1.Nginx源码分析 - Event事件篇 - Nginx的源码Event事件模块概览
2.Golang源码分析Golang如何实现自举（一）
3.浅析源码 golang kafka sarama包(一)如何生产消息以及通过docker部署kafka集群with kraft
4.golang连接redis？
5.Nginx源码分析 - HTTP模块篇 - HTTP模块的初始化
6.从零开始构建向量数据库：Milvus 的源码编译安装（一）

Nginx源码分析 - Event事件篇 - Nginx的Event事件模块概览

       深入分析Nginx的Event事件模块，从nginx_event.c文件中开始理解事件分发器ngx_process_events_and_timers的源码机制。在前一章中，源码我们已经触及到事件模块的源码一些基础概念，通过这个函数，源码我们能见到Nginx事件流程的源码webserver源码启动。

       本章将全面解析Nginx的源码event模块，对不熟悉网络IO模型的源码读者，建议先学习这一领域知识。源码同时，源码对于Linux下的源码epoll模型若感到陌生，请先进行深入学习。源码一切准备工作完成后，源码我们便可以开始深入探究。源码

       在event模块中，源码几个常见且至关重要的数据结构包括：

       1. ngx_listening_s：此结构专门用于管理监听连接的socket。

       2. ngx_connection_s：存储与连接相关的数据及读写事件。

       3. ngx_event_s：封装了事件处理的相关信息。

       为了帮助大家更深入地理解Nginx源码，推荐以下视频内容：

       视频一：从9个组件开始，教你如何高效阅读nginx源码。

       视频二：深入理解epoll的原理与使用，以及它相较于select/poll的优越性。

       视频三：探讨红黑树在不同场景中的应用，从Linux内核到Nginx源码的关联。

       推荐免费学习资源：Linux C/C++开发（涵盖后端/音视频/游戏/嵌入式/高性能网络/存储/基础架构/安全等领域），获取方法如下：加入群获取C/C++ Linux服务器架构师学习资料（包括C/C++、Linux、golang技术、Nginx、ZeroMQ、MySQL、snownlp情感分析 源码Redis、fastdfs、MongoDB、ZK、流媒体、CDN、P2P、K8S、Docker、TCP/IP、协程、DPDK、ffmpeg等资料），免费分享。

Golang源码分析Golang如何实现自举（一）

       本文旨在探索Golang如何实现自举这一复杂且关键的技术。在深入研究之前，让我们先回顾Golang的历史。Golang的开发始于年，其编译器在早期阶段是由C语言编写。直到Go 1.5版本，Golang才实现了自己的编译器。研究自举的最佳起点是理解从Go 1.2到Go 1.3的版本，这些版本对自举有重要影响，后续还将探讨Go 1.4。

       接下来，我们来了解一下Golang的编译过程。Golang的编译主要涉及几个阶段：词法解析、语法解析、优化器和生成机器码。这一过程始于用户输入的“go build”等命令，这些命令实际上触发了其他内部命令的抓html网页源码执行。这些命令被封装在环境变量GOTOOLDIR中，具体位置因系统而异。尽管编译过程看似简单，但实际上包含了多个复杂步骤，包括词法解析、语法解析、优化器、生成机器码以及连接器和buildid过程。

       此外，本文还将介绍Golang的目录结构及其功能，包括API、文档、C头文件、依赖库、源代码、杂项脚本和测试目录。编译后生成的文件将被放置在bin和pkg目录中，其中bin目录包含go、godoc和gofmt等文件，pkg目录则包含动态链接库和工具命令。

       在编译Golang时，首先需要了解如何安装GCC环境。为了确保兼容性，推荐使用GCC 4.7.0或4.7.1版本。通过使用Docker镜像简化了GCC的安装过程，使得编译变得更为便捷。编译Golang的命令相对简单，通过执行./all即可完成编译过程。

       最后，本文对编译文件all.bash和make.bash进行了深入解析。all.bash脚本主要针对nix系统执行，源码转为qt程序而make.bash脚本则包含了编译过程的关键步骤，包括设置SELinux、编译dist文件、编译go_bootstrap文件，直至最终生成Golang可执行文件。通过分析这些脚本，我们可以深入了解Golang的自举过程，即如何通过go_bootstrap文件来编译生成最终的Golang。

