Redis缓存的主要异常及解决方案

于 2023-01-29 11:04:04 发布
阅读量378 收藏 2
点赞数
分类专栏： 技术分享 数据库 文章标签： redis 缓存 数据库 后端
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jdcdev_/article/details/128786060
版权

作者：京东物流 陈昌浩

1 导读

Redis 是当前最流行的 NoSQL数据库。Redis主要用来做缓存使用，在提高数据查询效率、保护数据库等方面起到了关键性的作用，很大程度上提高系统的性能。当然在使用过程中，也会出现一些异常情景，导致Redis失去缓存作用。

2 异常类型

异常主要有 缓存雪崩 缓存穿透 缓存击穿。

2.1 缓存雪崩

2.1.1 现象

缓存雪崩是指大量请求在缓存中没有查到数据，直接访问数据库，导致数据库压力增大，最终导致数据库崩溃，从而波及整个系统不可用，好像雪崩一样。

在这里插入图片描述

2.1.2 异常原因

  • 缓存服务不可用。
  • 缓存服务可用，但是大量KEY同时失效。

2.1.3 解决方案

1.缓存服务不可用
redis的部署方式主要有单机、主从、哨兵和 cluster模式。

  • 单机
    只有一台机器，所有数据都存在这台机器上，当机器出现异常时，redis将失效，可能会导致redis缓存雪崩。

  • 主从
    主从其实就是一台机器做主，一个或多个机器做从，从节点从主节点复制数据，可以实现读写分离，主节点做写，从节点做读。
    优点：当某个从节点异常时，不影响使用。
    缺点：当主节点异常时，服务将不可用。

  • 哨兵
    哨兵模式也是一种主从，只不过增加了哨兵的功能，用于监控主节点的状态，当主节点宕机之后会进行投票在从节点中重新选出主节点。
    优点：高可用，当主节点异常时，自动在从节点当中选择一个主节点。
    缺点：只有一个主节点，当数据比较多时，主节点压力会很大。

  • cluster模式
    集群采用了多主多从，按照一定的规则进行分片，将数据分别存储，一定程度上解决了哨兵模式下单机存储有限的问题。
    优点：高可用，配置了多主多从，可以使数据分区，去中心化，减小了单台机子的负担.
    缺点：机器资源使用比较多，配置复杂。

  • 小结
    从高可用得角度考虑，使用哨兵模式和cluster模式可以防止因为redis不可用导致的缓存雪崩问题。

2.大量KEY同时失效
可以通过设置永不失效、设置不同失效时间、使用二级缓存和定时更新缓存失效时间

  • 设置永不失效
    如果所有的key都设置不失效，不就不会出现因为KEY失效导致的缓存雪崩问题了。redis设置key永远有效的命令如下：
    PERSIST key
    缺点：会导致redis的空间资源需求变大。

  • 设置随机失效时间
    如果key的失效时间不相同，就不会在同一时刻失效，这样就不会出现大量访问数据库的情况。
    redis设置key有效时间命令如下：
    Expire key
    示例代码如下,通过RedisClient实现

