实现多级缓存架构设计方案

十一、多级缓存——多级缓存实战详解 多级缓存是在系统的不同层级进行数据缓存的一种策略,旨在提高数据访问效率。接入 Nginx将请求负载均衡到应用 Nginx。常见的负载均衡算法有轮询和一致性哈希。轮询可均衡负载,一致性哈希则能提升缓存命中率。应用 Nginx 本地缓存读取本地缓存(可以是 Lua Shared Dict、Nginx Proxy Cache 等)。如果命中,则直接返回缓存数据。这种缓存可以提升吞吐量,降低后端压力,特别是应对热点数据时非常有效。分布式缓存如果本地缓存未命中,则查询分布式缓存(如 Redis)。 阅读详情

你已选中了添加链接的内容点击上方“芋道源码”,选择“设为星标”

管她前浪,还是后浪?

能浪的浪,才是好浪!

每天 8:55 更新文章,每天掉亿点点头发...

源码精品专栏

 

来源:tech.youzan.com/


TMC,即“透明多级缓存(Transparent Multilevel Cache)”,是有赞 PaaS 团队给公司内应用提供的整体缓存解决方案。

TMC 在通用“分布式缓存解决方案(如 CodisProxy + Redis,如有赞自研分布式缓存系统 zanKV)”基础上,增加了以下功能:

  • 应用层热点探测

  • 应用层本地缓存

  • 应用层缓存命中统计

以帮助应用层解决缓存使用过程中出现的热点访问问题。

为什么要做 TMC

使用有赞服务的电商商家数量和类型很多,商家会不定期做一些“商品秒杀”、“商品推广”活动,导致“营销活动”、“商品详情”、“交易下单”等链路应用出现 缓存热点访问 的情况:

  • 活动时间、活动类型、活动商品之类的信息不可预期,导致 缓存热点访问 情况不可提前预知;

  • 缓存热点访问 出现期间,应用层少数 热点访问 key 产生大量缓存访问请求:冲击分布式缓存系统,大量占据内网带宽,最终影响应用层系统稳定性;

为了应对以上问题,需要一个能够 自动发现热点 并 将热点缓存访问请求前置在应用层本地缓存的解决方案,这就是 TMC 产生的原因。

多级缓存解决方案的痛点

基于上述描述,我们总结了下列 多级缓存解决方案 需要解决的需求痛点:

  • 热点探测:如何快速且准确的发现 热点访问 key ?

  • 数据一致性:前置在应用层的本地缓存,如何保障与分布式缓存系统的数据一致性?

  • 效果验证:如何让应用层查看本地缓存命中率、热点 key 等数据,验证多级缓存效果?

  • 透明接入:整体解决方案如何减少对应用系统的入侵,做到快速平滑接入?

TMC 聚焦上述痛点,设计并实现了整体解决方案。以支持“热点探测”和“本地缓存”,减少热点访问时对下游分布式缓存服务的冲击,避免影响应用服务的性能及稳定性。

TMC 整体架构

TMC 整体架构如上图,共分为三层:

  • 存储层:提供基础的 kv 数据存储能力,针对不同的业务场景选用不同的存储服务(codis/zankv/aerospike);

  • 代理层:为应用层提供统一的缓存使用入口及通信协议,承担分布式数据水平切分后的路由功能转发工作;

  • 应用层:提供统一客户端给应用服务使用,内置“热点探测”、“本地缓存”等功能,对业务透明;

本篇聚焦在应用层客户端的“热点探测”、“本地缓存”功能。

TMC 本地缓存

如何透明

TMC 是如何减少对业务应用系统的入侵,做到透明接入的?对于公司 Java 应用服务,在缓存客户端使用方式上分为两类:

  • 基于 spring.data.redis包,使用 RedisTemplate编写业务代码;

  • 基于 youzan.framework.redis包,使用 RedisClient编写业务代码;

不论使用以上那种方式,最终通过 JedisPool创建的 Jedis对象与缓存服务端代理层做请求交互。

TMC 对原生 jedis 包的 JedisPool和 Jedis类做了改造,在 JedisPool 初始化过程中集成 TMC“热点发现”+“本地缓存”功能 Hermes-SDK包的初始化逻辑,使 Jedis客户端与缓存服务端代理层交互时先与 Hermes-SDK交互,从而完成 “热点探测”+“本地缓存”功能的透明接入。

