- 博客(743)
- 收藏
- 关注
RSS订阅原创 redis： Redis集群脑裂问题深度解析
Redis集群脑裂问题的本质是分布式系统CAP理论中一致性与可用性的冲突体现。根治脑裂需要从网络架构、配置参数、应用适配、运维保障四个维度建立防御体系，而非单一依赖某几个参数。在实际工程实践中，应结合业务对数据一致性的要求，在防护强度与性能损耗间找到平衡点，构建真正高可用的Redis集群。
2025-11-07 12:55:31
667
原创 redis：Redis哨兵机制深度解析：高可用架构的核心保障
Redis哨兵（Sentinel）是Redis官方提供的高可用解决方案，其核心职责是，并在主节点故障时自动完成故障转移，确保服务持续可用。哨兵本身是一个分布式系统，通常由3-5个实例组成，通过共识机制避免单点故障，确保决策的一致性。
2025-11-07 12:55:01
380
原创 redis：Redis生成RDB文件时的请求处理机制
Redis在生成RDB文件时的请求处理机制，是操作系统特性（COW）与Redis事件模型完美结合的典范。小内存实例可采用"主节点BGSAVE+AOF everysec"平衡性能与安全大内存实例建议"从节点BGSAVE+主节点仅AOF"架构核心场景必须禁用THP并控制单实例内存规模任何时候都应避免使用SAVE命令（会完全阻塞服务）记住：Redis的持久化设计不是孤立的技术选择，而是需要与集群架构、业务流量模型、数据可靠性要求深度耦合的系统工程。
2025-11-07 12:54:29
375
原创 redis：Redis持久化机制深度解析
核心数据场景（如支付、账户）：优先AOF（everysec）+ 从节点RDB备份，确保数据安全性非核心数据场景（如缓存、计数器）：可采用RDB，降低性能开销超大规模集群：结合混合持久化+分片备份（每个分片单独持久化），避免单文件过大灾备设计：实现"本地RDB+异地AOF"的多副本策略，兼顾恢复速度与数据完整性Redis持久化机制的设计，本质是在性能损耗数据安全性与恢复效率三者间寻找平衡点。
2025-11-07 12:51:46
667
原创 redis：Redis Pipeline深度解析
Redis Pipeline（管道）是一种批量执行命令的优化机制，其核心价值在于。传统模式下，客户端执行一条命令需要经历"发送请求-等待响应"的往返过程，而Pipeline允许客户端一次性发送多条命令，服务器批量处理后一次性返回结果，从而显著降低网络延迟带来的性能损耗。
2025-11-07 12:50:45
702
原创 redis：深入解析Redis热点Key问题
在高并发分布式系统中，Redis作为高性能缓存中间件被广泛应用，但热点Key问题往往成为系统瓶颈的隐形杀手。本文将从热点Key的成因出发，结合实际项目案例，深入剖析解决方案，并通过流程图与时序图直观展示实现机制。
2025-11-07 12:48:01
636
原创 redis：Redis 中 Big Key 问题的深度解析与实战解决方案
Big Key 问题的本质是资源消耗与系统承载能力的不匹配。解决该问题需从设计规范、检测机制、优化方案三个层面构建体系化能力，结合业务场景选择合适的拆分策略与操作方式。在分布式系统中，避免 Big Key 既是技术要求，也是架构设计中"分而治之"思想的具体实践。
2025-11-07 12:47:23
458
原创 redis：Redis内存淘汰策略对系统性能的实际影响：从案例看策略选择的关键价值
数据特性优先：有明确过期时间的场景优先考虑volatile系列，无过期时间则用allkeys系列访问模式匹配：突发访问选LRU，稳定高频访问选LFU，随机访问选random风险兜底必备：任何场景都不应长期使用noeviction，至少保留10%内存冗余应对突发动态调整为王：通过监控和量化评估，让策略随业务周期（如促销、日常）动态适配Redis内存淘汰策略的本质，是在有限内存资源下对"数据价值"的排序算法。只有让排序逻辑与业务价值判断一致，才能最大化缓存系统的性能红利。
2025-11-07 12:46:44
432
原创 redis：Redis Lua脚本深度解析
Redis从2.6版本开始引入Lua脚本支持，其核心价值在于并。通过Lua脚本，开发者可以将一系列Redis命令封装为一个脚本，由Redis服务器一次性原子执行，避免了多命令执行时的竞态条件问题。
2025-11-07 12:45:51