/**
* 随机设置小于30分钟的失效时间
* @param redisKey
* @param value
*/
private void setRandomTimeForReidsKey(String redisKey,String value){
//随机函数
Random rand = new Random();
//随机获取30分钟内（30*60）的随机数
int times = rand.nextInt(1800);
//设置缓存时间（缓存的key,缓存的值，失效时间：单位秒）
redisClient.setNxEx(redisKey,value,times);
}
  • 使用二级缓存
    二级缓存是使用两组缓存，1级缓存和2级缓存，同一个Key在两组缓存里都保存，但是他们的失效时间不同，这样1级缓存没有查到数据时，可以在二级缓存里查询，不会直接访问数据库。
    示例代码如下：
public static void main(String[] args) {
CacheTest test = new CacheTest();
//从1级缓存中获取数据
String value = test.queryByOneCacheKey("key");
//如果1级缓存中没有数据，再二级缓存中查找
if(StringUtils.isBlank(value)){
value = test.queryBySecondCacheKey("key");
//如果二级缓存中没有，从数据库中查找
if(StringUtils.isBlank(value)){
value =test.getFromDb();
//如果数据库中也没有，就返回空
if(StringUtils.isBlank(value)){
System.out.println("数据不存在!");
}else{
//二级缓存中保存数据
test.secondCacheSave("key",value);
//一级缓存中保存数据
test.oneCacheSave("key",value);
System.out.println("数据库中返回数据!");
}
}else{
//一级缓存中保存数据
test.oneCacheSave("key",value);
System.out.println("二级缓存中返回数据!");
}
}else {
System.out.println("一级缓存中返回数据!");
}
}
  • 异步更新缓存时间
    每次访问缓存时，启动一个线程或者建立一个异步任务来，更新缓存时间。
    示例代码如下：
public class CacheRunnable implements Runnable {

private ClusterRedisClientAdapter redisClient;
/**
* 要更新的key
*/
public String key;

public CacheRunnable(String key){
this.key =key;
}

@Override
public void run() {
//更细缓存时间
redisClient.expire(this.getKey(),1800);
}

public String getKey() {
return key;
}

public void setKey(String key) {
this.key = key;
}
}
public static void main(String[] args) {
CacheTest test = new CacheTest();
//从缓存中获取数据
String value = test.getFromCache("key");
if(StringUtils.isBlank(value)){
//从数据库中获取数据
value = test.getFromDb("key");
//将数据放在缓存中
test.oneCacheSave("key",value);
//返回数据
System.out.println("返回数据");
}else{
//异步任务更新缓存
CacheRunnable runnable = new CacheRunnable("key");
runnable.run();
//返回数据
System.out.println("返回数据");
}
}

3.小结
上面从服务不可用和key大面积失效两个方面，列举了几种解决方案，上面的代码只是提供一些思路，具体实施还要考虑到现实情况。当然也有其他的解决方案，我这里举例是比较常用的。毕竟现实情况，千变万化，没有最好的方案，只有最适用的方案。

2.2 缓存穿透

2.2.1 现象

缓存穿透是指当用户在查询一条数据的时候，而此时数据库和缓存却没有关于这条数据的任何记录，而这条数据在缓存中没找到就会向数据库请求获取数据。用户拿不到数据时，就会一直发请求，查询数据库，这样会对数据库的访问造成很大的压力。

2.2.2 异常原因

  • 非法调用

2.2.3 解决方案

1.非法调用
可以通过缓存空值或过滤器来解决非法调用引起的缓存穿透问题。

  • 缓存空值
    当缓存和数据库中都没有值时，可以在缓存中存放一个空值，这样就可以减少重复查询空值引起的系统压力增大，从而优化了缓存穿透问题。
    示例代码如下：
private String queryMessager(String key){
//从缓存中获取数据
String message = getFromCache(key);
//如果缓存中没有 从数据库中查找
if(StringUtils.isBlank(message)){
message = getFromDb(key);
//如果数据库中也没有数据 就设置短时间的缓存
if(StringUtils.isBlank(message)){
//设置缓存时间（缓存的key,缓存的值，失效时间：单位秒）
redisClient.setNxEx(key,null,60);
}else{
redisClient.setNxEx(key,message,1800);
}
}
return message;
}

缺点：大量的空缓存导致资源的浪费，也有可能导致缓存和数据库中的数据不一致。

  • 布隆过滤器
    布隆过滤器由布隆在 1970 年提出。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。是以空间换时间的算法。

