<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>Redis on Answer</title>
    <link>https://answer.freetools.me/tags/redis/</link>
    <description>Recent content in Redis on Answer</description>
    <generator>Hugo -- 0.152.2</generator>
    <language>zh-cn</language>
    <lastBuildDate>Fri, 13 Mar 2026 14:21:23 +0800</lastBuildDate>
    <atom:link href="https://answer.freetools.me/tags/redis/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>HyperLogLog：用1.5KB内存估算十亿级基数的概率魔法</title>
      <link>https://answer.freetools.me/hyperloglog%E7%94%A81.5kb%E5%86%85%E5%AD%98%E4%BC%B0%E7%AE%97%E5%8D%81%E4%BA%BF%E7%BA%A7%E5%9F%BA%E6%95%B0%E7%9A%84%E6%A6%82%E7%8E%87%E9%AD%94%E6%B3%95/</link>
      <pubDate>Fri, 13 Mar 2026 14:21:23 +0800</pubDate>
      <guid>https://answer.freetools.me/hyperloglog%E7%94%A81.5kb%E5%86%85%E5%AD%98%E4%BC%B0%E7%AE%97%E5%8D%81%E4%BA%BF%E7%BA%A7%E5%9F%BA%E6%95%B0%E7%9A%84%E6%A6%82%E7%8E%87%E9%AD%94%E6%B3%95/</guid>
      <description>深入解析HyperLogLog算法如何用极小内存实现大规模数据基数估计，从Flajolet-Martin到Google HLL&#43;&#43;的二十年演进，揭示概率算法的数学之美与工程智慧</description>
    </item>
    <item>
      <title>缓存穿透击穿雪崩为何总在关键时刻拖垮系统从布隆过滤器到分布式锁的完整防御指南</title>
      <link>https://answer.freetools.me/%E7%BC%93%E5%AD%98%E7%A9%BF%E9%80%8F%E5%87%BB%E7%A9%BF%E9%9B%AA%E5%B4%A9%E4%B8%BA%E4%BD%95%E6%80%BB%E5%9C%A8%E5%85%B3%E9%94%AE%E6%97%B6%E5%88%BB%E6%8B%96%E5%9E%AE%E7%B3%BB%E7%BB%9F%E4%BB%8E%E5%B8%83%E9%9A%86%E8%BF%87%E6%BB%A4%E5%99%A8%E5%88%B0%E5%88%86%E5%B8%83%E5%BC%8F%E9%94%81%E7%9A%84%E5%AE%8C%E6%95%B4%E9%98%B2%E5%BE%A1%E6%8C%87%E5%8D%97/</link>
      <pubDate>Mon, 09 Mar 2026 03:04:33 +0800</pubDate>
      <guid>https://answer.freetools.me/%E7%BC%93%E5%AD%98%E7%A9%BF%E9%80%8F%E5%87%BB%E7%A9%BF%E9%9B%AA%E5%B4%A9%E4%B8%BA%E4%BD%95%E6%80%BB%E5%9C%A8%E5%85%B3%E9%94%AE%E6%97%B6%E5%88%BB%E6%8B%96%E5%9E%AE%E7%B3%BB%E7%BB%9F%E4%BB%8E%E5%B8%83%E9%9A%86%E8%BF%87%E6%BB%A4%E5%99%A8%E5%88%B0%E5%88%86%E5%B8%83%E5%BC%8F%E9%94%81%E7%9A%84%E5%AE%8C%E6%95%B4%E9%98%B2%E5%BE%A1%E6%8C%87%E5%8D%97/</guid>
      <description>从Facebook 2010年2.5小时宕机事故出发，深入解析缓存穿透、缓存击穿、缓存雪崩三大问题的根本原因与技术差异。涵盖布隆过滤器的数学原理与最优参数计算、Singleflight单飞模式的并发控制机制、Redis分布式锁的正确实现方式，以及Netflix缓存预热架构的生产实践。</description>
    </item>
    <item>
      <title>数据库已提交的事务为何会丢失？从fsync到异步提交的持久性权衡</title>
