首页 > 数据库 >redis优化秒杀

redis优化秒杀

时间：2023-11-27 15:31:53浏览次数：44  
标签：voucherOrder 队列 list redis 订单 秒杀 消息 优化 id

(redis优化秒杀) 本文为学习redis时做的笔记，学习内容来自黑马程序员Redis入门到实战教程，该教程是循序渐进的，所以不是一上来就讲完最后的解决方案了，请耐心看完

1. 异步秒杀思路

image.png 这是我们原本的秒杀思路，其中的流程都要经过mysql数据库，而mysql数据库的并发性能不是很好，而且为了避免线程安全问题，还加入了分布式锁，所以整个流程的性能不好，现在我们要去优化它。

我们可以把这整个流程比作一个餐馆点菜的过程，前台点菜并将菜品写在小票上，给顾客一份，后厨一份，后厨根据小票的内容依次做菜

根据这个例子，我们的流程也可以分为两个部分：

  1. 第一部分是判断秒杀资格（判断秒杀库存和校验一人一单）
  2. 第二部分是减库存创建订单流程

两个部分各自为一个线程，主线程判断秒杀资格，如果用户有资格，就开启一个独立线程完成耗时较久的第二部分

image.png 同时，我们也要优化判断秒杀资格的性能，将库存和订单存入redis中，如果判断用户有资格，先将优惠券id,用户id、订单id保存在阻塞队列中，并将订单id返回给用户，用户可以通过这个订单id完成支付操作，虽然此时还没有创建订单，但是在队列中迟早会创建，之后开启独立线程读取队列中的信息，完成下单。 现在的业务流程变成了在redis中判断秒杀资格，保存信息在队列中并返回订单id,性能和吞吐量大大提高

1.1 在redis存入库存和订单信息

现在讨论这两个东西需要什么样的结构去存储

image.png 因为库存只是一个数值，我们使用redis中的string类型去存储，key是优惠券的id,value是库存

到时只需判断库存是否大于0,如果用户有资格，库存要减一，相当于在redis中预减库存

image.png 因为需要一个优惠券id(key)能存很多用户id，而且用户id不能重复，所以订单信息我们使用set结构存储

到时只需看value中是否有该用户id来判断该用户是否下过单

1.2 具体流程图

image.png 为了保证过程的原子性，需要用到lua脚本，通过执行lua脚本后的结果来返回异常信息或者订单id，这样创建订单的时效性就没有那么强了，完全可以照着数据库能承受的范围去执行写的操作，用户只需要订单id就能完成支付操作

2. 实现

需求： image.png

  1. 新增秒杀优惠券的同时，将优惠券信息保存在redis中

修改添加秒杀优惠券的方法，将优惠券信息保存在redis中

@Override
@Transactional
public void addSeckillVoucher(Voucher voucher) {
// 保存优惠券
save(voucher);
// 保存秒杀信息
SeckillVoucher seckillVoucher = new SeckillVoucher();
seckillVoucher.setVoucherId(voucher.getId());
seckillVoucher.setStock(voucher.getStock());
seckillVoucher.setBeginTime(voucher.getBeginTime());
seckillVoucher.setEndTime(voucher.getEndTime());
seckillVoucherService.save(seckillVoucher);
// 保存优惠券信息到redis
stringRedisTemplate.opsForValue().set(SECKILL_STOCK_KEY + voucher.getId(), voucher.getStock().toString());
}

添加一个秒杀优惠券

{
    "title": "120元代金券",
    "beginTime": "2023-11-01T01:11:11",
    "actualValue": 12000,
    "shopId": 1,
    "subTitle": "周一至周五均可使用",
    "payValue": 10000,
    "stock": 100,
    "endTime": "2024-11-01T01:11:11",
    "type": 1,
    "rules": "全场通用\\n无需预约\\n可无限叠加\\不兑现、不找零\\n仅限堂食"
}

image.png

  1. 基于lua脚本，判断秒杀库存、一人一单、决定用户是都抢购成功

写lua脚本

  • 先写参数列表，再组合成key，最后写逻辑
-- 1. 参数列表
-- 1.1 优惠券id
local voucherId = ARGV[1];
-- 1.2 用户id
local userId = ARGV[2];

