Java Portal | Программирование

Паттерны микросервисов для Java / Backend-разработчиков Для Java и backend-разработчика знание паттернов микросервисов — это базовый навык. Он делает тебя сильнее как инженера и помогает уверенно проходить собеседования. Сохрани, выучи и применяй, и ты будешь на шаг впереди остальных.

🔸Application Architecture Patterns Высокоуровневые схемы структуры систем: - Monolithic architecture - Microservice architecture 🔸 External API Patterns Подходы к проектированию API для сторонних разработчиков: - API Gateway - Backends for Frontend (BFF) 🔸Decomposition Patterns Как разделить большую систему на независимые сервисы: - Decompose by business capability - Decompose by subdomain 🔸Testing Patterns Подходы к проверке корректности микросервисов: - Consumer-driven contract test - Consumer-side contract test - Service component test 🔸Messaging Style Patterns Схемы асинхронного взаимодействия сервисов: - Messaging - Remote Procedure Invocation (RPI) 🔸Security Patterns Решения для аутентификации и авторизации: - Access Token 🔸Reliable Communication Patterns Техники обработки сбоев при взаимодействии сервисов: - Circuit Breaker 🔸Cross-cutting Concerns Patterns Обработка общих функций вроде логирования и метрик: - Externalized Configuration - Microservice Chassis 🔸 Service Discovery Patterns Как сервисы находят друг друга в сети: - 3rd Party Registration - Client-side Discovery - Self-registration - Server-side Discovery 🔸Observability Patterns Как понять, что происходит внутри системы: - Application Metrics - Audit Logging - Distributed Tracing - Exception Tracking - Health Check API - Log Aggregation 🔸Transactional Messaging Patterns Обеспечение согласованности данных между сервисами: - Polling Publisher - Transaction Log Tailing - Transactional Outbox 🔸Deployment Patterns Подходы к безопасному релизу новых версий сервисов: - Deploy as Container - Deploy as VM - Language-specific Packaging - Service Mesh - Serverless Deployment - Sidecar 🔸Data Consistency Patterns Как управлять целостностью данных в распределённых БД: - Saga 🔸Business Logic Design Patterns Как организовать доменную модель и бизнес-логику: - Aggregate - Domain Event - Domain Model - Event Sourcing - Transaction Script 🔸Refactoring to Microservices Patterns Как поэтапно мигрировать монолит в микросервисы: - Transaction Script - Strangler Application 🔸Querying Patterns Как извлекать данные из нескольких сервисов: - API Composition - CQRS (Command Query Responsibility Segregation)

Освой эти паттерны и ты поймёшь, как проектировать надёжные, масштабируемые и поддерживаемые системы. 👉 Java Portal

Экосистема разработки API с открытым исходным кодом https://github.com/hoppscotch/hoppscotch/ 👉 Java Portal

Представим, что тебе нужно посчитать максимальную зарплату сотрудников по отделам на Java. Код мог бы выглядеть так:

List<Employee> employees = new ArrayList<>();
Map<String, Long> maxMap = new HashMap<>();

for (Employee employee : employees) {
    Long maxSalaryForDepartment = maxMap.get(employee.department);
    if (maxSalaryForDepartment == null || maxSalaryForDepartment < employee.salary) {
        maxMap.put(employee.department, employee.salary);
    }
}

Но этот цикл можно записать гораздо короче:

for (Employee employee : employees) {
    maxMap.merge(employee.department, employee.salary, Math::max);
}

Метод Map.merge() работает так: Первый параметр — это ключ, по которому ты хочешь добавить или обновить значение в Map. Второй параметр — новое значение, которым нужно обновить сохранённое. Если для этого ключа значение отсутствует (или там null), Map просто сохраняет новое значение. Третий параметр — это функция. Если в Map уже есть значение для этого ключа, функция вызывается с двумя аргументами: старым и новым значением. То, что вернёт эта функция, и будет записано как новое значение для ключа. 👉 Java Portal