      <link>https://answer.freetools.me/%E6%95%B0%E6%8D%AE%E5%BA%93%E5%B7%B2%E6%8F%90%E4%BA%A4%E7%9A%84%E4%BA%8B%E5%8A%A1%E4%B8%BA%E4%BD%95%E4%BC%9A%E4%B8%A2%E5%A4%B1%E4%BB%8Efsync%E5%88%B0%E5%BC%82%E6%AD%A5%E6%8F%90%E4%BA%A4%E7%9A%84%E6%8C%81%E4%B9%85%E6%80%A7%E6%9D%83%E8%A1%A1/</link>
      <pubDate>Sat, 07 Mar 2026 07:20:09 +0800</pubDate>
      <guid>https://answer.freetools.me/%E6%95%B0%E6%8D%AE%E5%BA%93%E5%B7%B2%E6%8F%90%E4%BA%A4%E7%9A%84%E4%BA%8B%E5%8A%A1%E4%B8%BA%E4%BD%95%E4%BC%9A%E4%B8%A2%E5%A4%B1%E4%BB%8Efsync%E5%88%B0%E5%BC%82%E6%AD%A5%E6%8F%90%E4%BA%A4%E7%9A%84%E6%8C%81%E4%B9%85%E6%80%A7%E6%9D%83%E8%A1%A1/</guid>
      <description>深入解析数据库持久性的技术本质。从事务提交后数据丢失的困惑出发，剖析fsync性能瓶颈、操作系统页面缓存、SSD写入缓存三层缓冲机制；详解MySQL innodb_flush_log_at_trx_commit、PostgreSQL synchronous_commit、Redis appendfsync、MongoDB write concern等配置的实际含义；分析group commit优化与SSD电源故障保护(PLP)的关键作用；提供不同场景下的持久性配置决策框架。</description>
    </item>
    <item>
      <title>用户会话为何总在关键时刻丢失——从粘滞会话到分布式存储的架构演进</title>
      <link>https://answer.freetools.me/%E7%94%A8%E6%88%B7%E4%BC%9A%E8%AF%9D%E4%B8%BA%E4%BD%95%E6%80%BB%E5%9C%A8%E5%85%B3%E9%94%AE%E6%97%B6%E5%88%BB%E4%B8%A2%E5%A4%B1%E4%BB%8E%E7%B2%98%E6%BB%9E%E4%BC%9A%E8%AF%9D%E5%88%B0%E5%88%86%E5%B8%83%E5%BC%8F%E5%AD%98%E5%82%A8%E7%9A%84%E6%9E%B6%E6%9E%84%E6%BC%94%E8%BF%9B/</link>
      <pubDate>Sat, 07 Mar 2026 05:55:24 +0800</pubDate>
      <guid>https://answer.freetools.me/%E7%94%A8%E6%88%B7%E4%BC%9A%E8%AF%9D%E4%B8%BA%E4%BD%95%E6%80%BB%E5%9C%A8%E5%85%B3%E9%94%AE%E6%97%B6%E5%88%BB%E4%B8%A2%E5%A4%B1%E4%BB%8E%E7%B2%98%E6%BB%9E%E4%BC%9A%E8%AF%9D%E5%88%B0%E5%88%86%E5%B8%83%E5%BC%8F%E5%AD%98%E5%82%A8%E7%9A%84%E6%9E%B6%E6%9E%84%E6%BC%94%E8%BF%9B/</guid>
      <description>深入剖析Web应用中用户会话丢失的根本原因，从HTTP无状态协议的本质矛盾出发，系统分析粘滞会话、会话复制、分布式会话存储、JWT等方案的权衡取舍，并结合OWASP安全最佳实践，为构建高可用、高安全的会话管理系统提供完整的技术路径。</description>
    </item>
    <item>
      <title>跳表：概率如何击败确定性复杂度</title>
      <link>https://answer.freetools.me/%E8%B7%B3%E8%A1%A8%E6%A6%82%E7%8E%87%E5%A6%82%E4%BD%95%E5%87%BB%E8%B4%A5%E7%A1%AE%E5%AE%9A%E6%80%A7%E5%A4%8D%E6%9D%82%E5%BA%A6/</link>
      <pubDate>Sat, 07 Mar 2026 04:35:05 +0800</pubDate>
      <guid>https://answer.freetools.me/%E8%B7%B3%E8%A1%A8%E6%A6%82%E7%8E%87%E5%A6%82%E4%BD%95%E5%87%BB%E8%B4%A5%E7%A1%AE%E5%AE%9A%E6%80%A7%E5%A4%8D%E6%9D%82%E5%BA%A6/</guid>