       总结而言，Golang的自举过程是一个复杂且多步骤的技术，包含了从早期C语言编译器到自动生成编译器的转变。通过系列文章的深入探讨，我们可以更全面地理解Golang自举的实现细节及其背后的逻辑。本文仅是这一过程的起点，后续将详细解析自举的关键组件和流程。

浅析源码 golang kafka sarama包(一)如何生产消息以及通过docker部署kafka集群with kraft

       本文将深入探讨Golang中使用sarama包进行Kafka消息生产的过程，以及如何通过Docker部署Kafka集群采用Kraft模式。首先，我们关注数据的生产部分。

       在部署Kafka集群时，我们将选择Kraft而非Zookeeper，通过docker-compose实现。集群中，理解LISTENERS的含义至关重要，主要有几个类型：

       Sarama在每个topic和partition下，会为数据传输创建独立的goroutine。生产者操作的起点是创建简单生产者的方法，接着维护局部处理器并根据topic创建topicProducer。

       在newBrokerProducer中，run()方法和bridge的匿名函数是关键。它们反映了goroutine间的云黑系统源码巧妙桥接，通过channel在不同线程间传递信息，体现了goroutine使用的精髓。

       真正发送消息的过程发生在AsyncProduce方法中，这是数据在三层协程中传输的环节，虽然深度适中，但需要仔细理解。

       sarama的架构清晰，但数据传输的核心操作隐藏在第三层goroutine中。输出变量的使用也有讲究：当output = p.bridge，它作为连接内外协程的桥梁；output = nil则关闭channel，output = bridge时允许写入。

golang连接redis？

       Go语言与Docker操作Redis

       当然，除了可以管理本地的Docker，我们同样也可以通过使用Golang+DockerAPI管理远程的Docker。

       把编辑器配置成在编辑存档的时候自动运行gofmt，这样在编写代码的时候可以随意摆放位置，存档的时候自动变成正确排版的代码。此外还有gofix，govet等非常有用的工具。执行性能好。

       准备redis镜像Redis官方已经提供了Redis2和3的镜像，都可以用来作为Redis集群的镜像，2是稳定版本。目前官方推出了alpine版本的Redis镜像，alpine镜像的优势是体积小。

       快速实现Docker到Redis的连接首先运行下面命令，从DockerHub拉取Redis镜像：$dockerpullredis运行上面的命令下载镜像，Dockerdaemon会自动输出该Redis镜像的来源信息、下载状态，下载完成之后系统也会显示最终状态信息。

       配置Dockerfile我们需要通过Dockerfile来配置我们的docker镜像。

       与Redis安装方式类似，不过这里获取的是指定版本的MySQL。

       MySQL与Redis数据库连接池介绍(图示+源码+代码演示)

       数据库连接池（Connectionpooling）是程序启动时建立足够的数据库连接，并将这些连接组成一个连接池，由程序动态地对池中的连接进行申请，使用，释放。

       连接池的使用不但解决了mysql在高并发情况下宕机问题，还额外提高了性能。因为和mysql建立连接，消耗较大。使用连接池只需要连接一次mysql。永不断开，需要程序常驻内存，这就需要借助swoole实现。

       1）读Redis：热数据基本都在Redis2）写MySQL：增删改都是操作MySQL3）更新Redis数据：MySQ的数据操作binlog，来更新到RedisRedis更新。

Golang使用redis阻塞读brpop实现即时响应并发执行

       主要利用redis的brpop阻塞读和Golang的goroutine并发控制以及os/exec执行程序，实现队列有数据就立即执行对应程序并把结果set任务key。

       这是因为Redis底层存储的数据本质都是string类型，。无论是HMSET还是MSET最终都只能按照string类型读取，因为其本质都是hash结构，不同之处仅在于HMSET是嵌套的hash类型。

       针对这个问题，应尽量控制协程创建，对于长连接这种应用，本身已经有几百万并发协程情况下，很多情况没必要在各个并发协程内部做异步io，因为程序的并行度是有限，理论上做协程内做阻塞操作是没问题。