-- 2. key
-- 2.1 库存key
local stockKey = "seckill:stock" .. voucherId;
-- 2.2 订单key
local orderKey = "seckill:order" .. voucherId;

-- 3. 脚本业务
-- 判断库存是否充足
if (tonumber(redis.call('get',stockKey)) <= 0) then
  -- 库存不足
  return 1
end
-- 判断用户是否下单
if (redis.call('sismember',orderKey,userId) == 1) then
  -- 用户下过单
  return 2
end

-- 扣减库存
redis.call('incrby',stockKey,-1);
-- 下单，保存用户id到set集合
redis.call('sadd',orderKey,userId);

重写秒杀逻辑

  • 调用lua脚本，根据返回的数字判断，并返回订单号
private static final DefaultRedisScript<Long> SECKILL_SCRIPT;

//初始化脚本
static {
    SECKILL_SCRIPT = new DefaultRedisScript();
    //读取文件位置，classpath就是resource
    SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));
    SECKILL_SCRIPT.setResultType(Long.class);
}

@Override
public Result seckillVoucher(Long voucherId) {
// 获取用户id
Long userId = UserHolder.getUser().getId();
// 1. 调用lua脚本
//不需要传key，所以传个空集合
Long result = stringRedisTemplate.execute(
    SECKILL_SCRIPT,
    Collections.emptyList(),
    voucherId.toString(),userId.toString()
);
int intValue = result.intValue();

//2. 判断结果是否为0
if (intValue != 0) {
    return Result.fail(intValue == 1 ? "库存不足" : "不要重复下单");
}
//3. 将优惠券id,用户id、订单id保存在阻塞队列中
//TODO 将优惠券id,用户id、订单id保存在阻塞队列中
long orderId = redisIdWorker.nextId("order");

//4. 返回订单id
return Result.ok(orderId);
}
  1. 如果抢购成功，将优惠券id和用户id封装后存入阻塞队列
//阻塞队列
private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);

阻塞队列BlockingQueue,当一个线程尝试从一个阻塞队列中获取元素，如果队列中没有元素，这个线程就会被阻塞，当队列中有元素时就会被唤醒并获取元素

seckillVoucher中添加：

//3.2 放入阻塞队列中
orderTasks.add(order);
  1. 开启线程任务，不断从阻塞队列中获取信息，实现异步下单功能
  • 建立线程池，当这个类初始化完线程就去执行VoucherOrderHandler类中的run方法，不断获取队列中的订单信息，去创建订单

@PostConstruct 注解效果是当前类初始化完就去执行

//线程池
private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();
//类加载完就执行
@PostConstruct
private void init() {
    SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());
}

class VoucherOrderHandler implements Runnable {

    @Override
    public void run() {
        while (true) {
            try {
                //1.获取队列中的订单信息
                VoucherOrder voucherOrder = orderTasks.take();
                //2.创建订单
                handleVoucherOrder(voucherOrder);
            } catch (Exception e) {
                log.error("订单异常：" + e);
            }
        }
    }
}
  • 执行handleVoucherOrder方法，获取锁，最后执行创建订单方法

注1：在这个方法中不能使用threadlocal去获取用户信息，因为是异步下单，这是一个子线程，不是主线程，没有用户的信息，所以从订单中获取用户id

注2：与上同理，在这个子线程中也无法获取到代理对象，将代理对象设置为成员变量，再从主线程中获取到代理对象

private void handleVoucherOrder(VoucherOrder voucherOrder) {
Long userId = voucherOrder.getUserId();
//创建锁对象
RLock redisLock = redissonClient.getLock("lock:order:" + userId);
//获取锁方法
boolean lockFlag = redisLock.tryLock();
//判断是否获取成功
if (!lockFlag) {
    log.error("不要重复下单");
    return;
}

//事务方法执行起来可能会出现异常，但最后都要释放锁,所以try-catch起来
try {
    proxy.createVoucherOrder(voucherOrder);
} finally {
    redisLock.unlock();
}
}
  • 创建订单逻辑
@Transactional
public void createVoucherOrder(VoucherOrder voucherOrder) {
//5.一人一单
Long userId = UserHolder.getUser().getId();
//查询
Integer count = query().eq("user_id", userId).eq("voucher_id", voucherOrder.getVoucherId()).count();
//判断订单是否存在
if (count > 0) {
    log.error("用户已经购买过一次");
    return;
}