441
原创 redis：Redis内存淘汰淘汰策略深度解析
Redis内存淘汰策略的选择需要结合业务场景（如数据访问模式、时效性要求）和系统指标（如内存使用率、命中率）综合决策。深入理解各策略的实现原理与适用场景，不仅能应对面试挑战，更能在实际项目中构建高性能、高可靠的缓存系统。记住：没有最优的策略，只有最适合当前场景的策略。
2025-11-07 12:45:14
223
原创 redis：Redis 内存淘汰策略深度解析
Redis 作为内存数据库，当内存使用达到配置的maxmemory阈值时，会触发内存淘汰机制。noeviction其中 LRU（最近最少使用）基于访问时间排序，LFU（最不经常使用）基于访问频率计数，TTL 则优先淘汰剩余生存时间短的键。fill:#333;color:#333;color:#333;fill:none;不淘汰过期键范围全库范围达到maxmemory阈值策略类型noeviction:拒绝写入筛选已设置过期时间的键筛选所有键volatile-lru:最近最少使用。
2025-11-05 12:40:18
378
原创 redis：Redis数据过期删除策略：从原理到生产实践
Redis作为高性能缓存系统，数据过期删除策略直接影响内存利用率与访问性能。其核心采用三种策略的配合实现了""与""的平衡。惰性删除避免了全局扫描的性能损耗，定期删除防止过期key堆积，内存淘汰则作为最后一道防线保障系统稳定性。fill:#333;color:#333;color:#333;fill:none;设置过期时间访问key时定时任务内存达阈值数据写入过期字典策略触发惰性删除定期删除内存淘汰数据删除内存释放。
2025-11-05 12:39:47
254
原创 redis：Redis事务机制：原理、实践与深度解析
Redis支持事务功能，通过一组命令的原子性执行保证数据一致性，其实现基于MULTIEXECDISCARD和WATCH四个核心命令，采用"一次性收集，批量执行"的机制。fill:#333;color:#333;color:#333;fill:none;并发控制事务生命周期确认执行放弃执行监测到监视键 WATCH键值修改事务中断开始事务 MULTI命令入队 排队等待执行控制执行事务 EXEC取消事务 DISCARD事务结束。
2025-11-05 12:39:10
282
原创 redis：Redis 与 Memcached 深度对比
Redis 与 Memcached 的差异本质是功能丰富度与专注度的取舍：Memcached 以简洁设计实现字符串的高效存储，适合简单场景；Redis 以单线程核心加丰富数据结构，支撑复杂业务逻辑。在实际架构中，两者并非替代关系，而是可形成互补——用 Memcached 承载高频简单读写，用 Redis 处理复杂结构与持久化需求。作为资深工程师，需跳出"非此即彼"的思维，根据具体场景（数据结构、并发量、可靠性要求）制定混合策略，并通过架构设计（分片、异步）突破单一组件的性能瓶颈。
2025-11-05 12:38:39
240
原创 redis：Redis 核心应用场景深度解析
Redis的应用场景与其数据结构和特性深度绑定，从缓存到分布式锁，从计数器到消息队列，其灵活的特性使其成为分布式系统的瑞士军刀。在实际项目中，需根据业务特性选择合适的应用场景与配套策略，如秒杀系统需同时运用缓存、限流、分布式锁和消息队列四大场景。面对缓存一致性、穿透、雪崩等挑战，需结合业务一致性要求制定分层解决方案，平衡性能与可靠性。对于资深工程师而言，不仅要掌握Redis的API用法，更要理解各场景背后的设计原理与权衡取舍，才能在复杂系统中充分发挥Redis的价值。
2025-11-05 12:36:20
373
原创 redis：Redis 跳表实现原理与实战解析
Redis 跳表（Skip List）是一种有序数据结构，通过在节点中维护多个指向其他节点的指针，实现高效的查找、插入和删除操作。fill:#333;color:#333;color:#333;fill:none;跳表结构表头节点普通节点集合层级指针数组数据域 key+value层级指针数组各层级指向的首节点同层级下一个节点最高层级计数器跳表查询过程类似"二分查找"：从最高层级开始，若当前节点的下一个节点 key 大于目标，则降一层继续查找，直至找到目标或到达底层。
2025-11-05 12:35:50
294
原创 redis：Redis Hash 底层实现与实战解析
