收藏 / 列表

Java烘焙師 - 架構師必備:緩存更新模式總結

大家好,我是Java烘焙師。如何更新緩存和DB、做到性能和一致性的取捨,是一個很常見的話題。下面結合筆者的經驗和思考,系統性地總結一下緩存更新模式,講透講明白。 1、旁路緩存(cache-aside) 實現方案 查詢:先查緩存,查不到緩存時再查DB,並把DB內容寫入緩存、設置合適的過期時間 更新:先更新DB,再刪緩存;做到極致則需引入延遲雙刪機制 之所以不是先刪緩存、再更新DB,是因為在這

MySQL , 緩存 , 架構

六邊形架構 - 微服務已死?別再盲目跟風微服務!這3種情況下單體架構更適合你。

文 / 勇哥 原創文章,轉載請聯繫授權 最近有技術團隊負責人問我:"勇哥,我們團隊在討論架構升級,是繼續使用單體架構,還是轉向微服務?大家各執一詞,到底該怎麼選?"。 這個問題問得很好。作為一名有10多年技術管理經驗的架構師,我參與過多個從單體架構向微服務遷移的項目,也見過盲目跟風微服務導致項目失敗的案例。而且現在有些公司已經開始拆中台、合服務,走反向微服務化的趨勢也開始出現,今天我們

觀點 , 資訊 , 微服務 , 教程 , 知識

程序員阿偉 - 《URP管線主導的角色材質、陰影與顯存動態適配優化方案》

在中高端移動遊戲開發中,通用渲染管線(URP)的落地質量直接決定角色呈現的細膩度與運行流暢度,但其輕量化架構與複雜場景需求間的矛盾常成為技術瓶頸。曾主導一款奇幻題材手遊的角色渲染優化,項目初期採用URP標準配置搭建系統,卻在第三次內部測試中暴露出致命問題:夜間森林場景中,當角色處於12個實時點光源(含火把、魔法特效光源)與體積霧疊加環境時,35%的Android中高端設備(以驍龍888、天璣920

前端

鏡舟科技 - 告別 T+1!解密金融級實時數據平台的構建與實踐

在數字金融浪潮下,數據處理的“實時性”已不再是加分項,而是逐漸成為決定業務價值的核心競爭力。 然而,金融機構在追求實時的道路上,往往陷入一個新的困境:實時分析系統與離線大數據平台形成了兩套獨立的“煙囱”,數據孤島、口徑不一、運維複雜、成本高昂等問題隨之而來。如何打破壁壘,在統一的平台上實現對實時流數據和海量歷史數據的統一管理與高性能分析,成為了當下金融機構的核心訴求。 一、業務困境:傳統“T+1”

架構 , starrocks , flink , 數據湖 , 金融行業

得物技術 - 得物技術談談App 需要什麼樣移動網關

目前大部分App後端還沒有統一的網關。其實不止是後端,移動端也是需要網關的。移動網關幫助我們解決穩定性、業務分級隔離、大促容量評估、異構系統支持等問題。移動網關本質是是,以可管控的方式暴露到外網去,這裏的關鍵是如何管控和暴露。從通訊協議上講移動網關是對外接收開放的通信協議,HTTP、gRPC等,一般還有協議轉換講HTTP轉換成內部的RPC協議。本文筆者將談談得物需要什麼樣的移動網關。 一、電商對網

移動端 , 電商 , 網絡 , 移動端適配 , 後端

百度Geek説 - 圖靈數據洞察平台-TDF(Turing Data Finder)

導讀 在數字化時代,企業對用户數據的挖掘和分析能力直接影響業務增長和競爭力。圖靈數據洞察平台(TDF) 是一款面向企業的數據分析與用户增長平台,提供一站式的行為數據生產、用户行為分析、及廣告效果評估等功能。它能夠利用多維分析模型深入洞察用户行為,助力精細化運營。圖靈數據洞察平台還支持數據可視化和智能分析,幫助企業優化營銷策略,提高用户轉化和留存率。本文將詳細介紹圖靈數據洞察平台的核心功能、應用場景

行為分析 , 數據分析 , 百度

阿里巴巴終端技術 - 提升 Hybrid 體驗:餓了麼雙十一 PHA 框架技術實踐

作者:逍菲、崖鬆、子倫 餓了麼端 618、國慶、雙11、雙12等大促會場基本上會標配底部導航,在之前普通H5容器中底部導航是前端實現,每次點擊會場底部導航的tab,都會重新啓動一個活動頁面覆蓋在上面,即使之前打開過的tab也都要重新創建和加載,體驗不佳,且H5也不能很好的結合Native能力做進一步的體驗和性能優化。 經過調研發現手淘PHA框架可解決上述痛點問題,PHA容器底部TabBar為Na

框架 , hybrid-app

弗拉德 - 【Python 1-17】Python手把手教程之——文件的讀寫以及I/O操作

作者 | 弗拉德 來源 | 弗拉德(公眾號:fulade_me) 從文件中讀取數據 文本文件可存儲的數據量很多,每當需要分析或修改存儲在文件中的信息時,讀取文件都很有用,對數據分析應用程序來説尤其 如此。例如,你可以編寫一個這樣的程序:讀取一個文本文件的內容,重新設置這些數據的格式 並將其寫入文件,讓瀏覽器能夠顯示這些內容。 要使用文本文件中的信息,首先需要將信息讀取到內存中。為此,你

python3 , 數據挖掘 , python2.7 , 深度學習 , Python