收录了 缓存一致性 频道下的 50 篇内容
过去这些年,Meta已经将他们的缓存一致性从99.9999(6个9)提高到了99.99999999(10个9)。也就是说,在他们的缓存集群中,每100亿次缓存写入操作中只有不到1次不一致。
真正理解计算机工作方式的程序员才是好程序员。如果你希望写出高效无错的程序,缓存的工作原理是的必修课。本文是博客作者Fabian Giesen系列文章的第一篇。
计算机的演进就是一部在挖坑和填坑之间反复横跳的发展史。对这一点的理解会随着本文的后续讲述逐渐加深。比如高速缓存Cache很好地解决了CPU与内存的速度矛盾,但是也为计算机系统带来了更高的复杂度。
该系统此前发现了一个查询投放计划plan为null的异常情况,在初期排查时有些丈二和尚摸不着头脑,后面突然灵光乍现——原来是缓存一致性问题!本文记录一下该问题的排查过程和解决方案,同时带读者朋友们一起回顾下相关的八股文~
最近团队里我们在密集的讨论Redis缓存一致性相关的问题,电商核心的域如商品、营销、库存、订单等实际上在缓存的选择上各有特色,那么在这些差异的业务背后,我们有没有一些最佳实践可供参考呢?本文尝试着来讨论这个问题,并给出一些建议。
API网关引入缓存可以在不影响数据一致性的前提下,有效优化接口时延。本文介绍了Netflix在Titus网关上引入缓存的实践,比较了有无缓存对访问时延的影响。
Redis 是现在互联网中使用最广泛的分布式缓存系统,几乎每家公司都在用。它的 qps 可以达到10万每秒,吞吐量还是非常可观的,对于一般体量的互联网公司,一台机器就够了。但不论是什么业务,都不得不面对一个棘手的问题:那就是Redis和源数据的一致性问题。
随着时间的推移,CPU 和内存的访问性能相差越来越大,于是就在 CPU 内部嵌入了 CPU Cache(高速缓存),CPU Cache 离 CPU 核心相当近,因此它的访问速度是很快的,于是它充当了 CPU 与内存之间的缓存角色。
当使用 Redis 作为数据库的缓存时,不得不考虑的一个问题是如何保证缓存(Redis)中数据与数据库中数据的一致性问题。
本文是上次:http://www.infoq.com/cn/articles/cache-coherency-primer的第二篇。第一篇刊出后受到了很多转发,反响非常好。主题依然是内存操作方面的。
在Java多线程并发编程中,synchronized和Volatile都扮演着重要的角色,Volatile是轻量级的synchronized,它在多处理器开发中保证了共享变量的“可见性”。本文将深入分析在硬件层面上Inter处理器是如何实现Volatile的,通过深入分析能帮助我们正确的使用Volatile变量。
RevenueCat的交付平台每天可以处理超过12亿个API请求,他们使用缓存来提高API的可用性和性能并确保一致性。
携程金融从成立至今,整体架构经历了从0到1再到10的变化,其中有多个场景使用了缓存来提升服务质量。
本文介绍了一种可用于软亲和调度的新哈希算法。
在运行多个Memcached服务器时,往往需要考虑一些问题,比如缓存一致性、缓存失效等,缓存一致性是指要保证多个Memcached服务器中数据的一致,缓存失效的后果相对来说比较严重,当在大并发访问的场景下,如果Memcached缓存失效,所有请求会在同一瞬间并发访问数据库,可能会导致数据库宕机。为了保证缓存系统的稳定和高可用,很多公司都研发了相应的系统。本文汇总了Twitter、Facebook、Youtube在缓存方面的解决方案,供读者参考。