Redis

2019 阿里云 云上Hi购季活动已经于2月25日正式开启，从已开放的活动页面来看，活动分为三个阶段： 2月25日-3月04日的活动报名阶段、3月04日-3月16日的新购满返+5折抢购阶段、3月16日-3月31日的续费抽豪礼+5折抢购阶段。 做为整个Hi购季非常重要的一个分会场——基础云产品分会场，3月04开放售卖！ 下面，云栖社区小编就为各位开发者分享该会场的攻略： 丨基础云产品分会场活动阵地： https://l.gushuji.site/aliyun 丨关键词：全场低至5折、报名立享满返，最高可返7500元代金券 丨该会场必买爆款清单 报名立享新购满返，最高可返7500元代金券 报名链接： https://l.gushuji.site/aliyun 活动规则： （一）【活动对象】 满足以下全部条件的 阿里云 用户： 1、 阿里云 官网已实名认证的注册会员用户 2、通过本活动页面点击“立即报名”，主动确认参与活动 （二）【活动时间】2019年3月4日-3月15日（满返报名时间：2月25日-3月15日） （三）【活动规则】 1、活动期间，用户在 阿里云 官网新购、升级时长1年及以内的预付费云产品(不包括域名、商标、云通信、虚拟主机、云市场产品、专有云产品)，且累计有效消费金额满3000元，即可获得对应金额的 阿里云 云产品代金券 具体如下： · 累计有效消费金额3000

作者：冯忠旗 juejin.im/post/5cfde01bf265da1bba58f863 一、背景 对于互联网应用和企业大型应用而言，多数都尽可能地要求做到7*24小时不间断运行，而要做到完全不间断运行可以说“难于上青天”。为此，对应用可用性程度的衡量标准一般有3个9到5个9。 对于一个功能和数据量不断增加的应用，要保持比较高的可用性并非易事。为了实现高可用，「付钱拉」从避免单点故障、保证应用自身的高可用、解决交易量增长等方面做了许多探索和实践。 在不考虑外部依赖系统突发故障，如网络问题、三方支付和银行的大面积不可用等情况下，「付钱拉」的服务能力可以达到99.999%。 本文重点讨论如何提高应用自身的可用性，关于如何避免单点故障和解决交易量增长问题会在其他系列讨论。 为了提高应用的可用性，首先要做的就是尽可能避免应用出现故障，但要完全做到不出故障是不可能的。互联网是个容易产生“蝴蝶效应”的地方，任何一个看似很小的、发生概率为0的事故都可能出现，然后被无限放大。 大家都知道RabbitMQ本身是非常稳定可靠的，「付钱拉」最开始也一直在使用单点RabbitMQ，并且从未出现运行故障，所以大家在心理上都认为这个东西不太可能出问题。 直到某天，这台节点所在的物理主机硬件因为年久失修坏掉了，当时这台RabbitMQ就无法提供服务，导致系统服务瞬间不可用。 故障发生了也不可怕

本人双非一本非科班，之前在百度和字节实习过，这次其实没抱着什么特别大的希望投递，没想到字节可以再给我一次机会，还是挺开心的。 几场面试下来，面试得自信，声音自信，给面试官一种你啥都会稳如狗的感觉（实际内心慌得不行...），然后表达流畅，吐字清晰，不卑不亢，说话要有逻辑性，不能吞吞吐吐半天说不明白，得总结自己的面经， 形成自己的知识体系 ，别人的面经写的再好也是别人的，自己刷面经总结自己不会的点整理出来才是最有用的 下面是面试经历全部写的是技术面试，hr面就没写了 1. 抖音 整个面试过程，主要围绕算法和实习经历考察，基础知识的话不是很难。每一面的面试官都很nice，特别是三面的面试官，感觉在讨论的时候没有带着面试的压力，就是朋友之间的对话。 抖音一面（60分钟） 自我介绍 说下TreeMap和LinkedHashMap TreeMap怎么按照自己想要的顺序排序 ConcurrentHashMap怎么取的size值 怎么防止恶意请求刷接口 那ES怎么切词的呢，有写过切词插件吗 你在项目中用Redis的场景 说下Redis有哪些数据类型 Redis怎么分片的 Redis的删除策略 抖音二面（60分钟） 你希望你处于一个什么样的工作环境 怎么根据0-5随机函数得到0-8随机函数 缓存和DB之间怎么保证数据一致性 延时消息队列怎么设计Redis的zset