       第二个重要指标：消息系统的内存使用量指标这一点上，使用go语言情况下，由于协程的原因，会有一部分额外开销。但是要做两个推送系统的对比，也有些需要确定问题。

Nginx源码分析 - HTTP模块篇 - HTTP模块的初始化

       本章开始深入分析Nginx的HTTP模块，重点关注初始化过程。

       HTTP模块初始化主要在src/http/nginx_http.c文件中的ngx_http_block函数完成。

       理解HTTP模块初始化前，先审视nginx.conf中HTTP大模块配置。配置包括四层结构，最外层的http模块是核心模块，类型NGX_CORE_MODULE，属于Nginx的基本组件。

       核心模块启动时，会调用http模块配置解析指令函数：ngx_http_block。通过该函数解析配置文件，实现初始化。

       在阅读本章前，建议回顾Nginx源码分析 - 主流程篇 - 解析配置文件，以便更好地理解配置文件解析过程。

       接下来，将详细解析ngx_http_block函数，重点关注其在初始化过程中的作用。下一章将深入探讨：ngx_http_optimize_servers。

       对于希望深入学习Linux C/C++开发、后端、音视频、游戏、嵌入式、高性能网络、存储、基础架构、安全等领域的读者，推荐免费学习资源：Linux C/C++开发（后端/音视频/游戏/嵌入式/高性能网络/存储/基础架构/安全）。关注群获取学习资料（资料涵盖C/C++、Linux、golang技术、Nginx、ZeroMQ、MySQL、Redis、fastdfs、MongoDB、ZK、流媒体、CDN、P2P、K8S、Docker、TCP/IP、协程、DPDK、ffmpeg等），免费分享。

从零开始构建向量数据库：Milvus 的源码编译安装（一）

       在知乎上新开了关于“向量数据库”内容的专栏[1]，本文将详细介绍如何在x和ARM架构的Linux系统上编译安装开源项目Milvus，这个项目由Linux Foundation AI & Data基金会支持，常与Weaviate和Elasticsearch相提并论[2][3]。

       由于Milvus主要在GitHub进行开发，中文网络中关于编译安装的教程很少，且大多是过时的1.x版本资料，而Milvus的版本迭代迅速，目前主要提供Docker容器安装，本地开发者或追求透明度的开发者可能会觉得不够友好。本文将从头开始，逐步引导你进行编译安装。

       前置准备

       在开始前，需要确保操作系统、开发环境和必要的依赖已经准备妥当。Linux作为主力生产环境，本文将重点介绍在Ubuntu上编译。macOS和Windows上的步骤类似，但这里主要针对Linux。

       操作系统

       推荐使用Ubuntu，无论是服务器、容器基础镜像，还是个人笔记本。具体配置和安装细节可以参考我在其他文章中介绍的《笔记本上搭建Linux学习环境》[6]。

       开发环境

       Milvus主要使用Golang编写，同时包含C++代码。确保Golang和C++环境可用，参考《搭建Golang开发环境》[8]，并注意Milvus官方推荐的版本。

       源码获取

       获取Milvus源码有两种方式：Git Clone或下载压缩包，其中Git Clone可能需要借助国内镜像加速。具体步骤包括设置代码仓库的上游，确保代码同步。

       编译基础依赖

       项目依赖OpenBLAS加速向量计算，详细安装步骤在《走进向量计算：OpenBLAS编译》[]中有详述。

       准备构建依赖：cmake

       确保cmake版本至少为3.，Ubuntu .需手动安装，而Ubuntu .可直接使用apt。不同版本可能有差异，注意官方文档推荐的版本。

       额外依赖：clang-format和clang-tidy

       项目代码中需要clang-format和clang-tidy，Ubuntu .和.的安装方式各有不同，务必安装正确版本以保持和官方构建一致。

       编译 Milvus

       切换到 Milvus 代码目录，执行make命令编译。整个过程可能耗时，但完成后将在./bin/目录下找到可执行文件。

       总结

       本文详细介绍了在Ubuntu .和.环境中编译安装Milvus的步骤，包括操作系统、开发环境和依赖的安装。后续文章将深入探讨容器镜像构建优化以及在MacOS上的安装指南。

       期待你的反馈，如果觉得有用，请点赞和分享。如有任何问题或需要更新，请关注后续内容更新，感谢支持！