首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
缓存
订阅
Tchaikovsky
更多收藏集
微信扫码分享
微信
新浪微博
QQ
3篇文章 · 0订阅
缓存与主副本数据一致性系统设计方案(上篇)
采用Cache-Aside模式,采取更新数据库后删除缓存是正确的吗?更新数据库后更新缓存的方式,真的容易造成数据不一致吗?在系统设计与实际场景下,两种实现方式究竟要如何选择?本文尝试一一解答上述疑问。
低成本亿级流量分布式本地缓存一致性方案(设计篇)
引入本地缓存除了性能提升之外还有其他原因吗?面对引入本地缓存所带来的数据一致性问题,一定要用复杂的组件和理论来解决吗?如何简单高效、低成本的实现分布式场景下本地缓存的数据一致性?
延迟双删如此好用,为何大厂从来不用
Cache-aside下数据变更推荐使用删除缓存的策略,为降低数据不一致通常会配合延迟双删策略。但大厂却很少使用这种方式。背后原因是什么呢?延迟双删策略有致命缺陷么?大厂采用什么策略。