标★号为重要知识点 id全局唯一且自增，如何实现？ Redis的 incr 和 increby 自增原子命令 统一数据库的id发放 美团Leaf Leaf——美团点评分布式ID生成系统（批发号段） Twitter的snowflake算法 UUID ★如何设计算法压缩一段URL？ 通过发号策略，给每一个过来的长地址，发一个号即可，小型系统直接用mysql的自增索引就搞定了。如果是大型应用，可以考虑各种分布式key-value系统做发号器。不停的自增就行了。第一个使用这个服务的人得到的短地址是 http://xx.xx/0 第二个是 http://xx.xx/1 第11个是 http://xx.xx/a 第依次往后，相当于实现了一个62进制的自增字段即可。 常用的url压缩算法是短地址映射法。具体步骤是： 将长网址用md5算法生成32位签名串，分为4段,，每段8个字符； 对这4段循环处理，取每段的8个字符, 将他看成16进制字符串与0x3fffffff(30位1)的位与操作，超过30位的忽略处理； 将每段得到的这30位又分成6段，每5位的数字作为字母表的索引取得特定字符，依次进行获得6位字符串； 这样一个md5字符串可以获得4个6位串，取里面的任意一个就可作为这个长url的短url地址。 ★Dubbo负载均衡策略？ 随机、轮询、最少使用、一致性哈希（除了一致性哈希外，都有加权）

面试题 redis 的过期策略都有哪些？内存淘汰机制都有哪些？手写一下 LRU 代码实现？ 面试官心理分析 如果你连这个问题都不知道，上来就懵了，回答不出来，那线上你写代码的时候，想当然的认为写进 redis 的数据就一定会存在，后面导致系统各种 bug，谁来负责？ 常见的有两个问题： 往 redis 写入的数据怎么没了？ 可能有同学会遇到，在生产环境的 redis 经常会丢掉一些数据，写进去了，过一会儿可能就没了。我的天，同学，你问这个问题就说明 redis 你就没用对啊。redis 是缓存，你给当存储了是吧？ 啥叫缓存？用内存当缓存。内存是无限的吗，内存是很宝贵而且是有限的，磁盘是廉价而且是大量的。可能一台机器就几十个 G 的内存，但是可以有几个 T 的硬盘空间。redis 主要是基于内存来进行高性能、高并发的读写操作的。 那既然内存是有限的，比如 redis 就只能用 10G，你要是往里面写了 20G 的数据，会咋办？当然会干掉 10G 的数据，然后就保留 10G 的数据了。那干掉哪些数据？保留哪些数据？当然是干掉不常用的数据，保留常用的数据了。 数据明明过期了，怎么还占用着内存？ 这是由 redis 的过期策略来决定。 面试题剖析 redis 过期策略 redis 过期策略是：定期删除+惰性删除。 所谓定期删除，指的是 redis 默认是每隔 100ms

1、面试题 redis的过期策略都有哪些？内存淘汰机制都有哪些？手写一下LRU代码实现？ 2、面试官心里分析 1）老师啊，我往redis里写的数据怎么没了？ 之前有同学问过我，说我们生产环境的redis怎么经常会丢掉一些数据？写进去了，过一会儿可能就没了。我的天，同学，你问这个问题就说明redis你就没用对啊。redis是缓存，你给当存储了是吧？ 啥叫缓存？用内存当缓存。内存是无限的吗，内存是很宝贵而且是有限的，磁盘是廉价而且是大量的。可能一台机器就几十个G的内存，但是可以有几个T的硬盘空间。redis主要是基于内存来进行高性能、高并发的读写操作的。 那既然内存是有限的，比如redis就只能用10个G，你要是往里面写了20个G的数据，会咋办？当然会干掉10个G的数据，然后就保留10个G的数据了。那干掉哪些数据？保留哪些数据？当然是干掉不常用的数据，保留常用的数据了。 所以说，这是缓存的一个最基本的概念，数据是会过期的，要么是你自己设置个过期时间，要么是redis自己给干掉。 2）老师，我的数据明明都过期了，怎么还占用着内存啊？ 还有一种就是如果你设置好了一个过期时间，你知道redis是怎么给你弄成过期的吗？什么时候删除掉？如果你不知道，之前有个学员就问了，为啥好多数据明明应该过期了，结果发现redis内存占用还是很高？那是因为你不知道redis是怎么删除那些过期key的。

