缓存

记一次实验：利用路径分隔符进行网页缓存欺骗摘要：本文基于 PortSwigger Web Security Academy 官方靶场，完整复现 Web 缓存欺骗（Web Cache Deception）漏洞的利用过程。通过系统化探测源服务器与缓存服务器对路径分隔符的认知差异，找到仅被源服务器识别、缓存服务器忽略的特殊字符（如分号 ;），并借助静态扩展名缓存规则，诱导缓存服务器存储受害者的私密页面，最终窃取敏感信息。文章涵盖从侦察、验证、利用到读取的完整攻击链，并附有防御建议与安全责任声明。

redis数据持久化RDB（Redis Backup File）：把内存中的所有数据都记录到磁盘中，当Redis实例故障重启后，从磁盘读取快照文件，恢复数据 redis在正常停机之前会做一次持久化，但异常停机会导致数据丢失

weixin_44073050

数据库缓存、索引、缓存命中率的理解

taocarts_bidfans

Taoify 站点缓存分层配置实操，解决海外访问卡顿与更新延迟独立站页面加载速度直接影响谷歌 SEO 评分、用户留存和最终转化率，很多卖家搭建完 Taoify 店铺后，仅依赖默认 CDN 设置，没有做精细化缓存分层，出现欧美地区打开慢、商品修改后页面不实时更新等问题。Taoify 内置全球 CDN 与灵活的缓存策略，区分静态资源、动态业务数据配置缓存规则，是低成本优化站点性能的核心手段。

PortSwigger网络缓存欺骗（3）您可以使用几种不同的方法来测试缓存如何规范化路径。首先，确定潜在的静态目录。在“代理”>“HTTP 历史记录”中，查找具有常见静态目录前缀和缓存响应的请求。通过将 HTTP 历史记录过滤器设置为仅显示响应类型为 2xx 且 MIME 类型为 script、images 和 CSS 的消息，来重点关注静态资源。

SpringBoot整合Caffeine-集群本地缓存如何保证分布式一致性问题现场： Caffeine 适合保存访问频繁、体积有限的本地数据，但每个应用实例都拥有自己的缓存副本。单机缓存一旦进入集群，更新问题就从一次 put 变成多个节点怎样同时失效。

redis开机自启脚本vi /etc/systemd/system/redis.service[Unit] Description=Redis persistent key-value database After=network.target After=network-online.target Wants=network-online.target

李可以量化

Redis Client 从了解到精通（二）上：redis-py 高级用法与核心命令实战上一期我们详细讲解了 Redis 的 Client API 对于量化工作的重要性，也带大家走完了 Python 版 redis-py 客户端的安装与基础使用流程。本期我们正式深入核心，系统拆解 redis-py 的高级用法与实战技巧，手把手吃透这个高频使用的 Redis 客户端库。

Redis---Stringredis中的所有的key都是字符串，只不过value的类型时存在差异的。字符串类型的值实际上可以是字符串，包含了一般格式的字符串，或者类似JSON，XML格式的字符串，数字等等，甚至是二进制流数据。但是一个字符串的最大值不能超过512MB

Redis 和 MySQL 如何保证数据一致性？从缓存更新到延迟双删完整讲解在后端系统里，MySQL + Redis 几乎是最常见的一套组合。MySQL 负责持久化数据，Redis 负责缓存热点数据，提高接口性能。

GEO 优化源码性能调优：高并发地域请求缓存与索引优化在 GEO（地域）服务的高并发场景下，地域解析与查询往往成为系统瓶颈。本文围绕源码层面的性能调优，重点讲解如何通过缓存机制与索引优化，降低地域请求的响应延迟与资源消耗。

晓晓_za898668

多租户 GEO 优化系统源码架构：权限隔离与数据分离实现多租户 GEO 优化系统在服务多个业务方时，需要同时解决两个核心问题：一是租户之间的权限隔离，确保每个租户只能访问自己的数据和功能；二是数据分离，避免租户数据互相污染。本文从源码架构角度，分析权限隔离与数据分离的具体实现方案。

Redis持久化存储机制：从RDB到AOF再到混合持久化的配置与实践持久化这个概念，和mysql事务的四大核心特性（原子性、一致性、持久性、隔离性）中的持久性是同一个意思。mysql的持久化实现方式是：把数据存储到硬盘上，重启主机后数据依然存在。 redis的数据存在内存中，那怎么保证数据的持久化呢？答案同样是保存到硬盘上。可这样一来，redis和mysql不就没区别了吗？要知道redis最大的优势就是快，而快的主要原因正是数据存储在内存中。怎么解决这个矛盾呢？事实上redis的数据在内存和硬盘上都会存一份，理论上两者的数据是完全相同的，当然也可能存在差异，这取

正儿八经的少年

布隆过滤器(解决redis缓存穿透步骤之一)布隆过滤器（Bloom Filter）：一个很长的二进制位数组 + N 个哈希函数，用来快速判断：某个元素一定不存在 / 可能存在。

PortSwigger网络缓存欺骗（1）要完成这个实验，你需要知道：使用以下凭据登录您自己的帐户wiener:peter登录后便可以repeter账户页面

C++ 性能优化：CPU 缓存与数据布局优化深度解析过去二十年，CPU 单核性能的提升主要依赖三条路径：主频提升（已趋饱和）、指令级并行（ILP，超标量与乱序执行）、以及缓存层级不断加深。如今一颗消费级 CPU 的 L1 缓存延迟只有 1ns 左右，而主存（DRAM）延迟高达 60~100ns——两者相差两个数量级。这意味着：

底座 01：Agent 的 token 成本怎么砍——Redis 缓存实战这是「Agent 工程化」系列的生产底座分支第一篇。正片把 Agent 的循环、工具、记忆讲透了，第 10 篇算过一笔账：多步 Agent 的 token 消耗是单次对话的 10-100 倍。这篇回答一个更具体的问题：钱是怎么烧的，又怎么用缓存把它真实砍下来。知识点是后端的（Redis），场景是 Agent 的——这也是本分支的写作方式：Agent 系统的每一层底座，都值得单独拆开讲。

LRU缓存实现 LRUCache 类：函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。示例：思路：LRU（最近最少使用）缓存的核心是保证在容量满时，优先淘汰最久未被访问的键。这里利用 JavaScript 的 Map 天然维护插入顺序的特性：每次 get 或 put 命中已有键时，先删除再重新插入，使其排到末尾，表示“最近刚被使用”；当容量超限时，Map 中第一个键就是最久未使用的，直接删除即可。这样 get 和 put 的平均时间复杂度都是 O(1)。

从零开始的 Redis 学习前言一、常用命令二、value 常见的数据类型三、渐进式遍历 scan四、数据库管理操作五、通过 c++ 构造客户端使用 redis