要素之间的关系，以及如何在分布式系统设计中权衡一致性和可用性。文章还详细分析了几种常见中间件（如Redis Cluster、Zookeeper、MongoDB、Cassandra、Eureka、Nacos）的CAP特性，并提供了高端面试技巧，帮助读者在面试中脱颖而出。尼恩还推荐了其团队编写的《尼恩Java面试宝典PDF》等资料，助力求职者准备面试，提升技术水平。
深入浅出Node.js：从零开始构建RESTful API
在数字化时代的浪潮中，后端开发如同一座灯塔，指引着数据的海洋。本文将带你航行在Node.js的海域，探索如何从一张白纸到完成一个功能完备的RESTful API。我们将一起学习如何搭建开发环境、设计API结构、处理数据请求与响应，以及实现数据库交互。准备好了吗？启航吧！
从 ES Kafka Mongodb Restful ... 取到 json 之后
JSON 是一种广泛使用的数据交换格式，但其计算和处理能力有限。esProc SPL 是一款强大的开源计算引擎，能够高效解析 JSON 数据，并支持复杂的过滤、分组、连接等操作。它不仅兼容多种数据源，如 RESTful、ElasticSearch、MongoDB 和 Kafka，还提供了游标对象处理大数据流，支持与 Java 应用无缝集成，实现灵活的业务逻辑处理。
MongoDB主备副本集方案：两台服务器使用非对称部署的方式实现高可用与容灾备份
在资源受限的情况下，为了实现MongoDB的高可用性，本文探讨了两种在两台服务器上部署MongoDB的方案。方案一是通过主备身份轮换，即一台服务器作为主节点，另一台同时部署备节点和仲裁节点；方案二是利用`priority`设置实现自动主备切换。两者相比，方案二自动化程度更高，适合追求快速故障恢复的场景，而方案一则提供了更多的手动控制选项。文章最后对比了这两种方案与标准三节点副本集的优缺点，指出三节点方案在高可用性和数据一致性方面表现更佳。
【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想，包括Google的三篇重要论文：Google文件系统（GFS）、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础，进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
【赵渝强老师】MongoDB的In-Memory存储引擎
MongoDB的In-Memory存储引擎将数据存储在内存中，显著减少查询延迟，提高性能。该引擎不会将数据持久化到硬盘，仅在内存中存储，因此重启后数据会丢失。本文通过创建目录、配置文件、启动服务、插入数据和查询等步骤，详细演示了如何使用In-Memory存储引擎。
【赵渝强老师】MongoDB的WiredTiger存储引擎
MongoDB WiredTiger存储引擎自3.2版本起成为默认选择，提供文档级别的并发控制、检查点、数据压缩和本地加密等功能。本文详细介绍了WiredTiger的并发控制机制、预写日志与检查点、内存使用、数据压缩及磁盘空间回收等特性。
【赵渝强老师】MongoDB的MMAPv1存储引擎
在MongoDB 3.2版本之前，默认使用MMAPv1存储引擎。MMAPv1包括Database、Namespace、数据文件、Extent和Record等组件。每个Database由名称空间文件和数据文件组成，数据文件按编号递增，大小从64MB到2GB。每个数据文件被划分为多个Extent，每个Extent包含多个Record，对应MongoDB中的文档。通过一个示例展示了如何配置和使用MMAPv1存储引擎。