      <description>从William Pugh 1990年的原始论文出发，深入解析跳表的概率平衡原理、Redis与LevelDB的技术选型逻辑、与红黑树的权衡分析，以及为什么这种&amp;#34;用随机换简单&amp;#34;的设计哲学在高性能系统中持续发光。</description>
    </item>
    <item>
      <title>为什么 Redis 的单线程模型能支撑每秒 10 万次操作？从 IO 多路复用到内存优化的性能密码</title>
      <link>https://answer.freetools.me/%E4%B8%BA%E4%BB%80%E4%B9%88-redis-%E7%9A%84%E5%8D%95%E7%BA%BF%E7%A8%8B%E6%A8%A1%E5%9E%8B%E8%83%BD%E6%94%AF%E6%92%91%E6%AF%8F%E7%A7%92-10-%E4%B8%87%E6%AC%A1%E6%93%8D%E4%BD%9C%E4%BB%8E-io-%E5%A4%9A%E8%B7%AF%E5%A4%8D%E7%94%A8%E5%88%B0%E5%86%85%E5%AD%98%E4%BC%98%E5%8C%96%E7%9A%84%E6%80%A7%E8%83%BD%E5%AF%86%E7%A0%81/</link>
      <pubDate>Sat, 07 Mar 2026 00:46:05 +0800</pubDate>
      <guid>https://answer.freetools.me/%E4%B8%BA%E4%BB%80%E4%B9%88-redis-%E7%9A%84%E5%8D%95%E7%BA%BF%E7%A8%8B%E6%A8%A1%E5%9E%8B%E8%83%BD%E6%94%AF%E6%92%91%E6%AF%8F%E7%A7%92-10-%E4%B8%87%E6%AC%A1%E6%93%8D%E4%BD%9C%E4%BB%8E-io-%E5%A4%9A%E8%B7%AF%E5%A4%8D%E7%94%A8%E5%88%B0%E5%86%85%E5%AD%98%E4%BC%98%E5%8C%96%E7%9A%84%E6%80%A7%E8%83%BD%E5%AF%86%E7%A0%81/</guid>
      <description>深入解析 Redis 单线程模型为何能够实现高性能，从 CPU 缓存亲和性、零锁竞争、IO 多路复用机制到数据结构优化，揭示其背后的工程智慧与设计权衡。</description>
    </item>
    <item>
      <title>分布式锁为何成了生产事故的隐形杀手——从Martin Kleppmann与antirez的论战说起</title>
      <link>https://answer.freetools.me/%E5%88%86%E5%B8%83%E5%BC%8F%E9%94%81%E4%B8%BA%E4%BD%95%E6%88%90%E4%BA%86%E7%94%9F%E4%BA%A7%E4%BA%8B%E6%95%85%E7%9A%84%E9%9A%90%E5%BD%A2%E6%9D%80%E6%89%8B%E4%BB%8Emartin-kleppmann%E4%B8%8Eantirez%E7%9A%84%E8%AE%BA%E6%88%98%E8%AF%B4%E8%B5%B7/</link>
      <pubDate>Fri, 06 Mar 2026 16:45:00 +0800</pubDate>
      <guid>https://answer.freetools.me/%E5%88%86%E5%B8%83%E5%BC%8F%E9%94%81%E4%B8%BA%E4%BD%95%E6%88%90%E4%BA%86%E7%94%9F%E4%BA%A7%E4%BA%8B%E6%95%85%E7%9A%84%E9%9A%90%E5%BD%A2%E6%9D%80%E6%89%8B%E4%BB%8Emartin-kleppmann%E4%B8%8Eantirez%E7%9A%84%E8%AE%BA%E6%88%98%E8%AF%B4%E8%B5%B7/</guid>
      <description>从2016年Martin Kleppmann与antirez关于Redlock算法的论战出发，深度剖析分布式锁的设计困境。基于Redis官方文档、ZooKeeper Recipes、Jepsen测试报告、Google Chubby论文等权威信源，揭示分布式锁的本质：它不是互斥锁，而是租约。详细分析Redlock算法的时钟同步问题、GC暂停导致的安全漏洞，以及ZooKeeper/etcd如何通过临时顺序节点和Revision实现更安全的锁机制。重点解读Fencing Token的设计原理，以及为什么Jepsen发现etcd锁也会出现互斥违反。最后给出工程实践建议：效率优先选Redis单实例，正确性优先选共识系统。</description>
    </item>
    <item>
      <title>限流算法的选择困境：令牌桶、漏桶还是滑动窗口？</title>
