9 天前 / 小渣
回复 PDF 领取资料 这是悟空的第96篇原创文章 作者 | 悟空聊架构 来源 |悟空聊架构（ID：PassJava666） 转载请联系授权（微信 ID：PassJava）前言先说个小事情，今天试了下做动图，就一张动图都花了我 1 个小时，还做得很难看。在线求个做动图的好软件～本文主要内容如下： 上一篇讲到如何做性能调优的方式：《48 张图 | 手摸手教你微服务的性能监控、压测和调优》，比如给表加索引、动静分离、减少不必要的日志打印。
14 天前 / HueiFeng
阅读本文大约需要 10 分钟。 如何保证缓存和数据库一致性，这是一个老生常谈的话题了。 但很多人对这个问题，依旧有很多疑惑： 到底是更新缓存还是删缓存？到底选择先更新数据库，再删除缓存，还是先删除缓存，再更新数据库？为什么要引入消息队列保证一致性？延迟双删会有什么问题？到底要不要用？...这篇文章，我们就来把这些问题讲清楚。 这篇文章干货很多，希望你可以耐心读完。 引入缓存提高性能我们从最简单的场景开始讲起。
23 天前 / 前端De早读课
前言 Promise 还可以这样。今日前端早读课文章由 @ConardLi 翻译，公号：code 秘密花园授权。 正文从这开始～～ 在本文中，我们将介绍常见的缓存实现在并发条件下存在的问题。然后我们将介绍如何修复它，并且在此过程中简化代码。 我们将通过介绍基于 Singleton Promise 模式的 Promise Memoization 模式来做到这一点。 一个例子：缓存异步请求结果下面是一个简单的 API 客户端： const getUserById = async (userId: string): Promise => { const user = await request.get(`https://users-service/${userId}`); return user; };非常简单。
39 天前 / 冷星1024
前言 web 缓存是高级前端工程师必修技能。是我们变成大牛过程中绕不开的知识点。 文章会尽量用通俗易懂的言语来细说 web 缓存的概念和用处。 本期文章的大纲是 什么是 web 缓存（前端缓存） 缓存可以解决什么问题？他的缺点是什么？ 强制缓存原理讲解 3.1.基于 Expires 字段实现的强缓存 3.2.基于 Cache-control 实现的强缓存 协商缓存原理讲解 4.1.基于 last-modified 实现的协商缓存 4.2.基于 ETag 实现的协商缓存 什么是 web 缓存？web 缓存主要指的是两部分：浏览器缓存和 http 缓存。
51 天前 / 莫若
目前已经写过以下关于 Linux 内核网络源码相关的分享： 浅析 Linux sockfs 文件系统 Linux 内核 | socket 底层的来龙去脉 Linux 内核网络基础 -TCP 相关的几个关键结构体 - 小记 Linux 内核角度分析服务器 Listen 细节 Linux- 服务器的全连接队列 (Accept 队列) Linux 内核分析 bind- 本地端口的管理与复用 Linux TCP 数据接收 | 快路径与慢路径 Linux 内核网络收包角度——浅入中断 (1) Linux 内核网络收包角度—浅入中断 (2)Linux 内核角度分析 tcpdump 原理 (1) Linux 内核角度分析 tcpdump 原理 (2) 基于 tcpdump 原理手写抓包程序在以上文章中...
57 天前 / vivo互联网技术
作者：vivo 互联网前端团队 - Tang Xiao 本文梳理了基于阿里开源微前端框架 qiankun，实现多页签及子应用缓存的方案，同时还类比了多个不同方案之间的区别及优劣势，为使用微前端进行多页签开发的同学，提供一些参考。 一、多页签是什么？ 我们常见的浏览器多页签、编辑器多页签，从产品角度来说，就是为了能够实现用户访问可记录，快速定位工作区等作用；那对于单页应用，可以通过实现多页签，对用户的访问记录进行缓存，从而提供更好的用户体验。
63 天前 / BloomingRose
缓存有助于减少延迟，提高重读工作负载的可扩展性，并且节省成本。实际上缓存是无处不在的，它也在你的手机和你的浏览器中运行。例如，CDN 和 DNS 本质上是地理复制的缓存。正是由于许多缓存在幕后工作，你现在才能阅读这篇文章。 Phil Karlton 有句名言：“计算机科学中只有两个难题：缓存失效和命名。”如果你曾经处理过的无效缓存，那么你很有可能遇到过缓存不一致这个恼人的问题。 在 Meta，我们运营着世界上最大的高速缓存，包括 TAO 和 Memcache。
71 天前 / reesunhuang
背景 内容点赞业务在得物社区中是一个非常高频的业务场景，功能本身复杂度不高，但是业务场景多、QPS 高、而且由于社区的用户体量，整体点赞的数据量非常大。其中最核心、对响应性能要求最高的主要是“用户是否点赞内容”和“内容点赞数”场景。 在得物社区中凡是有内容消费的场景，都会有上面两个点赞场景的处理，所以整体点赞业务的 QPS 在社区都是非常高的。当我们在刷各种 Feed 流时，每一次下滑，都需要对数十篇内容进行登录用户是否点赞状态的判断。作为基础业务，内容点赞业务的高性能响应，对上游内容场景的消费体验有极大的影响。
78 天前 / 路强
1. 前言 你好哇！我是小翔。之前写了三篇#Golang 并发编程的文章了，这次来换换口味，开个 手撕源码 的新坑！一起来扒一扒 Go 语言高性能 local cache 库 bigcache，看看能不能把开源大佬们的骚操作带到项目里去装一装（？） 2. 为什么要学习开源项目 个人认为学习开源项目的收益： 跟进社区，不做井底之蛙 看到一个开源项目，可以思考下：大佬们最近都在解决哪些问题？他们用到了哪些开源工具？我能拿到项目里用吗？这玩意有 bug 吗？要不要提个 issue 或者提个 PR 呢？面向原理编程 我们在实际项目中会用上很多开源库 / 框架...
