前面的一篇博文Makefile之大型工程项目子目录Makefile的一种通用写法介绍了大型项目子目录Makefile的一种通用写法，然而最近在写Linux网络方面的demo,一个目录下有几个文件，如果手工输命令显得太不专业了。于是按该博文的方法改编了一下Makefile，也当学习之用。该Makefile适用于一个C文件生成一个可执行程序的场景(代码片段3适用于多个C文件生成一个可执行程序)，使用该方法当工程目录内的文件有增删时无需对Makefile进行改动，可以说相当的智能。如果对patsubst、wildcard及subst函数不了解的话可参阅上述博文。同时在测试过程中，又发现了一种更简洁的写法，如代码片段2，应该是使用了某些隐式规则，由于项目较忙，还未来得及深入研究，先记录下来，等空下来再研究，还望路过大侠多多指点。
1：如果在当前目录中直接make的话使用下列代码：
#General Purpose Makefile by guoqingbo
objects := $(patsubst %.c,%.o,$(wildcard *.c))
executables := $(patsubst %.c,%,$(wildcard *.c))
all : $(objects)
$(objects) : %.o: %.c
gcc -c $< -o $@
gcc $< -o $(subst .o, ,$@)
clean :
@rm -rf *.o *~
@rm -rf ${executables}
.PHONY : clean2：后来发现下列代码也可以有相同效果，难道使用了什么隐式规则，还不是很明白，先记录下来：
#General Purpose Makefile by guoqingbo
CC = gcc
executables := $(patsubst %.c,%,$(wildcard *.c))
all : $(executables)
clean :
@rm -rf *.o *~
@rm -rf ${executables}
.PHONY : clean
3：多个C文件生成一个可执行程序的情况：#General Purpose Makefile by guoqingbo
CC = gcc
#source_file := $(wildcard *.c)
objects := $(patsubst %.c,%.o,$(wildcard *.c))
#executables := $(patsubst %.c,%,$(wildcard *.c))
target := client
#%.o : %.c
# gcc -c $< -o $@
all: $(target)
$(target): $(objects)
gcc $^ -o $@
clean:
rm -f *.o
rm -rf $(target)
.PHONY: clean查看端口：
ps -aux | grep tomcat
发现并没有8080端口的Tomcat进程。
使用命令：netstat –apn
查看所有的进程和端口使用情况。发现下面的进程列表，其中最后一栏是PID/Program name
发现8080端口被PID为9658的Java进程占用。
进一步使用命令：ps -aux | grep java，或者直接：ps -aux | grep pid 查看
就可以明确知道8080端口是被哪个程序占用了！然后判断是否使用KILL命令干掉！
方法二：直接使用 netstat -anp | grep portno
即：netstat –apn | grep 8080
查看进程：
1、ps 命令用于查看当前正在运行的进程。
grep 是搜索
例如： ps -ef | grep java
表示查看所有进程里 CMD 是 java 的进程信息
2、ps -aux | grep java
-aux 显示所有状态
ps
3. kill 命令用于终止进程
例如： kill -9 [PID]
-9 表示强迫进程立即停止
通常用 ps 查看进程 PID ，用 kill 命令终止进程
在实际生产开发中，遇到一些多节点共存，需要选主，并且要实现HA自动容错的场景，思考了写方法拿出来和大家分享一下。
系统中有很多应用场景要类似主从架构，主服务器(Master)对外提供服务，从服务器(Salve)热备份，不提供服务但随时活着，如果Master出现宕机或者网络问题，Slave即可接替Master对外服务，并由Slave提升为Master(新主)。典型的多节点共存，但只能同时存在一个主，并且所有节点的状态能统一维护。
大家一定首先想到了著名的Paxos算法(http://baike.baidu.com/view/8438269.htm)。简单的说，Paxos通过每个节点的投票算法，来决议一个事情，当多余1/2个节点都投票通过时，Paxos产生一个唯一结果的决议，并通知各个节点维护这个信息。例如Paxos的选主，首先产生一个关于某个节点希望当Master的投票，然后各个节点给出反馈，最终Paxos集群维护唯一的Master的结论。Zookeeper就是Paxos的一种实现。这种场景最适合用zookeeper来选主，但zookeeper有个明显的缺点，当存活的节点小于zookeeper集群的1/2时，就不能工作了。比如zk有10各节点，那么必须满足可用的节点大于5才可。
在实际环境中，如果对Master要求不是那么严格的话，可以通过某些改进和取舍来达到目的。比如可能在秒级别允许Master暂时不能访问、选主时间内可能存在一定的冲突但通过再次选主即可。本人设计了一个简易的利用Mysql一致性和简易版Lease来workaround。