布隆过滤器的实现原理是一个超大的位数组和几个哈希函数。
假设哈希函数的个数为 3。首先将位数组进行初始化，初始化状态的维数组的每个位都设置位 0。如果一次数据请求的结果为空，就将key依次通过 3 个哈希函数进行映射，每次映射都会产生一个哈希值，这个值对应位数组上面的一个点，然后将位数组对应的位置标记为 1。当数据请求再次发过来时，用同样的方法将 key 通过哈希映射到位数组上的 3 个点。如果 3 个点中任意一个点不为 1，则可以判断key不为空。反之，如果 3 个点都为 1，则该KEY一定为空。

缺点：
可能出现误判，例如 A 经过哈希函数 存到 1、3和5位置。B经过哈希函数存到 3、5和7位置。C经过哈希函数得到位置 3、5和7位置。由于3、5和7都有值，导致判断A也在数组中。这种情况随着数据的增多，几率也变大。
布隆过滤器没法删除数据。

  • 布隆过滤器增强版
    增强版是将布隆过滤器的bitmap更换成数组,当数组某位置被映射一次时就+1,当删除时就-1,这样就避免了普通布隆过滤器删除数据后需要重新计算其余数据包Hash的问题,但是依旧没法避免误判。

  • 布谷鸟过滤器
    但是如果这两个位置都满了，它就不得不「鸠占鹊巢」，随机踢走一个，然后自己霸占了这个位置。不同于布谷鸟的是，布谷鸟哈希算法会帮这些受害者（被挤走的蛋）寻找其它的窝。因为每一个元素都可以放在两个位置，只要任意一个有空位置，就可以塞进去。所以这个伤心的被挤走的蛋会看看自己的另一个位置有没有空，如果空了，自己挪过去也就皆大欢喜了。但是如果这个位置也被别人占了呢？好，那么它会再来一次「鸠占鹊巢」，将受害者的角色转嫁给别人。然后这个新的受害者还会重复这个过程直到所有的蛋都找到了自己的巢为止。

    缺点：
    如果数组太拥挤了，连续踢来踢去几百次还没有停下来，这时候会严重影响插入效率。这时候布谷鸟哈希会设置一个阈值，当连续占巢行为超出了某个阈值，就认为这个数组已经几乎满了。这时候就需要对它进行扩容，重新放置所有元素。

2.小结
以上方法虽然都有缺点，但是可以有效的防止因为大量空数据查询导致的缓存穿透问题，除了系统上的优化，还要加强对系统的监控，发下异常调用时，及时加入黑名单。降低异常调用对系统的影响。

2.3 缓存击穿

2.3.1 现象

key中对应数据存在，当key中对应的数据在缓存中过期，而此时又有大量请求访问该数据，缓存中过期了，请求会直接访问数据库并回设到缓存中，高并发访问数据库会导致数据库崩溃。redis的高QPS特性,可以很好的解决查数据库很慢的问题。但是如果我们系统的并发很高,在某个时间节点,突然缓存失效,这时候有大量的请求打过来，那么由于redis没有缓存数据,这时候我们的请求会全部去查一遍数据库，这时候我们的数据库服务会面临非常大的风险,要么连接被占满，要么其他业务不可用，这种情况就是redis的缓存击穿。

2.3.2 异常原因

热点KEY失效的同时，大量相同KEY请求同时访问。

2.3.3 解决方案

1.热点key失效

  • 设置永不失效
    如果所有的key都设置不失效，不就不会出现因为KEY失效导致的缓存雪崩问题了。redis设置key永远有效的命令如下：
    PERSIST key
    缺点：会导致redis的空间资源需求变大。

  • 设置随机失效时间
    如果key的失效时间不相同，就不会在同一时刻失效，这样就不会出现大量访问数据库的情况。
    redis设置key有效时间命令如下：
    Expire key
    示例代码如下,通过RedisClient实现

