1. Hbase读写原理
不同列族分别存在不同的文件夹里。
与MySQL比较
首先Hbase是依赖于HDFS和zookeeper的。
Zookeeper分担了Hmaster的一部分功能，客户端进行DML语句的时候，都是先跟ZK交互。
RegionServer管理了很多的Region（表），RegionServer里面的WAL(HLog)是预写入日志，功能是防止内存中的数据没有来的及落盘时丢失。在Region里面管理的Store管理的是列族，Store里面有Mem Store（内存），Flush之后，删除内存中的数据，同时写入文件StoreFile Hfile,Hfile 其实是在DataNode里面的。
Hbase的读比写慢。
Hbase命名空间下有一张元数据表meta表和namespace表。meta表里面保存了要操作的表所在的位置等元数据。
（1）首先客户端向zk请求元数据表所在的RegionServer，zk返回给客户端meta表所在的regionServer。
（2）然后客户端再去对应的RegionServer查找meta表，找到真正要操作的表所在的regionServer，同时把meta表的信息缓存下来，加快后续的查询。
（3）然后客户端再向目标表所在的RegionServer发送put请求。先把数据写到Hlog里面，再写到内存MemStore,数据会在内存排序，然后向客户端发送ack，到这里对于客户端来说写数据已经结束了。再等到MemStore的刷写时机后，将数据刷写到Hfile.
注：meta表所在的位置信息保存在zk的meta-region-server节点上，客户端首先就是在这个节点上差询meta表所在的RegionServer。meta表里面的信息就是表与其对应的RegionServer的信息
这个stu表可能不止一条，因为stu表可能数据量大了之后根据RowKey进行了切分，并且可能会在不同的机器上。
不同的列族是在不同的文件夹。
MemStore刷写时机：
全局的MemStore的容量，默认是堆内存的40%。这个容量值会触发flush操作，所有的MemStore都要刷写，flush操作会阻塞读写操作。
会刷写并阻塞到到MemStore大小降到它的最大容量的95%
WAL日志的刷写时机：
可以设置日志的大小和数量，当达到一定数量，刷写到HDFS
（1）从zk找meta表所在的RegionServer
（2）从上述RegionServer里的meta表里找目标表所在的RegionServer，同时把meta表缓存，加速后面的查询。
（3）向目标表所在的RegionServer发送get请求。可以从block Cache，MemStore还有StoreFile里面查，具体从哪查根据时间戳，查时间戳大的，具体就都查然后merge取最新。
RegionServer里面有block Cache可以缓存磁盘的数据，加速查询。如果block Cache里面有，就将缓存和MemStore的数据merge然后取最新时间戳，没有就是把磁盘读的和MemStore里面的合并。所以hbase大多数读要走磁盘，所以读很慢。
每次刷写会生成新的Hfile，Hfile很小并且数量多的时候会影响查询的速度。所以要进行合并。合并分为minor Compaction和major Compaction
minor Compaction将临近的若干较小的Hfile合并成一个较大的Hfile，不会清理过期和删除的数据，major Compaction会将一个Store里面的所有Hfile合并成一个大的Hfile，并且会清理掉过期和删除的数据。
数据的读写可以不依赖Hmaster，只需要指定zookeeper，但是Hmaster负责region调度的元数据
但是DDL语言是要有Hmaster的
Flush和major Compact
（1）flush在同一个内存中清除过期或删除（删除标记也是一行数据）的数据，但是如果数据不同的版本分布在不同的memStroe，就不能清除。删除的标记在flush之后不会被删，但在后面的major compaction会把删除标记删除掉。