//6.扣减库存
boolean success = seckillVoucherService.update().setSql("stock = stock-1")
.eq("voucher_id", voucherOrder.getVoucherId())
.gt("stock", 0)
.update();
if (!success) {
    log.error("不要重复下单");
    return;
}
save(voucherOrder);
}

2.1 总结

整个流程是：

  • 主线程：

发送请求进入seckillVoucher方法，先判断用户是否有秒杀的资格（通过lua脚本），然后创建订单（将用户id、优惠券id、订单id放进订单里），将订单放入阻塞队列

  • 子线程：

在类初始化的时候去执行线程池，线程池的任务是是不断地从队列中获取订单信息，然后去创建订单。 创建订单先获取锁，再判断一人一单，减库存，最后执行添加订单方法

完整代码：


/**
 * <p>
 * 服务实现类
 * </p>
 *
 * @author 虎哥
 * @since 2021-12-22
 */
@Slf4j
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

    @Autowired
    private ISeckillVoucherService seckillVoucherService;

    @Autowired
    private RedisIdWorker redisIdWorker;

    @Autowired
    private StringRedisTemplate stringRedisTemplate;

    @Autowired
    private RedissonClient redissonClient;

    private IVoucherOrderService proxy;

    private static final DefaultRedisScript<Long> SECKILL_SCRIPT;

    //初始化脚本
    static {
        SECKILL_SCRIPT = new DefaultRedisScript();
        //读取文件位置，classpath就是resource
        SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));
        SECKILL_SCRIPT.setResultType(Long.class);
    }

    //阻塞队列
    private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);
    //线程池
    private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();
    //类加载完就执行
    @PostConstruct
    private void init() {
        SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());
    }

    class VoucherOrderHandler implements Runnable {

        @Override
        public void run() {
            while (true) {
                try {
                    //1.获取队列中的订单信息
                    VoucherOrder voucherOrder = orderTasks.take();
                    //2.创建订单
                    handleVoucherOrder(voucherOrder);
                } catch (Exception e) {
                    log.error("订单异常：" + e);
                }
            }
        }
    }

    private void handleVoucherOrder(VoucherOrder voucherOrder) {
        Long userId = voucherOrder.getUserId();
        //创建锁对象
        RLock redisLock = redissonClient.getLock("lock:order:" + userId);
        //获取锁方法
        boolean lockFlag = redisLock.tryLock();
        //判断是否获取成功
        if (!lockFlag) {
            log.error("不要重复下单");
            return;
        }

        //事务方法执行起来可能会出现异常，但最后都要释放锁,所以try-catch起来
        try {
            proxy.createVoucherOrder(voucherOrder);
        } finally {
            redisLock.unlock();
        }
    }

    @Override
    public Result seckillVoucher(Long voucherId) {
        // 获取用户id
        Long userId = UserHolder.getUser().getId();
        // 1. 调用lua脚本
        //不需要传key，所以传个空集合
        Long result = stringRedisTemplate.execute(
                SECKILL_SCRIPT,
                Collections.emptyList(),
                voucherId.toString(), userId.toString()
        );
        int intValue = result.intValue();

        //2. 判断结果是否为0
        if (intValue != 0) {
            return Result.fail(intValue == 1 ? "库存不足" : "不要重复下单");
        }
        //3. 将优惠券id,用户id、订单id保存在阻塞队列中
        //3.1.创建订单
        VoucherOrder order = new VoucherOrder();
        //3.1.1 订单id
        long orderId = redisIdWorker.nextId("order");
        order.setId(orderId);
        //3.1.2 用户id
        order.setUserId(userId);
        //3.1.3 优惠券id
        order.setVoucherId(voucherId);
        //3.2 放入阻塞队列中
        orderTasks.add(order);


        //3.3 获取当前的代理对象(事物)
        proxy = (IVoucherOrderService) AopContext.currentProxy();
        //4. 返回订单id
        return Result.ok(orderId);
    }