/**
* 随机设置小于30分钟的失效时间
* @param redisKey
* @param value
*/
private void setRandomTimeForReidsKey(String redisKey,String value){
//随机函数
Random rand = new Random();
//随机获取30分钟内（30*60）的随机数
int times = rand.nextInt(1800);
//设置缓存时间（缓存的key,缓存的值，失效时间：单位秒）
redisClient.setNxEx(redisKey,value,times);
}
  • 使用二级缓存
    二级缓存是使用两组缓存，1级缓存和2级缓存，同一个Key在两组缓存里都保存，但是他们的失效时间不同，这样1级缓存没有查到数据时，可以在二级缓存里查询，不会直接访问数据库。
    示例代码如下：
public static void main(String[] args) {
CacheTest test = new CacheTest();
//从1级缓存中获取数据
String value = test.queryByOneCacheKey("key");
//如果1级缓存中没有数据，再二级缓存中查找
if(StringUtils.isBlank(value)){
value = test.queryBySecondCacheKey("key");
//如果二级缓存中没有，从数据库中查找
if(StringUtils.isBlank(value)){
value =test.getFromDb();
//如果数据库中也没有，就返回空
if(StringUtils.isBlank(value)){
System.out.println("数据不存在!");
}else{
//二级缓存中保存数据
test.secondCacheSave("key",value);
//一级缓存中保存数据
test.oneCacheSave("key",value);
System.out.println("数据库中返回数据!");
}
}else{
//一级缓存中保存数据
test.oneCacheSave("key",value);
System.out.println("二级缓存中返回数据!");
}
}else {
System.out.println("一级缓存中返回数据!");
}
}
  • 异步更新缓存时间
    每次访问缓存时，启动一个线程或者建立一个异步任务来，更新缓存时间。
    示例代码如下：
public class CacheRunnable implements Runnable {

private ClusterRedisClientAdapter redisClient;
/**
* 要更新的key
*/
public String key;

public CacheRunnable(String key){
this.key =key;
}

@Override
public void run() {
//更细缓存时间
redisClient.expire(this.getKey(),1800);
}

public String getKey() {
return key;
}

public void setKey(String key) {
this.key = key;
}
}
public static void main(String[] args) {
CacheTest test = new CacheTest();
//从缓存中获取数据
String value = test.getFromCache("key");
if(StringUtils.isBlank(value)){
//从数据库中获取数据
value = test.getFromDb("key");
//将数据放在缓存中
test.oneCacheSave("key",value);
//返回数据
System.out.println("返回数据");

}else{
//异步任务更新缓存
CacheRunnable runnable = new CacheRunnable("key");
runnable.run();
//返回数据
System.out.println("返回数据");
}
}
  • 分布式锁
    使用分布式锁，同一时间只有1个请求可以访问到数据库，其他请求等待一段时间后，重复调用。
    示例代码如下：
/**
* 根据key获取数据
* @param key
* @return
* @throws InterruptedException
*/
public String queryForMessage(String key) throws InterruptedException {
//初始化返回结果
String result = StringUtils.EMPTY;
//从缓存中获取数据
result = queryByOneCacheKey(key);
//如果缓存中有数据，直接返回
if(StringUtils.isNotBlank(result)){
return result;
}else{
//获取分布式锁
if(lockByBusiness(key)){
//从数据库中获取数据
result = getFromDb(key);
//如果数据库中有数据，就加在缓存中
if(StringUtils.isNotBlank(result)){
oneCacheSave(key,result);
}
}else {
//如果没有获取到分布式锁，睡眠一下，再接着查询数据
Thread.sleep(500);
return queryForMessage(key);
}
}
return result;
}

2.小结
除了以上解决方法，还可以预先设置热门数据，通过一些监控方法，及时收集热点数据，将数据预先保存在缓存中。

3 总结

Redis缓存在互联网中至关重要，可以很大的提升系统效率。 本文介绍的缓存异常以及解决思路有可能不够全面，但也提供相应的解决思路和代码大体实现，希望可以为大家提供一些遇到缓存问题时的解决思路。如果有不足的地方，也请帮忙指出，大家共同进步。