80 天前 / BloomingRose
概述在系统架构中，缓存可谓提供系统性能的最简单方法之一，稍微有点开发经验的同学必然会与缓存打过交道，最起码也实践过。 如果使用得当，缓存可以减少响应时间、减少数据库负载以及节省成本。但如果缓存使用不当，则可能出现一些莫名其妙的问题。 在不同的场景下，所使用的缓存策略也是有变化的。如果在你的印象和经验中，缓存还只是简单的查询、更新操作，那么这篇文章真的值得你学习一下。 在这里，为大家系统地讲解 4 种缓存模式以及它们的使用场景、流程以及优缺点。 缓存策略的选择本质上来讲，缓存策略取决于数据和数据访问模式。
81 天前 / 冷星1024
点击上方前端进阶之旅，关注公众号 >>前端求职面试刷题神器<< 前言 LRU 缓存算法是一个非常经典的算法，在很多面试中经常问道，不仅仅包括前端面试。小伙伴们如果刷过 Leetcode 算法题，相信你一定遇到过 LRU 算法的题，那么 LRU 算法到底是一个怎样的算法呢？今天我们就给大家好好讲讲，顺便使用 JS 把它实现出来！ 1.什么是 LRU？LRU 英文全称是 Least Recently Used，英译过来就是”最近最少使用“的意思。 它是页面置换算法中的一种，我们先来看一段百度百科的解释。 百度百科： LRU 是一种常用的页面置换算法，选择最近最久未使用的页面予以淘汰。
85 天前 / 逗逗
架构师（JiaGouX）我们都是架构师！ 架构未来，你来不来？ 因公众号更改推送规则，请点“在看”并加“星标”第一时间获取精彩技术分享 前面刚说到 Guava Cache，他的优点是封装了 get，put 操作；提供线程安全的缓存操作；提供过期策略；提供回收策略；缓存监控。当缓存的数据超过最大值时，使用 LRU 算法替换。这一篇我们将要谈到一个新的本地缓存框架：CaffeineCache。它也是站在巨人的肩膀上 -Guava Cache，借着他的思想优化了算法发展而来。 本篇博文主要介绍 CaffeineCache 的使用方式，以及 CaffeineCache 在 SpringBoot 中的使用。
86 天前 / HueiFeng
关注“之家技术”，获取更多技术干货 总篇 150 篇 2022 年第 25 篇 ★ 目录 ★ 01 前言 02 基础概念 03 接口层的缓存方案 3.1 细化场景 3.2 实现路径 04 请求耗时直观化 4.1 直观的 ServerTiming 4.2 实现路径 05 结语 一、前言汽车之家用户产品中心的前端团队，将 SSR 同构技术应用在 PC & M 主站中。相对于原有技术方案，在页面渲染性能、白屏时间、可维护性、用户体验都有大幅度的提升。我们结合公司技术基础设施和自身特点，经过长时间的升级与优化，逐渐沉淀出了一套最佳实践。
94 天前 / reesunhuang
缓存有助于减少延迟，提高重读工作负载的可扩展性，并且节省成本。实际上缓存是无处不在的，它也在你的手机和你的浏览器中运行。例如，CDN 和 DNS 本质上是地理复制的缓存。正是由于许多缓存在幕后工作，你现在才能阅读这篇文章。 Phil Karlton 有句名言："计算机科学中只有两个难题：缓存失效和命名"。如果你曾经处理过的无效缓存，那么你很有可能遇到过缓存不一致这个恼人的问题。 在 Meta，我们运营着世界上最大的高速缓存，包括 TAO 和 Memcache。
106 天前 / linyb极客之路
点击上方 蓝字 关注我们 1 前言 有这么一个业务场景：部门 A 服务要使用部门 B 服务的业务数据，部门 A 服务使用部门 B 服务的业务数据前置条件是 B 部门必须要给 A 授权。B 部门的授权和业务数据分属为不同服务。其请求流程如下 因为 A 的鉴权信息的请求值是固定的，因此鉴权结果大概率也是固定值。当时 B 部门的业务服务开发同事，为了提高效率。就加了缓存，即 B 的业务服务会将 A 的鉴权结果缓存起来。当时写法形如下 privatefinal LoadingCache checkSvcCache = Caffeine .newBuilder().maximumSize(Constants.MAX_SIZE) .expireAfterWrite(Conastan...