    @Transactional
    public void createVoucherOrder(VoucherOrder voucherOrder) {
        //5.一人一单
        Long userId = voucherOrder.getUserId();
        //查询
        Integer count = query().eq("user_id", userId).eq("voucher_id", voucherOrder.getVoucherId()).count();
        //判断订单是否存在
        if (count > 0) {
            log.error("用户已经购买过一次");
            return;
        }

        //6.扣减库存
        boolean success = seckillVoucherService.update().setSql("stock = stock-1")
                .eq("voucher_id", voucherOrder.getVoucherId())
                .gt("stock", 0)
                .update();
        if (!success) {
            log.error("不要重复下单");
            return;
        }
        save(voucherOrder);
    }

}

测试： image.png

image.png image.png

现在我们的阻塞队列使用的是jvm的内存，将来有无数的请求进来，内存可能会满，而且如果服务重启或者宕机，订单信息就消失了，可能会出现一些问题，接下来学习一下redis的消息队列

3. Redis的消息队列

消息队列，字面意思就是存放消息的队列，最简单的消息队列包含三个角色

  • 生产者：发送消息到消息队列
  • 消息队列：存储和管理消息，也称为消息代理
  • 消费者：从消息队列获取消息并处理消息

image.png

市面上有很多的消息队列的产品，但是搭建他们也是需要成本的，既然我们已经搭建起了redis集群，为了减少成本，可以使用redis提供的三种不同的方式

  • list结构：基于list结构模拟消息队列
  • PubSub：订阅发布，基本的点对点消息模型
  • Stream：比较完善的消息队列模型

3.1 基于list实现消息队列

Redis的list数据结构是一个双向链表，很容易模拟出队列效果。 队列是入口和出口不在一边，因此我们可以利用: LPUSH 结合 RPOP、或者 RPUSH 结合LPOP来实现。 不过要注意的是，当队列中没有消息时RPOP或LPOP操作会返回null，并不像VM的阻塞队列那样会阻塞并等待消息。因此这里应该使用BRPOP或者BLPOP来实现阻塞效果。 image.png

优点:

  • 利用Redis存储，不受限于JVM内存上限
  • 基于Redis的持久化机制，数据安全性有保证
  • 可以满足消息有序性

缺点:

  • 无法避免消息丢失
  • 只支持单消费者

3.2 基于PubSub实现消息队列

Pubsub(发布订阅)是Redis2.0版本引入的消息传递模型。顾名思义，消费者可以订阅一个或多个channel，生产者向对应channel发送消息后，所有订阅者都能收到相关消息

  • SUBSCRIBE channel[channell : 订阅一个或多个频道
  • PUBLISH channel msg : 向一个频道发送消息
  • PSUBSCRIBE pattern[pattern]: 订与pattern格式匹配的所有频道

image.png

优点:

  • 采用发布订阅模型，支持多生产、多消费

缺点:

  • 不支持数据持久化
  • 无法避免消息丢失
  • 消息堆积有上限，超出时数据丢失

3.3 基于stream实现消息队列

3.3.1 stream的单消费模式

Stream是Redis5.0引入的一种新数据类型，可以实现一个功能非常完善的消息队列

  1. 发送消息的命令：

image.png

  • [ ] 中间的内容都是可选。红框标注的基本可以不用管；绿框用来设置消息队列的最大消息数量；黄框用来设置消息的id,*代表redis自动生成；蓝框是队列中的消息内容

示例： xadd users * name zhuyi love lvhan 返回id image.png

  1. 查看队列中消息数量的命令

xlen key 示例： image.png

  1. 读取队列中消息的命令

image.png

  • [COUNT count] 是每次读取消息的最大数量
  • [BLOCK milliseconds] 当没消息时，是否阻塞及阻塞时长
  • STREAMS key 要从哪个队列开始读，key就是队列名
  • ID 起始id,只返回大于该id的消息。0：代表从第一个消息开始，$：代表从最新的消息开始

示例： 从第一个消息开始读 image.png 因为消息已经读过，没有最新的消息，所以读不出来 image.png

特点：

  • 消息可回溯
  • 一个消息可以被多个消费者读取
  • 可以阻塞读取
  • 有消息漏读的风险。使用$，在读一条消息的时候，有超过一条以上的消息进入队列，只会读取最后一条

