图，一种可以表示对象复杂连接关系的数据结构。其较可以其他数据结构而言，可以很方便描述地图、电路、网络等拓扑结构。本文将介绍图的描述方法和基本的图搜索算法——BFS 广度优先搜索

哈希表（又称作散列表）这种数据结构，通过计算元素在哈希表中的存储位置，可以快速判定该元素是否存在于该哈希表中，而无需遍历哈希表中全部元素一一进行比较。看上去哈希表这种数据结构是一个很好的工具，但是当数据量非常大达到亿级别，再加上为了解决哈希冲突的负载因子的缘故，使得哈希表的内存空间开销非常巨大，甚至会出现机器内存都无法支撑的情况。这种超大规模数据的场景下，如何快速判定一个元素是否在指定元素集合中？本文将详细介绍一种概率模型的数据结构——布隆过滤器（Bloom Filter）

Java List 迭代器用于遍历、删除等相关操作——Iterator、ListIterator，前者只能向后遍历，而后者则通过继承前者以提供了向前遍历的方法。本文将结合JDK源码解释迭代器遍历过程中删除元素的相关细节，具体以ArrayList为例进行分析，LinkedList迭代器与其虽在实现上略有差别，但是设计思想大同小异

RabbitMQ是一个基于AMQP协议(Advanced Message Queuing Protocol，高级消息队列协议)的开源消息中间件，用于程序之间的消息、数据传递服务。常见的场景是将程序中原有的耗时较长的调用拆分为前-后两部分，即，生产者和消费者。生产者负责向消息队列发送待处理数据，而消费者则从消息队列接收数据，完成原有程序中的长耗时的处理。异步处理的方式，一方面提高了生产者的即时响应能力和整体的处理效率，另一方面也可以实现程序之间的解耦。本文将介绍如何SpringBoot下实践RabbitMQ消息队列

一年又一年，即将过去的2019年，是艰苦奋斗的一年，是转型阵痛的一年，是科学攻坚的一年

我曾踏足山巅，也曾跌入低谷，这两者都让我受益良多 ——瓦洛兰之盾 · 塔里克

RabbitMQ消息队列在企业开发中已经越来越常见，其是一个基于AMQP协议(Advanced Message Queuing Protocol，高级消息队列协议)的开源消息中间件。这里我们将就RabbitMQ所支持的AMQP 0.9.1协议简单地说一说

Java中的条件运算符(又称三目运算符，形如 b ? x : y)，相信很多人都不陌生。其只需一条语句即可完成 if else 代码块的功能，故日常开发中也是高频操作，但是稍有不慎、姿势不对，就会掉入自动拆箱的陷阱中发生NPE(Null Pointer Exception)

之前的文章介绍了在Linux中直接部署服务(Redis, MySQL)，其中部署过程十分繁琐，经过高人指点，可以使用Docker技术实现快速部署。故本文介绍如何在CentOS 7 环境下通过Docker技术快速部署消息中间件RabbitMQ消息队列服务

Redis，目前非常流行的内存数据库，其广泛应用于Web场景的缓存技术下。本文简要介绍在SpringBoot下的Redis的实践应用

自从有了二奶机Surface后，感觉每次在多台本本上部署开发环境，太蛋疼。鉴于此，最近特意买个云服务器，在云端部署了Redis、MySQL数据库服务，废话不多说，快进入正题吧……