Redis Hash 是一种键值对集合，本质上是字段（field）和值（value）的映射表，适合存储对象类数据（如用户信息、商品属性）。fill:#333;color:#333;color:#333;fill:none;小数据量大数据量Redis Hash数据量判断压缩列表 ziplist哈希表 hashtable连续内存存储数组+链表结构。
2025-11-05 12:34:39
526
原创 redis：Redis单线程设计的深度解析
Redis作为高性能KV数据库，其单线程设计曾让许多开发者困惑：为何单线程能支撑每秒十万级的QPS？核心原因在于与。Redis的核心操作（键值存取、集合运算等）均在内存中完成，耗时极短（微秒级）。此时性能瓶颈并非CPU，而是与。若引入多线程，线程切换（上下文切换成本约1-10微秒）和锁竞争反而会抵消并行收益。单线程模式下，Redis通过（select/epoll/kqueue）实现并发处理，用一个线程管理所有客户端连接的读写事件，避免了多线程的同步开销。fill:#333;color:#333;
2025-11-05 12:33:58
479
原创 redis：Redis集群实现原理：从架构到实战
Redis集群采用去中心化的分布式架构，通过分片（Sharding）实现数据水平扩展，核心原理基于哈希槽（Hash Slot）机制。fill:#333;color:#333;color:#333;fill:none;Redis集群主节点1负责槽0-5460从节点1复制主1主节点2负责槽5461-10922从节点2复制主2主节点3负责槽10923-16383从节点3复制主3客户端。
2025-11-05 12:32:55
248
原创 redis：Redis 主从复制深度解析：原理、实战与优化
Redis 主从复制通过异步同步机制实现了数据冗余与读写分离，但其异步特性也带来了数据一致性与性能挑战。深入理解全量同步与增量同步的触发条件、复制缓冲区的作用机制，是设计高可用 Redis 架构的基础。在实战中，需结合业务场景优化同步策略（如无盘复制、级联复制），并通过监控与补偿机制解决数据不一致问题。面对复制风暴等极端场景，应从架构设计（树形结构）、配置优化（增大缓冲区）、运维策略（错峰重启）多维度入手，确保系统稳定性。
2025-11-05 12:32:22
733
原创 java基础：深度解析：ConcurrentModificationException 的本质与应对策略
ConcurrentModificationException 本质是集合迭代器对结构一致性的校验机制，反映了快速失败设计理念。理解其触发原理（modCount 与 expectedModCount 不匹配）是解决问题的关键。在实战中，需根据并发场景选择合适的容器（如 CopyOnWriteArrayList）或修改策略（如迭代器删除、批量处理），同时区分单线程与多线程环境下的不同应对方案。对于资深工程师而言，不仅要能解决表面的异常，更要理解其背后的并发设计思想，才能在复杂系统中做出合理的技术选型。
2025-10-24 18:54:01
570
原创 java基础：ConcurrentHashMap 为何禁止 null 键值
如前文项目案例中的 StockValue，增加 boolean 字段标记存在性。相比 Optional，可减少自动装箱开销，性能更优（损耗约 5%），且支持扩展额外字段（如时间戳、版本号）。
2025-10-24 18:51:13
717
原创 java基础：ConcurrentHashMap的get方法
在Java并发集合领域，ConcurrentHashMap以其高效的并发性能成为多线程场景的首选。其中get方法的无锁设计堪称并发编程的经典之作，既保证了线程安全，又避免了锁带来的性能损耗。本文将深入剖析这一机制的实现原理、设计考量及工程实践。
2025-10-24 18:50:43
847
原创 java基础：ConcurrentHashMap 1.7与1.8深度对比
ConcurrentHashMap从1.7到1.8的演进，体现了并发设计从"粗粒度隔离"到"细粒度协同"的思想转变。分段锁到CAS+synchronized的迭代，不仅是性能优化，更是对并发场景理解的深化——大多数实际应用中，哈希表的冲突是局部性的，无需为全局一致性付出过高代价。对于资深工程师而言，理解这种演进背后的权衡逻辑至关重要：锁粒度与并发度的平衡、内存开销与访问效率的取舍、实现复杂度与维护成本的考量。