（2）major compaction 会清除过期或删除的数据。
默认情况下，每个Table起初只有一个Region，随着数据的不断写入，Region会自动拆分，两个子Region开始都会在一个Regionserver里面，但是出于负载均衡的考虑，Hmaster有可能会将某个Region传给其他的RegionServer。
Split的时机：
（1）当一个Region中的某个Store下的StoreFile的总大小查过某个值，由参数hbase.hregion.max.filesize设定（默认10g），该Region就会按照RowKey进行拆分。
（2）在新版本中这个值是Min（R^2*"hbase.hregion.memStore.flush.size（128M）","hbase.hregion.max.filesize"）,R是当前RegionServer中属于该Table的Region个数。分region是按照RowKey切分的。这会导致数据倾斜，就是因为切分的阈值在变化，导致切分之后的region数据量不均匀，导致热点的问题。所以在建表的时候要做预分区，就是用RowKey规划好多少个region，不让hbase自己的切分逻辑切分。
官方建议只用一个列族，防止不同的列族之间数据不均匀，单一列族数据量增多，导致全局的flush，数据量小的列族也要flush，这样会形成很多小的storeFile。
delete操作：
（1）设置RowKey：打的删除标记是deleteFamily，删除多个版本
（2）设置RowKey+Family：打的标记是deleteFamily，删除多个版本
（3）设置RowKey+family+column：有addColumn()和addColumns().addColumn是删除最新的版本或者删除指定时间戳的版本，删除标记是delete标记。addColumns是删除所有的版本或者删除指定时间戳或之前的版本，删除标记是deleteColumn
Delete的操作其实也是put操作，put的是删除的标记。
在Hbase中HMaster负责监控HRegionServer的生命周期，均衡RegionServer的负载，如果HMaster挂掉了，那个整个Hbase集群将处于不健康的状态，并且此时的工作状态不会维持太久。所以Hbase支持对HMaster的高可用配置。
在Hbase的conf目录下新建backup-masters文件，vim加入备份Master，比如slave01,slave02.在把文件分发到各个slave里，然后再启动hbase 就能实现HMaster的高可用了。
每一个region维护着StartRow和EndRow，如果加入的数据符合某个region维护的RowKey范围，则该数据交给这个region维护。那么依照这个原则，我们可以将数据所要投放的分区提前大致的规划好，以提高Hbase性能。
（1）手动设定预分区
手动设置RowKey分了5个region
（2）生成16进制序列预分区
（3）按照文件中设置的规则预分区
创建split.txt
然后执行
这里如果文件里面给的分区键不是按照顺序的，hbase会先帮我们把键排序，然后按照键来分区。
（4）使用JavaAPI预分区
admin的创建表的方法有多个重载，可以只传表的描述，也可以加入分区的信息。admin.createTable
规划分区要考虑未来数据量和机器的规模。虽然提前做了分区，但是最后如果分区大于了10G,还是会触发split。假设一台机器有100G磁盘，那么预分区尽量大于10个，这样就能避免预分区之后又触发了大于10G的split。
（1）希望数据能够尽量均匀的分配在多个分区里面（散列性）。
（2）唯一性
（3）长度原则（生产环境70到100位）
常见的设计方案：
（1）生产随机数、hash、散列值
（2）字符串反转
（3）字符串拼接
电信项目：
一次通话的记录：13112341233->18998768771 2018-12-12 12:12:21 568
假设分300个区
分区键怎么设计：
（299个键）
000|
001|
...
