凉凉！面试阿里我被Redis技术专题给弄死了📚我本以为我可以像是别的博主一样去阿里面试随随便便，因为Redis，我直接被阿里大佬淦翻在地上好了不装了没过没关系我总结了一些这些最难的知识点！！！！然后自己总结归类再去百度查询了一些最终得出这份Redis技术专题题目开淦Redis集群的主从复制模型是怎样的？为了是在部分节点失败或者大部分节点无法通信的情

说一下mysql比较宏观的面试，具体咋写sql的这里就不过多举例了。后面我还会给出一个关于mysql面试优化的试题，这里主要说的索引和BTree结构，很少提到我们的集群配置优化方案。1.索引是什么？有什么作用以及缺点　　答：索引是对数据库表中一列或多列的值进行排序的一种结构，使用索引可快速访问数据库表中的特定信息。也可以理解为索引就

楔子在我们想要新上线一个Node.js应用之前，尤其是技术栈切换的第一个Node.js应用，由于担心其在线上的吞吐量表现，肯定会想要进行性能压测，以便对其在当前的集群规模下能抗住多少流量有一个预估。本案例实际上正是在这样的一个场景下，我们想要上线Node.js技术栈来做前后端分离，那么刨开后端服务的响应QPS，纯使用Node.js

作者|声东阿里云售后技术专家导读：相比K8s集群的其他功能，私有镜像的自动拉取，看起来可能是比较简单的。而镜像拉取失败，大多数情况下都和权限有关。所以，在处理相关问题的时候，我们往往会轻松的说：这问题很简单，肯定是权限问题。但实际的情况是，我们经常为一个问题，花了多个人的时间却找不到原因。这主要还是我们对镜像拉取，特别是私有镜像自动

作者：李坤热点问题概述一直以来，TiDB的数据访问热点问题，是用户比较关注的问题。为什么这个问题如此突出呢？这其实是“分布式”带来的结构效应。单机数据库由于只有一个节点，是不存在热点问题的(因为性能的上限就是单机的处理能力)，而分布式数据库集群存在多个节点，在达到存储扩展、读写能力扩展的目的上，我们希望大量的读写压力能够平摊在每个节点

写在前面的话本章节开始在主要介绍在运维工作中绕不开的一个话题，数据缓存NoSQL服务Redis，搭建很简单，使用很简单，运行也稳定的一批，一般小公司几乎很少出现以为量的问题导致他down掉的情况，但如果我们想走上更高的台阶，只是简单的安装运行肯定是不够的。所以我会写这几篇博客，算是做一个简单的小结，其内容涉及：主从，哨兵（高可用），集群（分布式

一致性哈希算法是分布式系统中常用的算法。比如，一个分布式的存储系统，要将数据存储到具体的节点上，如果采用普通的hash方法，将数据映射到具体的节点上，如key%N，key是数据的key，N是机器节点数，如果有一个机器加入或退出这个集群，则所有的数据映射都无效了。一致性哈希算法，解决了普通余数Hash算法伸缩性差的问题，可以保证在上线、下线服务

大数据时代，基于单机的建模很难满足企业不断增长的数据量级的需求，开发者需要使用分布式的开发方式，在集群上进行建模。而单机和分布式的开发代码有一定的区别，本文就将为开发者们介绍，基于TensorFlow进行分布式开发的两种方式，帮助开发者在实践的过程中，更好地选择模块的开发方向。基于TensorFlow原生的分布式开发分布式开发会涉及到更新梯度

搭建了TiDB数据库集群。不过性能上没有达到我想要的秒级返回的结果。不过也能接收了，毕竟我们主要是用于olap，进行历史数据的分析。时间旧一点也是可以接受的。之前的历史数据是存放在oracle中的，由于历史数据很多，导致查询很慢，公司现在只能查询3个月前的订单（热数据），对于3个月后的订单，就不给客户查询了。我想到的一种解决办法就是分库分表，比如每一家门

关键技术：（1）一致性HASH算法，保证数据分片尽量均衡在不同的故障域上，提升存储数据的安全可靠性。以数据唯一标识符、当前存储集群的拓扑结构以及数据备份策略作为一致性HASH算法的输入，可以随时随地通过计算获取数据所在的底层存储设备并直接通信获取或者写入数据，从而避免查表操作，实现去中心化和高度并发，将数据均衡的存储到各个存储节点，实现数据存储的负载均衡