在多线程环境下，为了保证数据的线程安全，我们通常用加锁的方式，使同一时刻只有一个线程可以对这个共享资源进行操作，在单服务系统我们常用JVM锁——Synchronized、ReentrantLock等。然而在多台服务系统的情况下，JVM锁就无法在多个服务器之间生效了，这时候我们就需要用分布式锁来解决线程安全的问题。分布式锁的实现方式有很多，主流的就是基于数据库、zookeeper以及redis，当然

一致性哈希环顺时针映射优先考虑的是：如何实现最少的节点数据发生数据迁移，当增加或移除节点，只有离新节点最近的节点会涉及到数据迁移。redis cluster哈希槽是静态映射，优先考虑的是如何实现数据均匀分布，当增加或移除节点时，所有的节点都会参与进来平摊压力。（我们搞集群的目的是啥？还不是单机容量不足，需要扩容多机组成集群，然后将数据尽可能的均匀分布吗）。同时，redis cluster哈希槽静态

在多线程环境下，为了保证数据的线程安全，我们通常用加锁的方式，使同一时刻只有一个线程可以对这个共享资源进行操作，在单服务系统我们常用JVM锁——Synchronized、ReentrantLock等。然而在多台服务系统的情况下，JVM锁就无法在多个服务器之间生效了，这时候我们就需要用分布式锁来解决线程安全的问题。分布式锁的实现方式有很多，主流的就是基于数据库、zookeeper以及redis，当然

今天就深受其害，虽说不重要，但也挺闹心的，网上搜了半天没有可用的方案，好在功夫不负有心人，自己摸索出来了，话不多说，上教程：

由于篇幅原因，在上篇文章我们只介绍了redis实现分布式锁的两种方式——setnx和Redission，并对Reidssion加锁和看门狗机制的源码进行了分析，但这两种方案在极端情况下都会出现或多或少的问题。那么针对上述问题，比较主流的解决方案有两种：RedLock和Zookeeper实现的分布式锁。

用InputStream.available()方法，这个方法可以在读写操作前先得知数据流里有多少个字节可以读取。需要注意的是，如果这个方法用在从本地文件读取数据时，一般不会遇到问题，但如果是用于网络操作，就经常会遇到一些麻烦。这是因为网络通讯往往是间断性的，一串字节往往分几批进行发送。例如对方发来字节长度100的数据，本地程序调用available()方法有时得到0，有时得到50，有时能得到10

​上篇文章介绍了缓存常用的三种设计模式，并且对使用最广泛的Cache Aside Pattern进行了深入的探讨，在比较先操作数据库or先操作缓存、删除缓存or更新缓存之后发现，先操作数据库再删除缓存是最优的选择，但是依然存在数据一致性问题，那么，本章在“先操作数据库再删除缓存”这种方案的基础上，给出3个更加完备的方案来解决缓存于数据库一致性问题。

如果在同一时间点上，Redis中的同一个key被大量访问，就会导致流量过于集中，使得很多物理资源无法支撑，如网络带宽、物理存储空间、数据库连接等。这也是为什么某某明星官宣之后，微博上面就会出现宕机的情况。有时候这种宕机发生后，其他功能都是可以使用的，只是和这个热点有关的内容会无法访问，这其实就和热点数据有关系了。对于热key的处理，主要在于事前预测和事中解决。对于事前预测就是根据一些经验，提前识别

AQS全称AbstractQueuedSynchronizer。JDK 1.5之前只有synchronized同步锁，并且效率并不高，因此并发大神Doug Lea在JDK 1.5的时候自己写了一套框架，希望能够成为高效率地实现大部分同步需求的基础，也就是我们现在熟知的AQS（队列同步器）。AQS提供了一个同步器的框架，JUC包下大多数同步器都是围绕着AQS 使用的一组共同的基础行为（如等待队列、条

本篇文章从volatile的定义谈起，由于volatile与Java内存模型有较多的关联，所以接着介绍Java内存模型的相关概念、线程、主内存和工作内存之间的关系以及内存间的交互规则；随后详细介绍了volatile和synchronized在Java并发编程的三大特性——原子性、可见性和有序性中的表现（重点介绍volatile）。最后介绍了一下“重排序”、“内存屏障”和“先行发生原则（happen