Docker это не мини-виртуальные машины Многие пользуются Docker каждый день, но не особо понимают, что происходит под капотом. Это становится очевидно, когда начинаются проблемы с производительностью, правами доступа или сетью. 1. Docker — это не виртуалка Когда ты запускаешь docker run ubuntu, ты не создаешь «мини-компьютер». Никакого нового ядра нет. Контейнер использует то же ядро, что и хост — просто в изоляции. Поэтому он стартует за миллисекунды и ест меньше оперативки, чем виртуальная машина. 2. Изоляция достигается через namespaces Namespace говорит системе: «Этот процесс видит только вот этот кусочек мира». Примеры: PID namespace — контейнер думает, что его процесс 1 — единственный. NET namespace — у контейнера своя сеть и интерфейсы. MNT namespace — своя файловая система с примонтированными ресурсами. Так несколько контейнеров могут спокойно жить рядом, не мешая друг другу. 3. Cgroups ограничивают ресурсы Контейнер может считать, что владеет всей машиной… но control groups (cgroups) ставят реальные лимиты: - максимум CPU (--cpus=2) - максимум памяти (--memory=1g) - лимиты на I/O или количество процессов Если контейнер пытается выйти за рамки, ядро его просто отрубает 😅 4. Файловая система и слои (UnionFS) Образ это не один файл, а набор слоев. Каждая инструкция RUN, COPY или ADD в Dockerfile создает новый слой. Когда контейнер запускается, поверх монтируется временный слой для записи. Вот почему все изменения исчезают после удаления контейнера — временный слой просто выкидывается. 5. Как контейнеры общаются между собой Docker создает виртуальные сети внутри хоста. Каждый контейнер получает свой внутренний IP. Когда ты используешь --link или docker-compose, ты просто задаешь внутренние DNS-имена. Во внешний мир трафик не выходит, пока ты сам не пробросишь порт через -p 8080:80. 6. Безопасность -изоляция не идеальна Поскольку ядро общее, защита не такая жесткая, как у виртуалки. Для этого и придуманы штуки вроде: gVisor — песочница для системных вызовов SELinux или AppArmor rootless Docker Если запускаешь сторонние контейнеры — лучше использовать их. Так что же такое Docker на самом деле? Это оркестратор изоляции: - прячет ресурсы через namespaces - ограничивает их через cgroups - управляет файловой системой через UnionFS - эмулирует сеть через network namespaces Он ничего не эмулирует по-настоящему, он просто создает очень правдоподобную иллюзию 👏 Понимание этого полностью меняет подход к дебагу и оптимизации. Контейнер жрет всю оперативку? → смотри cgroups. Не может подключиться к сети? → проверь network namespace. Билды весят по 5 ГБ? → разбери слои образа. 👉 Java Portal

Если ты когда-нибудь писал что-то вроде этого в Java:

List<String> stringList = map.get(key);
if (stringList == null) {
    stringList = new ArrayList<String>();
    map.put(key, stringList);
}
stringList.add(newElement);

То то же самое можно записать в одну строку:

map.computeIfAbsent(key, k -> new ArrayList<String>()).add(newElement);

А ещё короче так:

map.computeIfAbsent(key, k -> new ArrayList<>()).add(newElement);

Компилятор Java сам поймёт, какой тип ArrayList нужно создать, исходя из типа Map (в данном случае Map<String, List<String>>). 👉 Java Portal

Javaeros! Они сделали MCP официального Java SDK — так что нам больше не придётся разбираться с древней документацией 💪 github.com/modelcontextprotocol/java-sdk Рекомендация перед использованием: сначала разберись, что вообще такое MCP - пойми саму концепцию. После этого реализация, независимо от языка, уже вопрос синтаксиса. 👉 Java Portal

