陈亦康-CSDN博客

陈亦康

码龄4年

IP 属地：上海市

加入CSDN时间： 2022-04-14

个人简介：热爱全栈，擅长后端开发. 商业合作，加v：cyk2501582659

查看详细资料

个人成就

优质创作者: Java技术领域
获得3,414次点赞
内容获得195次评论
获得7,390次收藏
代码片获得41,063次分享
原力等级

原力等级

9

原力分

9,267

本月获得

10

TA的专栏

TA关注的专栏 1

TA关注的收藏夹 0

TA关注的社区 5

TA参与的活动 1

创作活动更多

AI 镜像开发实战征文活动

随着人工智能技术的飞速发展，AI 镜像开发逐渐成为技术领域的热点之一。Stable Diffusion 3.5 FP8 作为强大的文生图模型，为开发者提供了更高效的图像生成解决方案。为了推动 AI 镜像开发技术的交流与创新，我们特此发起本次征文活动，诚邀广大开发者分享在 Stable Diffusion 3.5 FP8 文生图方向的实战经验和创新应用本次征文活动鼓励开发者围绕 Stable Diffusion 3.5 FP8 文生图方向，分享以下方面的内容： 1. 技术实践与优化 - Stable Diffusion 3.5 FP8 模型架构解析与优化技巧 - 文生图生成效果的提升方法与技巧 - 模型部署与加速策略，例如使用 Hugging Face、Diffusers 等工具 - 针对特定场景（例如二次元、写实风）的模型微调与定制化开发 2. 应用场景探索 - Stable Diffusion 3.5 FP8 在不同领域的应用案例分享，例如游戏设计、广告创意、艺术创作等 - 利用 Stable Diffusion 3.5 FP8 实现图像编辑、图像修复、图像增强等功能的探索 - 结合其他 AI 技术（例如 NLP、语音识别）构建更强大的应用 3. 创新应用与思考 - 基于 Stable Diffusion 3.5 FP8 的创新应用场景设计 - AI 镜像开发的未来发展方向的思考与展望 - 对 AI 镜像开发伦理、安全等问题的探讨

28人参与去参加

更多

SpringBoot 基建篇 - 在企业中如何写好一个分页查询（面试加分）

本文介绍了SpringBoot结合DDD领域驱动设计的分页查询实现方案。主要内容包括：1）定义了分页查询通用模型PageResp，封装查询结果、是否有更多数据、下次查询偏移量等关键信息；2）说明代码分层架构（API层、业务编排层、领域层、仓储层和服务层）；3）提供MyBatis Plus集成所需的Maven依赖配置。该方案既支持常规分页查询，也优化了不需要总数统计的场景，为后续DDD实践奠定基础。

博文更新于 2025.11.09 ·

SpringBoot 基建篇 - 统一返回数据类型、统一异常处理（超详细，可直接使用）

本文介绍了如何统一API返回数据类型和异常处理的最佳实践。首先定义了ApiStatus枚举类统一管理状态码，避免魔法数字。然后设计了通用的ApiResp响应结构，包含状态码、消息和可空数据字段，并使用注解优化JSON序列化。最后通过@RestControllerAdvice和@ExceptionHandler实现统一异常处理：将参数错误抛出IllegalArgumentException，其他业务异常抛出IllegalStateException，并自动转换为标准API响应格式。这种设计能提高前后端协...

博文更新于 2025.11.02 ·

点赞功能真的有必要上 Redis 吗？（Mongo、MySQL、Redis、MQ 实测性能对比）

除了单表操作比较耗时外，对于中小型项目而言，频繁的读写操作场景，使用 mongo 就够用了. 甚至都不用上 mq，更甚至有的场景下 redis 性能还不如 mongo...

博文更新于 2025.10.19 ·

深入学习 Redis - 如何使用 Redis 作缓存？缓存更新策略？使用需要注意哪些问题（工作/重点）

缓存可以理解为，将常用的数据从放到一个访问速度更快的的地方，方便更快的随时读取.也就是说，速度快的设备，可以作为速度慢的设备的缓存，加快读取速度。

博文更新于 2025.10.19 ·

深入学习 Redis Cluster - 集群是啥，数如何理解据分片算法

广义的集群：只要你是多个机器，构成的分布式系统，都可以成为是一个 “集群”，也就是说，之前所讲的主从结构、哨兵模式，也可以称为是一个 “广义的集群”.狭义的集群：这个说的就是 redis 提供的集群模式. 这个集群模式之下，主要就是解决，存储空间不足的问题.