京东云开发者
关注
专栏目录
博客
Java方法设计原则与实践：从Effective Java到团队案例
11-01 687
在 Java 中，方法是类的一部分，定义了类的行为。方法通常包含方法头和方法体。方法头包括访问修饰符、返回类型、方法名和参数列表，而方法体包含实现方法功能的代码。方法的基本结构 [访问修饰符] [返回类型]方法名{ // 方法体 // 实现方法功能的代码 }如果一个方法在满足业务需求本身的基础上，职责单一，清晰明了，重点是团队其他成员可以简单看懂及维护，这就是一个好的方法。如果只有自己看得懂，其他人看不太懂，则不是一个好的方法。具体原则细节从以下【入参】【方法体】【出参】维度详细描述。
博客
【原理】Redis热点Key自动发现机制和客户端缓存方案
11-01 358
void *ptr;} robj;当这24 bits用作LFU时，其被分为两部分：1.高16位用来记录访问时间（单位为分钟）2.低8位用来记录访问频率，简称counter。
博客
MySQL 死锁日志分析方法
11-01 899
死锁的触发条件包括四个：•互斥•占有且等待•不可抢占用•循环等待如下图所示，两个事务加锁顺序不同导致死锁。发生死锁后只需要破坏发生死锁四个条件中的任意一个条件就可以解除死锁状态。数据库层面有两种策略用于打破死锁状态：•被动，设置事务等待锁的超时时间，事务锁等待超时后自动回滚。默认 50 秒；•主动，开启主动死锁检测，检测到死锁后回滚其中一个事务。默认开启。其中默认使用第二种策略，也就是检测到死锁后立即回滚，从而解除死锁状态。因此发生死锁时业务可能报错死锁，但不会报错锁等待超时。
博客
揭秘JDQ限流架构：实时数据链路的多维动态带宽管控
10-31 805
在服务器日常运营中，限流是一种自我保护机制，用于避免突发和异常的数据流入流出量徒增对系统造成的冲击。这种情况尤其常见于电商促销高峰期，此时某些特定的主题（topics）可能会经历流量激增，导致过多的占用Broker带宽资源和磁盘I/O资源。如果不加以控制，这不仅会影响其他客户端的正常读写操作，还会干扰集群内部的主从同步过程，给整个集群带来巨大的压力。当集群承受过大的压力，不仅可能导致服务过载，甚至可能引发系统崩溃。部分节点的故障雪崩，最终会波及到集群内所有业务的正常运行。
博客
接单流程设计探索
10-31 234
组件通常被定义为规则执行的最小单元，我们最常见的是普通组件，也就是调用就执行，这是大部分系统目前都在使用的组件。其实在流程规则中，组件就像编译语言，还应该具备布尔组件、条件组件、循环组件、并行组件、异常捕获组件等等。由于这些组件都可以包含在普通组件中，通过代码来实现条件、循环等逻辑。所以在执行流程定义时，无法清晰识别这些本应体现在流程中的逻辑。组件定义通常还有一个值得关注的就是组件的数量，哪些逻辑可以归类到一个组件中，哪些需要分开。
博客
Taro 鸿蒙技术内幕系列（二）：如何让 W3C 标准的 CSS跑在鸿蒙上
10-31 706
通过本文，我们详细阐述了Taro在处理CSS样式与鸿蒙系统ArkUI框架之间差异的全流程。我们探讨了样式书写方式的不一致性、样式匹配和应用的复杂过程，以及样式更新时的处理策略。这些功能和特性使得Taro能够在保持跨平台兼容性的同时，实现CSS样式到鸿蒙系统的有效转换。作为开发者，我们深知这个过程中面临的挑战，但也为最终取得的成果感到自豪。通过这种方法，我们为开发者提供了一个统一且强大的多端开发解决方案，使他们能够更加高效地开发跨平台应用。我们相信，随着技术的不断进步，未来还会出现更多的优化空间。
博客
2024中国计算机大会，我们在现场！
10-30 6
