全新深入分布式缓存于君泽 等 著9787111585190

赞誉
序1
序2
序3
作者寄语
前言
章缓存为王1
1.1什么是缓存？1
1.2为什么使用缓存？2
1.2.1从用户体验说起3
1.2.2关于系统的能3
1.3从的架构发展看缓存4
1.4客户端缓存5
1.4.1页面缓存6
1.4.2浏览器缓存7
1.4.3APP上的缓存8
1.5网络中的缓存11
1.5.1Web代理缓存11
1.5.2边缘缓存12
1.6服务端缓存14
1.6.1数据库缓存14
1.6.2平台级缓存16
1.6.3应用级缓存18
第2章分布式系统理论24
2.1分布式系统概论24
2.2分布式系统概念26
2.2.1进程与线程26
2.2.2并发26
2..锁2
2.2.4并行27
2.2.5集群27
2.2.6状态特2
2.2.7系统重发与幂等2
2.2.8硬件异常30
.分布式系统理论31
..1CAP理论32
..2CAP理论澄清34
..Paxos35
..4PC
..5PC39
..Raft40
..Lease机制41
..解决“脑裂”问题43
..orum NWR44
..10MVCC45
..11Gossip46
2.4分布式系统设计策略49
2.4.1心跳检测50
2.4.2高可用设计50
2.4.3容错52
2.4.4负载均衡53
2.5分布式系统设计实践54
2.5.1全局生成54
2.5.2哈希取模56
2.5.3一致哈希57
2.5.4路由表58
2.5.5数据拆分58
第3章动手写缓存60
3.1缓存定义的规范60
3.1.1新规范的主要内容及特60
3.1.2新规范的API介绍61
3.2缓存框架的实现62
3.2.1前期准备63
3.2.2缓存的架构介绍63
3..设计思路以及知识点详解64
3.3缓存框架的使用示例74
第4章 Ehcache与Guava Cache76
4.1Ehcache的主要特76
4.2Ehcache使用介绍77
4.2.1Ehcache架构图77
4.2.2缓存数据过期策略78
4..Ehcache缓存的基本用法81
4.2.4在Spring中使用Ehcache83
4.3Ehcache集群介绍85
4.3.1集群的方式86
4.3.2如何配置集群88
4.4 Ehcache的适用场景89
4.5Guava Cache的使用92
4.5.1Guava Cache的适用场景92
4.5.2Guava Cache的创建方式93
4.5.3缓存数据删除95
4.5.4并发场景下的使用95
4.6本章小结96
第5章从Memcached开始了解集中式缓存97
5.1Memcached基本知识98
5.1.1Memcached的操作命令98
5.1.2Memcached使用场景100
5.1.3Memcached特征100
5.1.4Memcached的一些问题101
5.2Memcached内存存储102
5.2.1Slab Allocation机制102
5.2.2使用 Growth Factor进行调优104
5..Item105
5.3典型问题解析106
5.3.1过期机制106
5.3.2哈希算法107
5.3.3热点问题108
5.3.4缓存与数据库的更新问题108
5.3.5别把缓存当存储109
5.3.6命名空间110
5.3.7CAS110
5.4Memcached客户端分析110
5.4.1Memcached的Client111
5.4.2Spymemcached设计思想解析111
5.5Memcached周边工具发展117
第6章Memcached 周边技术119
6.1Twemcache119
6.1.1Twemcache 的设计原理120
6.1.2Twemcache的安装及命令行详解122
6.1.3基于Java的Twemcache用法125
6.2Twemprxy26
6.2.1Twemproxy的常用部署模式127
6.2.2Twemproxy的可扩展129
6..Twemproxy源代码简析131
6.3Mcrouter137
6.3.1Mcrouter路由算法138
6.3.2典型的使用场景139
6.3.3Mcrouter的可扩展142
6.3.4源码简要解析144
第7章Redis探秘148
7.1数据结构148
7.1.1value对象的通用结构149
7.1.2String149
7.1.3List152
7.1.4Map155
7.1.5Set157
7.1.6Sorted-Set159
7.2客户端与服务器的交互160
7.2.1客户端/服务器协议161
7.2.2请求/响应模式163
7..事务模式164
7.2.4脚本模式168
7.2.5发布/订阅模式169
7.3单机处理逻辑171
7.3.1多路复用171
7.3.2定时任务处理173
7.4持久化174
7.4.1基于全量模式的持久化174
7.4.2基于增量模式的持久化176
7.4.3基于增量模式持久化的优化178
第8章分布式Redis180
8.1水平拆分（sharding）181
8.1.1数据分布181
8.1.2请求路由182
8.2主备复制（replication）182
8.2.1主备复制流程183
8.2.2断点续传183
8.3故障转移（failover）184
8.3.1sentinel间的相互感知185
8.3.2master的故障发现186
8.3.3failover决策186
8.4Redis Cluster187
8.4.1拓扑结构187
8.4.2配置的一致18
8.4.3sharding190
8.4.4failover193
8.4.5可用和能196
第9章Tair探秘198
9.1Tair总体架构198
9.2Config Server简介199
9.3Data Server简介201
9.4Tair高可用和负载均衡204
9.4.1对照表204
9.4.2数据迁移219
9.5存储引擎220
9.6Tair的API222
9.6.1key/value相关API2
9.6.2prefix相关的API226
0章EVCache探秘229
10.1EVCache项目介绍0
