上一篇文章：互联网面试必杀：如何保证消息中间件全链路数据100%不丢失（2），我们分析了ack机制的底层实现原理（delivery tag机制），还有消除处理失败时的nack机制如何触发消息重发。 通过这个，已经让大家进一步对消费端保证数据不丢失的方案的理解更进一层了。 这篇文…

上篇文章：《面试大杀器：消息中间件如何实现消费吞吐量的百倍优化？》，我们分析了RabbitMQ开启手动ack机制保证消费端数据不丢失的时候，prefetch机制对消费者的吞吐量以及内存消耗的影响。 通过分析，我们知道了prefetch过大容易导致内存溢出，prefetch过小又…

1. 缓存穿透 如果缓存中不存在，则再查询数据库，然后返回数据。 了解了上述过程后，下面说说缓存穿透。 业务系统要查询的数据根本就存在！当业务系统发起查询时，按照上述流程，首先会前往缓存中查询，由于缓存中不存在，然后再前往数据库中查询。由于该数据压根就不存在，因此数据库也返回空…

正好这位同学面试前学习了笔者之前出的一套Java面试突击教程，里面就涉及到了关于缓存的一些问题。 这篇文章，是这位同学对自己阿里一面的总结，大家可以参考一下，同时也感谢乔二爷同学的分享。 昨天晚上接到阿里的电面电话，过程中就问到了关于缓存相关的问题。 虽然以前接触过，多多少少了…

阅读本文大概需要 2.8 分钟。 中大型项目中，一旦遇到数据量比较大，小伙伴应该都知道就应该对数据进行拆分了。有垂直和水平两种。 垂直拆分比较简单，也就是本来一个数据库，数据量大之后，从业务角度进行拆分多个库。如下图，独立的拆分出订单库和用户库。 水平拆分的概念，是同一个业务数…

在分布式系统中，缓存和数据库同时存在时，如果有写操作的时候，先操作数据库还是先操作缓存呢？先思考一下，可能会存在哪些问题，再往下看。下面我分几种方案阐述。 假设有一写（线程A）一读（线程B）操作，先操作缓存，在操作数据库。，如下流程图所示： 这样看，没啥问题。我们再看第二个流程…

本文给大家分享一个之前经历过的抽奖系统的流量削峰架构的设计方案。 抽奖、抢红包、秒杀，这类系统其实都有一些共同的特点，那就是在某个时间点会瞬间涌入大量的人来点击系统，给系统造成瞬间高于平时百倍、千倍甚至几十万倍的流量压力。 比如抽奖，有一种场景：某个网站或者APP规定好了在某个…