taoy86的博客

热点Key问题产生的原因大致有以下两种：1、用户消费的数据远大于生产的数据（热卖商品、热点新闻、热点评论、明星直播）。在日常工作生活中一些突发的的事件，例如：双十一期间某些热门商品的降价促销，当这其中的某一件商品被数万次点击浏览或者购买时，会形成一个较大的需求量，这种情况下就会造成热点问题。同理，被大量刊发、浏览的热点新闻、热点评论、明星直播等，这些典型的读多写少的场景也会产生热点问题。2、请求分片集中，超过单 Server 的性能极限。在服务端读数据进行访问时，往往会对数据进行分片切分，此

转自：http://mp.weixin.qq.com/s/TBCEwLVAXdsTszRVpXhVug导读：互联网系统中不可避免要大量用到缓存，在缓存的使用过程中，架构师需要注意哪些问题？本文以 Redis 为例，详细探讨了最关键的 3 个问题。一、缓存穿透预防及优化缓存穿透是指查询一个根本不存在的数据，缓存层和存储层都不会命中，但是出于容错的考虑，如果从存储层查不到数据则不写入缓存层，如图 11...

版权声明：本文为博主原创文章，转载请注明地址http://blog.youkuaiyun.com/tianyaleixiaowu。 https://blog.youkuaiyun.com/tianyaleixiaowu/article/details/74721877目录(?)[+]Bloom Filter是一个占用空间很小、效率很高的随机数据结构，它由一个bit数组和一组Hash算法构成。可用于判断一个元素是否在一个集...

版权声明：本文为博主原创文章，转载请注明地址http://blog.youkuaiyun.com/tianyaleixiaowu。 https://blog.youkuaiyun.com/tianyaleixiaowu/article/details/74739827从上一篇可以得知，BloomFilter的关键在于hash算法的设定和bit数组的大小确定，通过权衡得到一个错误概率可以接受的结果。算法比较复杂，也不是我们...