298|
RowKey的前面一般会拼上000_,001_,...,298_
这样做的好处是，根据前三位就能知道哪个分区。
（1）我们希望手机号尽量分布在不同的分区，但是相同的手机号数据集中在同一个分区，这样方便查询某个用户的通话信息。000_13112341233
（2）因为每个人通话的需求不同，也希望把同一个人的通话记录也分布在不同的分区里面。000_13112341233_2019-12-12
哈希取余：[（13112341234^201912）.hash]%299
假设要查询某用户2019年2月的通话记录，可以用13112341234 201902做startRowkey，13112341234 201903做endRowKey
微博。
1、需求
（1）微博内容的浏览
（2）用户社交：关注用户，取关用户
（3）拉取关注人的微博用户
2、设计表
（1）微博内容表Content
行键：用户id+时间戳
（2）用户关系表
因为正常情况一个用户的粉丝和关注都不多，可以用一行存储关注和粉丝的情况。
行键：用户id
（3）初始化页面的表（显示关注的人的最近三条微博）
2. 【HBase】HBase 自动拆分和预分区
[TOC]
HBase 中，表会被划分为1...n 个 Region，被托管在 RegionServer 中。
Region 二个重要的属性：StartKey 与 EndKey 表示这个 Region 维护的 RowKey 范围，当读/写数据时，如果 RowKey 落在某个 start-end key 范围内，那么就会定位到目标region并且读/写到相关的数据。
默认，HBase 在创建表的时候，会自动为表分配一个 Region，正处于混沌时期，start-end key 无边界，所有 RowKey 都往这个 Region里分配。
当数据越来越多，Region 的 size 越来越大时，达到默认的阈值时（根据不同的拆分策略有不同的阈值），HBase 中该 Region 将会进行 split，会找到一个 MidKey 将 Region 一分为二，成为 2 个 Region。而 MidKey 则为这二个 Region 的临界，左为 N 无下界，右为 M 无上界。< MidKey 被分配到 N 区，> MidKey 则会被分配到 M 区。
随着数据量进一步扩大，分裂的两个 Region 达到临界后将重复前面的过程，分裂出更多的 Region。
Region 的分割操作是不可见的，Master 不会参与其中。RegionServer 拆分 Region的步骤是：先将该 Region 下线，然后拆分，将其子 Region 加入到 META 元信息中，再将他们加入到原本的 RegionServer 中，最后汇报 Master。
执行 split 的线程是 CompactSplitThread。
在 2.0.5 版本中，HBase 提供了 7 种自动拆分策略：
他们之间的继承关系如下：
有三种配置方法：
0.94.0 之前的默认拆分策略，这种策略非常简单，只要 Region 中的任何一个 StoreFile 的大小达到了 hbase.hregion.max.filesize 所定义的大小 ，就进行拆分。
1）相关参数：
hbase.hregion.max.filesize
2）部分源码 ：
拆分的阈值大小可在创建表的时候设置，如果没有设置，就取 hbase.hregion.max.filesize 这个配置定义的值，如果这个配置也没有定义，取默认值 10G。
3）拆分效果：
经过这种策略的拆分后，Region 的大小是均匀的，例如一个 10G 的Region，拆分为两个 Region 后，这两个新的 Region 的大小是相差不大的，理想状态是每个都是5G。
**ConstantSizeRegionSplitPolicy **切分策略对于大表和小表没有明显的区分，阈值（hbase.hregion.max.filesize）：
4）创建表时配置：
该策略继承自 ConstantSizeRegionSplitPolicy，是 0.94.0 到 2.0.0 版本的默认策略，其 优化了原来 ConstantSizeRegionSplitPolicy 只是单一按照 Region 文件大小的拆分策略，增加了对当前表的分片数作为判断因子 。当Region中某个 Store Size 达到 sizeToCheck 阀值时进行拆分，sizeToCheck 计算如下：
如果表的分片数为 0 或者大于 100，则切分大小还是以设置的单一 Region 文件大小为标准。如果分片数在 1~99 之间，则由 min(单一 Region 大小， Region 增加策略的初始化大小 * 当前 Table Region 数的3次方) 决定 。
Region 增加策略的初始化大小计算如下：
1）相关参数：
hbase.hregion.max.filesize
