在存储用户信息时，我们选择了 Redis 的Hash结构（类似于 Java 的理由如下：结构直观：Hash 天生适合存储对象。Key 是 token，Field 是属性名（如 nickName），Value 是属性值。支持细粒度修改：相比于 String（存储 JSON 字符串），Hash 可以单独修改某个字段（比如只修改昵称），而不需要把整个对象取出来反序列化再存回去，原子性更高。内存占用少：H

摘要：本文基于黑马点评项目，探讨商铺数据更新时Redis缓存与数据库的一致性问题。采用CacheAsidePattern模式，通过删除而非更新缓存来优化性能，并选择先改数据库再删缓存的顺序降低数据不一致风险。同时利用Spring事务机制确保操作原子性，在数据库更新失败时自动中断后续操作，保证最终一致性。该方案在读写性能与数据可靠性间取得了平衡，为高并发场景下的缓存处理提供了实践参考。

缓存穿透 (Cache Penetration)是指客户端请求的数据在缓存中不存在，同时在数据库中也不存在。由于数据库中没有数据，所以我们无法将数据写入缓存。这就导致了每次针对该 Key 的请求，都会绕过 Redis，直接打到数据库。击穿：Key 对应的数据存在，只是突然过期了（点）。雪崩：大量的 Key 同时过期（面）。穿透：数据根本就不存在（空）。通过“缓存空对象”配合“TTL 过期策略”，我

摘要：本文从架构视角剖析Redis在高并发系统中的三大经典问题。缓存穿透指查询不存在数据导致请求穿透到数据库，可通过空对象缓存或布隆过滤器解决；缓存击穿是热点key失效瞬间引发流量冲击，需在强一致（互斥锁）与高可用（逻辑过期）间权衡；缓存雪崩因大量key同时失效或服务宕机，需采用TTL随机化、多级缓存等高可用架构。文章强调缓存设计本质是权衡艺术，需根据业务场景在数据一致性和系统可用性间做出选择。

本文探讨了分布式锁的演进过程，从单体应用转向分布式系统时面临的核心挑战。首先分析了分布式锁的基本原理和要素（可见性、互斥性、高可用等），对比了MySQL、Redis和Zookeeper三种实现方案。重点展示了基于Redis的实现过程：1）基础SETNX方案；2）通过UUID+线程ID解决误删问题；3）使用Lua脚本确保原子操作。最后指出当前方案的不足（锁超时问题）和后续优化方向（Redisson的

本文探讨了高并发秒杀场景下分布式锁的优化方案。针对JVM本地锁和简易Redis锁的缺陷，项目引入Redisson框架实现分布式锁，解决了可重入性、自动续期和阻塞机制等核心问题。通过Hash结构存储锁状态、看门狗机制实现自动续期，以及Pub/Sub机制优化等待逻辑，Redisson提供了高性能的分布式锁方案。文章还分析了Lua脚本的原子性、公平锁实现及集群部署限制等关键技术点，并指出锁范围必须包裹事

本文介绍了一种基于Redis和异步处理的秒杀系统优化方案。针对传统同步模式下数据库性能瓶颈问题，采用"Redis+Lua脚本+阻塞队列+独立线程池"的三层架构：1）利用Redis原子性Lua脚本快速完成库存校验；2）通过JVM内存队列实现流量削峰；3）使用独立线程异步处理数据库写入。该方案通过解耦业务校验与数据落库，将QPS提升一个数量级，同时解决了跨线程事务失效等关键技术问题

本文讲述秒杀系统从同步到可靠异步的优化过程：最初所有校验与落库在主线程完成，数据库成为瓶颈；随后改为 JVM 阻塞队列异步写库，性能提升但存在内存溢出和宕机丢单问题。最终采用 Redis Stream 作为消息队列，在 Lua 中同时完成扣库存与写入队列，保证原子性；消费者读取后落库并 ACK，Pending List 可在异常后恢复处理。相比 List 和 Pub/Sub，Stream 提供持久

摘要：本文复盘《黑马点评》项目中Redis在社交网络和大数据统计场景的应用实践。通过Set实现好友关注和共同关注查询，利用ZSet实现Feed流推送，使用GEO处理附近商户搜索，并采用BitMap和HyperLogLog分别解决海量用户签到和UV统计问题。这些方案展示了Redis丰富数据结构如何优雅解决传统数据库难以处理的高并发场景，从社交关系到空间搜索再到大数据统计，体现了选择合适数据结构对系统

本文深入剖析了JVM内存结构及其在Java开发中的关键作用。文章首先将JVM内存划分为线程私有（程序计数器、虚拟机栈、本地方法栈）和线程共享（堆、方法区）区域，详细解析了各区域的功能特性及常见问题。重点探讨了堆内存泄漏排查方法、方法区演进历程、字符串常量池优化等核心知识点，并揭示了NIO直接内存的底层机制。通过实际案例展示了CPU飙升、内存溢出等线上问题的诊断方法，强调掌握JVM内存原理对构建高并