redis

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第5天，点击查看活动详情 概述 redis是内存数据库，所以一般内存大小是有限的。特别是当我们应用系统对redis依赖非常高的情况下，

「这是我参与2022首次更文挑战的第8天，活动详情查看：2022首次更文挑战」。 概述 缓存一致性问题也是使用缓存中比较经典的问题之一。使用缓存，涉及数据库和缓存两部分数据的维护，既然是两个组件的数据

「这是我参与2022首次更文挑战的第7天，活动详情查看：2022首次更文挑战」。 概述 缓存击穿，大家多多少少听说过。那么这个问题到底是个什么问题？怎么解决呢？这个问题其实是在高并发场景下，使用缓存提

概述 redis cluster大家喜欢叫它redis集群，也有人喜欢叫分片集群。总结下来，redis有三种模式，分别是单机，哨兵模式，分片集群。从表面上看使用的机器越来越多了，其实确实是随着数据量读

概述 哨兵通过监控master,如果发现master未回复心跳包，那么会判断为主观下线，票数过半哨兵都认为master主观下线，那么确认为master客观下线，那么接下来会在多个哨兵中选择一个作为le

概述 一般而言主从结构都是用来达到高可用的效果,也就是主服务器宕机情况下,马上切换为从服务器来应对.主从结构有很多好处,比如:高可用,读写压力分离; 同时也带来了问题,主从数据可能不一致问题,导致读到

概述 redis作为一个缓存,为了达到高性能,数据都是直接放到缓存中的,那么必然会面临一个断电数据丢失的问题.对于流量不高的应用来说,大不了通过数据库,将数据恢复到缓存中; 对于高并发应用来说,缓存宕

概述 脑裂问题,听起来很高端的样子.其实说白了就是主从拓扑结构,在主节点被误切换,导致原主节点还在处理请求,导致新主节点这部分数据缺失的一个现象.一般来说,主从结构多少有脑裂问题. 脑裂问题 说明:r

概述 针对雪崩、击穿、穿透问题，前提都是在高并发情况下，如果你做的场景流量在mysql数据库承载范围内，那么你并不需要关心这些问题。你只要保证你使用缓存，保证缓存与数据库数据一致性即可。所以今天讨论的

概述 redis作为缓存组件，一般而言用来缓存我们程序的数据。所以并发问题可能存在两个地方，一个是redis缓存中数据并发问题，一个是业务程序数据并发问题。 redis缓存数据并发问题

概述 redis中一般数据结构已经够用了,比如常用的string和hash基本已经可以覆盖常用场景了,数据读写时间复杂度都是O(1).因为都是key value的结构. 但是当需要范围查找和排序的话,

概述 Hash结构对于我们来说太熟悉了,Java中我们几乎天天都要使用hash这种数据类型,也很清楚Hash的底层数据结构是HashTable.其实redis也类似,Hash底层也采用了HashTab

概述 了解string数据结构,还是非常有必要的.谈到数据结构就必须要谈两个问题,一个是时间复杂度,一个是空间.redis作为缓存,一个涉及访问速度,一个涉及占用内存空间,对于redis来说还是非常敏

概述 缓存和数据库一致性问题,其实说的就是说数据库变动的同时,缓存没有变化,这样导致用户获取到的数据命中缓存,并没有获取到数据库最新数据. 使用缓存是一种加快访问速度的方案,但是同时带来数据不一致问题

整体架构图 架构分析整体架构图 架构分析整体架构图 架构分析整体架构图 架构分析整体架构图 架构分析整体架构图 架构分析整体架构图 架构分析