个人技术分享

许多因素会影响ClickHouse查询性能。大部分场景下最关键的因素是，当解析评估查询WHERE子句条件时，ClickHouse能否使用primary key。因此，一个有效的表设计，就是要根据大部分查询模式，选择一个primary key。然而，无论如何仔细优化设计primary key，仍然不可避免还是有查询用例无法有效使用primary key的情况。

Redis supports several different data types that allow you to store a variety of data structures. As of the latest Redis versions, the primary data types include:Strings:Lists:Sets:Sorted Sets (ZSets):Hashes:Bitmaps:HyperLogLogs:Geospatial Indexes:Streams:

/设置缓存，Set的别名//设置缓存//获取缓存//删除缓存//根据模式获取缓存的key//获取当前Cache使用的前缀// Locker redis 分布式缓存//TryLock 尝试将key锁定一段时间，成功返回一个解锁函数，失败返回错误//LockAndDo 尝试获取锁，并执行fn函数，函数未执行完自动续期，函数执行完后自动释放锁//Expire 给key设置一段时间后过期//ExpireAt 设置key在某个时间点过期//Ttl 获取key的过期时间。

embstr和raw类型的区别在于，RedisObject和embstr是连续存储的，只需要访存一次，而raw是分开存储的，需要访存两次。

基于Redisson实现延时队列

引入依赖<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-cache</artifactId></dependency><dependency> <groupId>org.springframework.boot</groupId> &

若此时master宕机，没来得及同步到slave，然后主从故障转移，从slave中选出一个新的master，线程2又来获取锁，此时，对新的master，自然可以set成功，即获取分布式锁成功，如此，就出现了两个线程同时获取到了分布式锁。线程1查完库存，num=1，挂起，同时线程2执行，查库存，num=1，此时，线程2被挂起，线程1抢完券，改库存减一，库存为0。此外，线程A持有分布式锁的时候，线程B再来尝试获取锁，如果获取失败，会while循环尝试加锁，循环次数达到阈值后，还没获取成功，则返回获取锁失败。

记录一下自己总结相关的Redis八股文。

用户需要查询一个数据，例如要查一张ASSET_CODE = '999999'的卡片，查询redis中没有，就直接去请求数据库，数据库中也不存在对应的数据，返回空或错误，当很多用户同时请求并且都没有命中！于是都去请求了持久层的数据库，那么这样会给持久层数据库带来非常大的压力。当高并发或有人利用不存在的Key频繁攻击时，数据库的压力骤增，甚至崩溃，这就是问题。

Redis 源码学习记录：列表 (quicklist)

若此时master宕机，没来得及同步到slave，然后主从故障转移，从slave中选出一个新的master，线程2又来获取锁，此时，对新的master，自然可以set成功，即获取分布式锁成功，如此，就出现了两个线程同时获取到了分布式锁。线程1查完库存，num=1，挂起，同时线程2执行，查库存，num=1，此时，线程2被挂起，线程1抢完券，改库存减一，库存为0。此外，线程A持有分布式锁的时候，线程B再来尝试获取锁，如果获取失败，会while循环尝试加锁，循环次数达到阈值后，还没获取成功，则返回获取锁失败。

【代码】基于Redis实现的一个编码生成器。

总结来说，Hadoop、Spark、HBase和Redis各自具有不同的适用性和优势。Hadoop适合处理大规模数据集的离线批处理任务；Spark适用于实时数据分析、机器学习等多种场景；HBase适合存储稀疏表结构的数据；而Redis则适用于需要高速读写性能、低延迟和实时性的场景。在选择使用哪个技术时，需要根据具体的业务需求和场景来综合考虑。Hadoop、Spark、HBase和Redis各自在大数据技术领域具有不同的适用性和优势。

Redis的五个对象类型字符串，哈希，列表，集合，有序集合。

在redis中，启用redis-cli键入命令即可删除指定前缀的key，示例中代码可用于删除RuoYi项目中用户token，以此为例可以自行指定要删除的key。

我们使用Spring中的RedisTemplate的原子整型来实现该功能，在接口第一次触发时，设置增加键值，并将键的有效期设置为单位时间，后续接口访问调用getAndIncrement()方法获取当前值，并将redis中值增加1，然后判断当前值是否超过访问阈值，如果超过则直接丢弃请求。漏桶算法刚好和令牌桶算法相逆，漏桶算法为以恒定的速度从桶中漏出水滴，而我们调用接口为向桶中加水滴，当桶中容量未满时，则表示接口调用量未达到阈值，放行，若桶中容量已满，无法增加水滴进入，则表示拦截请求。

Atcoder Begginer Contest 354A~E题解

SpringBoot+Vue+MySQL+Redis的高校教务管理系统

温故而知新- Redis篇【面试复习】

以MySQL为代表的传统关系型数据库，虽然广泛应用，但是存在一些自身容量的限制。根据使用MySQL的经验，MySQL单表在2000万行以内时，性能较好；单表超过2000万行以后，数据库性能、可维护性都会急剧下降。当然这时候可以使用分库分表，将大表拆分为小表，小表到的数据量控制在2000万行以内。通过水平扩展的方式，将不同的表存放于多台服务器，可以提升整个数据库集群的QPS。