hbase.increasing.policy.initial.size
hbase.hregion.memstore.flush.size
2）部分源码：
在默认情况，使用 策略拆分 Region 的过程是:
3）拆分效果：
和 ConstantSizeRegionSplitPolicy 一样，也是均匀拆分。
不同的是， 切分策略弥补了ConstantSizeRegionSplitPolicy 的短板，能够自适应大表和小表，并且在大集群条件下对于很多大表来说表现很优秀。
但并不完美，这种策略下很多小表会在大集群中产生大量小 Region，分散在整个集群中。而且在发生 Region 迁移时也可能会触发 Region 分裂。
4）创建表时配置：
2.0 版本默认切分策略。SteppingSplitPolicy 是 的子类，其对 Region 拆分文件大小做了优化，如果只有1个 Region 的情况下，那第1次的拆分就是 256M，后续则按配置的拆分文件大小（10G）做为拆分标准。
1）相关参数：
同 。
2）全部源码：
它的源码只有一个方法，优化了 getSizeToCheck 方法，其他都是继承 自 类。
3）拆分效果：
在 策略中，针对大表的拆分表现很不错，但是针对小表会产生过多的 Region，SteppingSplitPolicy 则将小表的 Region 控制在一个合理的范围，对大表的拆分也不影响。
4）创建表时配置：
KeyPrefixRegionSplitPolicy 是 的子类，该策略除了具备其父类自动调整 Region 拆分阈值大小、适应大小表的特点外，增加了对拆分点(splitPoint，拆分点就是 Region 被拆分处的 RowKey)的定义，可以保证有相同前缀的 RowKey不会被拆分到两个不同的 Region 里面。
1）相关参数：
在 的配置之上增加了一个参数。
KeyPrefixRegionSplitPolicy.prefix_length
2）部分源码：
先从父类获取拆分点，如果设置了 prefixLength > 0，就从父类拆分点中截取需要的前缀作为新的拆分点返回。
3）拆分效果：
KeyPrefixRegionSplitPolicy （SteppingSplitPolicy、、BusyRegionSplitPolicy (HBase-2.x Only)）按照 RowKey 的前缀去拆分 Region，但是什么时候拆分，原 Region 容量的最大值是多少还是需要使用 的方法去计算 。
如果所有数据都只有一两个前缀，那么采用默认的策略较好。 如果前缀划分的比较细，查询就比较容易发生跨 Region 查询的情况，此时采用KeyPrefixRegionSplitPolicy 较好。
所以这个策略适用的场景是：
4）创建表时配置：
继承自 ，也是根据 RowKey 前缀来进行拆分的。不同就是：KeyPrefixRegionSplitPolicy 是根据 RowKey 的固定前几位字符来进行判断，而 是根据分隔符来判断的。
1）相关参数：
在 的配置之上增加了一个参数。
.delimiter
2）部分源码：
先找到分隔符下标位置，然后从父类的拆分点截取出来。
3）拆分效果：
根据 RowKey 中指定分隔字符做为拆分，显得更加灵活，如 RowKey 的值为“userid_eventtype_eventid”，userId 不是定长的，则 可以取 RowKey 值中从左往右且第一个分隔字符串之前的字符做为拆分串，在该示例中就是“userid”。
4）创建表时配置：
之前的策略都未考虑 Region 热点问题，考虑某些 Region 可能被频繁访问，负荷很大，BusyRegionSplitPolicy 策略同样继承自 ，但主要针对 Region 问题，是在 2.x 中新增加的拆分策略。
1）相关参数：
在 的配置之上增加了如下参数：
hbase.busy.policy.blockedRequests
hbase.busy.policy.minAge
hbase.busy.policy.aggWindow
2）部分源码：
在判断是否需要进行拆分的时候，先调用父类的 shouldSplit 方法检验，如果需要则直接返回 true，否则需要判断当前时间是否比开始时间大于 minAge 值，如果是的，则计算请求阻塞率 blockedReqRate，如果阻塞率大于设定的阈值，则进行拆分。
阻塞率的计算如下：
主要的计算逻辑是：请求的被阻塞率(aggBlockedRate) = curTime - prevTime 时间内新增的阻塞请求 / 这段时间的总请求。
3）拆分效果：
如果系统常常会出现热点 Region，又对性能有很高的追求，那么这种策略可能会比较适合。
它会通过拆分热点 Region 来缓解热点 Region 的压力，但是根据热点来拆分Region 也会带来很多不确定性因素，因为不能确定下一个被拆分的 Region 是哪个。