今天上午，2024中国计算机大会开幕式在横店召开，京东云相关负责人出席并作主题演讲，他表示当前大模型超级应用仍需时间，但行业应用已全面落地；京东云坚持开放路线，推动大模型生态繁荣发展；通用大模型靠算力堆出来，企业大模型靠业务跑出来。目前京东内部多个场景正孵化出上百个大模型应用支持60万员工及20万商家提升效率并降低成本那么，大模型到底如何落地产业呢？我们邀请了一众专家明天下午2点将在【秋苑·聚春园...
博客
【行云流水线】满足你对工作流编排的一切幻想～skr
10-30 1013
入口：流水线列表或流水线构建记录页，点击“配置流水线”编排界面布局：下方为阶段编排，点击其中一个stage时，上方显示stage内的原子排列顺序。
博客
千万级数据深分页查询SQL性能优化实践
10-30 285
Limit深分页问题的本质原因就是：偏移量（offset）越大，mysql就会扫描越多的行，然后再抛弃掉，这样就导致查询性能的下降。具体做法方式是，查询粉丝列表中按照自增主键ID倒序查询，查询结果中返回主键ID，然后查询入参中增加maxId参数，该参数需要透传上一次请求粉丝列表中最后一条记录主键ID，第一次查询时可以为空，但是需要查询下一页时就必传。由于同一个业务对象的所有粉丝都保存到一张数据库表中，对于分页查询列表接口，首先想到的就是用limit实现，对于粉丝数量很少的关注对象，查询接口性能还不错。
博客
分布式服务高可用实现：复制
10-29 950
是比较常用的方法，我们可以为每个请求增加时间戳或者唯一的ID，挑选其中较大的值作为最终结果，并将其他的值丢弃，不过这种情况容易造成数据丢失，比如在分布式服务中存在的。
博客
Docker运行环境安装
10-29 484
不过，生产环境还是推荐在Linux上运行，以下以主流的Linux操作系统（CentOS和ubuntu）为例，说明Docker运行环境的安装过程。需要注意的是：安装脚本中默认使用了国外的安装源，文件的下载速度较低。需要说明的是：删除旧版本docker，并不会删除使用中的镜像、容器实例、存储卷和网络配置，这些内容仍然保存在/var/lib/docker目录下。说明：删除旧版本docker，并不会删除使用中的镜像、容器实例、存储卷和网络配置，这些内容仍然保存在/var/lib/docker目录下。
博客
主动写入流对@ResponseBody注解的影响
10-29 305
作者：京东零售 柯贤铭。
博客
Spring 应用合并之路（一）：摸石头过河
10-28 354
作者：京东科技 李君公司最近一年在推进降本增效，在用尽各种手段之后，发现应用太多，每个应用都做跨机房容灾部署，则最少需要 4 台机器（称为容器更合适）。那么，将相近应用做一个合并，减少维护项目，提高机器利用率就是一个可选方案。经过前后三次不同的折腾，最后探索出来一个可行方案。记录一下，分享出来，希望对有相关需求的研发童鞋有所帮助。下面按照四种可能的方案，分别做介绍。另外，为了方便做演示，专门整了两个演示项目：•— 合并项目，下面简称为 boot。•— 被合并项目，下面简称为 web。
博客
【转载】把大模型做实 把供应链做透: 京东推出言犀大模型
10-28 690
此外，京东云全新升级了产品和解决方案，打造两个平台，输出行业应用能力，在零售、物流、金融、健康、城市等行业加速落地。言犀大模型融合了70%的通用数据与30%京东数智供应链原生数据，具有“更高产业属性、更强泛化能力、更多安全保障”的优势，致力于面向知识密集型、任务型产业场景，解决真实产业问题。7月13日，2023京东全球科技探索者大会暨京东云峰会在北京举行，全面推出京东言犀大模型、言犀AI开发计算平台、升级支撑大模型落地行业的产品及解决方案，服务千行百业拥抱产业智能。2023年7月，产业原生，推出大模型；
博客