对于 Java 应用服务,只需使用特定版本的 jedis-jar 包,无需修改代码,即可接入 TMC 使用“热点发现”+“本地缓存”功能,做到了对应用系统的最小入侵。

整体结构

模块划分

TMC 本地缓存整体结构分为如下模块:

  • Jedis-Client :Java 应用与缓存服务端交互的直接入口,接口定义与原生 Jedis-Client 无异;

  • Hermes-SDK :自研“热点发现+本地缓存”功能的 SDK 封装,Jedis-Client 通过与它交互来集成相应能力;

  • Hermes 服务端集群 :接收 Hermes-SDK 上报的缓存访问数据,进行热点探测,将热点 key 推送给 Hermes-SDK 做本地缓存;

  • 缓存集群 :由代理层和存储层组成,为应用客户端提供统一的分布式缓存服务入口;

  • 基础组件 :etcd 集群、Apollo 配置中心,为 TMC 提供“集群推送”和“统一配置”能力;

基本流程

1)key 值获取

  • Java 应用调用 Jedis-Client 接口获取 key 的缓存值时,Jedis-Client 会询问 Hermes-SDK 该 key 当前是否是 热点key ;

  • 对于 热点key ,直接从 Hermes-SDK 的 热点模块 获取热点 key 在本地缓存的 value 值,不去访问 缓存集群 ,从而将访问请求前置在应用层;

  • 对于非 热点key ,Hermes-SDK 会通过 Callable回调 Jedis-Client 的原生接口,从 缓存集群 拿到 value 值;

  • 对于 Jedis-Client 的每次 key 值访问请求,Hermes-SDK 都会通过其 通信模块 将 key 访问事件 异步上报给 Hermes 服务端集群 ,以便其根据上报数据进行“热点探测”;

2)key 值过期

  • Java 应用调用 Jedis-Client 的 set() del() expire()接口时会导致对应 key 值失效,Jedis-Client 会同步调用 Hermes-SDK 的 invalid()方法告知其“key 值失效”事件;

  • 对于 热点 key ,Hermes-SDK 的 热点模块 会先将 key 在本地缓存的 value 值失效,以达到本地数据强一致 。同时 通信模块 会异步将“key 值失效”事件通过 etcd 集群 推送给 Java 应用集群中其他 Hermes-SDK 节点;

  • 其他 Hermes-SDK 节点的 通信模块 收到 “key 值失效”事件后,会调用 热点模块 将 key 在本地缓存的 value 值失效,以达到集群数据最终一致 ;

3)热点发现

  • Hermes 服务端集群 不断收集 Hermes-SDK 上报的 key 访问事件 ,对不同业务应用集群的缓存访问数据进行周期性(3s 一次)分析计算,以探测业务应用集群中的热点 key 列表;

  • 对于探测到的热点 key 列表,Hermes 服务端集群 将其通过 etcd 集群 推送给不同业务应用集群的 Hermes-SDK 通信模块,通知其对热点 key 列表进行本地缓存;

4)配置读取

  • Hermes-SDK 在启动及运行过程中,会从 Apollo 配置中心 读取其关心的配置信息(如:启动关闭配置、黑白名单配置、etcd 地址...);

  • Hermes 服务端集群 在启动及运行过程中,会从 Apollo 配置中心 读取其关心的配置信息(如:业务应用列表、热点阈值配置、etcd 地址...);

稳定性

TMC 本地缓存稳定性表现在以下方面:

  • 数据上报异步化:Hermes-SDK 使用 rsyslog技术对“key 访问事件”进行异步化上报,不会阻塞业务;

  • 通信模块线程隔离:Hermes-SDK 的 通信模块 使用独立线程池+有界队列,保证事件上报&监听的 I/O 操作与业务执行线程隔离,即使出现非预期性异常也不会影响基本业务功能;

  • 缓存管控:Hermes-SDK 的 热点模块 对本地缓存大小上限进行了管控,使其占用内存不超过 64MB(LRU),杜绝 JVM 堆内存溢出的可能;

一致性

TMC 本地缓存一致性表现在以下方面:

  • Hermes-SDK 的 热点模块 仅缓存 热点 key 数据,绝大多数非热点 key数据由 缓存集群 存储;

  • 热点 key 变更导致 value 失效时,Hermes-SDK 同步失效本地缓存,保证 本地强一致 ;