博文更新于 2025.10.19 ·

深入学习 Redis - 事务、实现原理、指令使用及场景

Redis 事务的主要意义就是为了 “打包” ，避免其他客户端的命令，插队到其中，那他具体是通过什么实现的呢？Redis 实现事务，是引入了队列（每一个客户端都有），开启事务的时候，客户端输入的命令，就会发给服务器，然后进入都这个队列中，此时并不会立即执行，当收到 “执行事务” 命令的时候，就会把队列中的这些任务按照顺序依次执行（这里是由 Redis 主线程执行的，他会把事务中的操作执行完，再去执行其他客户端）.

博文更新于 2025.10.19 ·

深入学习 Redis - 常用数据类型，结构认识

可能大家记得最多的就是 HashMap 的相关数字，比如，链表长度达到 xx ，就会变成红黑树，负载因子达到 xx 就会触发扩容，在实际的工作中，遇到的场景，和上述数字就不一定合适了。Redis 底层在实现上述数据类型的时候，会在源码层面，针对上述实现进特定的优化，达到节省时间 / 节省空间的效果，也就是说，内部具体实现的编码方式，还会有变数.鸭脖店，承诺卖给你的这个东西吃起来和鸭脖是一样的，但是内部的数据结构，是否真的是鸭脖，可能就根据实际情况，做出一定的优化.，可能在特定场景下使用别的数据结构.

博文更新于 2025.10.19 ·

Spring Cloud - Ribbon 负载均衡原理、负载策略、懒加载

ps：案例是上一章所讲的 “根据订单id查询订单的同时，把订单所属的用户信息一起返回”。上一章我们讲到 order-service（订单服务）使用 RestTemplate 发送 Http 请求到 user-service（用户服务），同时我们使用 @LoadBalanced 注解增加负载均衡，通过负载均衡算法分配到 user-service 集群，那么中间这个负载均衡到底是什么东西在起作用？负载均衡算法到底是什么？接下来我们就一起来了解一下吧~

博文更新于 2025.10.19 ·

深入学习 Redis - 为什么我要来安利你学习 Redis ？

主要是，她是真的快啊！！！Redis 是一个使用内存存储数据的中间件，一般作为内存数据库、缓存、消息队列，接下来就具体带你了解一下她的特性以及使用场景，是真的香~

博文更新于 2025.10.19 ·

Spring Data Redis + RabbitMQ - 基于 string + hash 实现缓存，计数（高内聚）

2. 对于文章访问量自增，考虑到过期时间和 api 的原因: “1) 文章内容的缓存是存在过期时间的，而文章的访问量是永久保存的. 2) redis 5 没有给 hash 提供 incr 操作，只提供了 incrby，想必也是这种操作比较少” ，因此文章访问量使用 string 类型缓存即可，每次访问后，通过 mq 异步同步数据到 mysql.例如论坛网站，有些帖子的访问评论很高，就需要设置成热点文章，缓存起来（比起去 MySQL 数据库中查询文章要快的多）.

博文更新于 2025.10.19 ·

SpringCache 缓存 - @Cacheable、@CacheEvict、@CachePut、@Caching、CacheConfig 以及优劣分析

对于读多写少，一致性要求不高的数据，完全可以使用 SpringCache 来简化开发（只要缓存的数据有过期时间就可以）.对于一致性要求高的场景，也没必要引入引入缓存，直接对数据库进行读写即可.特殊数据特殊处理.

博文更新于 2025.10.19 ·

Redis - 记录一次千万级 key 的 Redis 主从迁移步骤

完成 redis 主从迁移：* `主节点` 从 10.200.16.75 迁移到 10.200.16.10* `从节点` 从 10.200.16.74 迁移到 10.200.16.11最后保证迁移后数据基本一致.

博文更新于 2025.10.19 ·

深入学习 Redis - 深挖经典数据类型之 string

Redis 中的 string 是直接按照二进制数据的方式进行存储的，也就是说不会进行任何编码转化，存的是啥，取出来还是啥（不同于 mysql ，插入中文就会失败）.不仅可以存储文本数据、整数、普通文本字符串、JSON、xml，还可以存储二进制数据（图片、视频、音频...），但是 Redis 对于 string 类型限制了大小最大是512M（不要记这个数字，因为可以配置），一般不会存放像音频视频这种比较大的数据，因为 Redis 是单线程模型，希望进行的操作都能比较迅速.