3.3.2 stream的消费者组模式

消费者组，将多个消费者划分到一个组中，监听同一个队列，有以下好处：

  • 消息分流：队列中的消息会分流给组内的不同消费者，而不是重复消费，从而加快消息处理的速度。如果想让一个消息被多个消费者消费，可以多加几个组
  • 消息标识：消费者组会维护一个标识，记录最后一个被处理的消息，哪怕消费者宕机重启，还会从标识之后读取消息，确保每一个消息都会被消费
  • 消息确认：消费者获取消息后，消息处于pending（待处理）状态，并存入一个pending-list。当处理完成后需要通过XACK来确认消息，标记消息为已处理，才会从pending-list移除，保证所有的消息只要被获取到了，就能至少被消费一次
  1. 创建消费者组：

image.png

  • key：队列名称
  • groupName：消费者组名称
  • ID：起始ID标识，$代表队列中最新的消息，0则代表队列中第一个消息
  • MKSTREAM：队列不存在时自动创建队列

其他常见命令： image.png

示例： image.png

  1. 从消费者组读取消息

image.png

  • group：消费组名称
  • consumer：消费者名称，如果消费者不存在，会自动创建一个消费者
  • count：本次查询的最大数量
  • BLOCK millisecond：当没有消息时最长等待时间
  • NOACK：无需手动ACK，获取到消息后自动确认
  • STREAMS key：指定队列名称
  • ID：获取消息的起始id：1. ">"：从下一个未消费的消息开始。2. 其他：根据指定id从pending-list中获取已消费但未确认的消息，例如0，是从pending-list中的第一个消息开始

示例： image.png

  1. 确认消息

我们获取到消息消费后，一定要确认它，把他从pending-list中移除 image.png

  • key：队列名称
  • group：消费组名称
  • ID：获取消息的起始id：1. ">"：从下一个未消费的消息开始。2. 其他：根据指定id从pending-list中获取已消费但未确认的消息，例如0，是从pending-list中的第一个消息开始

示例： image.png

消费者监听消息的基本思路： image.png 特点：

  • 消息可回溯
  • 可以多消费者争抢消息，加快消费速度
  • 可以阻塞读取
  • 没有消息漏读的风险
  • 有消息确认机制，保证消息至少被消费一次

如果你的公司业务比较庞大，对消息队列要求比较严格，还是建议使用更专业的消息队列，如rabbitmq等，但如果是中小型公司，对消息队列需要没那么大，redis的stream就已经能满足需求了

3.4 基于stream消息队列实现异步秒杀

image.png

  1. 创建一个Stream类型的消息队列，定义为stream.orders,这里直接在客户端完成了
XGROUP CREATE stream.orders g1 0 mkstream
  1. 修改之前的秒杀下单lua脚本，在认定有抢购资格后，直接向stream.orders中添加消息，内容包括voucherId、userId、orderId

修改lua脚本： 主要添加了一个订单id的参数，在业务的最后向队列发送消息

-- 1. 参数列表
-- 1.1 优惠券id
local voucherId = ARGV[1]
-- 1.2 用户id
local userId = ARGV[2]
-- 1.3 订单id
local orderId = ARGV[3]

-- 2. key
-- 2.1 库存key
local stockKey = 'seckill:stock:' .. voucherId
-- 2.2 订单key
local orderKey = 'seckill:order:' .. voucherId

-- 3. 脚本业务
-- 判断库存是否充足
if (tonumber(redis.call('get',stockKey)) <= 0) then
  -- 库存不足
  return 1
end
-- 判断用户是否下单
if (redis.call('sismember',orderKey,userId) == 1) then
  -- 用户下过单
  return 2
end

-- 扣减库存
redis.call('incrby',stockKey,-1);
-- 下单，保存用户id到set集合
redis.call('sadd',orderKey,userId);
-- 发送消息
redis.call('xadd','stream.orders','*','voucherId',voucherId,'userId',userId,'id',orderId)
return 0

