禾小西-优快云博客

原创业务代码真的会有这么多坑？三个真实场景告诉你答案

业务代码看似简单，实则暗藏风险。事务失效、浮点数计算金额、无限重试等“小错误”在规模放大后可能引发严重事故。问题常因测试环境理想、故障延迟暴露而难以发现。真正可靠的代码需考虑异常、并发、重复与补偿，通过幂等设计、合理事务边界、精确数据类型和有界重试机制保障系统稳定。

2026-11-10 17:11:26 31

当单机Redis面临内存、持久化或恢复瓶颈时，应权衡纵向扩展（增大资源）与横向扩展（分片）。Redis Cluster通过固定16384个哈希槽实现键到主分片的两级映射，降低拓扑管理成本。哈希标签可确保相关键同槽，支持原子操作，但需避免热点。客户端通过CLUSTER SHARDS获取拓扑，响应MOVED永久重定向，ASK仅临时迁移中使用。扩容缩容涉及槽迁移，经典渐进式依赖ASK，而Redis 8.4+支持原子槽迁移，减少中间状态。集群高可用依赖从节点故障转移，但异步复制可能导致数据丢失，需合理配置并监控。

2026-10-09 11:23:17 256

原创 08丨Redis 哨兵集群：哨兵故障后还能完成切换吗？

Sentinel 集群通过多节点协同实现高可用，解决单点故障与误判问题。其核心机制依赖 quorum（客观下线门槛）与多数派投票（故障转移授权），确保仅在多数存活且共识达成时才切换主库。各 Sentinel 通过 __sentinel__:hello 发现同伴、传播拓扑，并基于配置纪元选举执行者。生产推荐部署 3 或 5 个 Sentinel，跨故障域分布，保持配置一致，保障网络可达性。客户端应主动查询新主地址，结合幂等性与重试策略应对切换。最终，稳定运行需兼顾部署、安全与监控。

2026-10-09 11:21:40 116

原创 07丨Redis 哨兵机制：主库故障后，如何恢复服务？

Redis Sentinel 通过监控、故障检测与自动切换，实现主从复制的高可用。它不提供代理功能，而是负责故障转移、服务发现与配置更新。核心机制包括主观/客观下线判断、多数派授权选举、基于优先级与复制偏移量的新主库选择，以及重配复制关系。客户端需配合 Sentinel-aware 连接池，动态获取主库地址并处理切换中断。虽能减少人工干预，但无法避免写中断或数据丢失，关键配置需结合网络与业务需求权衡。

2026-10-09 11:20:08 114

原创 06丨Redis 数据同步：主从库如何实现数据一致？

Redis 主从复制通过异步方式实现数据冗余，提供读扩展与高可用，但仅保证有序的最终一致性。主库写入后立即响应，从库异步追同步，存在延迟。全量同步需生成RDB并传输，Redis 8+ 支持双通道优化；断线后可部分重同步，依赖复制ID、偏移量与积压缓冲区。三类缓冲区（积压、输出、全量暂存）功能各异，不可混淆。合理配置repl-backlog-size需基于峰值速率与容忍断线时间估算，确保故障恢复能力。

2026-10-09 11:18:20 335

原创 05丨Redis 内存快照：宕机后，如何实现快速恢复？

RDB 通过快照保存某一时刻的数据集，恢复时直接加载内存对象，显著缩短启动时间，但存在数据丢失窗口。其核心机制依赖写时复制（COW），在 BGSAVE 期间可处理写请求，但频繁快照会引发 fork 延迟、磁盘压力与内存开销。现代 Redis 采用混合持久化（如多部件 AOF），结合 RDB 快速加载与 AOF 精细增量，兼顾恢复效率与数据一致性。真正耗时取决于基线大小、日志长度及系统资源，而非单纯“RDB 快、AOF 慢”。

2026-10-09 11:16:08 403

原创 Redis AOF 日志：宕机了，如何避免数据丢失？

Redis 的 AOF 通过记录可重放的写操作实现数据持久化，解决内存数据丢失问题。它仅保存影响数据集的命令，使用 RESP 编码，并分四层确保数据落盘：内存、AOF 缓冲区、操作系统页缓存、磁盘。通过 appendfsync 策略（always/everysec/no）权衡性能与耐久性。为减少文件体积和恢复时间，Redis 支持 AOF 重写，从 Redis 7 起采用多部件模型（BASE + INCR + manifest），提升效率并降低阻塞。尽管重写由子进程执行，但 fork 和写时复制仍可能引发短