      <link>https://answer.freetools.me/%E9%99%90%E6%B5%81%E7%AE%97%E6%B3%95%E7%9A%84%E9%80%89%E6%8B%A9%E5%9B%B0%E5%A2%83%E4%BB%A4%E7%89%8C%E6%A1%B6%E6%BC%8F%E6%A1%B6%E8%BF%98%E6%98%AF%E6%BB%91%E5%8A%A8%E7%AA%97%E5%8F%A3/</link>
      <pubDate>Fri, 06 Mar 2026 07:31:52 +0800</pubDate>
      <guid>https://answer.freetools.me/%E9%99%90%E6%B5%81%E7%AE%97%E6%B3%95%E7%9A%84%E9%80%89%E6%8B%A9%E5%9B%B0%E5%A2%83%E4%BB%A4%E7%89%8C%E6%A1%B6%E6%BC%8F%E6%A1%B6%E8%BF%98%E6%98%AF%E6%BB%91%E5%8A%A8%E7%AA%97%E5%8F%A3/</guid>
      <description>深入解析五种主流限流算法的技术原理与权衡选择。从电信网络的令牌桶起源，到Stripe的四层限流架构，再到Cloudflare的边缘滑动窗口实现。基于CMU学术论文的性能分析、Nginx漏桶实现、Guava RateLimiter源码，揭示固定窗口边界效应、分布式race condition、以及不同算法在突发流量处理上的本质差异。</description>
    </item>
    <item>
      <title>没有完美的数据结构：从时空权衡到缓存友好的选择之道</title>
      <link>https://answer.freetools.me/%E6%B2%A1%E6%9C%89%E5%AE%8C%E7%BE%8E%E7%9A%84%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E4%BB%8E%E6%97%B6%E7%A9%BA%E6%9D%83%E8%A1%A1%E5%88%B0%E7%BC%93%E5%AD%98%E5%8F%8B%E5%A5%BD%E7%9A%84%E9%80%89%E6%8B%A9%E4%B9%8B%E9%81%93/</link>
      <pubDate>Fri, 06 Mar 2026 03:33:11 +0800</pubDate>
      <guid>https://answer.freetools.me/%E6%B2%A1%E6%9C%89%E5%AE%8C%E7%BE%8E%E7%9A%84%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E4%BB%8E%E6%97%B6%E7%A9%BA%E6%9D%83%E8%A1%A1%E5%88%B0%E7%BC%93%E5%AD%98%E5%8F%8B%E5%A5%BD%E7%9A%84%E9%80%89%E6%8B%A9%E4%B9%8B%E9%81%93/</guid>
      <description>深入解析数据结构选择的底层逻辑。从B树与LSM树的数据库之争，到跳表为何成为Redis的选择，系统梳理时间复杂度、空间复杂度与缓存性能之间的多维权衡。基于真实系统的工程实践，剖析数据结构选型的决策框架。</description>
    </item>
    <item>
      <title>写时复制：一个被误解五十年的&#34;延迟&#34;策略</title>
      <link>https://answer.freetools.me/%E5%86%99%E6%97%B6%E5%A4%8D%E5%88%B6%E4%B8%80%E4%B8%AA%E8%A2%AB%E8%AF%AF%E8%A7%A3%E4%BA%94%E5%8D%81%E5%B9%B4%E7%9A%84%E5%BB%B6%E8%BF%9F%E7%AD%96%E7%95%A5/</link>
      <pubDate>Thu, 05 Mar 2026 17:13:52 +0800</pubDate>
      <guid>https://answer.freetools.me/%E5%86%99%E6%97%B6%E5%A4%8D%E5%88%B6%E4%B8%80%E4%B8%AA%E8%A2%AB%E8%AF%AF%E8%A7%A3%E4%BA%94%E5%8D%81%E5%B9%B4%E7%9A%84%E5%BB%B6%E8%BF%9F%E7%AD%96%E7%95%A5/</guid>
      <description>从1972年Tenex系统的第一个COW实现，到Linux fork()的页表共享机制，再到ZFS/Btrfs文件系统的快照设计，深入剖析写时复制的真正本质——它不是延迟策略，而是一种用空间换时间的乐观赌注。本文揭示COW在操作系统、文件系统、编程语言、Redis持久化、Python GC优化中的实际应用与权衡，以及Dirty COW漏洞如何暴露其安全隐患。</description>
    </item>
  </channel>
</rss>
