大家好，我是Python进阶者，今天给大家来送书啦随着大数据时代的发展，诞生了一大批大数据时代下的新数据库产品，如今MongoDB、Redis、HBase这些NoSQL数据库已经成为了互联网开发的新标配，SQL一统江湖的时代不复存在了。然而，如果你觉得只要学习了上边这几种NoSQL你就抓住了大数据时代的话，你可就大错特错了！大数据时代发展速度之快

项目背景，之前在上家东家接触到golang，自学到项目上线，也是摸着石头过河，中间也遇到了一些小bug（生产环境出现内存泄露问题，导致业务占用内存，居高不下，实际是因为项目的service层部分应用没有应用到redis或数据库，但是也进行了实例化，最后没有释放资源导致，排查方法也是比较笨，就是一些流程在本地跑，看哪些环节导致内存居高不下，最后追查到的结果），

介绍一下springboot的一些自定义配置。自定义配置前，需要加入一些依赖，在学习笔记1中都要介绍1.使用springboot自定义拦截器。 首先自己一个拦截器：publicclassMyInterceptorimplementsHandlerInterceptor{@Override

由于最近有一个统计单位时间内某key的访问次数的需求，譬如每5秒访问了redis的某key超过100次，就取出该key单独处理。这样的单位时间统计，很明显我们都知道有个边界问题，譬如5秒内100次的限制。刚好前4.99秒访问都是0，最后0.01秒来了100次，5.01秒又来了100次。也就是访问有明显的毛刺情况出现，为了弱化这个毛刺情况，我们可以采用滑动

背景不知道是否你还在为下面的问题而困扰：当你使用了redis或者其他中间件做缓存的时候，经常发现缓存和数据库的数据不一致，只能通过定时任务或者缓存过期的方式去做一些限制。当你使用了ES做搜索工具，使用双写的那一套方法，还在为ES和数据库不是一个事务而担忧。当你需要迁移数据的时候，也还在使用双写的方法，如果是同一个数据

背景不知道是否你还在为下面的问题而困扰：当你使用了redis或者其他中间件做缓存的时候，经常发现缓存和数据库的数据不一致，只能通过定时任务或者缓存过期的方式去做一些限制。当你使用了ES做搜索工具，使用双写的那一套方法，还在为ES和数据库不是一个事务而担忧。当你需要迁移数据的时候，也还在使用双写的方法，如果是同一个数据

一、前言上篇介绍了Redis的集成过程，可用于解决热点数据访问的性能问题。随着业务复杂度的提高，单体应用越来越庞大，就好比一个类的代码行数越来越多，分而治之，切成多个类应该是更好的解决方法，所以一个庞大的单体应用分出多个小应用也更符合这种分治的思想。于是乎微服务化的概念油然而生，微服务化的第一步就是选择适用的分布式服务框架，基于团队成员有使用

一、什么是布隆过滤器？布隆过滤器可以用来判断一个元素是否在一个集合中。它的优势是只需要占用很小的内存空间以及有着高效的查询效率。对于布隆过滤器而言，它的本质是一个位数组：位数组就是数组的每个元素都只占用1bit，并且每个元素只能是0或者1布隆过滤器除了一个位数组，还有K个哈希函数。当一个元素加入布隆过滤器中的时候，会进行如下操作：

一、概念任意多次执行所产生的影响均与一次执行的影响相同。按照这个含义，最终的含义就是对数据库的影响只能是一次性的，不能重复处理。比如：订单接口，不能多次创建订单。支付接口，重复支付同一笔订单只能扣一次钱。支付宝回调接口，可能会多次回调,必须处理重复回调。普通表单提交接口

Redis的哨兵机制中，如果是多哨兵模式，哨兵节点之间也是可以相互感知的，各种搜索之后出来的是千篇一律的一个基础配置文件，在配置当前哨兵节点的配置文件中，并没有配置其他哨兵节点的任何信息。如下是一个哨兵节点的配置信息，可以看到，哨兵与哨兵之间没有任何配置，死活想不明白，哨兵之间是如何自动识别的。sentinel端口port