2026-10-08 14:23:25 267

原创 Redis 高性能 I/O 模型：为什么单线程 Redis 能那么快？

Redis 虽被称为“单线程”，实则核心命令串行执行，但整体架构已引入 I/O 线程、后台线程与子进程，分别处理网络读写、持久化及内存释放等任务。其高性能源于内存访问、优化数据结构、非阻塞 I/O 多路复用与短命令设计，使单线程在高并发下仍能高效服务大量连接。

2026-10-08 13:32:00 300

原创 Redis 数据结构：快速的 Redis 有哪些慢操作？

Redis 快不等于每条命令都快。实际耗时受数据结构操作、响应处理及内存管理共同影响。尽管 Key 查找平均为 O(1)，但 Value 内部操作（如遍历大集合）可能带来显著延迟。不同逻辑类型采用多种内部编码（如 listpack、skiplist、Compact Hash），编码选择影响性能与内存。全量操作（如 HGETALL、SMEMBERS）易引发阻塞，应避免在生产环境使用。理解两层数据结构（全局字典 + Value 内部结构）是判断命令成本的关键。

2026-10-08 10:52:55 675

原创 Redis 基本架构：一个键值数据库包含什么？

本文从应用与系统双视角解析键值数据库架构，以 Redis 为例，阐明数据模型（Key-Value）与操作接口如何定义功能边界，进而通过访问框架、索引模块、操作模块与存储模块协同实现高效数据管理。重点揭示：键值定位依赖哈希索引，结构化操作影响性能，持久化策略权衡延迟与可靠性，且命令延迟由数据规模与操作复杂度决定，而非仅取决于查找速度。

2026-10-08 10:03:19 321

原创 Redis：从两大维度和三大主线建立知识体系

本文以应用与系统双维度，结合高性能、高可靠、高可扩展三大主线，系统梳理 Redis 6.0 及以后版本的核心机制。应用层涵盖缓存、数据结构与集群三类场景，强调一致性、淘汰策略与分片设计；系统层从网络、处理、内存到存储逐层解析请求链路，突出单线程模型、I/O 多路复用、内存编码优化与 RDB/AOF 持久化特性。重点剖析慢命令、BigKey、持久化抖动等性能风险，以及主从复制、数据丢失窗口等可靠性挑战，为 Redis 实践提供统一认知框架。

2026-10-08 09:21:28 595

原创一个链接背后：DeepSeek 对话分享“接着聊”背后的技术思考

摘要： DeepSeek的对话分享功能通过“快照+副本化继承”技术实现可延续的对话体验。用户分享时，系统冻结会话生成独立快照并分配唯一标识；访问者查看静态快照后，点击“继续聊”会触发后台克隆快照内容至全新会话，实现无缝衔接的交互。这种设计既保护原始数据隐私，又支持协作扩展，适用于代码片段、文档批注等场景，体现了状态管理与用户体验的巧妙平衡。核心优势包括隐私安全、简单可靠，但也存在存储冗余和上下文长度限制的权衡。

2026-05-07 15:41:54 1300

原创 Java中使用正则表达式核心解析

正则表达式是Java开发中高频使用的字符串处理工具，但底层依赖NFA引擎，不当使用易引发回溯问题。文章首先解析正则表达式基础元字符分类，对比DFA和NFA引擎特性，指出Java采用NFA引擎导致回溯风险。通过典型代码示例演示回溯机制，分析贪婪模式、懒惰模式和独占模式三种匹配方式的性能差异，强调"能独占就独占"的优化原则。最后指出String.split()等常用方法隐含正则陷阱，提供预编译Pattern和改用indexOf等优化方案，帮助开发者规避CPU飙升问题。全文兼顾原理讲解与实战优

2026-04-01 11:43:34 586

原创深入理解 Java String：从底层原理到高性能优化实战

本文深入解析Java中String类型的底层实现与性能优化。从经典面试题入手，详细剖析String对象的引用差异和内存模型，梳理了Java 6到JDK 21的底层结构演进历程。重点阐述了String不可变性的设计价值与常见误区，并给出三大实战优化方案：1)字符串拼接优先使用StringBuilder；2)合理运用intern()方法复用高频字符串；3)避免对唯一字符串使用intern()。通过理解String的底层机制，开发者可以有效提升应用性能，减少内存浪费。