博文更新于 2025.10.19 ·

深入学习 Redis - 渐进式遍历 scan 命令、数据库管理命令

之前我们所了解到的 keys * 是一次性把整个 redis 中所有的 key 都获取到，但是整个操作比较危险，可能会一下子的都太多的 key，阻塞 redis 服务器.通过渐进式遍历，就可以做到，既能获取所有的 key ，同时又不会卡死服务器~渐进式遍历不是一个命令就把所有 key 都拿到，而是每执行一次命令，只获取其中的一小部分，这样就保证了当前这一次操作不会太卡~

博文更新于 2025.10.19 ·

深入学习 Redis - 基于 Jedis 通过 Java 客户端操作 Redis 和 Redis 集群

我们在本地 windows 主机上，使用 xshell 连接远程服务器，主要就是通过 ssh 协议（默认走 22 端口）实现通信的，他有一个很重要的特性，就是支持端口转发！我们只需要配置 ssh 程序监听本地端口，映射到云服务器的端口，就可以实现通过 windows 主机，访问云服务器的 6379 端口.Ps：一个优秀的库，一定是非常容易上手的，因此接下来介绍的操作，不会覆盖到所有指令，会挑选出一些重要 / 代表性的命令，来进行演示~Ps：当配置了端口准发后，一定要断开之前的连接，重新连接才能生效.

博文更新于 2025.10.19 ·

深入学习 Redis Sentinel - 基于 DockerCompose 编排哨兵分布式架构，理解工作原理

Redis Sentinel 是⼀个分布式架构，其中包含若干个 Sentinel 节点（哨兵）和 Redis 数据节点，这两种结点之间的哨兵机制，是通过独立的进程来体现的，和 redis-server 是不同进程！redis-sentinel 不负责存储数据，只是对其他的 redis-server 进程起到监控的效果.

博文更新于 2025.10.19 ·

SpringCloud Alibaba - 基于 FeignClient 整合 Sentinel，实现“线程隔离”和“熔断降级”

熔断降级就是通过一个短路器取统计服务调用的时候 “异常比例、慢调用比例、异常数量”，比如说统计的是异常比例，那么如果异常比例过高，触发了阈值就会熔断该服务，这样就把故障的服务隔离开了.这就像是古代的武侠人士，手被毒蛇咬了，赶紧手起刀落，把手砍断，防止毒扩散到全身，但是这把手砍了算不了什么本事啊，能接回来才是真本事.而 Sentinel 就可以在服务恢复时，让熔断器放行访问该服务的请求.

博文更新于 2025.10.19 ·

Spring Data Redis + RabbitMQ - 基于 string 实现缓存、计数功能（同步数据）

假设，用户点击某个帖子，此时需要进行访问量 + 1 的操作，这时候应用服务器就会直接去操作 Redis ，执行 incr 命令，然后将返回的数据反馈给用户，最后 Redis 会以异步的方式（RabbitMQ 实现异步）将播放量同步到 MySQL 数据库中（异步就表示：这里并不是每一个播放请求，都需要立即写入数据~ 至于什么时候写入，需要根据实际的业务需求场景而定），将数据持久化.例如论坛网站，有些帖子的访问评论很高，就需要设置成热点文章，缓存起来（比起去 MySQL 数据库中查询文章要快的多）.

博文更新于 2025.10.19 ·

SpringCloud Alibaba 深入源码 - Nacos 分级存储模型、支撑百万服务注册压力、解决并发读写问题（CopyOnWrite）

a）Nacos 的分级存储模型对应到源码中，实际上就是一个多层嵌套Map，key 就是 String 类型的 namespace，而他的 value 又是一个 Map.b）这个第二层的 Map 就表示 group 和服务了，key 就服务名称，而 value 就是一个服务 service.c）服务实际上就是一个类，由于一个服务往往是有多个集群的，因此在 service 类中又维护了一个 map，key 就是集群名称（例如，上海、广州、杭州...）.d）他的值 cluster 集群也是一个

博文更新于 2025.10.19 ·

SpringCloud Alibaba Sentinel 与 SpringCloud Gateway 的限流有什么差别？(四种限流算法原理分析)

就是指对服务器请求量做限制，避免因为突发的请求量过多，导致服务器宕机.比如，我们的服务器只能抗住每秒 1000 的请求量，但此时突然有 10000 的请求量来了，那么就需要把你这么大的请求量拦下来，按照服务能够承载的流量去放行，起到一个流控的效果.如何实现呢，就来看看这主流的三种限流算法~

博文更新于 2025.10.19 ·