Чтобы сделать API быстрым, нужно получать данные из нескольких микросервисов параллельно. Как это требование влияет на выбор между RestTemplate, WebClient и Feign Client? RestTemplate: Подходит для простых, блокирующих сценариев — например, в старом Spring MVC-приложении, где нужно сделать вызов к другому сервису и дождаться ответа, прежде чем продолжить выполнение. RestTemplate считается устаревшим, вместо него рекомендуется использовать RestClient. WebClient: Предпочтительный вариант для высокопроизводительных неблокирующих приложений, например, для API-шлюзов, которым нужно одновременно обращаться к нескольким микросервисам и объединять результаты без блокировки потоков. Feign Client: Лучше всего подходит для взаимодействия между микросервисами, когда хочется писать чистый, читаемый код на основе интерфейсов, абстрагирующий детали HTTP-запросов. 👉 Java Portal

Топ-20 техник оптимизации SQL-запросов 1. Индексируй под реальные паттерны запросов (композитные, селективные, covering-индексы), а не просто по числу строк. Следи, чтобы статистика была актуальной. 2. Используй EXISTS для проверки наличия данных; COUNT(*) — только если реально нужен подсчёт. 3. Выбирай конкретные колонки, не пиши SELECT *, чтобы сократить I/O и дать шанс использовать covering-индекс. 4. Пиши sargable-предикаты (которые могут использовать индекс). Медленные коррелированные подзапросы лучше переписать через JOIN или EXISTS. 5. Не лечи ошибки DISTINCT’ом. Исправь логику JOIN и ключи; DISTINCT — только когда реально нужно убрать дубликаты. 6. Фильтруй в WHERE, а HAVING используй только для условий после агрегации. 7. Пиши явные JOIN ... ON, не лепи неявные join’ы через WHERE. 8. Используй keyset pagination вместо OFFSET/LIMIT на больших наборах; для выборки подмножества можно применить TABLESAMPLE (если поддерживается). 9. Предпочитай UNION ALL вместо UNION, если дубликаты допустимы. 10. Заменяй широкие OR на UNION ALL, только если каждая ветка может использовать свой индекс. 11. Тяжёлые запросы запускай вне пиковых часов, при возможности — ограничивай ресурсы или ставь в очередь. 12. Избегай OR в условиях JOIN, можно использовать вычисляемые колонки или UNION ALL, если это позволит использовать индекс. 13. Используй GROUP BY, когда нужны агрегированные строки, и оконные функции — когда нужно видеть строки с агрегатами рядом. 14. Используй временные/derived таблицы, если они реально сокращают работу или добавляют статистику; но помни, что это может заблокировать pushdown-оптимизации. 15. При массовой загрузке данных отключай/удаляй некластерные индексы, вставляй пакетами, потом перестраивай. PK/кластерный индекс можно оставить, если помогает. 16. Используй материализованные представления для редко меняющихся и дорогих агрегатов, продумай их обновление и инвалидацию. 17. Избегай не-sargable сравнений (например, <>) по малоселективным колонкам; лучше перепиши в диапазоны. 18. Минимизируй коррелированные подзапросы на больших выборках, переходи на join’ы или EXISTS. 19. Выбирай INNER или LEFT/RIGHT по смыслу, но помни: INNER JOIN обычно быстрее, если подходит по логике. 20. Кешируй часто повторяющиеся выборки: временные таблицы (на сессию), result cache или материализованные представления с продуманными правилами обновления. Что такое Query Optimizer Query Optimizer — это компонент СУБД, который определяет наиболее эффективный способ выполнения SQL-запроса, подбирая оптимальный execution plan. Он принимает SQL-запрос, парсит его и строит синтаксическое дерево. Затем анализирует дерево, чтобы понять, какие способы выполнения возможны. Далее оптимизатор генерирует альтернативные execution plans — разные варианты выполнения одного и того же запроса. В каждом плане задаётся: - порядок доступа к таблицам - типы соединений - способы фильтрации и сортировки Каждому плану присваивается стоимость — оценка по числу чтений с диска, времени CPU и другим факторам. После этого оптимизатор выбирает план с минимальной стоимостью и использует его для реального выполнения запроса. Узнай больше 👉 Java Portal