2025-10-24 18:50:12
810
原创 java基础：IdentityHashMap深度解析：对象标识语义下的特殊Map实现
IdentityHashMap作为Java集合框架中的特殊实现，填补了基于对象标识进行键值映射的空白。它的存在提醒我们：在Java中，"相等性"具有双重语义——值相等（equals()）和标识相等（==），而选择合适的语义取决于具体业务场景。资深工程师需要理解这种设计背后的哲学：集合框架提供的不仅是数据结构，更是对不同语义场景的抽象。IdentityHashMap的价值不在于替代HashMap，而在于其不可替代性——在需要精确区分对象实例的场景下，它是最简洁高效的解决方案。
2025-10-24 18:48:03
534
原创 java基础：Java 深度解析：LinkedHashMap 的设计与实战
LinkedHashMap 是 HashMap 的子类，在哈希表基础上通过双向链表维护了键值对的插入顺序或访问顺序，实现了"有序哈希"的特性。其核心结构包含：fill:#333;color:#333;color:#333;fill:none;哈希表: Nodetable双向链表: 头节点 head + 尾节点 tail继承HashMap.Node增加before/after指针按插入/访问顺序串联节点与 HashMap 相比，LinkedHashMap 重写了newNode()
2025-10-24 18:46:43
1106
原创 java基础：Java 深度解析：WeakHashMap 原理与实战
WeakHashMap 是 Java 集合框架中一种特殊的 Map 实现，其键（Key）采用弱引用（WeakReference）管理。当键对象没有强引用指向时，会被垃圾回收器回收，对应的键值对也会从 Map 中自动移除。这种特性使其非常适合实现缓存、临时数据存储等场景。
2025-10-24 18:45:53
913
原创 java基础：Java TreeMap 深度解析
TreeMap 是 Java 集合框架中基于红黑树实现的有序映射表，它通过 key 的自然排序或自定义 Comparator 维护键值对的顺序。与 HashMap 不同，TreeMap 不允许 null 键（会抛出 NullPointerException），但允许 null 值，其操作的时间复杂度为 O(log n)。fill:#333;color:#333;color:#333;fill:none;TreeMap红黑树结构节点平衡机制左旋/右旋操作排序特性自然排序 Comparable。
2025-10-24 18:45:05
261
原创 java基础：JDK1.8 HashMap红黑树改造深度解析
JDK1.8对HashMap的红黑树改造，体现了"平庸场景保持简单，极端场景保障性能"的设计哲学。这一改动不仅解决了哈希冲突下的性能退化问题，更构建了一套自适应的存储结构——在常态下用链表保持高效，在极端下用红黑树维持稳定。对于资深工程师而言，理解这一设计背后的权衡逻辑（时间复杂度与空间开销、常态性能与极端保障），远比记住API用法更重要。在实际项目中，我们既需要信任JDK的默认实现，也要具备在特殊场景下调整参数、甚至自定义实现的能力，这正是Java工程师技术深度的体现。
2025-10-24 18:44:09
630
原创 java基础：JDK 1.8 HashMap的深度进化：不止红黑树的性能革命
作为Java集合框架的核心组件，HashMap的每一次演进都牵动着千万开发者的神经。JDK 1.8对HashMap的改造堪称里程碑式的升级，其影响深度远超红黑树这一广为人知的特性。本文将系统剖析这些改动的技术细节、实现原理及工程价值。
2025-10-24 18:43:10
1037
原创 java基础：HashMap 扩容为何采用 2 的 n 次方倍策略
在 Java 集合框架中，HashMap 作为最常用的键值对存储结构，其底层实现细节一直是大厂面试的核心考点。其中，扩容机制选择 2 的 n 次方倍增长这一设计，看似简单却蕴含着对性能、哈希分布和内存效率的深度权衡。本文将从底层原理、实战案例和面试视角，全面剖析这一设计的本质原因。
2025-10-16 13:04:08
385
原创 java基础：Java HashMap扩容机制深度解析