10.1.1EVCache的由来1
10.1.2EVCache的发展2
10.1.3EVCache的演进4
10.2EVCache 的使用场景
10.2.1典型用例
10.2.2典型部署
10.3EVCache的能240
10.3.1EVCache集群的能240
10.3.2全局化复制时的能问题242
10.3.3Moneta项目中的组件能243
10.4EVCache 的高可用244
10.4.1AWS的多可用区244
10.4.2EVCache对AWS高可用的245
10.5源码与示例245
10.5.1源码浅析245
10.5.2EVCache 示例253
1章Aerospike原理及广告业务应用259
11.1Aerospike架构259
11.2Aerospike具体实现261
11.2.1Aerospike集群管理261
11.2.2数据分布263
11.3Aerospike集群配置和部署265
11.3.1搭建集群的方式与配置266
11.3.2部署集群267
11.4Aerospike与Redis的对比271
11.5Aeropsike在广告行业的具体应用272
11.5.1Aerospike在个化广告中的应用273
11.5.2Aerospike在实时竞价广告中的应用274
2章社交场景架构进化：从数据库到缓存283
12.1社交业务示例283
12.1.1业务模型283
12.1.2业务场景284
12.1.3业务特点285
12.2关系（relation）的存储286
12.2.1基于DB的简方案286
12.2.2DB的sharding方案288
12..引入缓存290
12.2.4缓存的优化方案292
1.帖子（post）的存储293
1..1基于DB的方案294
1..2引入服务端缓存296
1..本地缓存297
12.4时间线（timeline）的存储297
12.4.1基于DB的方案—push模式298
12.4.2基于DB的方案—pull模式300
12.4.3增量查询引入服务端缓存302
3章缓存在社交网络Feed系统中的架构实践304
13.1Feed系统架构304
13.2Feed缓存模型307
13.3Feed缓存架构的设计309
13.3.1简单数据类型的缓存设计310
13.3.2集合类数据的缓存设计312
13.3.3类型数据的缓存设计314
13.4Feed缓存的扩展 315
13.4.1Redis的扩展315
13.4.2器的扩展316
13.4.3存在判断的扩展318
13.5Feed缓存的服务化319
4章典型电商应用与缓存324
14.1电商类应用的挑战及特点324
14.2应用数据静态化架构高能单页Web应用325
14.2.1整体架构326
14.2.2CMS系统326
14..前端展示系统328
14.2.4控制系统328
14.3应用多级缓存模式支撑海量读服务329
14.3.1多级缓存介绍329
14.3.2如何缓存数据331
14.3.3分布式缓存与应用负载均衡332
14.3.4热点数据与更新缓存334
14.3.5更新缓存与原子336
14.3.6缓存崩溃与快速修复336
14.4构建需求响应式亿级商品详情页337
14.4.1商品详情页前端结构338
14.4.2单品页技术架构发展338
14.4.3详情页架构设计原则343
14.4.4遇到的一些问题349
5章同程凤凰缓存系统基于Redis的设计与实践357
15.1同程凤凰缓存系统要解决什么问题357
15.1.1Redis用法的凌乱358
15.1.2从实际案例再看Redis的使用360
15.1.3如何改变Redis用不好的误区362
15.1.4凤凰缓存系统对Redis系统化改造364
15.2用好Redis先运维好它366
15.2.1传统的Redis运维方式366
15.2.2Redis的Docker化部署368
15..凤凰缓存系统对Redis的监控369
15.2.4凤凰缓存系统对Redis的集群分片优化370
15.2.5客户端在运维中的作用371
15.2.6凤凰缓存系统在Redis运维上的工具372
15.3凤凰缓存系统的使用效果373
6章新的旅程374
16.1更好的引入缓存技术374
16.1.1缓存引入前的考量374
16.1.2缓存组件的选择375
16.1.3缓存架构的设计376
16.1.4缓存系统的监控及演进377
16.2缓存分类总结377
16.3缓存知识结构更多Tips378
16.3.1缓存使用模式379
16.3.2缓存协议379
16.3.3缓存连接池380
16.3.4几个关注点383
16.3.5管理缓存387
16.3.6缓存可用390
16.3.7数据一致392
16.3.8热点数据处理393
16.3.9注意事项Tips396

于君泽：蚂蚁金服不错技术专家、花名右军，IT从业超过十五年。对高并发、分布式架构、内建质量、研发管理有一些心得。维护公众号“技术琐话”。
程超：“爱农驿站”首席支付技术专家。Info、中生代技术社区签约作者，CSDN博主专家，Spring for all社区贡献者，擅长微服务和分布式架构。
邱硕：蚂蚁金服技术专家，花名牧丘，在阿里和从事中间件、应用系统的能/稳定技术风险相关工作。Cobar主要作者。
曹洪伟：70后老码农，全栈工匠一枚，服务过多家世界500强，后连续创业，现任渡鸦科技CTO，致力于人工智能硬件，维护有“wireless_com ”公众号 和博客
刘璟宇：拍拍贷资深架构师，十余年互联网行业从业经验，主要研究云计算、服务化基础框架以及各种基础组件。
张开涛：架构师，书《亿级流量架构核心技术》作者，维护有“开涛的博客”公众号。
何涛：网联不错架构师，对高流量下的架构设计有丰富的实践经验，热衷于高可用、高并发和高能的架构研究。
宋慧庆：勤诚互动研发总监兼不错架构师，十年互联网广告行业经验，主要研究高可用架构技术，为流量变现提供更好的服务。
陈波：新浪微博技术专家，负责平台基础架构及优化，经历了微博从起步到成为数亿用户的大型互联网系统的演进过程。
王晓波：同程旅游首席架构师，10余年互联网行业从业经验，负责中间件、微服务、分布式架构、运维、安全等方面工作。