  • 热点 key 变更导致 value 失效时,Hermes-SDK 通过 etcd 集群 广播事件,异步失效业务应用集群中其他节点的本地缓存,保证 集群最终一致 ;

热点发现

整体流程

TMC 热点发现流程分为四步:

  • 数据收集 :收集 Hermes-SDK 上报的 key 访问事件;

  • 热度滑窗 :对 App 的每个 Key,维护一个时间轮,记录基于当前时刻滑窗的访问热度;

  • 热度汇聚 :对 App 的所有 Key,以 <key,热度>的形式进行 热度排序汇总;

  • 热点探测 :对 App,从 热 Key 排序汇总 结果中选出 TopN 的热点 Key ,推送给 Hermes-SDK ;

数据收集

Hermes-SDK 通过本地 rsyslog将 key 访问事件 以协议格式放入 kafka ,Hermes 服务端集群 的每个节点消费 kafka 消息,实时获取 key 访问事件 。

访问事件协议格式如下:

  • appName:集群节点所属业务应用

  • uniqueKey:业务应用 key 访问事件 的 key

  • sendTime:业务应用 key 访问事件 的发生时间

  • weight:业务应用 key 访问事件 的访问权值

Hermes 服务端集群 节点将收集到的 key 访问事件 存储在本地内存中,内存数据结构为 Map<String,Map<String,LongAdder>>,对应业务含义映射为 Map<appName,Map<uniqueKey,热度>>。

热度滑窗

时间滑窗

Hermes 服务端集群 节点,对每个 App 的每个 key,维护了一个 时间轮 :

  • 时间轮中共 10 个 时间片 ,每个时间片记录当前 key 对应 3 秒时间周期的总访问次数;

  • 时间轮 10 个时间片的记录累加即表示当前 key 从当前时间向前 30 秒时间窗口内的总访问次数;

映射任务

Hermes 服务端集群 节点,对每个 App 每 3 秒 生成一个 映射任务 ,交由节点内 “缓存映射线程池” 执行。映射任务 内容如下:

  • 对当前 App,从 Map<appName,Map<uniqueKey,热度>>中取出 appName 对应的 Map Map<uniqueKey,热度>>;

  • 遍历 Map<uniqueKey,热度>>中的 key,对每个 key 取出其热度存入其 时间轮 对应的时间片中;

热度汇聚

完成第二步“热度滑窗”后,映射任务 继续对当前 App 进行“热度汇聚”工作:

  • 遍历 App 的 key,将每个 key 的 时间轮 热度进行汇总(即 30 秒时间窗口内总热度)得到探测时刻 滑窗总热度 ;

  • 将 < key , 滑窗总热度 > 以排序集合的方式存入 Redis 存储服务 中,即 热度汇聚结果 ;

热点探测**

  • 在前几步,每 3 秒 一次的 映射任务 执行,对每个 App 都会产生一份当前时刻的 热度汇聚结果 ;

  • Hermes 服务端集群 中的“热点探测”节点,对每个 App,只需周期性从其最近一份 热度汇聚结果 中取出达到热度阈值的 TopN 的 key 列表,即可得到本次探测的 热点 key 列表 ;

TMC 热点发现整体流程如下图:

特性总结

实时性

Hermes-SDK 基于rsyslog + kafka 实时上报 key 访问事件 。映射任务 3 秒一个周期完成“热度滑窗” + “热度汇聚”工作,当有 热点访问场景 出现时最长 3 秒即可探测出对应 热点 key 。

准确性

key 的热度汇聚结果 由“基于时间轮实现的滑动窗口”汇聚得到,相对准确地反应当前及最近正在发生访问分布。

扩展性

Hermes 服务端集群 节点无状态,节点数可基于 kafka 的 partition 数量横向扩展。

“热度滑窗” + “热度汇聚” 过程基于 App 数量,在单节点内多线程扩展。

实战效果

快手商家某次商品营销活动

有赞商家通过快手直播平台为某商品搞活动,造成该商品短时间内被集中访问产生访问热点,活动期间 TMC 记录的实际热点访问效果数据如下:

