qq_34343254的博客

111

通过本文将了解到以下内容： 查找问题的一般思路 布隆过滤器的基本原理 布隆过滤器的典型应用 布隆过滤器的工程实现 场景说明：本文阐述的场景均为普通单机服务器、并非分布式大数据平台，因为在大数据平台下问题就是另外一种考虑方式了，因此本文只描述贫穷落后一穷二白的场景，俨然有种60年代先辈们在戈壁攻克原子弹的感觉。1.查找问题的一般思路查找问题是出现频率极高的问题，来看一道面试题：给你A,B两个文件，各存放50亿条URL，每条URL占用64字节，内存.

前言欢迎各位进群973961276一起聊聊技术吹吹牛，每周都会有几次抽奖送专业书籍的活动，奖品虽不甚值钱，但也算个彩头不是我是Redis你好，我是Redis，一个叫Antirez的男人把我带到了这个世界上。说起我的诞生，跟关系数据库MySQL还挺有渊源的。在我还没来到这个世界上的时候，MySQL过的很辛苦，互联网发展的越来越快，它容纳的数据也越来越多，用户请求也随之暴涨，而每一个用户请求都变成了对它的一个又一个读写操作，MySQL是苦不堪言。尤其是到“双11”、“618“这种全民购物.

一、什么是LRU？ LRU（Least Recently Used），最近最少使用。 是一种【内存管理】算法。 LRU算法基于一种假设： 长期不被使用的数据，在未来被用到的几率也不大。因此，当数据所占内存达到一定阈值时，要移除掉最近最少使用的数据。 LRU算法使用了一种有趣的数据结构，叫做【哈希链表】二、什么是【哈希链表】呢? 1）【哈希表】是由若干个【Key-Value】所组成的。 ...

前面介绍了《进阶的Redis之数据持久化RDB与AOF》和《进阶的Redis之Sentinel原理及实战》，这次来了解下Redis的集群功能，以及其中哈希分片原理。集群分片模式如果Redis只用复制功能做主从，那么当数据量巨大的情况下，单机情况下可能已经承受不下一份数据，更不用说是主从都要各自保存一份完整的数据。在这种情况下，数据分片是一个非常好的解决办法。Redis的Cluster正是用于解决该问题。它主要提供两个功能：自动对数据分片，落到各个节点上 即使集群部分节点失效或者连接不上，依

1、字符型 string输出2、list 列表输出3、set 集合输出4、hash 哈希输出5、zset 有序集合输出