缓存

桌面运维家

如何用半缓存云桌面将服务器硬盘容量扩展至本地终端？教学机房常面临终端本地硬盘（如128GB SSD）空间不足的问题，难以容纳多套教学环境或大型软件。逐台更换大容量硬盘成本高昂。澄成 vDisk 的半缓存云桌面模式提供了一种替代方案：将操作系统镜像与应用程序数据集中存放于服务器，终端按需流式加载，实际占用本地空间远小于完整镜像，从而将服务器存储容量有效扩展至本地终端。本文阐述其工作原理、配置方法、适用场景及技术边界。

Redis初识用于存储数据，内存中存储定义变量不就是在内存中存储数据，为什么还要使用Redis：Redis在分布式系统中可以发挥其功能，如果是单机程序，直接通过变量存储数据的方式比Redis更优

【关于redis高性能，高可用处理】Redis 之所以强大，很大程度上归功于它丰富且高效的数据结构。Redis 的数据结构可以分为 5 种基础数据结构和多种高级/特殊数据结构。

CrewAI 生产化：缓存、回调、LLM 配置CrewAI 在生产环境中需要关注三个核心配置维度。Cache 机制对 Tool 调用做输入哈希缓存——相同输入命中缓存则跳过执行，直接返回上次结果。Callbacks是挂载在 Crew 事件上的钩子函数，用于日志、监控和远程追踪。LLM 配置在 Agent 级别通过 llm 参数传入模型对象，支持 model、temperature、max_tokens、api_key 等参数的不同组合。

Hot 100 --- LRU 缓存本文概览：本文以LeetCode经典题目"LRU 缓存"为例，从普通哈希表的局限入手，分析为什么需要额外的数据结构来维护访问顺序，最终引出哈希表 + 双向链表的经典组合，实现 O(1) 时间复杂度的 LRU 缓存

黑马点评-Redis Set-实现关注、取关和共同关注本文整理自黑马点评 Redis 实战篇第 9 章前半部分。第 9 章的主题是「好友关注」，前半部分主要解决两个问题：用户如何关注/取关另一个用户，以及如何用 Redis Set 快速查询共同关注。

Redis——哨兵哨兵就是一种自动监视程序（即一个进程），他可以监视redis主从架构，自动故障转移，通知故障。如果主从架构中的主节点瘫痪，哨兵可以自动推举出新的主节点（避免了人工干预），恢复写功能；如果主从架构中的从节点瘫痪，哨兵可以将该节点标记为不可用并使得客户端得知该消息，客户端就会从其他节点进行读取。

风向决定发型丶

redis集群搭建Redis Cluster 是 Redis 官方提供的分布式、高可用数据分片解决方案。它彻底改变了 Redis 单机或主从架构的局限，使 Redis 能够水平扩展以支撑海量数据和高并发场景。

多端数据互通场景下Spring Boot仿小红书源码结构设计仿小红书类产品做起来最容易被低估的地方，不是图文发布、短视频发布、多图上传、点赞评论、收藏关注这些功能本身，而是数据量上来以后，系统会不会开始变慢、变乱、变得难以维护。

长不胖的路人甲

Redis 缓存的数据持久化方案讲解我们项目里 Redis 主要做热点数据缓存，正常缓存逻辑是：数据库存全量数据，Redis 放高频访问数据。但如果 Redis 宕机、服务器重启，内存里缓存数据会全部丢失：

长不胖的路人甲

Redis 单线程为什么速度很快Redis核心处理网络请求、执行命令的主线程是单线程，但它并不是整个程序只有一个线程，持久化、异步删除、集群同步等操作都会启用子线程 / 后台线程。它单线程还能做到高性能，核心有下面几点原因：

【推理与部署篇14】Prefix Caching深度解析：从自动前缀缓存到语义缓存的推理加速实战【推理与部署篇14】Prefix Caching深度解析：从自动前缀缓存到语义缓存的推理加速实战系列文章：推理与部署篇（共30篇）本文为第14篇，前13篇已覆盖：推理框架对比、vLLM、SGLang、TensorRT-LLM、量化、基准测试、投机采样、KV Cache优化、连续批处理、模型并行、服务化部署、成本优化、PD分离面向对象：AI大模型开发工程师面试准备 & 生产实战技术时效：内容跟进至2026年7月最新进展

CCPC不拿奖不改名

Redis 工程化部署深度解析📖 本文档定位：本文是 Redis数据库工程化部署安装流程.md 的配套解析文档。部署流程文档回答「怎么做」，本文档回答「为什么这么做、每条命令的原理是什么、不这么做会怎样」。

想吃火锅1005

【leetcode】146.LRU缓存jsLRU是“Least Recently Used”的缩写，意思是“最近最少使用”。它是一种缓存淘汰策略，核心思想是：当缓存空间满了，需要淘汰数据时，优先淘汰那些最长时间没有被访问的数据。（学过操作系统页表那边应该深有体会吧要手工写的！）

小七-七牛开发者

TokenPilot：让 LLM Agent 长会话成本降 60%+ 的上下文管理今天解读的这篇论文叫 TokenPilot: Cache-Efficient Context Management for LLM Agents，作者来自浙江大学、电子科技大学、西安电子科技大学和 HomologyAI。

taocarts_bidfans

反向海淘跨境缓存架构优化：taocarts Redis分层缓存实战技术反向海淘系统存在大量高频访问、动态更新、实时性要求高的数据，包括实时汇率、商品库存、热门商品数据、物流轨迹、用户会话、接口返回数据等，这类数据若频繁请求数据库或第三方API，会导致数据库压力过载、接口响应延迟、系统卡顿、第三方限流封禁等问题，严重影响用户体验与系统稳定性。缓存架构是反向海淘系统性能优化的核心，合理的缓存分层设计可大幅提升系统响应速度、降低资源消耗、规避风控风险。taocarts系统基于Redis搭建分层缓存架构，针对反向海淘专属业务场景，设计差异化缓存策略、过期机制、预热规则、击穿防护，完

在AI API聚合平台配置DeepSeek V3.2提示词缓存实战：快速接入与成本优化指南每个 DeepSeek 缓存命中请求和未命中请求之间，横着一道 4.8 倍的价差——而在典型的 agent 循环里，命中还是未命中的差别，就在于你有没有把时间戳塞到提示词末尾。

gRPC结合FAISS构建AI助手语义缓存模块（一）：设计原AI聊天助手项目中，每次提问（Prompt）都需要调用公有LLM API来获取大模型的回答（Answer），然而，有些时候用户会向聊天助手询问同样的问题，我们将KV存储集成到聊天助手当中，初步实现了一个Prompt对应一个Answer的缓存功能。

退休倒计时

【每日一题】LeetCode 146. LRU 缓存 TypeScript请你设计并实现一个满足 LRU (最近最少使用) 缓存约束的数据结构。实现 LRUCache 类：函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。