缓存

成为全栈·基础补充·缓存的层次与失效：浏览器、CDN、服务端、数据库做移动端那批文章时，我被一个现象困惑了很久：App 明明显示"已下架"的文章，点进去还能读到完整正文。

【随笔】KV缓存量化：省下的显存，要付出多少数值误差上一篇把KV缓存移到CPU内存，分析了逐层预取的传输等待。还有一条节省容量的路线，把每个缓存元素保存得更紧凑。问题随之变成，节省了多少字节，恢复数值要做多少工作，最终生成结果会受多大影响？

Redis 入门：Windows、Mac安装指南目录在 Windows 上安装 Redis方法一：WSL（本教程系列推荐使用）方法二：Memurai（Windows 原生替代方案）

缓存击穿的解决方案互斥锁区分互斥锁 & X锁这里的互斥锁指在redis加分布式锁：这里边的lock（）是包装了redis里面加锁的命令

【随笔】KV缓存卸载：逐层预取能藏住多少传输时间昨天的随笔讨论了Prefill与Decode位于不同实例时怎样交接KV状态。今天把范围缩小到一台机器：模型权重已经能放进GPU，短提示也能正常生成，长提示却在生成过程中耗尽显存。把KV缓存移到CPU内存能腾出多少空间？下一枚Token又要为此等待多久？

AI技术新视界

LLM 提示词缓存（Prompt Caching）的秘密本报告基于社区讨论及行业数据分析，深入探讨了主要大语言模型（LLM）提供商（Anthropic, Google, OpenAI, Cursor等）在提示词缓存（Prompt Caching）表现上的显著差异。核心发现表明，缓存比例的差异并非单纯反映模型智能水平，而是由应用类型分布（编码智能体 vs. 通用聊天）、提示词结构稳定性以及云端基础设施架构共同决定。对于编码智能体（Coding Agents）等高上下文复用场景，缓存命中率直接决定了运营成本，其重要性远超输入价格本身。

年底还在招的岗位，先确认缺口和到岗要求十一月看到一个技术岗位，不要仅凭「年底还在招」判断机会好坏。先确认缺口是否明确、流程由谁推进、希望何时到岗。岗位发布时间只能说明页面上有这条信息，不能替你回答团队现在需要什么人。

Redis缓存三大问题实战：穿透、击穿、雪崩，我用一个电商秒杀场景讲清楚上个月公司秒杀活动，Redis 被打挂了两次。第一次是缓存穿透，恶意请求直接打到 MySQL，数据库连接池满了；第二次是缓存雪崩，一批 key 同时过期，流量瞬间压垮后端。事后复盘，把这三个经典问题从头到尾捋了一遍，配上可运行的代码和压测数据，记录一下。

我不会起名字322

Redis 从 0 到 1（二十三）：一个热 key 打到 10 万 QPS——hotkey 与本地缓存的 Go 实现我不会起名字322 · 后端 / 算法 / 数据库📘 技术栈｜ 🧩 力扣 Hot100 ｜ 🐹 Go 项目｜ 🟥 Redis ｜ 🐬 MySQL

真上帝的左手

30. 技术专题-‌应用框架组件-缓存-Redis你现在打开项目代码，搜索 RedisTemplate，匹配到的地方是不是都有这么几行——查缓存、写缓存、删缓存？你对这套操作早已烂熟于心，闭着眼都能写出来。

C++Redis开发（Ubuntu 22.04)在 HTTP 那篇博客里我们分析过应用层协议，也自己实现了 Web 开发。当时得出的结论是：想要建立连接，最重要的是先把协议设计好。

缓存该删还是该改，LLM 服务里的双写问题给答案加缓存之后，命中率上去了，账单下来了。然后开始出现一类很难查的问题，同一个问题，五分钟后问一次得到新答案，再问一次又回到旧答案。用户以为系统在抽风。

Go IM 源码实战（14）：本地缓存快 3000 倍，失效却难 10 倍你好，我是利威尔xu。这是**「Go IM 源码实战」系列第 14 篇**。前面 13 篇里，Redis 出现了无数次——seq、水位、token、在线状态、会话缓存。这一篇专门讲缓存本身。

程序猿编码

解决 LLM 算力浪费，一套统一 KV 管理层实现缓存复用大模型推理服务中，KV Cache 的重复计算正在成为不可忽视的成本瓶颈。Agent 工作流反复检索相同上下文、多轮对话不断重放历史轮次、多模态应用反复处理同一批视觉特征——这些场景下，如果每次都要重新计算 KV Cache，算力浪费惊人。

steam无法登录 steam错误登录时出现错误。请稍后再试。解决办法 steam无法登录解决办法湖南地区steam DNS问题解决办法退出登录窗口。按 Ctrl + Shift + Esc 或右键下方任务栏打开任务管理器，搜索并关闭所有steam有关的程序。

缓存淘汰实测：一次全表扫描把 LRU 命中率从 46% 打到 38%，W-TinyLFU 守住 50% 却贵 11 倍容量 1000、2 万 key、Zipf 0.9 的 16 万次请求里每 2 万次插一波 3000 个冷 key、3 轮实测：LRU 命中 45.84–46.07%，扫描后 5000 次掉到 38.10–41.30%；LFU 53.99–54.31%，但朴素实现每个操作 26.872–28.223 微秒，换成计数桶同命中率只要 0.519–0.606 微秒；W-TinyLFU 56.46–56.65%，扫描后仍有 49.88–53.66%。

Java 项目实战: 交友项目 - 小视频模块实战：访客记录、FastDFS 存储与 SpringCache 缓存本文补齐小视频模块：记录「谁看过我」的访客数据，用 FastDFS 存储视频文件，实现发布与列表接口，最后用 Spring Cache 给列表加上缓存。

双写一致性：为什么是“删缓存“，而不是“改缓存“缓存和数据库两个地方都存了同一份数据，一旦更新，就得保证两边一致。我一开始的直觉是"改完数据库，顺手把缓存也改一下"——这个直觉是错的。