HashMap的扩容操作是性能敏感点，尤其是在大数据量场景下，优化扩容性能能显著提升系统整体表现。性能优化策略合理设置初始容量根据预期元素数量计算初始容量：initialCapacity = (int)(expectedSize / loadFactor) + 1避免使用默认容量（16）处理大量数据，减少扩容次数调整负载因子内存充裕场景：提高loadFactor（如0.9）减少扩容次数频繁查询场景：降低loadFactor（如0.5）减少哈希冲突自定义扩容触发机制。
2025-10-16 13:03:14
381
原创 java基础：Java中HashSet与HashMap的深度解析
在Java集合框架中，HashSet和HashMap是两个高频使用的数据结构，它们共享哈希表的核心机制，但设计目标和应用场景却有着本质区别。理解两者的内在联系与差异，是编写高效Java代码的基础，也是大厂面试中的常见考点。本文将从底层实现、操作特性到工程实践，全面剖析这两个集合的设计精髓。
2025-10-16 13:01:09
271
原创 java基础：ConcurrentHashMap与Hashtable深度剖析
在Java集合框架中，线程安全的Map实现主要包括Hashtable、ConcurrentHashMap以及Collections.synchronizedMap()包装的普通Map。它们的关系和核心特性如下：fill:#333;color:#333;color:#333;fill:none;MapHashtableHashMapSortedMapTreeMap线程安全实现。
2025-10-16 12:58:59
630
原创 java基础：Java哈希容器对决：HashMap与Hashtable深度解析
在Java集合框架中，HashMap与Hashtable作为两种最常用的哈希表实现，看似功能相似却存在本质差异。本文将从线程安全性、性能特性、功能设计等维度深入对比，揭示两者在高并发场景下的适用边界，为容器选型选择提供实战指导。
2025-10-16 12:57:20
851
原创 Java基础：Java ArrayList 扩容机制深度解析
ArrayList 作为 Java 集合框架中最常用的动态数组实现，其自动扩容机制是保证灵活性的核心，但也可能成为性能隐患。本文将深入剖析 ArrayList ArrayList ArrayList 扩容的底层实现，结合实际项目案例探讨性能优化策略，并针对大厂面试中的高频问题提供深度解答。
2025-10-16 12:55:20
422
原创 Java基础：Java List 接口实现类深度解析
在 Java 集合框架中，List 作为最常用的有序集合接口，其实现类的选择直接影响系统性能与内存效率。对于资深工程师而言，不仅要掌握各类实现的表层特性，更要理解其底层数据结构与适用场景的本质差异。本文将从体系架构、实战案例和深度原理三个维度，全面剖析 List 接口的核心实现类。
2025-10-16 12:54:28
321
原创 java基础：Java中数组与链表的深度解析
数组与链表作为计算机科学中最基础的数据结构，在Java中有着广泛应用。它们的设计差异直接影响着程序的性能特性，理解其底层原理与适用场景，是资深资深工程师er必备的核心能力。本文将从内存布局、操作特性到实际工程实践，全面剖析这两种数据结构的本质区别。
2025-10-16 12:54:00
335
原创 Java基础：优化 HashMap 性能的实战技巧
自定义 Key 实现高效哈希函数的核心原则是：让哈希值均匀分布，同时保证 equals() 方法的一致性。结合对象多个字段计算哈希值，避免单一字段作为哈希依据使用素数乘法减少哈希碰撞，如：@Override// 起始素数= null?= null?equals() 方法需严格遵循自反性、对称性、传递性，先判断引用，再判断类型，最后比较关键字段。
2025-10-16 12:50:12
390
原创 java基础：Java哈希机制深度剖析
哈希表作为Java中最常用的数据结构之一，其高效的查找性能依赖于哈希函数的均匀分布特性。然而哈希碰撞作为无法完全避免的现象，其处理机制直接影响着容器的性能表现。本文将系统解析哈希碰撞的本质、JDK中的解决方案及实战优化策略。
2025-10-16 12:49:12
853
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人