缓存的经典问题 缓存失效 缓存穿透 缓存雪崩 数据不一致 数据并发竞争 Hot Key Big Key 每一个问题都参照四个步骤进行阐述：问题描述、原因分析、业务场景、解决方案 缓存失效 问题描述 当一个系统中存在大量的热点数据，通常情况下就需要上缓存，大致的流程就是 查缓存（有则直接返回） 查DB（缓存中不存在） 将查到的数据回写到缓存中 我们希望数据查询尽可能命中，这样系统负载最小，性能最佳，但是如果这时候有大量的Key同时失效，很多缓存数据访问都会miss，就会穿透到DB中，这样就会导致整体的系统压力急剧上升，这就是缓存失效的问题。 原因分析 导致缓存失效的主要原因，就是批量Key一起失效，简言之就是在加入缓存时过期时间都是一致的。一般情况下，缓存时逐步写入的，所以自然就会是逐步淘汰的。 但是，在一些场景下，如果需要将一个批次的热点数据添加到缓存中，这时候如果过期时间没

后端开发常见层式结构：时间轮、跳表、LSM-Tree 海量并发的定时任务：时间轮 高并发读写的有序结构组织：跳表 空间利用率以及写性能高的磁盘数据组织：LSM-Tree 什么是层式结构（GPT）：层式结构（Layered Structure）在计算机科学和软件工程中通常指的是将系统分成若干层次，每个层次负责不同的功能和任务。这样设计的好处是可以将复杂系统的不同部分进行解耦和模块化，从而提高系统的可维护性、可扩展性和可理解性。 时间轮 单层级时间轮 定时任务是用时间轮进行实现的，那么它是如何去组织数据的呢？ 一个格子代表一个时刻 一个格子可存储多个任务 按执行顺序组织数据 多层级时间轮 按照任务的轻重缓急来进行层次划分的，当我们的任务是在秒这个单位下需要执行的，那么只需要放在前60秒即可，那么如果任务是分、时单位下，那么只需要放在对应的层级即可。对比单层级时间轮，多层级时间轮

本篇文章主要介绍Redis数据类型，具体实现的数据结构 前言 🚀 内容来自参考自Redis设计与实现 ⚠️ 本篇文章主要介绍Redis3.0的数据结构，在Redis7.0数据类型与数据结构的关系有所不一致。 介绍逻辑 数据结构的定义 字段的解释 特性 介绍内容 简单动态字符串 链表 字典 跳跃表 整数集合 压缩列表 简单动态字符串 数据结构的定义 字段的解释 free属性的值，记录SDS存在多少未使用的空间 len属性，记录SDS保存多少字节长度的字符串 特性 常数复杂度获取字符串长度 杜绝缓冲区溢出问题，SDS在执行修改增加操作的时候，API会检查是否满足要求，如果不满足会自动扩容 减少修改字符串时带来的内存重分配次数，空间预分配会额外分配空间、惰性空间释放在缩短操作时，利用free属性记录数量，等待使用。 链表 数据结构的定义 由ListNode和L

BinarySearchTree定义 二叉搜索树是二叉树的一种。 任意一个节点的值都大于其左子树所有节点的值。 任意一个节点的值都小于其右子树所有节点的值。 它的左右子树也是一颗二叉搜索树。 设计一颗二叉树 树中节点的设计 节点的值 左孩子 右孩子 当前节点的父节点 判断当前节点是否为叶子节点 判断当前节点度是否为2 public class Node { public int element; // 值 public Node left; // 左孩子 public Node right; // 右孩子 public Node parent; // 父节点 /** * 必须传入当前节点的值以及父节点 * @param element * @param pare

主旋律：回想2023一整年应该都是备考 ➕ 实习以及匆忙的校园生活 一些 2023过年期间和朋友自驾游去了一趟广西桂林🙅（其实是陪朋友去找他女朋友）参观一些风景区没太多印象了，有意思的其实是和朋友一起在车上又冷又塞车通宵赶回家。 过完年就回学校备考了，和一位玩的很好的朋友约定每天三点一线的备考，每天约定俗成的在宿舍门口汇合，吃早餐...计划着要赶在学生下课之前去吃饭。 期间还在去图书馆的路上选一个棵树记录它能不能在考试前长出来🌲,很快就迎来了考试。 在第一门💥的情况下，也迎来了两天考试睡眠一共不足4个小时，而周一立马就去实习了毫无喘息... 实习😈 在备考期间学校恰好举行了招聘会，于是抽出半天时间想着能不能碰一碰运气，现在回想23届的校招可以说是地狱级难度（希望25届不要！）当时刷牛客的时候不少23届的同学都在抱怨。 然后在招聘会现场随便走了一圈，开发岗位少的可怜。抱着来