Facebook的租约机制才是大厂真正在用的方案，参考Go版本的rockscache用Java重写了一遍。核心原理是通过租约来保证，只有持有有效租约的线程才能写缓存，从根本上解决了缓存一致性问题。

Redis 和 Lua，两个看似风流马不相及的技术点，为何能产生“爱”的火花，成为工作开发中的黄金搭档？技术面试中更是高频出现，Redis 执行 Lua 到底能不能保证原子性？

一、引言 在高并发的分布式系统中，如何有效地进行请求限流并防止重复提交，一直是开发者们面临的挑战。尤其是当需要同时针对多个维度（如IP、用户ID、用户名等）进行限流时，现有的一些解决方案往往难以满足

在电商系统中，商详、购物车等相关业务对查询接口性能要求很高（比如在 20ms 以内）并且访问量 QPS 在几万甚至数十万以上，直接从数据库中查询数据不能满足性能要求，且对数据库压力过大。如果请求二级缓

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。

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。