缓存

憧憬成为java架构高手的小白

黑马八股redis后端缓存中间件攻击数据库，知道你的请求路径在路径后面，造假id攻击，请求到一定量就会击垮数据库，导致宕机

【大模型 Token 计费】输入、输出、缓存命中你充了 100 块，高强度用了一周，余额没了。打开账单一看：输入 token 几百万，输出 token 几十万，还有一栏叫"缓存命中"——这到底是什么？为什么有时候输入便宜得离谱，有时候又贵得肉疼？中转站标着"官网 2 折"，它到底靠什么赚钱？这篇文章把计费逻辑拆到底。

我叫张小白。

基于Redis与FastAPI的分布式共享会话体系在传统单体部署模式中，用户登录后的身份信息通常强绑定于服务端本地内存。用户完成认证后，服务端将用户对象存入当前进程的Session空间，并通过HTTP响应头下发SessionId至客户端Cookie。后续请求携带该Cookie到达服务端时，拦截器从本地Session中提取用户数据，注入线程上下文后放行。

Redis 从入门到精通：Spring Boot 实战三部曲（一）—— 基础核心与快速上手专题导读：本系列共三篇，从基础到高级，带你系统掌握 Redis 在 Spring Boot 项目中的实战应用。

【Redis实战篇】基于Redis的分布式锁的原理及实现温馨提示：建议在PC端浏览~分布式锁过程分析分布式锁：满足分布式系统或集群模式下多进程可见并且互斥的锁。

C++编程实践——提高缓存的命中缓存其实好理解，在前面分析内存时，包括分析其它优化方式或框架时，都有过详细的说明。缓存可以理解为图书馆找资料，管理员一般会把大家最经常查找的资料放到最显眼的地方。而计算机中的缓存类似，把可能频繁访问的数据放到高速存储形成的缓存中。但这就带来一个明显的问题，缓存如果没有命中，反而会导致访问时间的增加。所以如何用好缓存，在很多情况下，是一个对性能和效率影响非常关键的问题。

黑马点评-优惠券秒杀-03_basic_seckill_and_oversell本文继续整理黑马点评 Redis 实战篇第 3 章「优惠券秒杀」。前两篇分别讲了订单 ID 和秒杀券表结构。这一篇开始进入真正的秒杀下单：用户点击抢购后，后端到底做了什么？为什么最朴素的代码看起来没问题，一并发就会超卖？

Redis数据安全性解析Redis所有数据安全问题，归根结底分为六大类，也是生产环境必须兜底的核心风险：数据丢失风险：断电、重启、宕机导致内存数据清空

辞忧九千七

Redis 单机一主二从主从复制完整搭建指南本文基于 Redis 5.0+ 版本，手把手教大家在同一台服务器上搭建一主二从架构（主节点：6379，从节点：6380、6381）。全程包含配置文件拷贝、分步配置、启动、状态校验、数据同步测试，同时结合实操中遇到的典型问题做避坑讲解，适合新手学习参考。

Chasing__Dreams

Redis--基础知识点--32--redis底层存储结构Redis 数据库底层实现中，那个存储所有键值对的全局哈希表（dict），在运行过程中是会动态扩缩容的。

Redis ZSet 有序集合详解在Redis五大基础数据结构中，ZSet（Sorted Set 有序集合）是业务价值最高、面试考察最深、生产使用最广的复合数据结构。相比于List的有序可重复、Set的无序唯一，ZSet完美融合了元素唯一、自定义排序、区间检索、排名统计四大能力。

布吉岛的石头

Java 程序员第 38 阶段：Embedding 向量缓存实战，减少重复向量化计算开销在 Java 后端应用中，Embedding 向量生成通常是 RAG（检索增强生成）系统的性能瓶颈。每次查询都需要将文本转换为高维向量（通常 768 维、1024 维或 1536 维），计算开销巨大。通过向量缓存，可以将已经计算过的文本向量存储起来，避免重复计算，将响应延迟从 100-200ms 降低到 1-5ms。

郝学胜-神的一滴

系统设计 013：高并发系统缓存：从原理到实践全解析系统设计 013：高并发系统缓存：从原理到实践全解析在高并发、大流量的后端场景里，300K 读请求如同潮水般涌来，如何让系统稳如泰山、响应如闪电？答案只有一个：Cache（缓存）。它是读多写少系统的性能神器，是后端工程师必须吃透的核心技术。今天，我们就从原理、选型、对比、实战到一致性难题，把缓存彻底讲透。

DeepSeek/MiMo 推理链缓存代理：从内存到 SQLite 的两级缓存架构实战在使用 DeepSeek 或 MiMo 等推理模型时，API 返回的消息中同时包含 reasoning_content（推理过程）和 tool_calls（工具调用指令）。然而，在多轮会话场景下出现了一个棘手的问题：

函数缓存lru_cache用 functools.lru_cache 快速给函数做缓存，大幅提升重复计算的性能，用法超级简单。lru_cache 是Python标准库自带的‌最近最少使用缓存装饰器‌，可以自动把函数的调用结果缓存下来，下次传入相同参数时直接返回缓存结果，不用重复计算。

NQ486固态MT29F16T08GSLDHL8-QM:D想象一下，企业数据中心的每一次点击，云服务的每一次加载，海量视频流的每一次缓存，其背后都依赖着一块指甲盖大小、却承载着海量数据的关键元件。今天，我们就来拆解这样一颗堪称数据中心心脏的芯片——美光的MT29F16T08GSLDHL8-QM:D。这不是一颗普通的闪存，它是驱动现代存储效率与稳定性的核心引擎。

NQ551固态MT29F16T08EWLEHD6-ITF:E开篇引入在数据驱动的时代，工业级SSD已成为关键基础设施，而其“心脏”——NAND Flash颗粒，则决定了存储可靠性与性能天花板。MT29F16T08EWLEHD6，作为Micron美光16Tb级3D NAND代表，用一串看似冰冷的型号背后，承载着苛刻工业环境下不容妥协的存储需求。本篇从颗粒架构到应用场景，带你全链路深度解读，揭开这枚核心芯片的硬核实力。

缓存技术：从CPU Cache到AI KV Cache （一）缓存不仅是单独的组件，还是计算机系统长期对抗速度差的产物。计算机系统中一直都存在部件速度不匹配的问题。

SpringCloud 进阶拓展：性能优化指南（缓存三大问题 + 分库分表入门）在 Spring Cloud 微服务架构中，随着业务规模增长和用户量激增，系统性能瓶颈逐渐显现。缓存作为提升系统吞吐量的关键技术，常常面临穿透、击穿、雪崩等问题；而数据库则会遭遇单库单表数据量过大导致的查询缓慢、写入延迟等挑战。本文将深入剖析缓存三大问题的解决方案，并系统讲解数据库分库分表入门知识，为 Spring Cloud 微服务性能优化提供实战指南。

AI Gateway 接入大模型服务后首 token 慢排查：镜像、模型缓存和 GPU 节点这次记录一个比较常见的内网推理服务问题：AI Gateway 已经能把请求路由到后端，vLLM 的 OpenAI-compatible 接口也能返回，但第一次请求首 token 很慢。前端看起来像网关卡住，日志里又没有明确报错。