2026-04-01 10:42:59 680

原创性能测试后的瓶颈定位与调优:自下而上找问题，自上而下解难题

性能测试与调优是保障系统稳定运行的关键环节。摘要从基础前提、核心步骤和兜底策略三方面展开：首先强调完整性能测试报告的重要性，需覆盖接口性能、系统资源和JVM状态三大维度；其次提出"自下而上分析、自上而下优化"的方法论，详细说明操作系统、JVM和应用层的瓶颈定位技巧，以及代码、设计、算法等6大调优策略；最后指出必须设置限流熔断、智能扩容等兜底措施应对突发流量。整个调优过程强调精准定位、科学优化和守住稳定性底线，通过持续迭代来提升系统性能。

2026-03-31 18:15:03 393

原创性能调优该何时介入？越早越好吗？

摘要：性能优化应把握合适时机，过早介入易拖慢开发进度并引入风险。开发初期应专注功能实现，只需遵循基础编码规范。系统稳定后才是调优最佳时机，通过压测和工具分析指标。上线后仍需持续监控，围绕响应时间、吞吐量、资源使用率和负载能力四大核心指标进行优化，确保系统高效稳定运行。（149字）

2026-03-31 17:51:13 171

原创常见性能瓶颈和核心衡量指标

摘要：系统性能瓶颈通常由CPU、内存、磁盘I/O、网络、数据库等资源短板引起。CPU瓶颈表现为高使用率和负载；内存不足导致频繁GC或OOM；磁盘I/O问题体现为读写延迟；网络瓶颈引发接口超时；数据库慢查询和锁竞争是常见短板。衡量系统性能的四大指标包括响应时间、吞吐量（如QPS/TPS）、资源使用率和负载承受能力。这些指标帮助识别系统瓶颈，指导性能优化和容量规划。

2026-03-31 17:45:14 430

原创 Spring AI 流式输出底层原理解析

摘要：Spring AI流式输出技术采用"底层Reactor+上层传输"双架构模式。底层统一基于Reactor Streams实现异步数据推送，上层提供两种可选方案：传统Spring MVC+SSE方案适合快速落地，WebFlux原生流方案适合高并发场景。两种方案均通过Flux数据管道实现AI文本的分块实时传输，开发者可根据项目需求灵活选择，无需改造核心逻辑。配置上只需开启stream参数并选择对应Web栈依赖，即可实现类似ChatGPT的打字机效果。

2026-03-31 17:01:40 785

原创 Knife4j 快速入门：集Swagger2 和 OpenAPI3 为一体的增强解决方案

Knife4j快速集成指南 Knife4j是基于Swagger/OpenAPI规范的增强版接口文档工具，提供中文UI、在线调试等功能。支持SpringBoot 2/3项目，只需添加对应版本的依赖包，配置application.yml文件即可使用。通过@Tag、@Operation等注解标注接口信息，访问/doc.html即可查看美观的文档界面。相比原生Swagger，Knife4j具有更好的中文支持和交互体验，是Java项目接口文档管理的优选方案。

2026-03-27 16:37:54 361

原创 Spring AI ：Spring AI的介绍

Spring AI 作为Spring官方推出的AI应用开发框架，核心价值在于“统一封装AI请求与回答全流程”，抹平不同AI厂商的底层差异，让Java/SpringBoot开发者能够以极低的成本、极高的效率，将AI能力集成到项目中。它不是AI模型本身，而是连接Spring生态与AI技术的“桥梁”，凭借零学习成本、无侵入集成、企业级特性等优势，成为Java开发者开发AI应用的首选框架。

2026-03-24 10:49:12 882

原创 Java中Optional的详解与应用

在 Java 中，Optional是自引入的一个容器类（位于java.util包），旨在帮助开发者更优雅、安全地处理可能为null的值，从而减少臭名昭著的(NPE)。它不是一个集合，也不是为了完全替代null，而是作为一种的工具，强制调用者去处理空值的情况。

2026-03-23 17:06:42 423

原创 Spring框架中Controller与Service层职责解析

是MVC（Model-View-Controller）架构模式中非常重要的两个分层，它们职责分明，共同协作完成业务请求的处理。理解它们的区别和协作方式对于编写清晰、可维护、可测试的代码至关重要。遵循这种分层模式，能让你的代码结构更清晰，职责更明确，极大地提升项目的可维护性和可扩展性。在Java Web开发中（特别是使用Spring框架时），