4）创建表时配置：
DisabledRegionSplitPolicy 就是不使用 Region 拆分策略，将所有的数据都写到同一个 Region 中。
1）全部源码：
源码很简单，就是直接返回 false。
2）拆分效果：
这个策略极少使用。
即使在建表的时候合理的进行了预拆分，还没有写入的数据的时候就已经手动分好了 Region，但是随着数据的持续写入，我预先分好的 Region 的大小也会达到阈值，那时候还是要依靠 HBase 的自动拆分策略去拆分 Region。
但这种策略也有它的用途：
假如有一批静态数据，一次存入以后不会再加入新数据，且这批数据主要是用于查询，为了性能好一些，可以先进行预分区后，各个 Region 数据量相差不多，然后设置拆分策略为禁止拆分，最后导入数据即可。
3）创建表时配置：
已经有自动分区了，为什么还需要预分区？
HBase 在创建表的时候，会自动为表分配一个Region，当一个 Region 达到拆分条件时（shouldSplit 为 true），HBase 中该 Region 将会进行 split，分裂为2个 Region，以此类推。表在进行 split 的时候，会耗费很多的资源，有大量的 io 操作，频繁的分区对 HBase 的性能有很大的影响。
所以，HBase 提供了预分区功能，让用户可以在创建表的时候对表按照一定的规则分区。
假设初始 10 个 Region，那么导入大量数据的时候，就会均衡到 10 个 Region 里面，显然比初始 1 个 Region 要好很多， 合理的预分区可以减少 Region 热点问题，提升写数据的性能和速度，而且也能减少后续的 split 操作 。
首先要明白数据的 RowKey 是如何分布的，然后根据 RowKey 的特点规划要分成多少 Region，每个 Region 的 startKey 和 endKey 是多少，接着就可以预分区了。
比如，RowKey 的前几位字符串都是从 0001~0010 的数字，这样可以分成10个Region：
第一行为第一个 Region 的 stopKey。为什么后面会跟着一个"|"，是因为在ASCII码中，"|"的值是124，大于所有的数字和字母等符号。
shell中建分区表
也可以通过指定 SPLITS_FILE 的值指定分区文件，从文件中读取分区值，文件格式如上述例子所示：
预分区后，可以从 HBase ui 页面观察到：
HBase API 建预分区表
为防止热点问题，同时避免 Region Split 后，部分 Region 不再写数据或者很少写数据。也为了得到更好的并行性，希望有好的 load blance，让每个节点提供的请求处理都是均等的，并且 Region 不要经常 split，因为 split 会使 server 有一段时间的停顿，随机散列加上预分区是比较好的解决方式。
预分区一开始就预建好了一部分 Region，这些 Region 都维护着自已的 start-end keys，再配合上随机散列，写数据能均等地命中这些预建的 Region，就能通过良好的负载，提升并行，大大地提高了性能。
hash + 预分区
在 RowKey 的前面拼接通过 hash 生成的随机字符串，可以生成范围比较随机的 RowKey，可以比较均衡分散到不同的 Region 中，那么就可以解决写热点问题。
假设 RowKey 原本是自增长的 long 型，可以将 RowKey 先进行 hash，加上本身 id ，组成rowkey，这样就生成比较随机的 RowKey 。
那么对于这种方式的 RowKey 设计，如何去进行预分区？
partition + 预分区
partition 顾名思义就是分区式，这种分区有点类似于 maprece 中的 partitioner，将区域用长整数作为分区号，每个 Region 管理着相应的区域数据，在 RowKey 生成时，将 id 取模后，然后拼上 id 整体作为 RowKey 。
1. HBase Region 自动拆分策略
2. hbase预分区
3. 无线路由！RTS 阈值、Beacon 周期设置多少可以加快路由性能
1、Beacon时槽
802.11协议中规定，beacon interval默认为100ms。一般不需要修改。如果在特别嘈杂的环境下接入无线网络，为避免扫描不到无线信号，可以适当调小beacon时槽。如果不反复关联无线路由，可以适当调大beacon时槽，同时也可以减少beacon空口占用，降低干扰。
2、RTS时槽和分片阈值最初RTS设计是为了避免隐藏节点，随后演变中，RTS和CTS的组合可以有效的减小干扰，尤其是在网络质量很差的环境下，设备会发送大量的RTS帧。RTS和分片阈值的结合，可以有效减少重传，提升网络传输质量。一般都是默认，不需要修改。
3、DTIM阈值这个是省电相关的参数，对电量比较在意的设备，如手机、平板，可以适当调大此参数，推荐不超过5。其他设备，就以默认1.
