Redis学习(二十):代码实战之缓存异常场景

1.缓存和数据库中数据不一致1.1.发生场景1.2.如何解决数据不一致1.3.先更新库还是先更新缓存的取舍2.缓存雪崩2.1.概念:2.2.发生场景及解决措施3.缓存击穿3.1.概念3.2.解决措施:4.缓存穿透4.1.概念4.2.解决措施应用redis缓存时,会发生如下问题:缓存和数据库中数据不一

InfluxDB(七):数据写入.md

1.写入总体框架2.批量时序数据Shard路由3.倒排索引引擎构建倒排索引3.1.WAL追加写入3.2.Cache的写入( Inverted Index在内存中构建)3.3.flush(Inverted Index Cache Flush流程)4.时序数据写入流程4.1.WAL追加写入4.2.写入C

InfluxDB(六):多维查询之倒排索引.md

时序数据库的基本目标:高吞吐的写入数据分级存储TTL数据高压缩率多维度的查询能力高效聚合能力InfluxDB针对上述的实现如下:高吞吐的写入:TSM存储引擎保证了高效率的写入(数据(二级)组织+Key有序,追加写的顺序写入)数据分级存储:TSM数据组织,Range+Hash(保证了范围查找时候的性能

InfluxDB(五):TSM存储引擎之TSMFile.md

1.TSM引擎核心基石:时间线2.TSM引擎工作原理-时序数据写入3.TSM文件结构3.1.Series Data Section3.2.Series Index Block4.TSM引擎工作原理-时序数据读取LSM:InfluxDB采用LSM结构,数据先写入内存以及WAL,当内存容量达到一定阈值之

MySQL缓存和存储架构

参考链接:https://www.itzhai.com/articles/insight-into-the-underlying-architecture-of-mysql-buffer-and-disk.html1.MySQL架构2.查询SQL执行流程2.1.服务端与客户端建立连接2.2.执行SQ

InfluxDB(四):LSM.md

1.1.LSM数据库本质上进行的就是四个操作:1. 插入数据, 2. 删除数据, 3. 修改数据 , 4. 查询数据,也就是我们常说的增删改查,市面上流行的数据库大致上分为两种:基于日志结构的存储引擎,例如大部分的NoSQL数据库(Redis的AOF日志、Zookeeper的事务日志)面向页的存储引

InfluxDB(三):InfluxDB数据模型.md

1.存储引擎:从LSM到TSM转载于:http://hbasefly.com/2017/12/08/influxdb-1/InfluxDB 采用自研的TSM (Time-Structured Merge Tree) 作为存储引擎, 其核心思想是通过牺牲掉一些功能来对性能达到极致优化,其官方文档上有项

MySQL之SQL优化

1.Count1.1.Count(主键)1.2.Count(1)1.3.Count(字段)1.4.Count(*)2.Order By2.1.如何跟踪执行优化2.1.1.排序模式2.1.2.排序算法2.2.order by走索引避免排序2.3.排序算法具体案例2.4.排序模式具体案例2.5.orde

InfluxDB(二):时序数据的存储模型.md

时序数据的存储模型:由上图可以看出,时序数据由两个维度坐标来表示横坐标:表示时间轴,随着时间的流逝,数据会不断的吞吐纵坐标:由两种元素表示,分别是数据源和metric数据源:由一系列的标签(tag,也称为维度)唯一表示,图中数据源是一个广告数据源,这个数据源由publisher、advertiser
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×