2025-06-06 14:34:58 1185

原创 Mendix 中的XPath 令牌（XPath Tokens）详解

Mendix 中的 XPath 令牌（XPath Tokens）是一种动态参数化查询技术，允许在 XPath 表达式中使用变量或上下文相关的值，提升查询灵活性。XPath 令牌以 [%TokenName%] 格式表示，运行时替换为实际值，避免硬编码并支持动态过滤。常用令牌包括 [%CurrentUser%]、[%CurrentDateTime%] 和 [%SessionVariables%] 等，适用于查询当前用户数据、动态过滤日期等场景。XPath 令牌还可结合微流参数使用，并支持通过 Java 代码扩

2025-05-17 00:15:00 609

原创 Mendix XPath：数据查询的核心技巧

在 Mendix 中，XPath 是一种用于查询领域模型中实体数据的查询语言，类似于传统数据库中的 SQL。它通过定义条件从数据库中选择特定对象，是 Mendix 应用开发中数据检索的核心工具之一。XPath 的核心作用包括数据查询、关联查询、动态过滤以及在微流中的检索。其基本语法包括基本结构、常用运算符、关联查询和参数化查询。XPath 的常见应用场景包括页面组件过滤、微流中的动态查询、关联数据查询和复杂条件组合。与 OQL 相比，XPath 更简洁，适合简单查询和页面组件的快速过滤。高级技巧包括使用函数

2025-05-16 14:38:50 889

原创 MySQL Workbench对表进行增删改查

本文详细介绍了如何使用MySQL Workbench对数据库表进行增删改查操作。首先，通过连接MySQL服务器并创建数据库，接着展示了如何创建表、删除表以及查询数据。文章还提供了插入、更新和删除数据的两种方法：使用SQL语句或通过表数据视图。此外，还介绍了如何修改表结构，包括添加、删除和修改列。通过这些步骤，用户可以轻松管理MySQL数据库中的表和数据。

2025-05-16 08:00:00 1343

原创 Mendix 连接 MySQL 数据库

Mendix默认使用内嵌数据库存储数据，但也支持连接外部MySQL数据库。连接步骤包括：在Mendix项目中配置数据库连接，选择MySQL作为数据库类型，并填写服务器地址、数据库名称、用户名、密码和端口等连接信息。配置完成后，可以通过“Run locally”按钮测试连接，成功后会显示“Connection successful”消息。启动应用后，Mendix会自动创建多张系统表，用户也可以自行创建表。这一过程使得Mendix能够灵活地使用外部数据库进行数据管理。

2025-05-15 15:41:40 525

原创 Mendix组件Microflow Timer和Community Commons的使用

Microflow Timer 是 Mendix 低代码平台中的一个组件，用于在微流中实现定时和控制流程的功能。其主要功能包括延迟执行、定时触发和流程控制，适用于需要等待一段时间后执行操作、定期轮询数据库或外部服务、实现简单调度任务等场景。配置参数包括延迟时间、重复间隔、最大重复次数和回调微流。使用 Microflow Timer 时需注意其异步特性、云端环境中的定时精度以及可能对应用性能的影响。本文通过一个示例展示了如何使用 Microflow Timer 实现页面内容自动变化，包括每三秒递增 Numbe

2025-05-15 13:43:50 1132

原创如何下载 MySQL 驱动 JAR 包

下载 MySQL 驱动 JAR 包有四种主要方式：1) 从 MySQL 官网直接下载 ZIP 包；2) 使用 Maven，在 pom.xml 中添加 mysql-connector-java 依赖；3) 使用 Gradle，在 build.gradle 中添加 implementation 'mysql:mysql-connector-java:8.0.x'；4) 通过直接链接下载。官网下载步骤包括访问 MySQL 官网，选择 Connector/J，下载 Platform Independent 版本的

2025-05-14 15:08:17 3081

原创 Java数组的一些练习

大乐透（前区“35选5”＋后区“12选2”），即前区在1-35之间的号码中随机选取5个，后区在1-12之间的号码中随机选取2个，组成一期的中奖号码，请用程序模拟产生一组大乐透中奖号码。先从键盘输入本组学员的人数，再从键盘输入本组学员的姓名和成绩，显示学员姓名和成绩。公司年会有一个寻找锦鲤的游戏，每一个员工随意写一个字，如果在“锦鲤”词库中有这个字，那么就奖励500元锦鲤红包，否则就没有，每人只能玩一次。用一个数组存储本组学员的姓名，先从键盘输入小组人数，再从键盘输入每一个学员的姓名，然后遍历显示。

2025-04-10 09:00:00 1056

空空如也

空空如也