4、开启 WMM其实它还有一个称呼，叫做QOS，不过是无线侧的，它把空间流分为四个等级。开启此参数，一定程度会加快网速。
5、开启 Short GI提升速率的参数，开启之后，码片间隔由800ns减少为400ns，速率会有所提升。
4. 请教路由器 防DOS类攻击的阈值设置
350~650
5. 路由器的各种阈值怎么设置最合适
首先，这些值都保持默认就好，路由器厂商一般都已经选择了合理的值；第二，确实影响不大，没事折腾它干啥。Beacon时槽：发送beacon帧的间隔，网卡就是通过beacon帧来扫面到SSID的，设置太大扫描的时候会反应迟钝一点；设置太小的话会对性能有一点影响，不过目前一般都用11n，5G都11ac了，这点影响应该感受不到。默认应该是100.RTS时槽：RTS的作用相当于：要发言之前喊一声“我要发言了，大家都不要说话了！”，这么形容的话很容易理解了，如果设置的太小，相当于每次说话之前都喊一声，浪费时间，没必要；设置太大，就相当于一直不喊，如果你有很多话要说的话，就可能和别人冲突到（因为你不喊别人也能听到你说话，所以不一定冲突），冲突到就要重说。但目前实际干扰并不大，所以一般设成最大值。而且路由器一般都会在一次批量发送数据前发送RTS，并不是完全按照这个阈值，所以这个值的意义不大。
6. 防止雪崩的方法有哪些
1、频率限制：在接口入口处，甚至系统的入口处应该设置频率限制，为接口设置单位时间内最大的处理量，同时记录单位时间内已经处理的请求量，当请求量大于最大处理量的时候，直接拒绝外部的请求，保护内部系统的心脏承受能力。
2、超时丢弃：这里的超时是指请求从进入接收缓存区到接口从缓存区取出请求准备处理的时间超过了一定阈值（比如前端超时时间）。如果发生超时，则说明就算处理了取出的数据，前端也已经超时了，后端接口做的就是无用功，倒不如就在这里一次性丢弃。这里的缓存区指的是内核缓存区。
3、修改socket缓存区大小：根据接口处理能力和前端超时时间来设置socket缓存区大小，这样的话利用socket缓存区充当队列，超过队列长度的请求就直接被丢弃了，这样也可以防止系统雪崩。只是对用户不那么友好。有人给出的参考计算式：缓冲区大小=（前端超时时间-请求处理时间-前端网络延时*2）*(每秒最大处理请求数/1000)*请求包大小。
7. 微信卡顿阈值调节是怎么回事啊
用户可以通过调节微信性能卡顿阈值，让微信性能更加的合适，一般用于微信出现卡顿、运行缓慢、有时没有反应等这类的情况，我们只需要对“卡顿阈值”进行适当地调节，就能解决微信卡顿和掉帧问题。当然，如果你的手机性能比较好。
又不卡顿的话，设置调节之后并不会有明显的效果体现。默认情况下，微信卡顿阈值为“700ms”，如果阈值过低，微信就容易卡。当你觉得微信太卡顿，那么需要来看看这个数值，然后对其进行调节。首先打开手机微信，在通讯录界面。
点击右上方“+”按钮，弹出菜单窗口，选择“帮助与反馈”。来到帮助与反馈界面中，点击上方的修理图标，出现微信修复工具界面，选择“性能检测工具”。操作如下图所示：我们现在打开了Matrix工具界面，下方可以看到“卡顿阈值调节”选项。
拖动滑块即可调节阈值，越往右阈值就越高，可以试试调节到2000ms。设置以后再用微信，就会发现微信变更加流畅了。需要注意的是，不能为了追求一个高的阈值数值强行把它调上去导致数值不稳定，这样反而会让微信画面变得更加卡顿。
不过不得不说，这项功能隐藏得还挺深，按照习惯，微信的小+号都是用来加朋友、扫一扫或者发起群聊什么的，所以能够发现里面有一个微信修复工具也是不容易呀~希望教程可以帮助到各位。
8. 请问以下哪款笔记本配置有傲腾加速固态
傲腾本身就是噱头。并不比普通固态盘强到哪去
英特尔设计师聪明就聪明在这样傲腾+qlc比tlc+slc cache成本低，同样价格能多赚钱。