某核心应用的缓存请求&命中率曲线图**

  • 上图蓝线为应用集群调用get()方法访问缓存次数

  • 上图绿线为获取缓存操作命中TMC本地缓存的次数

  • 上图为本地缓存命中率曲线图

可以看出活动期间缓存请求量及本地缓存命中量均有明显增长,本地缓存命中率达到近 80%(即应用集群中 80% 的缓存查询请求被 TMC 本地缓存拦截)。

热点缓存对应用访问的加速效果**

  • 上图为应用接口 QPS 曲线

  • 上图为应用接口 RT 曲线

可以看出活动期间应用接口的请求量有明显增长,由于 TMC 本地缓存的效果应用接口的 RT 反而出现下降。

双十一期间部分应用 TMC 效果展示

商品域核心应用效果

活动域核心应用效果

功能展望

TMC 目前已为商品中心、物流中心、库存中心、营销活动、用户中心、网关&消息等多个核心应用模块提供服务,后续应用也在陆续接入中。

TMC 在提供“热点探测” + “本地缓存”的核心能力同时,也为应用服务提供了灵活的配置选择,应用服务可以结合实际业务情况在“热点阈值”、“热点 key 探测数量”、“热点黑白名单”维度进行自由配置以达到更好的使用效果。


欢迎加入我的知识星球,一起探讨架构,交流源码。加入方式,长按下方二维码噢:

已在知识星球更新源码解析如下:

最近更新《芋道 SpringBoot 2.X 入门》系列,已经 20 余篇,覆盖了 MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。

提供近 3W 行代码的 SpringBoot 示例,以及超 4W 行代码的电商微服务项目。

获取方式:点“在看”,关注公众号并回复 666 领取,更多内容陆续奉上。

文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)
高性能系统架构设计之:多级缓存 大流量下的多级缓存设计,大致有五大策略:HTTP 缓存,CDN 缓存,Ngginx负载均衡缓存,Cache进程内缓存,Redis分布式缓存。 阅读详情

相关推荐

42、基于窥探的多处理器设计详解

本文深入探讨了基于窥探的多处理器系统设计,重点分析了缓存一致性协议实现中的正确性、性能与硬件开销之间的权衡。文章从基本的单级缓存与原子总线设计出发,逐步扩展到多级缓存结构和拆分事务总线的应用,详细阐述了死锁、活锁和饥饿等并发问题的成因与解决方案。结合SGI Challenge和Sun Enterprise等实际案例,评估了不同设计在缓存命中率、总线利用率和多线程性能方面的表现。最后展望了功能扩展、规模扩展及未来多处理器设计的发展趋势,为高性能对称多处理器系统的设计提供了全面的技术参考。

7up55的博客 43

多级缓存架构 | 黑马Redis高级篇

黑马Redis教程-多级缓存笔记。全是硬核知识,这期真的学到很多,Nginx+lua本地缓存+redis+jvm的Caffeine实现的多级缓存架构,用canal实现缓存同步。

weixin_54232666的博客 5567

stm32学习笔记-启动文件

1、配置栈 Stack_Size EQU 0x00000400 AREA STACK, NOINIT, READWRITE, ALIGN=3 Stack_Mem SPACE Stack_Size __initial_sp EQU:相当于C中的define,定义Stack_Size = 0x00000400。 AREA: 指...

某风吾起的博客 4534

多级缓存原理及实现

多级缓存原理及实现

m0_37908257的博客 801

3D视觉引导技术在机器人焊接中的应用

通过对比传统的2D视觉和3D视觉技术在焊接领域的应用差异,探讨了3D视觉引导技术在提高焊接精度、适应不规则工件形状和增强自适应能力方面的优势。本文对3D视觉引导技术在机器人焊接中的应用进行了深入探讨,总结了其在提高焊接精度、适应不规则工件形状和增强自适应能力方面的优势,并通过应用案例展示了其在焊接路径规划、焊缝检测和焊接质量控制等方面的重要作用。1. 提高焊接精度:3D视觉引导技术能够精确测量焊接工件的三维形状和位置,为机器人提供精准的焊接路径规划和跟踪,从而提高焊接精度。三、3D视觉引导技术概述。

