HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

go-zero微服务实战系列(八、如何处理每秒上万次的下单请求)

在前几篇的文章中,我们花了很大的篇幅介绍如何利用缓存优化系统的读性能,究其原因在于我们的产品大多是一个读多写少的场景,尤其是在产品的初期,可能多数的用户只是过来查看商品,真正下单的用户非常少。但随着业务的发展,我们就会遇到一些高并发写请求的场景,秒杀抢购就是最典型的高并发写场景。在秒杀抢购开始后用户

如何优雅地实现多数据库的发件箱模式

发件箱模式简介一个微服务可能需要执行“存数据库”和“发送事件”两个步骤。例如发布一篇文章后,需要更新作者的发文统计信息。业务上要求两个操作同时失败,或者同时成功,而不能出现一个成功一个失败。假如最终文章发布了,更新发文统计失败了,就会导致数据不一致。发件箱模式是解决这个问题的最常用模

go-zero微服务实战系列(七、请求量这么高该如何优化)

前两篇文章我们介绍了缓存使用的各种最佳实践,首先介绍了缓存使用的基本姿势,分别是如何利用gozero自动生成的缓存和逻辑代码中缓存代码如何写,接着讲解了在面对缓存的穿透、击穿、雪崩等常见问题时的解决方案,最后还重点讲解了如何保证缓存的一致性。因为缓存对于高并发服务来说实在是太重要了,所以这篇文章我

free rtos内存分配逻辑分析

最近在做协议栈,优化内存的使用,顺便看了下freertos的几种内存实现。freertos主要有四种内存实现,它们分别在heap_1.c,heap_2.c,heap_3.c和heap_4.c四个文件中。在介绍这四个分配算法前,先要做个说明,freertos在编译的时候,可以设置一个值,静

从零开始学gRPC(二)

前言gRPC的大致功能点相信大家一定已经有些了解。但是,在日常开发中我们很少会使用原生的gRPC,更多的是希望gRPC能集成到现有应用的开发环境中。这篇文章会围绕如何以简单的方式将gRPC集成到SpringBoot展开讲解。快速搭建环境准备操作系统

go-zero微服务实战系列(六、缓存一致性保证)

只要我们使用缓存,就必然会面对缓存和数据库间的一致性问题。如果缓存中的数据和数据库的数据不一致,那么业务应用从缓存中读取的数据就不是最新的数据,对业务的影响可想而知。比如我们把商品的库存数据存在缓存中,如果缓存中库存数据不对,那么可能就会影响下单操作,这是业务上很难接受的。本篇文章我们来一起聊一聊缓

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。