Random / Math.random() / ThreadLocalRandom

java.util.Random

java.util.Random 亂數演算法會依賴 seed 數值產生亂數，並在產生亂數後重新產生 seed，
在 Multi-thread 下為了保證在各Thread取到不同的亂數， java.util.Random 在實作上使用 optimistic locking 來同步更換 seed ，問題是若所有Thread都使用同個Random物件產生亂數，在大量競爭下會造成不斷的loop計算，進而產生效能問題

TOTP authentication demo 開發工具與佈署環境(Heroku)

延續前篇 使用 TOTP 與 Google Authenticator 實作 Two-Factor authentication ，此篇說明使用到的工具與相關心得

Application
Back-end

• Java
• slf4j
• Apache commons-codec
• Spring framework 3.1

嘗試了些新版的功能
1. Java-based configuration 覺得一般使用沒比 XML schema-based 好用，做框架設計的時候會比較實用，動態組裝、設定樣版、模組化，不知道還能怎麼運用
2. Environment API 在啟動時依系統參數來區分"開發"或"佈署環境"的Profile，用於載入不同的 bean definition，若沒指定啟動參數則為 default 的 profile

e.g. JAVA_OPTS => -Dspring.profiles.active=heroku

• Zxing

Google 的 QRCode library，在這用來產生 QRCode image 傳遞 secret key

• Jedis

Redis Client 端的 Java Library

• AspectJ

在這用來做 redis 的連線控制，避免階層操作下佔用多組連線

• TOTP Algorithm

基於 RFC6238：TOTP: Time-Based One-Time Password Algorithm 附錄程式並做了些簡化

Front-end

• Spring MVC

試用 Servlet 3.0 免宣告 web.xml 的功能，但從 Tomcat 搬到 Jetty 遇到些問題，在 Jetty 的根目錄(/) 會被 DefaultServlet 覆蓋， 導不到 spring mvc的DispatcherServlet，不想多加 Filter 只好換回 web.xml

• Jackson Json
• JQuery
• Bootstap

Twitter 開發的前端工具庫

[Java Performance]Chapter 3:JVM Overview

這篇談JVM的概觀與各元件用途與描述HotSpot VM在各元件上的優化技術

HotSpot VM High Level Architecture

JVM 有三個主要元件：

• VM Runtime
• JIT Compiler
• Memory manager

使用 TOTP 與 Google Authenticator 實作 Two-Factor authentication

在食衣住行育樂都需要的網路的時候，現代人擁有許多網路帳號，但能記憶的帳號密碼通常只有少數組合，當遇到密碼外洩(e.g.資料庫外洩、病毒側錄密碼)，相對的也影響了使用共同帳密的網路服務，對今日資安事件逐漸從惡作劇變往金融犯罪的趨勢，帳號有操作功能，個資，身份(實名化)，對盜竊者來說帳號密碼可以產生許多價值。

帳號盜用除了個人影響外，間接牽連的還有親友與網路服務提供者，對網路服務提供者而言，帳號盜用是會提高營運成本與降低使用者信賴度的麻煩事，因此面對使用者規模與服務品質，強化帳號安全逐漸成為不可忽視的事情，Google 於去年底開始提供 2-step verification 做多層次的帳號驗證，別於以往硬體 OTP 的方式，透過 Smartphone 使用軟體(i.e Google Authenticator) 來規模化佈署。

目前得知使用類似軟體驗證機制的服務提供者有

• Google Account
• Amazon AWS Account 
• Battle.net  
• Dropbox

在 Server 端的實作驗證流程不難，未來可能會變成一種常見的帳號驗證方法。

以下參考國外部落格文章與 Google Authenticator Android原始碼 實作 Two-Factor authentication 驗證流程，並釋出伺服器端原始碼。

[Java Performance]Chapter 2:Operating System Performance Monitoring

這篇談到如何在作業系統層級搜集數據(CPU、Memory、Network I/O、Disk I/O)，從數據中分析可能的效能問題

名詞定義：

• Performance monitoring： 使用非侵入式的方法從作業系統或應用程式搜集、觀察數據，如使用作業系統提供的工具(e.g. vmstat)搜集效能數據，但不會影響應用程式的行為與效能，這方法適用於大部份的環境(production / development/ testing ...)使用
• Performance profiling： 使用侵入式方法搜集較特定目標數據，如某method的total cpu time/輸入參數，但可能會調整到應用程式行為或者降低效能，這方法比較適用於development/ testing 環境
• Performance tuning： 通常是 monitoring與profiling之後，發覺問題進而修改程式碼 / 設定參數，增進應用程式效能