傲腾需要主板支持，最坑的其实是，其实只要主板支持，你用普通的固态硬盘一样可以做傲腾解决方案，而且，容量远超傲腾内存，价格方面也是更没什么话说。
傲腾方案就是利用主板提供的支持实现了热点数据的缓存，缓存机制可以安装傲腾驱动器后进行设定，比如文件大小范围，热点阈值。
通常正确的做法是1M-30M大小的文件使用傲腾加速。
这样傲腾16G大概可以缓存1000个左右的文件，最多也就一万个左右。
我们在使用傲腾解决方案，系统开机速度会有个明显的提升
但是Windows多大？估计系统就用了一半的缓存空间
你想提升游戏的启动响应？不会特别友好
毕竟一半的游戏5G以上，单个游戏文件，常用的，文件也不小
如果文件大小阈值过大，利用率就没啥优势了，也缓存不了多少文件
关键这货不便宜啊，一个32G的傲腾内存差不多就是300大洋
很明显，其实傲腾的出现，并不太适合家用，他更有价值的地方是服务器环境
因为网站有大量的碎片网页和图片文件，有固态加速，又有更大容量，完美
但是呢，无奈现在的CDN加速太牛逼了，自带缓存服务
有了这个，没人吃饱了给服务器上傲腾
英特尔重金打造的傲腾卖不出去了，咋办啊，这不得破产啊
于是就开始忽悠家用市场
内存级（实际并没用）速度+机械硬盘解决方案
结果吹了这么几年，不也没卖出去多少吗，因为他还只支持英特尔芯片，AMD也有类似的方案
实际上，缓存这种机制早就不是什么黑科技了，
16G傲腾在某宝也就几十块，你猜为啥，理论上傲腾可以有用的，可实际上就是没用。存在的意义在于一块硬盘配置两个主控，同时做两件对硬盘高负载的事情时候比传统660p那种qlc单主控固态有优势。
9. 无线路由！RTS 阈值、Beacon 周期设置多少可以加快路由性能
来来，给你解释下，网上的一般人看不懂
Fragmentation 阈值：
也就是数据包分片，就比如 你要拿一箱货物给别人，但是货物太大根本不好拿，你只能把大箱子换成2个小箱子分次的拿。
分片过小会造成路由器处理会效率降低，过大也会导致出错
一个数据包过大那么不得不分片， 互联网的最大传输单元是 1500
此值不得超过 1400 。
RTS 阈值：
为了防止在AP范围内却不在同一范围内的无线节点互相发送信号导致冲突所用
比如 你在马路开车，开到一个拐角，对方也开到一个拐角，如果你不鸣笛（发送RTS信号）的话对方也就不知道你的存在，这样极容易发生事故
当设为0表示只要发送数据包就要检测是否冲突，AP会发送RTS信号。
当设置为2347表示永远不会发送RTS信号，因为没有数据包大于2347这个值
当设为其他值 ：比如设为400， 只要一个数据包大小为410的数据包要发送时，因为410超过了400，路由就会发送RTS信号通知对方，以防信号冲突。
Beacon 周期：
简单的理解就是你手机所检测到的各种wifi，beacon会把这些无线网广播出去，你才能看到这
片区域有wifi连接。
周期就是广播这些wifi连接的时间间隔，默认是100 以微秒为单位。
DTIM周期：
简单的理解成一种数据多播的缓存时间，过了这个周期则会一起发送。
比如一个货车司机要运输货物到另外一地，你要保证货物（数据）正好满满囤积（一个周期）一卡车然后一起送出去，这样才能发挥最大的效率。
路由也类似，调的正正好能起到节电和传输速率都好的状态。
调小了起不到节电的作用，调大了传输效率会下降。
说白了默认是最好的，何必穷折腾？是吧。
10. 像素生存者2防御阈值
您好，您是问像素生存者2防御阈值是多少吗？像素生存者2防御阈值为20。通过像素生存者2攻略查询可得。像素生存者2防御阈值为20。因为只有像素生存者2防御阈值到达20以上，才可以进行地狱地图的挑战。因为角色防具太差，基本上会被地狱地图当中的野怪直接给秒掉。所以，玩家的角色防御属性在20点以上。