@alen0206 因为 GC 调优是整体调优的末末端。而且 G1 和 ZGC 已经没啥参数可调了。了解 GC 原理还是很有价值的。

需求场景是两个问题：
1. 是否要把这部分逻辑从主系统解耦出来。
2. 怎样加快这部分业务的处理速度，减少资源占用，包括但不限于可以任意扩容的分布式、异步 IO 等等。
如果是我的话，个人对 Flink 比较熟悉，可能会选择解耦后用 Flink 来处理，Flink 解决了分布式、一致性容错等问题。
akka 解决的是异步 io 并发量问题，楼上 akka 的方案应该也是可行的。看你对哪个工具比较熟悉了。

这俩不是一个层面的东西。JVM 的程序计数器是一个抽象的逻辑层概念。

class 也是对象，放在 metaspace 。

性能损耗是必然的啊。真要说起来，容器化虚拟化技术本来就都有性能损耗。

“而且每往下一层，元素数量指数级递减，冲突概率也会递减。并不会出现你说的无限循环”
哈？哈？哈？冲突概率递减会变成数学意义上的 0 吗？无限趋近于 0 是 0 吗？只要不为 0 就还要考虑冲突。
计算机底层都是数学，你看到的经典数据结构都是发了论文经过严格论证的。
思而不学则殆。
莫回复我，看着糟心。

有没有一种可能，你的测试场景、测试手段都有问题？（狗头

多少有点民科的味道了。
hashmap 本意是用来解决数组和链表的访问效率问题。有冲突就 hash ，算法更复杂不说，相比链表法效率低多少？ hash 算法相比的 equal 效率降低多少？
理论会存在 N 层 hash 后依然会冲突的 key ，你怎么解决？继续 hash 变成无限递归爆栈吗？

哈哈哈哈哈哈，op 再过两年回头看看自己的帖子（手动狗头。

其实对复杂业务场景的建模，写出优雅的代码，也是能力很重要的一部分。任何事情做多了都会乏味，看自己怎样找到乐趣。

你说的分布式场景，落地到业务无非也是在分布式场景下怎样更合理地 CURD 。

可以看看 https://coolshell.cn/articles/22173.html

ES 不适合处理你这种场景。如果数据量特别大，建议上大数据工具。
应该把 A B 对应的 IP 所属地都加文档里，会好处理一些。

选成熟的经过验证的方案

这只是说明了 spring 在 Java web 领域一家独大而已。实际上整个大数据生态 hadoop 体系，从 yarn hdfs hive hbase 到 kafka flink 都是 Java 写的。还有 es pulsar 等等等。如果觉得还不够，再翻一翻 apache 顶级项目。

初学者总想证明自己现在掌握东西就是最好的，很正常。

1.用 arthas 应该是可以的。
2.把这个字段改成 final 并上线，通过流量复制手段复制线上服务请求，看报错堆栈。
但是代码真的能复杂到通过源码找不到一个 Config 类里的 static 变量是什么情况下被改变吗？有点怀疑。

response 也能注入啊，还真不知道...

这不是典型的发布 /订阅场景吗...如果不想用外部 MQ ，可以用 guava 的 EventBus 类似的东西，EventBus 支持异步。