Redis100篇 - 金融行业：Redis实现交易流水缓存+风控规则存储 本文探讨Redis在金融行业的两大核心应用：交易流水缓存和风控规则存储。金融系统要求高并发、低延迟和强一致性，Redis的内存操作和丰富数据结构完美契合这些需求。 文章首先分析金融交易流水的业务特点，提出使用Redis Sorted Set(ZSet)缓存流水的解决方案，通过时间戳作为Score实现高效的时间窗口查询。并给出Java实现代码，包括交易缓存、最近N天交易查询等功能。 第二部分将重点讨论Redis在风控系统中的应用，包括规则引擎的动态加载和毫秒级匹配。全文结合真实业务场景，提供可运行的代码示例，

阅读 1.2w

113赞

收藏 64
【C++数据结构进阶】吃透 LRU Cache缓存算法：O (1) 效率缓存设计全解析 本文详细介绍了LRU缓存算法的原理与实现。LRU（最近最少使用）通过淘汰最久未使用的数据来优化缓存性能，是工业界主流缓存替换算法。文章首先分析了LRU的优势，然后重点讲解如何通过双向链表和哈希表的组合实现O(1)时间复杂度的get和put操作，并提供了完整的C++代码实现。此外，还探讨了LRU的时间/空间复杂度、实际应用场景（操作系统、数据库、框架等）以及优化方向（线程安全、内存管理等）。最后指出掌握LRU实现是程序员必备技能，能够应对面试中的常见问题。

阅读 1.3k

71赞

收藏 75
LRU算法在电商系统缓存中的实战应用 在电商系统中，商品详情页的访问频率往往呈现出明显的热点效应——少数热门商品会被频繁访问，而大量商品则相对冷门。如何高效管理这些热点数据，成为提升系统性能的关键。今天我们就来聊聊如何用LRU算法构建一个高性能的商品缓存系统。LRU（最近最少使用）算法的核心思想是：当缓存空间不足时，优先淘汰最久未被访问的数据。这非常契合电商场景，因为用户最近浏览过的商品往往更可能被再次访问。实际使用中发现其内置的Java环境配置简单，一键部署功能让本地开发的项目能立即生成可访问的在线演示，省去了自己搭建测试环境的麻烦。

阅读 854

5赞

收藏 12
全国地图geojson 全国的市级别json

阅读 95

5赞

收藏 1
全面击破工程级复杂缓存难题 本文详细探讨了缓存技术在现代分布式系统中的应用与优化，涵盖本地缓存与分布式缓存的基本概念和实际应用。分析了旁路缓存模式、读写穿透模式和异步写缓存模式，并从强一致性和最终一致性两个角度提出解决方案。针对缓存穿透、缓存雪崩、缓存击穿和热点key问题，提出了多级缓存、多副本、热点key拆分等策略。最后，介绍了本地缓存+双缓存方案，通过主备缓存切换、数据总线重试机制和自动校对任务，确保系统高可用性和数据一致性。

阅读 7.7w

707赞

收藏 621
小白学网安必看！就业/转行网安的发展方向保姆级讲解，一定有适合你的黑客方向！ 网络安全产业就像一个江湖，各色人等聚集。相对于欧美国家基础扎实（懂加密、会防护、能挖洞、擅工程）的众多名门正派，我国的人才更多的属于旁门左道（很多白帽子可能会不服气），因此在未来的人才培养和建设上，需要调整结构，鼓励更多的人去做“正向”的、结合“业务”与“数据”、“自动化”的“体系、建设”，才能解人才之渴，真正的为社会全面互联网化提供安全保障。

阅读 304

7赞

收藏 3
Spring Boot整合缓存——Ehcache缓存！超详细！ 本文详细介绍了如何在SpringBoot项目中整合Ehcache缓存框架。主要内容包括：1）Ehcache的特点和优势；2）创建SpringBoot项目并配置相关依赖；3）通过ehcache.xml文件配置缓存策略；4）实现可序列化的Book实体类；5）测试缓存效果，验证数据是否成功缓存到内存和磁盘。此外，还特别强调了正常关闭程序以确保缓存数据成功序列化到磁盘的重要性。通过本案例，大家可以了解SpringBoot与Ehcache的集成方法，以及声明式缓存注解的实际应用。

阅读 1.2k

13赞

收藏 25
缓存界三座大山：穿透、击穿、雪崩 缓存不是“银弹”，合理的架构设计+完善的监控告警，才能让系统在高并发场景下真正稳如泰山

阅读 985

16赞

收藏 14
Redis的十大高频应用场景：从缓存到分布式锁，全面解析高效开发秘诀 Redis 7.0 + Java 17 + 单线程。，带你彻底掌握Redis的“硬核用法”。：分布式环境下如何保证资源操作的原子性？：热点数据频繁查询数据库导致响应延迟。：如何高效处理异步任务（如邮件发送）？：如何在分布式系统中共享用户登录状态？：如何防止接口被高频调用导致服务崩溃？：如何在分布式环境下保证操作的原子性？：如何用最小空间记录用户连续签到？：如何高效实现游戏积分排行榜？：如何实时统计用户活跃度？：高并发下的精准统计。：异步处理的核心组件。

阅读 1.6k

39赞

收藏 31
力扣146LRU缓存 找到对应节点之后要将其移动到最前面，那这就意味着我们需要知道第二个节点的指针，这有点麻烦，因为第二个节点可能会变化。并且，每个节点要存储key/value/next/prev，因为找到尾节点之后还要返回它的key值，这样才能从哈希表中删除。但是问题又来了：如果我们把中间的元素移到了上面，那空出来的位置要补上，这就意味着必然要进行移动操作，那时间复杂度肯定不是O(n)了。因为在链表中删除元素是O(1)操作，不涉及补位，也没有预分配空间的问题。// 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}

阅读 977

18赞

收藏 25
作者推荐
仿真小课堂
每周分享AFSIM与仿真技术
关注
袁庭新
互联网大厂Java高级开发工程师、前美股上市教育公司技术总监，专栏作者。曾在多家互联网企业任职，涉及通信、电商、物联网、在线教育、企业信息化等多个领域。对主流开源框架、中间件、分布式、微服务等技术栈有丰富的实战经验。专注于Java软件开发领域，热衷技术分享。
关注
杀死那个蝈坦
深度学习的卡密萨马waaaaaaaaaaaa，mvcc锁神宗第一天骄，杀死蝈坦第一人。
关注
hzk的学习笔记
鸡娃不如鸡自己，卷不动就卷铺盖
关注
祈祷苍天赐我java之术
分享一下自己用到的一些笔记
关注
jakeswang
要有一颗奋进的心
关注
阿萨德528号
学习、记录、分享
关注
李宥小哥
C#.NET，Python，大前端，数据库，中间件，云原生，软件架构，开发工具，计算机基础，大数据，人工智能，项目管理，开源
关注
en-route
搞点技术，混口饭吃
关注
2的n次方_
2024年度博客之星，腾讯云创作之星，华为云云享专家，阿里云乘风者计划专家博主
关注