2302_79273122的博客 1836

车载与安防项目实战:如何用RK3588搭配NVP6158C实现4路AHD摄像头BT1120接入与同步预览

本文详细解析了基于RK3588处理器与NVP6158C解码芯片实现4路AHD摄像头BT1120接入与同步预览的技术方案。针对车载环视和安防监控场景,重点探讨了硬件架构设计、BT1120接口配置、多路同步机制及Android HAL适配等核心问题,提供了从底层驱动到上层应用的完整实现路径,为相关领域的工程实践提供可靠参考。

weixin_30571465的博客 487

3.多级缓存

本篇基于B站黑马程序员 虎翼老师的 Redis入门到实战教程,全面透析redis底层原理+redis分布式锁+企业解决方案+redis实战 , 便于复习所用

sichenss的博客 4192

从涡流求解器到瞬态场:Maxwell 3D里无线充电仿真,选对求解器能省一半计算时间

本文深入探讨了Maxwell 3D在无线充电仿真中涡流求解器与瞬态求解器的选择策略,帮助工程师优化计算效率与精度。通过对比分析两种求解器的适用场景、性能差异及实战技巧,揭示如何根据频率特性、材料非线性和动态过程需求做出精准选择,可节省高达50%的计算时间。特别针对3D线圈模型的无线充电系统设计提供了专业建议。

weixin_26861329的博客 233

实现多级缓存架构设计方案!

点击下方“IT牧场”,选择“设为星标”来源:https://tech.youzan.com为什么要做 TMC多级缓存解决方案的痛点TMC 整体架构TMC 本地缓存如何透明整体结构热点发现整...

ITMuch的专栏 719

手把手教你安装 Vivado2022.2(附安装包)

Vivado 2022.2版本与之前的版本相比,具有以下几个显著的优势:电源设计管理器(PDM):Vivado 2022.2引入了全新的电源设计管理器(PDM),这是一个下一代功耗评估平台,为Versal® 和 Kria™ SOM提供了准确一致的功耗估计能力。PDM是Versal产品家族的首选功耗评估工具,为Versal ACAP硬IP块提供增强向导,简化从XPE向PDM的迁移,帮助用户获得准确的功耗评估。

dpwkj的博客 2万+

【Unity Animation 2D】从零到一:骨骼绑定与IK动画实战指南

本文详细介绍了Unity中2D骨骼绑定与IK动画的实战流程,从角色素材准备、骨骼系统创建到权重绘制和IK设置,逐步指导开发者掌握2D动画制作技巧。通过反向动力学(IK)技术,实现更自然的角色动画效果,适用于游戏开发和动画制作。

weixin_30430677的博客 372

亿级流量电商系统多级缓存架构

亿级流量电商系统多级缓存架构 Redis基础 数据类型String hash list set zset java操作Redis redis的RDB和AOF两种持久化机制 Redis Transcation Redis高级 redis企业级数据备份 Lua脚本与redis抢红包实战案例 redis的读写分离架构应对高并发请求 redis哨兵架...

weixin_34294649的博客 212

多智能体强化学习MASAC算法:从原理到PyTorch实战详解

深度强化学习通过智能体与环境的交互试错来学习最优策略,是解决复杂序列决策问题的核心技术。其核心原理在于利用价值函数或策略梯度来最大化累积奖励,在机器人控制、游戏AI等领域展现出巨大技术价值。当面对多个智能体需要协同或竞争的复杂动态环境时,单智能体算法因环境非平稳性而面临挑战,多智能体强化学习应运而生。Multi-Agent Soft Actor-Critic (MASAC) 算法融合了SAC的稳定高效与中心化训练去中心化执行的范式,通过维护中心化Critic网络和独立策略网络,有效解决了多智能体协作中的信用

weixin_30080745的博客 335

DataEase 后端缓存架构:多级缓存设计与一致性保障终极指南

DataEase 作为开源数据可视化分析工具,其**后端缓存设计**采用了先进的多级缓存架构,结合本地缓存与分布式 Redis 缓存,为高性能数据查询提供强力支撑。本文将深入解析 DataEase 的缓存机制设计原理与实现细节。 ## 🏗️ 多级缓存架构设计 DataEase 采用二级缓存架构,通过抽象接口 `DECacheService` 实现灵活切换: **第一级:本地内存缓存** -

gitblog_00433的博客 844

回归预测 | MATLAB实现SVR(支持向量机回归)K折交叉验证

回归预测 | MATLAB实现SVR(支持向量机回归)K折交叉验证 目录回归预测 | MATLAB实现SVR(支持向量机回归)K折交叉验证基本介绍划分原理留一划分交叉验证K折交叉数据下载程序设计参考资料致谢 基本介绍 在机器学习里,通常来说我们不能将全部用于数据训练模型,否则我们将没有数据集对该模型进行验证,从而评估我们的模型的预测效果。为了解决这一问题,有如下常用的方法: 第一种是最简单的,也是很容易就想到的。我们可以把整个数据集分成两部分,一部分用于训练,一部分用于验证,这也就是我们经常提到的训练集