Mysql ACID保证了一条数据记录的一致性、完整性，不会出现多进程读写的一致性问题和唯一正确性。Lease协议(协议细节可以Google之)通过向Master发送一个lease(租期)包，Master在这个lease期之内充当主角色，如果lease期到了则再次去申请lease，如果lease期到了，但是网络除了问题，这时Master可以i主动下线，让其他节点去竞选Master。举个例子，三个节点A、B、C经过第一轮选主之后，A成为Master，它获得了10秒的lease，当前时间假设是00:00:00，那么它Master地位可以用到00:00:10，当时间到达00:00:10时，A、B、C会重新进行Master选举，每个节点都有可能成为Master(从工程的角度触发，A继续为Master的概率更大)，如果这时候A的网络断了，不能联通B、C的集群了，那么A会自动下线，不会去竞争，这样就不会出现“脑裂”的现象。
---------------------------------------------- 华丽的分割线 ----------------------------------------------
设计方案如下：(server代表集群中的一台机器，也可看作一个进程，server之间是平等的)
这其中比较棘手的问题是：
1、由于数据库访问和休眠的时间(lease的一半)，有时延的存在，要处理Mysql异常、网络异常。
2、可能存在同时抢占Master的server，这个时候就需要一个验证机制保证为抢到Master的server自动退位为Slaver
下面给出图实例 ：（10.0.0.1为Master）
10.0.0.1 crash了。mysql中维护的10.0.0.1的主信息已过期，其他节点去抢占
各个节点再次读取数据库，查看是否是自己抢占成功了：
之后，10.0.0.3作为Master对外服务。此时如果10.0.0.1重启，可作为Slaver。如果10.0.0.1因为网络分化或者网络异常而不能维护心跳，则在超过自身lease时自动停止服务，不会出现“双Master”的现象。
每个Server遵循如下流程：
数据库设计：
某一时刻，数据库中Master的信息：
当前时间： 45分15秒
当前Master Lease ：6秒
当前Master Lease可用到： 45分21秒
---------------------------------------------- 华丽的分割线 ----------------------------------------------
3、适用的场景
一、生命周期内可使用Mysql、并且各个server之间时间同步。
二、需要集群中选出唯一主对外提供服务，其他节点作为slaver做standby，主lease过期时竞争为Master
三、对比zookeeper，可满足如果集群挂掉一半节点，也可正常工作的情况，比如只有一主一备。
四、允许选主操作在秒级容错的系统，选主的时候可能有lease/2秒的时间窗口，此时服务可能不可用。
五、允许lease/2秒内出现极限双Master情况，但是概率很小。
---------------------------------------------- 华丽的分割线 ----------------------------------------------
4、Java语言实现描述
一些配置信息和时间相关、休眠周期相关的时间变量
final long interval = lease / intervalDivisor;
long waitForLeaseChallenging = 0L;
lease = lease / 1000L;
long challengeFailTimes = 0L;
long takeRest = 0L;
long dbExceptionTimes = 0L;
long offlineTime = 0L;
Random rand = new Random();
Status stateMechine = Status.START;
long activeNodeLease = 0L;
long activeNodeTimeStamp = 0L; 数据库异常的处理：
KeepAlive keepaliveNode = null;
try {
/* first of all get it from mysql */
keepaliveNode = dbService.accquireAliveNode();
if (stateMechine != Status.START && keepaliveNode==null)
throw new Exception();
// recount , avoid network shake
dbExceptionTimes = 0L;
} catch (Exception e) {
log.fatal("[Scanner] Database Exception with times : " + dbExceptionTimes++);
if (stateMechine == Status.OFFLINE) {
log.warn("[Scanner] Database Exception , OFFLINE ");
} else if (dbExceptionTimes >= 3) {
log.fatal("[Scanner] Database Exception , Node Offline Mode Active , uniqueid : " + uniqueID);
stateMechine = Status.OFFLINE;
dbExceptionTimes = 0L;
offlineTime = System.currentTimeMillis();
online = false;
} else
continue;
}总的循环和状态机的变迁：
while (true) {
SqlSession session = dbConnecction.openSession();
ActionScanMapper dbService = session.getMapper(ActionScanMapper.class);
KeepAlive keepaliveNode = null;