东西向流量/南北向流量

通常在数据中心中,我们将其网络流量分为两种类型,一种是数据中心外部用户和内部服务器之间交互的流量,这样的流量称作南北向流量或者纵向流量;另外一种就是数据中心内部服务器之间交互的流量,也叫东西向流量或者横向流量。

南北向流量:指数据流量从数据中心进入和离开的流量,就是客户端和服务器之间,或者是用户与应用之间的这种通信流量。 当一个终端用户访问数据中心内的网站,产生的流量访问就是南北流量。

东西向流量:指数据中心内部的之间的流量,也就是服务器与服务器之间通信产生的流量,通常包括服务器之间的数据同步、备份和虚拟机的迁移,随着云计算、分布式应用和微服务架构的普及和推广,越来越丰富的业务对数据中心的流量模型产生了巨大的冲击,如搜索、并行计算等业务,需要大量的服务器组成集群系统,协同完成工作,这导致服务器之间的流量变得非常大,东西流量在数据中心占比越来越大。

南北向流量通常需要经过边界设备(如防火墙、负载均衡器)进行处理,而东西向流量则由服务网格内部的边车代理(如Envoy)进行处理。

南北向流量需要严格的身份验证、授权和防护措施,而东西向流量也需要身份验证和授权,但在某些情况下可能更注重加密通信。

PHP在PDF指定位置添加数字签名/图片

基本业务需求:按指定范本填充生成word文档,word转pdf后,在指定字符位置添加数字签名。

难点:获取pdf需要插入数字签名的坐标

使用到的第三方依赖:
phpoffice/phpword
tecnickcom/tcpdf
setasign/fpdi
smalot/pdfparser

- 阅读剩余部分 -

libpng warning: iccp: known incorrect sRGB profile

libpng警告 iCCP: known incorrect sRGB profile 通常出现在处理PNG图像时,这个警告表明在PNG文件中存在一个已知的不正确的sRGB配置文件(iCCP)。

原因分析
图像编辑工具问题:一些图像编辑工具可能会错误地添加或修改sRGB配置文件,导致libpng无法正确识别。
PNG规格要求:根据PNG规格,只有灰度图像可以有颜色类型为0或4的配置文件,而RGB图像只能有颜色类型为2、3或6的配置文件。如果不符合这些规则,就会出现警告。
特定场景下的应用:例如,在使用pygame开发游戏时,调用PNG格式图片会触发此警告。

- 阅读剩余部分 -

信息安全-数据安全(数据隔离与脱敏)

数据隔离与脱敏成为保障数据隐私和安全的关键措施,不仅满足法律法规要求,也可以防止数据泄露和滥用。

数据隔离通过网络、账户权限等策略严格控制敏感数据的访问权限,确保数据仅在特定的地点,并且是必要时方可被使用。数据脱敏则通过对敏感数据进行匿名化或屏蔽处理,使其在测试、开发等非生产环境中安全使用。以下将详细说明方法、相关场景及工具,以及注意事项。

- 阅读剩余部分 -

阿里巴巴MySQL规范(黄山版)

规范内容取自“阿里巴巴MySQL规范”(黄山版),发布时间为2022.2.3,开源。

第一部分:建表规范

【强制】规范一:是否字段

  1. 表达是否概念的字段,必须使用 is_xxx 的形式命名;
  2. 数据类型必须是 unsigned tinyint
  3. 1表示是,0表示否;

举例:是否删除

正确:使用is_deleted,1表示删除,0表示未删除

错误:deleted, if_deleted, delete_or_not

- 阅读剩余部分 -

CentOS7.8升级openssh1.0.2k-fips到9.8p1

基于安全原因需升级openssh版本到最新版,同时需对openssl的版本进行升级。为防止卸载ssh后可能无法访问服务器,需安装telnet-server保证ssh升级失败后可继续远程连接。(建议同时开启多个ssh窗口)

OpenSSH_7.4p1, OpenSSL 1.0.2k-fips 26 Jan 2017 升级为 OpenSSH_9.8p1, OpenSSL 1.1.1w 11 Sep 2023

- 阅读剩余部分 -

Redis 简介

Redis (Remote Dictionary Server) 是一个开源的高性能键值对数据库,它以其内存中数据存储、键过期策略、持久化、事务、丰富的数据类型支持以及原子操作等特性,在许多项目中扮演着关键角色。

与传统数据库不同的是 Redis 的数据是存在内存中的,所以读写速度非常快,因此 redis 被广泛应用于缓存,每秒可以处理超过 10 万次读写操作,是已知性能最快的 Key-Value 数据库。另外,Redis 也经常用来做分布式锁。除此之外,Redis 支持事务、持久化、LUA 脚本、LRU 驱动事件、多种集群方案。

- 阅读剩余部分 -

一致性hash

假如我们有三台缓存服务器编号node0、node1、node2,现在有3000万个key,希望可以将这些个key均匀的缓存到三台机器上,你会想到什么方案呢?

我们可能首先想到的方案,是取模算法 hash(key)% N,对key进行hash运算后取模,N是机器的数量。key进行hash后的结果对3取模,得到的结果一定是0、1或者2,正好对应服务器node0、node1、node2,存取数据直接找对应的服务器即可,简单粗暴,完全可以解决上述的问题。

- 阅读剩余部分 -