前言 1. 在具体应用之前，有必要先了解一下什么是Redis Bitmap？ Redis Bitmap是一种数据结构，它通过比特位来记录信息，每一位都代表一个布尔值，这样它可以在一些大规模数据的存储和

之前旁边的小伙伴问我热点数据相关问题，在给他粗略地讲解一波redis数据倾斜的案例之后，自己也顺道回顾了一些关于热点数据处理的方法论，同时也想起去年所学习JD开源项目hotkey——专门用来

对于三高系统，Redis是必须/必需的，当并发高到一定的程度就可能会出现HotKey的问题，今天我们来看下Redis中的HotKey如何解决。 什么是HotKey 海量请求在较短的时间内，访问一个Ke

在拥有大量并发用户的系统中，热 key 一直以来都是一个不可避免的问题。或许是突然某些商品成了爆款，或许是海量用户突然涌入某个店铺，或许是秒杀时瞬间大量开启的爬虫用户

Redis热点key指的是访问频率较高的key，当大量的请求集中在一个或少数几个热点key上时，会导致这些key所在的Redis节点的CPU、内存和网络带宽等资源被大量消耗，影响Redis集群的整体性

经常会听到大家说起布隆过滤器，但是很多人都只是听过名字，却并不知道其是怎么实现的。下面将详细介绍一下布隆过滤器，并且使用简单的代码演示。

无论是在开发过程中还是在准备跑路的面试过程中，有关redis相关的，难免会涉及到四个特殊场景：缓存穿透、缓存雪崩、缓存击穿以及数据一致性。如果在开发中不注意这些场景的话，在高并发场景下有可能会导致系统

假设有这样一个场景，在一个购票软件上买一张票，但是此时剩余票数只有一张或几张，这个时候有几十个人都在同时使用这个软件购票。在不考虑任何影响下，正常的逻辑是首先判断当前是否还有剩余的票，如果有，那么就进

线上事故，今天收到 DBA 线上 Redis 告警，发现某个 Redis 实例存储达到了阈值，但是其他的 Redis 实例上还有很多空间，我一时间不知道从何下手