缓存

【vemory】高性能KV存储AOF方案设计vemory 是我自研的一个高性能 KV 存储项目，本系列博客谈及的源码主要是是纯 C 实现的极致优化版，然而，本项目的 C++ 版全部开源（结合 cursor AI 进行的迁移版），感兴趣的小伙伴可以查看Github - Vemory。

数据结构基础篇(二)：顺序表与链表全方位对比｜从内存布局到 CPU 缓存理解底层差异在写完动态顺序表的增删改查、单链表的反转与相交等经典题型后，我曾一度以为自己已经吃透了这两种最基础的线性表。在最初的认知里，二者的区别无非就是：顺序表是连续的数组，按下标找元素快；链表是节点加指针，插删方便。

清水白石008

Python 如何设计一个线程安全的缓存？从锁策略、LRU 到工程化实战在很多 Python 项目里，缓存往往是最容易被“低估”的模块之一。刚开始，我们可能只是随手写一个字典：

番茄炒鸡蛋加糖

项目技术点总结--四大核心技术+缓存内容；Seata AT、Sentinel、QLExpress、DockerCompose 四大核心技术 + Redis 底层、Caffeine+Redis 二级缓存、缓存三大问题

大飞记Python

AI大模型Token计费全解析：输入/输出、缓存命中、阶梯计价一文看懂大家好，我是搞自动化的大飞～最近都在说DeepSeek斩杀线——意思是AI的极致性价比（虽然梁圣也涨价了）

Rain的Java大神之路

线上接口负载满了如何解决这是最关键的一步，先保住系统不雪崩，再谈其他。整理了面试真题、每日技术知识点、系统学习路线，√X搜「Rain的Java 大神之路」每天拆一个知识点，陪你悄悄变强，有空来坐坐。

04 稳定性与性能调优实录：OOM 崩溃、并发槽位、前缀缓存与 DSpark 调参《DeepSeek-V4-Flash 本地部署与公网服务化》系列 · 第 ④ 篇 / 共 5 篇 ① 硬件选型与 llama.cpp 部署｜ ② API 鉴权与腾讯云公网桥接｜ ③ 多协议支持：Anthropic 与 Responses API ｜ ④ 稳定性与性能调优实录（本篇）｜ ⑤ 客户端接入：pi 与各类 SDK

springboot +mybatis 查询myql开启程序级别缓存在 Spring Boot + MyBatis 架构中，所谓的“程序级别缓存”（应用层缓存）通常有两种实现方式：

隔窗听雨眠

缓存增强生成CAG：用预加载KV缓存突破RAG实时检索瓶颈检索增强生成已成为大语言模型接入外部知识的主流方案，广泛应用于知识助手、内部搜索工具和客户支持等生产场景。通过从向量数据库检索相关文档并注入提示，RAG让模型能在不重新训练的情况下生成更准确、更及时的回答。

react离线缓存、图片缓存方案React 做“离线缓存 + 图片缓存”，建议不要把它当成一个单一缓存问题，而是拆成三层：API / JSON 数据缓存

给大模型调用加一层本地缓存，让重复请求直接命中磁盘调试一个带大模型的脚本时，最磨人的不是写代码，是等。改一行提示词模板，重跑，前面十几个已经跑通的样本又要重新请求一遍，几十秒过去了，才轮到你真正想看的那一条。

FakeOccupational

【电路笔记 STM32】Cortex-M7 内核上的数据缓存（D-Cache）结构+MPU+DMA&Cache+STM32CubeMX配置MPU 是 Memory Protection Unit（内存保护单元）是现代微控制器（如 STM32H7 的 Cortex-M7 内核）中内置的一个硬件模块，主要作用是监控和管理 CPU 对内存的访问行为 :

DeepSeek总结的在 pg_stat_statements 中诊断高基数工作负载来源：https://pganalyze.com/blog/postgres-in-production-pg-stat-statements-deep-dive-part-6

新手落地 Geo 优化：源码下载、依赖安装、数据库初始化完整步骤Geo 优化（通常指地理位置相关的数据库优化或地理信息系统的性能调优）是许多涉及 LBS（基于位置的服务）应用的关键环节。对于新手开发者而言，从零开始搭建一个可以进行 Geo 优化的环境往往面临诸多挑战，例如源码获取、复杂的依赖项、数据库配置等。本文将提供一个清晰、完整的步骤指南，帮助你快速完成 Geo 优化环境的搭建，为后续的性能分析和调优打下坚实基础。

Geo 优化源码部署避坑指南：解决访问异常、定位失效、收录卡顿问题在当今的互联网应用中，地理位置（Geo）服务已成为提升用户体验、实现精准营销和优化运营效率的关键能力。无论是外卖配送、出行导航、本地生活推荐，还是内容分发网络（CDN）的智能调度，其背后都离不开高效、稳定的 Geo 服务支撑。

Redis三大缓存问题与分布式锁用户查询数据库、缓存都不存在的数据，比如传-1、负数用户ID、随机垃圾参数。缓存查不到数据不会写入空记录，请求每次都会落到MySQL。黑客恶意批量请求不存在key，会直接压垮数据库。

101-向量数据库性能调优-100QPS到10000QPS-索引-缓存-分区压测📖 文章简介：本文系统讲解向量数据库从百级QPS到万级QPS的全链路调优方法，是把RAG检索从"能用"压到"能扛"的实战指南。文章从性能三要素的不可能三角切入——QPS、延迟、召回率三者互相掣肘，调优本质是找到业务可接受的平衡点；随后按收益从大到小逐层推进：索引层（HNSW的ef、IVF的nprobe线上旋钮，以及"召回率每涨1%、延迟翻几倍"的边际递减规律）、硬件层（内存为王的容量计算公式、CPU核数与并发的关系、为什么GPU加速多数场景不划算）、缓存层（查询结果缓存、热点向量预加载、Embeddi

Redis三大特殊数据类型Redis藏了三个专门适配特殊业务的新数据类型：Bitmap、HyperLogLog、Geospatial，让我们继续学习

【AI应用开发】什么是混合检索（Hybrid Search）？向量检索 + BM25 关键词检索，适用场景与 RRF 融合原理混合检索（Hybrid Search）= 向量检索（语义匹配）+ BM25 关键词检索（精确匹配），通过 RRF 等融合算法合并两路结果，取两者之长补各自之短。

一文掌握Redis常见八股重点讲一下跳表（SkipList）跳表本质上是一个多层链表，底层链表保存所有元素，上层链表是下层的子集。通过这种分层索引结构，把链表的 O(n) 查找优化到 O(log n)。