数据不一致的发生场景
同一份数据，可能会同时存在 DB 和缓存之中。那就有可能发生 DB 和缓存的数据不一致。如果缓存有多个副本，多个缓存副本里的数据也可能会发生不一致现象。
不一致的问题大多跟缓存更新异常有关，比如：
- 更新 DB 后，写缓存失败，从而导致缓存中存的是老数据
- 另外，如果系统采用一致性 Hash 分布，同时采用 rehash 自动漂移策略，在节点多次上下线之后，也会产生脏数据
- 缓存有多个副本时，更新某个副本失败，也会导致这个副本的数据是老数据
2024年09月27日
同一份数据，可能会同时存在 DB 和缓存之中。那就有可能发生 DB 和缓存的数据不一致。如果缓存有多个副本，多个缓存副本里的数据也可能会发生不一致现象。
不一致的问题大多跟缓存更新异常有关，比如：
2024年09月27日
背景：
物联网设备数据推送对接，通过http 接口数据加密签名后推送。平台要求5秒内必须反馈成功或者失败，所以应用接收到数据后，丢给异步线程去处理，直接返回接收成功的状态。奈何设备多数据量大，异步线程池爆满了，队列也满了，直接报错了。
错误信息：
2024年09月27日
欢迎关注笔者，优质文章都在这里等你。
文章来源:
https://segmentfault.com/a/1190000019360335
感谢作者的优质文章，作者从操作系统原理的角度深度解释了什么是高并发。
2024年09月27日
在开发高并发系统时有三把利器用来保护系统：缓存、降级和限流。本文结合作者的一些经验介绍限流的相关概念、算法和常规的实现方式。
缓存
缓存比较好理解，在大型高并发系统中，如果没有缓存数据库将分分钟被爆，系统也会瞬间瘫痪。使用缓存不单单能够提升系统访问速度、提高并发访问量，也是保护数据库、保护系统的有效方式。大型网站一般主要是“读”，缓存的使用很容易被想到。
在大型“写”系统中，缓存也常常扮演者非常重要的角色。比如累积一些数据批量写入，内存里面的缓存队列（生产消费），以及HBase写数据的机制等等也都是通过缓存提升系统的吞吐量或者实现系统的保护措施。甚至消息中间件，你也可以认为是一种分布式的数据缓存。
2024年09月27日
作者：nick hao
来源： cnblogs.com/haoxinyue/p/6792309.html
开涛大神在博客中说过：在开发高并发系统时有三把利器用来保护系统：缓存、降级和限流。本文结合作者的一些经验介绍限流的相关概念、算法和常规的实现方式。
2024年09月27日
任何电商平台的一个主业务场景就是：
其中第三步，检查/扣减库存，常规代码实现如下：
判断剩余库存量，如果库存足够，则做扣减操作；
select stock from goods_stock where sku = 'a1'
if(stock - buy_num) >= 0){ //如果库存大于等于购买数量
stock = stock - buy_num;
update goods_stock set stock = stock where sku = 'a1'
}
2024年09月27日
记得第一次当整个电商项目负责人的时候，在使用量高峰期时，运维的同事突然跑过来说，xx服务的某台机器的CPU，内存暴了（OOM了），赶紧想办法怎么做。当时的心情既高兴，又紧张。高兴的是产品真的有使用在使用了，有价值了；紧张的是出问题，要怎么解决？
出现这种问题有2种情况，一种是直接服务程序终止，一种是服务程序在还在（线程通过PS命令查看还在运行），但无法对外提供服务。
当然出现这种情况，都是第一时间让
2024年09月27日
所谓高并发，就是同一时间有很多流量(通常指用户)访问程序的接口、页面及其他资源，解决高并发就是当流量峰值到来时保证程序的稳定性。
我们一般用QPS(每秒查询数，又叫每秒请求数)来衡量程序的综合性能，数值越高越好，一般需要压测(ab工具)得到数据。
假设我们的一个进程(也可以是线程或者协程)处理一次请求花费了50毫秒(业内达标范围一般是20毫秒至60毫秒)，那么1秒钟就可以处理20个请求，一台服务器是可以开很多这样的进程并行去处理请求的，比如开了128个，那么这台机器理论上的QPS=2560。