一种方法论，DDD 的作者根据自己的经验提炼得出的一套通用建模方法，分为战术模式（ tactical patterns ）和战略模式（ strategic patterns ），其中战略模式是比较难以理解和抽象的，同时也是最重要。战术模式则可以归结为类似设计模式一样的方法工具。

难以理解就意味着用的人少，不好推广，可能一些团队的 leader 会强推或者应用其中的一部分，我想说的是放弃它是非常容易的，不对其进行维护就行了，但是重新拾取起来就会非常困难了。就像 TDD 一样，在思维没有转变过来之前，很多人就会认为它是浪费时间浪费成本的开发模式。

破窗效应所引发的一个结果就是，如果团队中有一个人可以打破规则，并且不受约束和惩罚，那么其他人也会尝试挑战规则，最终的结果就是混乱。

还区块链呢，这个链啥时候重写不还是他们控制的吗，没有可观测性的区块链有什么意义呢？

升级的时候不要插入任何外置 USB 设备，包括拓展坞，否则有可能出现问题。

按照你想到的这两种方法，我觉得第一种是可行的，定时扫描任务表，处理任务，然后删除或标记为已处理。
这样当你处理任务的时候，参与事务，如果任务处理失败，下一次定时扫描还可以重试（因为任务的删除操作或标记操作随着失败被一同回滚了，因此下一次执行仍然可以达成执行条件）。

取决于你目前现有的技术框架，如果增加一个这样的定时任务表很简单的话那就按照简单的来做。

这种是日志型数据，即追加写的方式记录全量数据，所以要用到日志型数据库 /消息队列，后续消费可以进行批量处理或者流处理，产生派生数据（即基于记录的全量日志数据衍生出来作为分析目的数据模型）。

就像楼上各位说的，可选的工具很多，如果是需要实时分析的，我个人可能会使用 kafka，然后用各种消费者去生成派生数据，可以根据规模对消息进行分区，这样做是为了将写入和计算并行处理，提高整体处理的吞吐量。

建议看一下数据库内的数据实际上到底有没有更新数据。
然后在检查方法缓存的问题。
另外如果两个操作不是在一个线程内同步进行的（顺序执行），在异步的情况下有可能会导致第二个比第一个先执行，虽然几率很小，但很多情况下都是由于微小的失误造成的。

读已提交并不会覆盖未提交的数据，而是覆盖了另一个已提交的数据。

一般来讲，在读已提交的隔离级别下，如果两个事务试图尝试对同一条记录进行更改，那么就会推迟第二个事务的写，直至第一个事务提交或终止，具体采用的就是行级锁。

比如，两个并发的请求，尝试对一个计数器增加 1 的操作，很显然其中一个需要等待另一个事务提交或终止。
A 读取了计数器，假设为 100，+1，写回。
B 读取了计数器，假设为 100，+1，写回。
两个事务在开始的时候都读取的 100，但是经过自己+1 之后，都是 101，在写回的时候就会出现问题（业务上正确的应该是 102 才对）。
实际上这种操作属于覆盖，在读和写之间并不是原子的，也就是一个事务覆盖了另一个事务的写，破坏了数据的完整性，这就是丢失更新问题。就像是在 Java 多线程并发编程中，如果你不把一个静态变量声明为 volatile，且在加锁的代码块里面再次判断这个变量是否等于之前已知的状态，就有可能会发生覆盖（原子比较+设置），例如 Java 的单例双重检查。

解决这个问题可以对行数据增加乐观锁版本号（也就是原子比较+设置），在事务中对写入结果进行判断，例如：
UPDATE counter SET count = 101, version = 1 WHERE version = 0
如果结果返回影响数据为 0 条（代码判断），则终止当前事务，防止发生覆盖。也可以用 SELECT FOR UPDATE，加独占锁，这样另一个事物在读取同一条数据的时候会被阻塞。

在不修改表的前提下，可以将 B 表的相关特征（例如需要排除的一些条件列）同步到 A 表的库中（也就是说在 ra 建立一张新的表，用于存储 rb 的 B 表的部分数据，这一部分数据就是 B 表的子集）。同步的时机取决于对延迟的要求，可以定时同步，或者在更新 B 表的时候立即同步。

同步过来的这些数据跟 A 表应该具有某种对应关系吧，例如包含 XX 值、或者有外键关联的信息，这样就可以直接用 SQL 去过滤 A 表的数据了。

早就卸载知乎了，另外账号资料信息全部改掉了，然后改了一个随机密码丢掉了。

https://www.tongyongpe.net/
制作简单，工具全

自己实现一个类加载器，加载不同 SDK 的 jar 可行性如何？
就是说把厂商 SDK 的 jar 当做文件资源，不直接通过 gradle 打包，而是使用动态加载的方式载入需要的依赖。

@gbj OK，有值的情况下又不一样了，这个涉及到属性命名策略（ PropertyNamingStrategy ）以及你使用的是什么 JSON 库，如果你使用的是 SpringBoot 默认没有配置的话，那么默认用的是 Jackson，命名策略好像是骆峰式。

你让前端把字段名大小写改一下，或者使用 @JsonProperty 注解你的 VO 字段。

包装类型默认为 null，你这里 Integer 、BigDecimal 因为没有默认值，所以这个结果是符合预期的。

@GGGG430
1 、NULL 值并没有比空字符串占用更多的空间，反倒是如果一个列本身用 NULL 是很自然的选择，但是强行给了一个默认值，那么这个默认值反而比 NULL 值所占用的空间更大。
2 、关于索引，如果索引的值本身就很稀疏，那么使用默认值来替代 NULL 并不会有什么帮助（ b-tree ）。
3 、还是那句话，取决于使用场景和数据库 /存储引擎，如果明确告诉你使用 NULL 就会有问题，那么这个时候才应该考虑是不是要做此类优化，提前优化是万恶之源，而且此类优化效果也是微乎其微的，只是它的不利影响被放大了。

数据库 /存储引擎有很多选择，版本也有很多，很多网上的奇淫技巧只针对于特定的版本有效，没有必要纠结在这些小问题上，国内很多公众号、技术文章现在基本上都是广告居多，颇有点中医理论的味道。

的确是有很多公司用统一的包装体来返回所有的数据，我个人认为这是没有必要的。
首先，在成功的情况下，code 和 message 是没有意义的，前端也只会取里面的 body 字段。
其次，在失败的情况下，body 字段一般都为 null 。
就先前面几位说的，如果在失败的情况下不使用 HTTP 4XX 状态码，而全部使用 200，对外部的监控 /采集系统来说也确实不太标准。
所以这个包装体在成功或者失败的情况下都存在冗余字段。
我们目前对于成功的请求（ 2XX ），只返回数据本身，不同的接口直接返回不同的数据。
失败的情况下才会返回统一的错误数据结构，比如 code 、message 。

NULL 值会影响索引？关于这一点我觉得还是要看场景，如果仅仅只是用空字符串或者 0 来替代 NULL 值，我觉得是没有必要的。也取决于用的什么数据库 /存储引擎。

+1 给自己洗脑，不要尝试通过意志力或者自制力，这样会很痛苦，而且大概率经受不住诱惑。
粗略认知到一件事情的好坏还不足以影响情感大脑对一件事情的进行彻底的反思，除非遇到重大转折点。
那么有没有一种没有痛苦的戒除不良习惯的好方法？
答案是有！
《暗时间》里面说，习惯之所以难以改变，是因为它是自我巩固的，越用越强，越强越用。能够从容的改变既有的习惯，靠的不是意志力或者自制力，而是知识。
《这本书可以帮助你戒烟》则是比较针对性的给你洗脑，值得一试。