彬子的Blog

什么是 IoC? IoC （Inversion of Control ）即控制反转/反转控制。它是一种思想不是一个技术实现。描述的是：Java 开发领域对象的创建以及管理的问题。 例如：现有类 A 依赖于类 B 传统的开发方式 ：往往是在类 A 中手动通过 new 关键字来 new 一个 B 的对象出来 使用 IoC 思想的开发方式 ：不通过 new 关键字来创建对象，而是通过 IoC 容器(Spring 框架) 来帮助我们实例化对象。我们需要哪个对象，直接从 IoC 容器里面去取即可。 从以上两种开发方式的对比来看：我们 “丧失了一个权力” (创建、管理对象的权力)，从而也得到了一个好处（不用再考虑对象的创建、管理等一系列的事情） 为什么叫控制反转? 控制 ：指的是对象创建（实例化、管理）的权力 反转 ：控制权交给外部环境（IoC 容器） IoC 解决了什么问题? IoC 的思想就是两方之间不互相依赖，由第三方容器来管理相关资源。这样有什么好处呢？ 对象之间的耦合度或者说依赖程度降低； 资源变的容易管理；比如你用 Spring...

MySQL 联合索引的最左匹配原则 执行计划基础知识 possible_keys：可能用到的索引 key：实际用到的索引 type: ref：当通过普通的二级索引列与常量进行等值匹配的方式 询某个表时 const：当我们根据主键或者唯一得二级索引列与常数进行等值匹配时，对单表的访问方法就是 const range:如果使用索引获取某些单点扫描区间的记录。 index：当可以使用覆盖 ，但需要扫描全部的索引记录时。 Extra: Using index 索引覆盖 Using Where 当某个搜索条件需要在 server 层进行判断时 Using index for skip scan 跳跃扫描 Using index condtion 索引下推 最左匹配原则 最左优先，以最左边的为起点任何连续的索引都能匹配上。同时遇到范围查询(>、<、between、like)就会停止匹配。 比如有联合索引 [a、b、c]，where 过滤条件中哪些排列组合可以用到索引？（比如这种：where a=xxx b=xxx and c=xxx） 以下排列组合都会走索引：...

redis做为缓存，mysql的数据如何与redis进行同步呢？（双写一致性） 在项目中，我们主要通过 Redisson 的读写锁机制 来保证数据的强一致性。 当执行读取操作时，我们会加上读锁（共享锁），这样可以做到： 读读不互斥； 读写互斥。 而在更新数据时，我们会加上写锁（排他锁），此时写写、读写都互斥。 这样可以确保在写入数据库的同时，其他线程无法读取缓存数据，从而避免出现脏读或不一致的情况。 这里需要注意的一点是：读写方法必须使用同一把锁，才能真正保证互斥关系成立。 除了使用分布式锁，我们也考虑过使用 “延迟双删”策略 来实现最终一致性。 具体做法是： 先删除缓存； 再更新数据库； 最后延时一段时间后，再删除一次缓存。 不过，延迟的时间点很难精确把握。在延时窗口内仍可能出现脏数据问题，无法满足强一致性场景，因此我们最终没有采用这种方式。 在我最近做的项目中（例如简历中提到的 xxxx 功能）， 系统对数据一致性的实时性要求没有那么高，可以接受一定的同步延时。 因此我们采用了 阿里巴巴的 Canal 组件 来实现最终一致性的数据同步。 Canal...

Redis分布式锁方案 使用 Redis 的 SET key value NX EX实现分布式锁时，主要问题是锁过期时间不好设置：如果设置过短，业务未完成锁就过期；设置过长，会降低系统并发度。为此可以使用 Redisson 封装的分布式锁，它内部通过「看门狗机制」自动续期锁（默认锁 30 秒，每 10 秒续期一次），同时通过 Lua 脚本保证加解锁的原子性，从而确保分布式环境下的并发安全。 Redisson分布式锁自动续约机制（看门狗） 线程1尝试tryLock锁未指定锁的过期时间 获取成功后会自动启动看门狗机制 初始加锁： ​ 当调用 lock() 时，Redisson 会通过 Lua 脚本向 Redis 发送加锁命令，设置锁的初始过期时间为 LockWatchdogTimeout（默认 30 秒）。 ​ 锁的数据结构为 Hash，键为锁名称，field 为线程 ID，value 为重入次数。 启动定时任务： ​ 加锁成功后，Redisson 会启动一个后台定时任务（通过 Netty 的 HashedWheelTimer 实现），每隔 10 秒执行一次。 ...

LeetCode 24. 两两交换链表中的节点 题目大意 给定一个单链表，需要将链表中的节点按顺序两两交换，并返回交换后新的链表头节点。禁止只交换节点的数值，必须真实地调整指针。当链表长度为奇数时，最后一个节点保持原状。 示例 输入：head = [1,2,3,4] 输出：[2,1,4,3] 当输入为 head = [1,2,3] 时，结果应为 [2,1,3]，因为第三个节点无法参与交换。 代码实现 1234567891011121314151617181920212223242526272829303132/** * Definition for singly-linked list. * public class ListNode { * int val; * ListNode next; * ListNode() {} * ListNode(int val) { this.val = val; } * ListNode(int val, ListNode next)...

Redis 的数据过期策略 Redis 采用 「惰性删除 + 定期删除」 两种策略相结合的方式，在 CPU 性能开销 与 内存占用 之间取得平衡。 一、惰性删除（Lazy Expiration） 当客户端访问或修改某个键时，Redis 会在操作前调用 expireIfNeeded() 函数检查该键是否已过期： 若已过期： Redis 会立即删除该键，然后向客户端返回 null。 删除方式由配置项 lazyfree-lazy-expire 决定： 若开启（yes），则采用 异步删除； 若关闭（no），则采用 同步删除。 若未过期： 直接返回该键对应的正常值，不做任何额外处理。 这种方式的优点是 删除时机精准、不会浪费 CPU 时间； 缺点是：若某些过期键一直未被访问，就无法被清除，会长期占用内存。 二、定期删除（Active Expiration Cycle） 为了解决惰性删除的不足，Redis 还会周期性地扫描部分键空间，清除已过期的数据。 1. 检查频率 Redis 默认每秒执行 10 次过期扫描，这一频率由配置文件 redis.conf 中的参数 hz...

缓存穿透 缓存穿透指的是：一个缓存和数据库中都不存在的数据，由于数据库无法写入缓存，导致频繁请求直接打到数据库，从而造成数据库压力过大甚至被“打穿”。 常见的解决方法包括：缓存空值 或 布隆过滤器。 布隆过滤器由一个全 0 的位图数组和 n 个哈希函数组成。当一个数据在请求缓存前，会先经过布隆过滤器。过滤器会通过 n 个哈希函数计算出 n 个哈希值，再分别对数组长度取模，并将对应的数组下标置为 1。 查询时，只需要查看位图数组中这 n 个位置是否全部为 1： 若存在某个位为 0，则说明该数据一定不存在于数据库中； 若全部为 1，则说明该数据可能存在，但不一定真的存在，因为可能出现哈希碰撞。 因此，布隆过滤器判断“存在”时并不能保证数据真的存在，但判断“不存在”时一定准确。 缓存雪崩 缓存雪崩指的是：大量的缓存 Key 在同一时间失效，或者 Redis 服务器宕机，导致所有请求同时打到数据库，造成数据库瞬时压力过大，甚至宕机的情况。 解决方法： 为缓存设置 固定过期时间 + 随机过期时间，让不同 Key 的过期时间错开，避免在同一时间集中失效。 ...