缓存

代码中介商

LRU缓存算法：双向链表+哈希表实现在前面的文章中，我们系统学习了双向循环链表的原理与实现。双向链表有一个重要的应用场景——LRU 缓存淘汰算法（Least Recently Used，最近最少使用）。

【知识获取与分享社区项目 | 项目日记第 23 天】项目梳理下篇：高并发与最终一致性复盘：Redis、Kafka、Outbox、ES 与 RAG 如何协同前面几篇分别讲了认证、发布、计数、关系、点赞、Feed、搜索和 RAG。这些模块看起来很多，但背后其实有一条统一主线：

亿级流量下的 Redis 计数系统设计：位图事实 + 事件聚合 + SDS 汇总灵感来源：《亿级流量系统架构设计与实战》在社交平台或内容社区中，点赞数、收藏数、关注数、粉丝数等计数是最基础也最高频的功能。一个热门内容可能在几秒内涌入数十万次操作，这对计数系统提出了极高的要求。

Redis基础：4. 事务别被名字骗了，Redis 的事务和 MySQL 的事务，差了十万八千里你好，欢迎回来！如果你刚从关系型数据库转过来，听到 Redis 也有"事务"功能，第一反应可能是：终于可以保证原子性了！

【Redis】缓存策略与三大经典问题贯穿案例「VibeLoop」:为虚拟的互动平台，仅用于技术演示，并非真实存在的产品。上期速递:【Redis】Redis 数据结构与 Spring Boot 集成本文是 VibeLoop 系列的第2期，全文共9 个章节。覆盖缓存更新策略、三大经典问题（穿透/击穿/雪崩）、淘汰策略选型、双写一致性、Spring Cache 踩坑、8 道面试题、必背速查表。

OpenClaw v2026.5.26-beta.1 / beta.2 预发布解读：Gateway 加速、transcript 路径统一、多通道修复、语音增强与安装更新链路加固这篇文章整理的是 OpenClaw v2026.5.26-beta.1 / beta.2 预发布版本的更新重点。从版本定位看，它已经不是早期试水性质的 beta，而更像是 5.26 正式版前的候选验证版本。更新方向也明显更接近正式版交付前的收口：性能要更稳，路径要统一，通道要修好，语音要增强，安全边界要清楚，安装更新链路也要更可靠。

在 Claude code 中如何利用模型缓存节省 token在上一篇文章《Agent 工程中的模型缓存优化经验分享》中，我分享了 Agent 工程中的模型缓存优化经验，但毕竟大部分读者还是 Claude Code、Reasonix 等产品的用户，而不是开发者，大家更关心的一定是"如何省 token"。因此这次我们就来分析一下：什么动作会让 cache 直接报废，怎么用才能最大化命中率。

黑马点评-Redisson-01_why_redisson本文整理自我学习黑马点评 Redis 实战篇第 5 章「分布式锁 Redisson」的 5.1 和 5.2 小节。

Redisredis里面存储的都是键值对redis是一种非关系型数据库，没有表sql是结构化的，每个字段都有对应的约束，很难修改，

JWT的四种设计策略——轻量负载缓存外置上下文线程统一验证JWT登录不是"把token发出去就完事了"。怎么存、存多少、验证后怎么加载完整信息、权限怎么验——这四个决策决定了你的认证系统是轻量还是臃肿、安全还是漏洞。这篇文章以一个生产环境的JWT实现为例，拆解这四个设计策略。

黑马点评-Redisson-02_reentrant_lock本文整理自我学习黑马点评 Redis 实战篇第 5 章「分布式锁 Redisson」的 5.3 小节。

缓存策略实战：Redis + Python 多级缓存设计与失效策略在计算机科学中，缓存失效被戏称为最难解决的问题之一。这种说法虽有调侃意味，却深刻揭示了缓存系统在实际工程中的复杂性。一个设计良好的缓存架构可以将接口响应时间从数百毫秒压缩到微秒级，而设计不当的缓存则可能引入数据不一致、热点穿透、雪崩等一系列生产事故。本文从收益建模出发，系统梳理本地缓存与分布式缓存的协作模式、六大失效策略、三大灾害防护机制，并通过一个完整的热门文章排行榜案例，展示生产级缓存的工程化实践。

[Redis] redis常见命令和String字符串解析很多初学者看到 Redis 命令时，会直接陷入“命令太多，要背不完”的状态。但实际上，Redis 命令背后有几条非常稳定的主线：key-value 模型、数据结构、内部编码、单线程执行、命令复杂度和使用场景。

【Redis】一文讲透缓存更新策略与缓存预热、穿透、雪崩、击穿当 MySQL 发生新增、修改、删除时，缓存也要跟着处理。常见思路是：第二步这里选择“删除缓存”，不直接修改缓存里的值，原因是缓存里的数据可能不是数据库单表字段，可能经过了关联查询、计算、排序、过滤，直接改缓存值容易漏掉逻辑。

NV041固态MT29F16T08GSLCEM9-QBES:C面对琳琅满目的固态闪存颗粒，你是否曾为选型焦头烂额？MT29F16T08GSLCEM9-QBES:C，这颗来自美光（Micron）的16Tb 3D NAND Flash，当中隐藏了哪些性能玄机？它为何被推崇于企业级SSD的高密度存储场景？今天，我们就从最基础的型号解码，到在数据中心的实战表现，一步步带你揭开这颗“黑科技”的神秘面纱。

Redis（二）：设置密码打开redis.conf文件：找到requirepass foobared，取消掉这行注释，然后将foobared修改成你想要的密码，我这里设置成123

在Agent时代，成本与性能权衡成为首要考量：采用以内存缓存为中心的全新拓扑架构，还是坚持以不断提升算力为核心的计算中心架构？未来会以KVcache等中间结果缓存为中心，算力提升要求缓存带宽同步增长，无论算力如何提升，只要缓存/IO的读取速度跟不上，整体性能就被卡住。预测未来很长一段时间，瓶颈都会在缓存和IO上，而非纯计算能力。

omlx实战：5分钟让Apple Silicon本地跑通Claude Code——分页SSD KV缓存把TTFT从90秒压到1秒（附安装踩坑+实测）🍃作者介绍：AI 应用负责人/AI产品架构师，阿里云专家博主。专注 LLM 应用开发、Agent 系统设计、具身智能与工业 AI 落地。日常在大模型训练、Coding Agent 工具链、AI 产品商业化等方向持续输出实战内容。 🦅个人主页：@逐梦苍穹 🐼GitHub主页：https://github.com/XZL-CODE ✈ 您的一键三连，是我创作的最大动力🌹

【面经】缓存一致性全套解决方案：从旁路删除到延迟双删、MQ 补偿、binlog 监听与多级缓存本文适合 Java 后端、Redis 缓存设计、面试复习和系统设计总结。核心目标：彻底搞清楚数据库与缓存一致性到底有哪些方案、分别解决什么问题、适合什么业务场景。

霸道流氓气质

异步任务提交 + Redis 状态轮询模式实战指南当一个业务操作耗时较长（如拆单发货、大文件处理、复杂计算），如果同步执行会导致接口超时或用户长时间等待。解决方案是：接口只负责提交任务，立即返回一个任务ID，实际处理交给 MQ 消费者异步执行，处理结果写入 Redis，前端通过任务ID轮询查询结果。