【玩转金融素材生成】探索交互式AIGC组合素材生成技术
10-28 914
什么是金融组合素材？金融场景的设计师在日常工作中经常需要创建和使用各种元素素材，例如喇叭、图标、礼盒等等。金融场景的元素有以下几个特点：•抽象——抽象化的实体，通常需要抓住实体的特征镜像夸张的表达。•风格——3D, C4D，朴素，粘土•色彩——明亮，丰富，多变，组合典型的金融组合素材：红包金币组合、金币展台等组合、钱袋子京豆组合金融组合素材在金融营销领域的重要性与应用场景：在金融营销领域中，使用金融组合元素可以起到重要的宣传和吸引用户的作用。通常使用金融组合元素可以在视觉观感上强调营销活动的主题。
博客
简洁至上——探索产品与技术的优雅原则
10-25 964
1.复杂的事情简单化2.简单的事情标准化3.标准的事情流程化4.流程的事情自动化我们先踏出第一步化繁为简简化复杂性不仅能在短期内提高开发效率和代码质量，也对产品和技术的长期价值产生深远影响1.当我们考虑如何简化一个给定的任务的每一步时，这不并是在偷懒。相反，我们是在明确实际上要完成的任务是什么，以及如何更容易做到。2.我们对某些无意义的新功能说“不”的时候，不是在限制创新，是在保持环境整洁，以免分心。3.软件的简单性是可靠性的前提条件。
博客
1024|京东零售技术人的N种可能
10-25 25
“Hello World” 见证了我们对技术探索和开拓创新的开始，也象征着我们不断追求卓越、解决问题的决心。1024程序员节，我们邀请到了8位在京东零售做技术的同学，聊聊他们的技术经历和成长故事，聊聊他们的成就感。期待同为产研人的你在读完之后，一起分享你的难忘时刻，也祝你在未来，继续在热爱的道路上探索奔赴。????????????@艾佳工作经验14年，编程经验30年。软件架构师于我来说和建筑设计师类似。建筑设计师会...
博客
JavaScript 与 Rust 和 WebAssembly 集成
10-25 1006
WebAssembly (wasm) 是一种具有广泛规范的简单机器模型和可执行格式。它被设计为可移植、紧凑并以本机速度或接近本机速度执行。作为一种编程语言，WebAssembly 由两种表示相同结构的格式组成，尽管方式不同：1.该.wat文本格式（称为wat“WebAssemblyText”）使用S 表达式，与 Scheme 和 Clojure等Lisp 语言家族有相似之处。2.二进制格式.wasm是较低级别的，旨在供 wasm 虚拟机直接使用。它在概念上类似于 ELF 和 Mach-O。
博客
Linux内存泄露案例分析和内存管理分享
10-24 1020
这次内存暴涨的问题根本原因是curl-7.19.7依赖的NSS库存在dentry泄漏的bug导致的，探测脚本只是将这个问题暴露出来。这次问题由Linux内存泄漏引发的问题，因此以点带面再次系统学习一下Linux内存管理的知识非常有必要，对我们以后排查内存暴涨的问题非常有帮助。
博客
【架构与设计】常见微服务分层架构的区别和落地实践
10-22 1085
简单的业务开发过程中，相比较书写核心业务逻辑，更多的工作量几乎都是来自处理跨层调用时对象转换和Mapper定义，通过MapStruct和Fluent-Mybatis等组件的使用（也许再加上GitHub Copilot😁），编写一个实体的增删改查接口基本在5分钟内搞定，省下来的时间可以多走读两遍代码或者多写几个分支的测试用例，也算是降本增效了。作为程序的入口，通过包隔离来存放JSF服务、Rest服务、定时任务和MQ消费，其中对外提供服务的接口定义存放在单独的api包中。存放数据库、ES、远程调用服务的封装。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值