1.安装redis wget http://download.redis.io/releases/redis-3.0.5.tar.gz tar zxf redis-3.0.5.tar.gz -C /export/server/ cd /export/servers/redis-3.0.5 make && make install mkdir conf;cp redis.conf conf/ 2.redis集群模式配置 2.1redis主配置文件： vim /export/servers/redis-3.0.5/conf/redis.conf daemonize yes pidfile /var/run/redis.pid tcp-backlog 511 timeout 0 tcp-keepalive 0 loglevel notice logfile "" databases 16 save 900 1 save 300 10 save 60 10000 stop-writes-on-bgsave-error yes rdbcompression yes rdbchecksum yes dbfilename dump.rdb dir /export/data/redis slave-serve-stale-data yes slave-read-only yes repl

分布式缓存技术redis学习系列（一）——redis简介以及linux上的安装以及操作redis问题整理 分布式缓存技术redis学习系列（二）——详细讲解redis数据结构（内存模型）以及常用命令 分布式缓存技术redis学习系列（三）——redis高级应用（主从、事务与锁、持久化） 分布式缓存技术redis学习系列（四）——redis高级应用（集群搭建、集群分区原理、集群操作） 分布式缓存技术redis学习系列（五）——spring-data-redis与JedisPool的区别、使用ShardedJedisPool与spring集成的实现及一致性哈希分析 分布式缓存技术redis学习系列（六）——sentinel哨兵机制 分布式缓存技术redis学习系列（七）——spring整合jediscluster 分布式缓存技术redis学习系列（八）——JedisCluster源码解读：集群初始化、slot(槽)的分配、值的存取 分布式缓存技术redis学习系列（九）——Redis主从实现读写分离 Jedis的Publish/Subscribe功能的使用 结合实际项目理解集群和分布式的关系 来源： oschina 链接： https://my.oschina.net/u/4316056/blog/4002586

Spring Cloud 系列之 Gateway 服务网关（四） 本篇文章为系列文章，未读第一集的同学请猛戳这里： Spring Cloud 系列之 Gateway 服务网关（一） Spring Cloud 系列之 Gateway 服务网关（二） Spring Cloud 系列之 Gateway 服务网关（三） 本篇文章讲解 Gateway 网关如何实现限流、整合 Sentinel 实现限流以及高可用网关环境搭建。 网关限流 顾名思义，限流就是限制流量，就像你宽带包有 1 个 G 的流量，用完了就没了。通过限流，我们可以很好地控制系统的 QPS，从而达到保护系统的目的。 为什么需要限流 比如 Web 服务、对外 API，这种类型的服务有以下几种可能导致机器被拖垮： 用户增长过快（好事） 因为某个热点事件（微博热搜） 竞争对象爬虫 恶意的请求 这些情况都是无法预知的，不知道什么时候会有 10 倍甚至 20 倍的流量打进来，如果真碰上这种情况，扩容是根本来不及的。 从上图可以看出，对内而言：上游的 A、B 服务直接依赖了下游的基础服务 C，对于 A，B 服务都依赖的基础服务 C 这种场景，服务 A 和 B 其实处于某种竞争关系，如果服务 A 的并发阈值设置过大，当流量高峰期来临，有可能直接拖垮基础服务 C 并影响服务 B，即雪崩效应。 限流算法 点击链接观看：限流算法视频