英国弗兰明曾说过一句话：“不要等待运气降临，应该去努力掌握知识。”1前言大家好，我是阿沐！对于redis大家是最熟悉不过了，作为缓存界的使用率一直遥遥领先。基本上整个互联网无论大小公司使用redis占绝大部分，那么很多人使用它，那就是只是使用它，对于它的使用场景并没有去理会太多(能用就行)，这篇文章来讲讲redis的基础数据结构string。Redis有

大家好，我是明哥。今天给大家分享一下关于装饰器的知识点，内容非常干，全程高能，认真吸收看完，一定会对装饰器有更深的理解。Hello，装饰器装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰

青，取之于蓝而青于蓝；冰，水为之而寒于水。——《荀子·劝学》Github和Gitee代码同步更新：；。一、首页功能完善首页待完善的功能包括轮播图、新品尝鲜、系列商品等。1.轮播图实现轮播图包括3张图片，链接对应3个商品，先在apps/goods/serializers.py中定义序列化如下：pythonclassBanner

Artifactory作为外网代理仓库时，用户有时候是否会有经常拉不到包最新版本的包？或者拉包失败后一段时间内始终是失败，找不到原因，过了一会自己又恢复了？这篇文档带你详细了解一下代理仓库一些策略配置，让你更好的了解仓库的机制。场景1：拉包失败后一直重复同样的错误有一种情况是当你去请求一个不再缓存中的包时候，由于当时可能不确定的原因出现了失败的情况，

在现实业务中，Kafka经常会遇到的一个集成场景就是，从数据库获取数据，因为关系数据库是一个非常丰富的事件源。数据库中的现有数据以及对该数据的任何更改都可以流式传输到Kafka主题中，在这里这些事件可用于驱动应用，也可以流式传输到其它数据存储（比如搜索引擎或者缓存）用于分析等。实现这个需求有很多种做法，但是在本文中，会聚焦其中的一个解决方案，即Kafka

现在的网站用户量都很大，一台服务器包打天下的时代一去不复返了，多台服务器就存在一个问题，如何将访问用户转向不同的服务器，并且各个服务器接受的请求数大致相当呢？这就是一致性hash算法要解决的问题。一致性hash算法在负载服务器（ngnix、haproxy等）、K/V缓存系统memcache等就有相关的实现。这类的文章比较多，摘抄一篇供大家学习。jav

前言提高系统性能首先考虑的是数据库的优化，之前一篇文章《数据库的使用你可能忽略了这些》中有提到过开发中，针对数据库需要注意的事项。但是数据库因为历史原因，横向扩展是一件非常复杂的工程，所有我们一般会尽量把流量都挡在数据库之前。不管是无限的横向扩展服务器，还是纵向阻隔到达数据库的流量，都是这个思路。阻隔直达数据库的流量，缓存组件和消息组件是两大

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、装饰器是什么python的装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。简单的说装饰器就是一个用来返回函数的函数。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离

浅谈java内存模型 不同的平台，内存模型是不一样的，但是jvm的内存模型规范是统一的。其实java的多线程并发问题最终都会反映在java的内存模型上，所谓线程安全无非是要控制多个线程对某个资源的有序访问或修改。总结java的内存模型，要解决两个主要的问题：可见性和有序性。我们都知道计算机有高速缓存的存在，处理器并不是每次处理数据都是取内