从决策到落地：如何根据业务优雅设计库表 ❓ 什么时候需要分库分表？用什么指标判断？ ❓ 垂直分还是水平分？分库还是分表？ ❓ 分片键怎么选？多个查询维度怎么办？ ❓ 父子表、关联表如何处理？ ❓ 如何保证数据均匀分布？ ❓ 面对新业务，如何
分布式分库分表：基因法完全解读分布式分库分表：基因法完全解读 视频 !image6151071f.png 一、问题背景 分片键不足的困境 在分库分表的设计中，经常遇到查询条件不含分片键的情况。典型场景是用户表： 订单通过 userId 关联用户信息 用户登录时可使用手机
订单服务分库分表设计思维全景订单服务分库分表设计思维全景 视频 !imaged12b16c9.png 一、需求分析：订单服务的特殊性 1.1 业务场景梳理 !订单服务需求分析139a7621.jpg 1.2 实体关系分析 !订单服务实体关系ef6b5683.jpg 二
分库分表-支付服务分库分表支付服务 配置 引入 ShardingSphere 的相关依赖 xml <properties <shardingsphere.version5.3.2</shardingsphere.version </properties <d
技术精华-解锁分库分表新姿势：基因法完全解读技术精华解锁分库分表新姿势：基因法完全解读 !imageebc09e17.png 背景 在分库分表时，经常会遇到查询的条件不含有分片键的情况，比如说用户表，生成的订单中是依靠userId来关联用户信息，而用户在登录时又可以使用手机号和邮箱来
业务讲解-为什么说购票人的功能不容小觑业务讲解为什么说购票人的功能不容小觑 购票人的业务 购票人列表页面 !image2f5a0e2f.webp com.damai.controller.TicketUserController java @RestController @Re
业务讲解-用户注册-如何巧妙应对缓存穿透业务讲解用户注册如何巧妙应对缓存穿透 背景 在如今微服务遍地的互联网项目来说，使用缓存，常见的比如Redis，是最常用的提高效率的手段，尤其是在读多，写少的情况下更为适用。能很大程度的降低数据库的压力，但引入缓存同样也造成了一系列的问题需要
业务讲解-用户注册-使用组合模式处理复杂的验证功能业务讲解用户注册使用组合模式处理复杂的验证功能 思考 对于并发量不高的普通项目来说，注册用户的逻辑很简单，先验证参数，然后判断库中是否已经有此用户，如果没有进行添加用户即可。看似岁月静好 高并发下的问题 但对于大麦这种在一瞬间进行抢票的高并
技术精华-完全解读布隆过滤器技术精华完全解读布隆过滤器 布隆过滤器 布隆过滤器（Bloom Filter）是 1970 年由布隆提出的，是一种非常节省空间的概率数据结构，运行速度快，占用内存小。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索
布隆过滤器顶层设计深度讲解布隆过滤器顶层设计深度讲解 布隆过滤器是一种空间效率极高的概率型数据结构，核心特点是 “宁可错判存在，绝不漏判不存在”，堪称高并发场景下数据库的 “防弹衣”。 这个数据结构的思路，其实源于算法中很早就接触过的数组下标判存逻辑—— 用元素值作
深度解析：用户注册场景下的“缓存穿透”防御战深度解析：用户注册场景下的“缓存穿透”防御战 视频 !imaged9251b0a.png 引子：缓存的双刃剑 在如今微服务遍地的互联网项目中，使用缓存（比如 Redis）是提高效率最常用的手段。尤其是在 读多写少 的场景下，缓存能极大地降低
（缓存穿透）用户注册业务深度解析（缓存穿透）用户注册业务深度解析 视频 !imageea4ce66f.png 引子：看似简单的注册逻辑 对于普通项目来说，用户注册的逻辑非常简单： text 验证参数 → 查询用户是否存在 → 不存在则添加用户 → 完成 看似岁月静好，一切
（缓存预热）购票人业务架构分析（缓存预热）购票人业务架构分析 视频 !imageea270072.png 引子：一个看似简单的功能 购票人功能有什么特别的？ 不就是用户下面管理几个购票人嘛，顶多也就是增删改查的操作。生成订单时，用户选择购票人信息，传入后台不就行了吗？