- 博客(8)
- 收藏
- 关注
RSS订阅原创 redis分布式锁———使用场景
如上图所示，出现了超卖的问题，假设在线程1、2都未执行前，库存的数量为1，此时，线程1执行了查询优惠券操作，与此同时，线程2紧跟线程1也执行了查询操作（线程交替执行），此时，两个线程都查到了库存为1的数据，而线程1首先判断了库存充足并且执行了扣减库存的操作，如此，库存变成了0，当线程2再去拿之前查到的库存为1的数据进行判断的时候，依然是库存充足扣减库存，但是，此时库存的真实值已经变成0，再进行扣减是库存值就变成了-1。如果是单体项目并且只启动一台服务以上方法是没问题的！如果项目是服务集群部署，如下图所示。
2023-08-12 21:59:38
693
1
原创 redis缓存———数据淘汰策略
对于 Redis 这种使用内存来存储数据的缓存系统，当数据量增长超过内存大小时，可以采用缓存数据的淘汰机制来解决。这种机制包括两个主要步骤： 第一步是根据一定的策略，筛选出对应用访问来说“不重要”的数据。这样可以确保缓存中留下的数据是最有价值的数据，以便提高缓存命中率和应用的响应速度。 第二步是将这些被筛选出的“不重要”数据从缓存中删除，为新的数据腾出空间。这样可以保持缓存的可用空间，继续缓存对应用访问频率高的数据。常见的数据淘汰策略有： LRU（Least
2023-08-12 19:39:12
236
1
原创 redis缓存———数据过期策略
惰性删除：访问key的时候判断是否过期，如果过期，则删除定期删除：定期检查一定量的key是否过期（slow模式+fast模式）注意：在实际的开发中，惰性删除+定期删除两种策略往往进行配合使用。
2023-08-12 18:30:49
145
1
原创 redis缓存——双写一致
针对以上分布式锁出现的问题，我们可以对此进行优化，一般情况下，针对缓存中的数据都有读多写少的特点，针对此特点，我们可以通过读写锁来控制。相比分布式锁，此方法在性能上有了较大的提升，同样可以保证数据的强一致性。由上图可以看出，添加分布式锁后，当线程1写数据操作完成并且释放锁以后，线程2才可以开始执行，因此，这种方法有效的保证的数据的强一致性，但性能会比较低。延时双删可以在某种程度上有效的避免缓存、数据库数据的不一致的问题，但依旧存在有脏数据风险，此方法可以大大降低产生脏数据的方向，但是无法避免产生脏数据。
2023-08-12 11:46:55
77
1
原创 redis缓存——缓存雪崩原理及解决方法
缓存雪崩是一种常见的缓存问题，但通过合理的缓存策略、分布式锁、异步加载、多级缓存以及监控预警等措施，可以有效地预防和应对缓存雪崩，保证系统的稳定性和性能。缓存雪崩是指在缓存系统中，大量缓存对象在同一时间失效或过期，导致大量请求直接打到后端存储系统上，造成后端系统的压力骤增，甚至引起系统崩溃。4. 多级缓存策略：可以采用多级缓存的策略，将缓存对象分散存储在不同级别的缓存中，以降低单一缓存失效对整个系统的影响。3. 异步加载缓存：可以在缓存失效前，提前异步加载缓存，使得缓存始终可用，避免雪崩效应。
2023-08-12 10:35:18
225
1
原创 redis缓存——缓存击穿原理及解决方法
缓存击穿是指在缓存系统中，某一个热点数据过期或被删除后，恰好在此时有大量并发请求访问该数据，导致请求直接穿透缓存，直接访问数据库或其他后端存储系统，造成后端系统的压力过大，甚至引起系统崩溃。3. 不存在的数据访问：当请求访问一个不存在的数据时，正常情况下应该从后端系统加载数据并生成缓存，但在并发请求中，可能同时有多个请求到达，导致多次访问后端系统。1. 热点数据的缓存失效：当缓存中保存的热点数据过期或被删除时，此时大量的请求同时到达，需要重新从后端系统加载数据到缓存，造成并发访问高峰。
2023-08-11 22:05:32
99
1
原创 redis缓存——缓存穿透原理及解决方法
缓存穿透是一种指在缓存系统中，请求的数据无论在缓存中还是在数据库中都不存在，导致请求每次都要访问数据库，增加了系统的负载和延迟。缓存穿透的攻击通常是攻击者发送大量的恶意请求，请求的键在缓存中都不存在，这样每次请求都会绕过缓存直接访问数据库，从而引起数据库的压力过大。例如，在将数据存入缓存之前没有做有效的校验，导致无效的请求能够绕过缓存直接访问数据库。布隆过滤器的优点是占用空间小，查询速度快，因为它可以将元素表示为位数组，且查询只需要计算哈希值和检查对应的位值就可以得出结果。
2023-08-11 21:48:52
62
2
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