本文是分布式系统系列第一篇文章，介绍了事务，和在分布式系统中面临的事务挑战。介绍了一些现有的理论和解决算法

本文是分布式系统系列之二，简单讨论下，在分布式系统中，数据如何分布。日常使用的数据中间件，例如Redis、zookeeper、各种数据库、ElasticSearch、kafka都有集群模式，而集群模式就涉及到数据的分片，和备份。分片涉及到分片算法，而备份就涉及到一致性问题

介绍Spring中@TransactionalEventListener的使用场景，和针对事务一致性的解决方案

这里结合我自身的学习经历，和最近的学习感触，简单聊一下，我对学习这件事情的看法

之前业务接触的开放API使用了数字签名进行加密和验证，在查看代码的过程中，又好奇之前看的HTTPS的验证过程。这里简单从两个服务信息交互的信息安全，一步步了解加密、数字签名的必要性，初步介绍下HTTPs的实现

最近有一个实际的场景需求，需要实时统计总数，于是想到了flink，从入门到实战，整个过程中一直不断的思考实际业务中的问题，在flink中如何解决，与kafka-stream的对比和spark的对比等等。 整个思考和写出demo的过程中，对window机制有了深入的了解，并通过阅读flink java client的源码，了解了其trigger的实现。 本文从实际需求出发，通过提出问题解决问题，结合源码了解flink。

鉴于之前在网上搜索相关spring-kafka的教程，有些杂乱，没有头绪，所以参考Spring-kafka的文章，尝试总结一下。 记得有一句话：不要阅读二手的资料，对于框架来说，最好的资料就是文档（当然不排除有些文档写的不好，没有系统性or不全面），但是spring的文档相对来说都很全面，接触spring-kafka之初，就花了两三天全面读了一下文档，结合coding实践，快速了解了使用和常见的问题，强烈建议遇到问题的情况下，阅读一下原文档，能有一个更系统的认知