Почему важно давать хорошие имена в коде? Потому что большую часть времени мы не пишем код, а читаем его. И одно удачное имя способно объяснить то, что комментарий бы растянул на три строки. Что решает хорошее имя: Намерение: expireSession() говорит больше, чем process(). Контекст: calculatePriceWithTax() понятнее, чем просто calculate(). Контракт: isEmpty() (логический результат) и getSize() (число) — разное поведение, и имя это чётко показывает. Простые, но работающие правила: Глагол + объект для действий: sendInvoiceEmail(). Ясное существительное для данных: PaymentRequest, CustomerId. Без тайнописи вроде cfg, mgr, tmp2. Если логика нетривиальна, пусть имя объясняет “почему”: retryOnRateLimit(). А комментарии не нужны? 🤔 Нужны, но точечно. Пиши их там, где код сам не может выразить мысль: когда решение неочевидное; когда нужна историческая справка или ссылка на ADR. Главное не использовать комментарии, чтобы объяснять то, что код и так должен рассказывать сам. 👉 Java Portal

Хочешь учить и практиковать SQL без установки ничего на компьютер? Есть классный ресурс и всё работает прямо в браузере. Можно создавать базы MySQL и PostgreSQL, писать запросы и сразу видеть результат. Бесплатно → http://sqlplayground.app 👉 Java Portal

Может ли статический блок выбросить исключение?

У тебя есть класс, который инициализирует какой-то критически важный статический ресурс внутри статического блока. В процессе инициализации может произойти ошибка, и выбросится исключение. Что произойдет, если исключение будет выброшено из статического инициализатора? Какую ошибку в итоге выбросит JVM, и в каком состоянии останется класс после этого? Подсказка → Если из статического блока выбрасывается исключение, инициализация класса завершается с ошибкой.

Есть ли в Java концепция выбрасывания исключений конструктором?

Ты создаешь класс DatabaseConnection. В конструкторе происходит попытка установить соединение с базой данных, и если это не удается, выбрасывается SQLException. Что произойдет с памятью, выделенной под объект DatabaseConnection, если конструктор выбросит исключение? Можно ли использовать объект после того, как исключение было выброшено? Подсказка → Конструкторы могут (и часто должны) выбрасывать исключения, если объект невозможно создать в корректном состоянии. 👉 Java Portal

Сборщик мусора (Garbage Collector, GC) сильно эволюционировал со временем. Сегодня есть несколько вариантов, и ты можешь выбрать тот, что подходит под твои нужды. Смотри: - Serial GC (олдскул) Самый простой и древний. Один поток, останавливает всё приложение на время очистки памяти. Подходит для мелких приложений, CLI-инструментов или систем с маленьким heap (пара десятков мегабайт). - Parallel GC По сути, тот же Serial, но работает в несколько потоков. Паузы всё ещё есть, но они короче. Хорош для batch-задач или сервисов, где короткая остановка не критична. - G1 GC (Garbage First) С Java 9 — сборщик по умолчанию. Делит heap на регионы и чистит только самые “грязные”. Даёт меньше пауз и предсказуемее поведение. Оптимальный выбор для большинства продакшен-приложений: Spring, микросервисы и т. д. - ZGC (Z Garbage Collector) Паузы меньше 1 мс даже при heap в сотни гигабайт. Работает почти полностью конкурентно, фактически в реальном времени. Подходит для систем, которые не могут останавливаться: трейдинг, онлайн-игры, API с высокой доступностью. - Shenandoah GC Похож на ZGC, но реализован по-другому (Red Hat). Тоже стремится к минимальным паузам, отлично чувствует себя на Linux. Менее популярный, но стабильный вариант. Что выбрать? Небольшие приложения → Serial Batch-процессы → Parallel Веб-сервисы, микросервисы → G1 Реальное время, критичная задержка → ZGC или Shenandoah GC уже давно не “та самая штука, что стопит Java”, а гибкий инструмент, который можно подобрать под задачу. И от этого выбора реально зависит будет твое приложение тормозить… или летать 👉 Java Portal