机器学习之心的博客,关注并私信文章链接,获取对应文章源码和数据。 6379

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

一款牛逼的多级缓存架构设计方案

由于篇幅原因,就不多做展示了《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!” />[外链图片转存中…(img-lLmzKQuq-1713436503506)][外链图片转存中…(img-4Yw7j7kA-1713436503507)][外链图片转存中…(img-wmhGz1Y5-1713436503507)][外链图片转存中…(img-OZIyrObK-1713436503508)]

2401_84048398的博客 913

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

6.1.多级缓存架构

```java public List<Post> getFeed(String userId) { // 先查本地缓存 List<Post> cached = caffeineCache.getIfPresent(userId);• L1:JVM堆内缓存(Caffeine) • L2:堆外缓存(Offheap/Redis) • L3:持久化存储(MySQL/MongoDB)if (lock.tryLock(3, 10, TimeUnit.SECONDS)) { // 尝试加锁。

2301_79902294的博客 925

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

1.多级缓存架构

```java public List<Post> getFeed(String userId) { // 先查本地缓存 List<Post> cached = caffeineCache.getIfPresent(userId);• L1:JVM堆内缓存(Caffeine) • L2:堆外缓存(Offheap/Redis) • L3:持久化存储(MySQL/MongoDB)if (lock.tryLock(3, 10, TimeUnit.SECONDS)) { // 尝试加锁。

2301_79902294的博客 1112

多级缓存架构深度解析:从设计原理到生产实践

本文通过对多级缓存架构的分层设计、流程优化与生产实践的深入解析,揭示了其在高并发场景下的核心价值:通过 “本地缓存抗流量、分布式缓存削峰值、数据库兜底” 的三级防护体系,实现了性能、成本与稳定性的平衡。在实际落地中,需结合业务数据特征动态调整缓存策略,并通过全链路监控及时发现潜在风险。智能化缓存管理:引入机器学习预测热点数据,自动调整缓存容量与过期时间边缘缓存下沉:在边缘节点部署本地缓存,减少中心集群压力(如 CDN 节点集成 Caffeine)异构存储融合。

無言的博客 1556

架构设计分享:项目用得到的多级缓存架构设计方案

TMC,即“透明多级缓存(Transparent Multilevel Cache)”,是有赞 PaaS 团队给公司内应用提供的整体缓存解决方案。TMC 在通用“分布式缓存解决方案(如 C...

独行侠梦的博客 549

电商会员积分系统多级缓存架构优化实践

缓存技术作为提升系统性能的核心手段,通过内存数据存储减少数据库访问压力。其核心原理是构建多级缓存体系,利用局部性原理实现数据高效访问。在电商等高并发场景中,合理的缓存架构能显著提升吞吐量并降低延迟,特别是对于会员积分这类高频访问数据。本文以Caffeine+Redis多级缓存方案为例,详解如何解决缓存穿透、数据一致性等典型问题,通过本地缓存预热、异步更新等工程实践,最终实现94%的缓存命中率和12ms的平均响应时间。方案涉及热Key处理、JVM内存优化等关键技术点,适用于需要处理突发流量的分布式系统。

weixin_30983353的博客 52

权限系统技术设计方案

本技术设计方案旨在构建一个高效、安全的权限控制系统,结合RBAC(基于角色的访问控制)与ABAC(基于属性的访问控制)混合模型,实现细粒度的权限管理和动态配置。系统设计目标包括支持接口级别的权限控制、实时生效的权限配置、快速响应(<50ms)的权限校验,以及完整的审计追踪能力。核心模型设计包括实体关系模型和基于策略的访问控制判定公式。

一个摩拉的博客 1018
上一篇: 我把 Spring Boot 项目从 18.18M 瘦身到 0.18M,部署起来真省事!
下一篇: 系统总是 Internal Server Error 500 错误怎么办?
公众号-芋道源码
博客等级 码龄10年 1640粉丝 377原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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