6.851 MIT: Продвинутые структуры данных (весна'21) Этот курс давно был у меня в списке рекомендаций. Разбор темы иерархии памяти там отлично подан в контексте cache-oblivious алгоритмов. https://courses.csail.mit.edu/6.851/spring21/ 👉 Java Portal

В Spring Boot можно включить «мягкое» завершение приложения, добавив в конфиг строку: "server.shutdown=graceful"

server:
  shutdown: graceful

spring:
  lifecycle:
    timeout-per-shutdown-phase: 20s

# Сервер будет завершать работу корректно
# Он даст до 20 секунд на завершение всех запросов и бинов.

Это помогает избежать типичных проблем при остановке сервиса: - Активные HTTP-запросы обрываются посреди выполнения - Транзакции в базе откатываются неожиданно - Потоки прерываются до завершения работы 👉 Java Portal

Шаг за шагом проектируем сокращатель ссылок В статье разбираем System Design на реальном примере = создаем свой сервис сокращения ссылок. Это классическая задача, которую часто дают на собеседованиях, и при этом отличная возможность понять, как устроен процесс проектирования систем: от постановки задачи до расчёта нагрузки и продумывания архитектуры. 👉 Java Portal

🔍Тестовое собеседование с Java-разработчиком из Мегафон уже завтра 15 октября(уже завтра!) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Java-разработчика. Как это будет: 📂 Мария Пивоварова, старший разработчик в Мегафон, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Мария будет комментировать каждый ответ респондента, чтобы дать понять, чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Марии Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Java-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_sh_bot Реклама. О рекламодателе.

В Java есть одно зарезервированное слово, которое многие не замечают — yield. Оно появилось в Java 13 вместе с switch expressions. yield используется, чтобы вернуть значение из блока case, когда нужно выполнить несколько действий перед тем, как определить результат. Пример:

int day = 2;

String result = switch (day) {
    case 1 -> "Понедельник";
    case 2 -> {
        System.out.println("Обработка...");
        yield "Вторник"; // значение, которое возвращается
    }
    default -> "Другой день";
};

yield — не то же самое, что break: break просто прерывает выполнение; yield возвращает значение блока в switch, который используется как выражение. 🌟 👉 Java Portal

Хочешь сделать крутой GitHub-профиль? На этом сайте собраны десятки классных README от разработчиков со всего мира. Можно смотреть код, вдохновляться, подхватывать идеи и оформить свой профиль так, чтобы он реально выделялся. github.com/zzetao/awesome-github-profile 👉 Java Portal

⭐️ Road to Highload: видеопроект о проектировании архитектуры высоконагруженных систем Инженеры Яндекс 360 накопили значительный опыт в проектировании и разработке систем, которыми ежедневно пользуются больше 95 миллионов человек ежемесячно. В этом видеопроекте разработчики на практических примерах рассказывают, как создают архитектуру систем, которые держат 1 000 000 RPS и хранят петабайты мета-данных. В выпусках обсуждаем:

🎙 Серия 1. Функциональные и нефункциональные требования. Как сбор требований помогает создавать надёжные и масштабируемые решения 🎙 Серия 2. Надёжный API. Принципы проектирования API, которые помогут сделать его консистентным, предсказуемым и поддерживаемым 🎙 Серия 3. Крупноблочная архитектура: карта вашей системы. Как выглядит модель на примере Яндекс Календаря и как ребята применяют её для эффективной коммуникации с различными командами разработки 🎙Серия 4. Практика: Рост баз данных: от единиц запросов к тысячам. Как правильно организовать работу с БД, чтобы система оставалась стабильной и эффективной 🎙 Серия 5. Практика. Взаимодействие со смежными системами. Типичные сложности, с которыми сталкиваются команды при интеграции с внешними сервисами, и как их предотвратить или минимизировать

Смотрите проект, чтобы узнать, как создаются одни из крупнейших облачных сервисов в России: ⭐️ Наш сайт ⭐️ VK Видео ⭐️ Ютуб