修改一下调用lua脚本的逻辑： 新添加一个订单id的参数

// 1. 调用lua脚本
//不需要传key，所以传个空集合
Long result = stringRedisTemplate.execute(
    SECKILL_SCRIPT,
    Collections.emptyList(),
    voucherId.toString(), userId.toString(),String.valueOf(orderId)
);
int intValue = result.intValue();
  1. 项目启动时，开启一个线程任务，尝试获取stream.orders中的消息，完成下单

在原有的线程任务逻辑上修改，从消息队列中获取订单信息，判断一下订单信息是否为空，如果为空，说明没有消息，继续下一次循环，如果有，去解析数据，拿到订单，通过以前写过的createVoucherOrder()方法来创建订单，最后一定要确认消息，将消息从pending-list中移除。 如果在执行时出现了错误或者服务宕机，通过handlePendingList()方法处理pending-list中已消费但未确认的订单，这里如果出现异常，就不用再调用这个方法了

private class VoucherOrderHandler implements Runnable {

    @Override
    public void run() {
        while (true) {
            try {
                // 1.获取消息队列中的订单信息 XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS s1 >
                List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
                    Consumer.from("g1", "c1"),
                    StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),
                    StreamOffset.create("stream.orders", ReadOffset.lastConsumed())
                );
                // 2.判断订单信息是否为空
                if (list == null || list.isEmpty()) {
                    // 如果为null，说明没有消息，继续下一次循环
                    continue;
                }
                // 解析数据
                MapRecord<String, Object, Object> record = list.get(0);
                Map<Object, Object> value = record.getValue();
                VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true);
                // 3.创建订单
                handleVoucherOrder(voucherOrder);
                // 4.确认消息 XACK
                stringRedisTemplate.opsForStream().acknowledge("stream.orders", "g1", record.getId());
            } catch (Exception e) {
                log.error("处理订单异常", e);
                handlePendingList();
            }
        }
    }

    private void handlePendingList() {
        while (true) {
            try {
                // 1.获取pending-list中的订单信息 XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS s1 0
                List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
                    Consumer.from("g1", "c1"),
                    StreamReadOptions.empty().count(1),
                    StreamOffset.create("stream.orders", ReadOffset.from("0"))
                );
                // 2.判断订单信息是否为空
                if (list == null || list.isEmpty()) {
                    // 如果为null，说明没有异常消息，结束循环
                    break;
                }
                // 解析数据
                MapRecord<String, Object, Object> record = list.get(0);
                Map<Object, Object> value = record.getValue();
                VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true);
                // 3.创建订单
                handleVoucherOrder(voucherOrder);
                // 4.确认消息 XACK
                stringRedisTemplate.opsForStream().acknowledge("stream.orders", "g1", record.getId());
            } catch (Exception e) {
                log.error("处理订单异常", e);
            }
        }
    }
}

XACK确认消息： stringRedisTemplate.opsForStream().acknowledge("s1", "g1", record.getId());

标签：voucherOrder,队列,list,redis,订单,秒杀,消息,优化,id
From： https://blog.51cto.com/u_16277539/8586656

相关文章

  • 图解Redis适用场景
    Redis以其速度而闻名。1业务数据缓存1.1通用数据缓存string，int，list，map。Redis最常见的用例是缓存对象以加速Web应用程序。此用例中，Redis将频繁请求的数据存储在内存。允许Web服务器快速返回频繁访问的数据。这减轻数据库的负载并提高应用程序RT。规模扩张时，缓存分......
  • 盈致MES系统：优化生产过程、提高质量、降低成本、提升竞争力
    mes系统的优点主要体现在以下几个方面：优化生产过程：MES系统提供实时的生产过程监控和数据收集，帮助企业清晰地了解生产线上的各个环节，包括设备状态、生产进度、质量指标等。这使得企业能够作出准确的决策并快速响应变化。实现资源优化：MES系统可以对生产线进行优化调度，确保生产资源的......
  • 盈致MES系统：优化生产过程、提高质量、降低成本、提升竞争力
    mes系统的优点主要体现在以下几个方面： 优化生产过程：MES系统提供实时的生产过程监控和数据收集，帮助企业清晰地了解生产线上的各个环节，包括设备状态、生产进度、质量指标等。这使得企业能够作出准确的决策并快速响应变化。实现资源优化：MES系统可以对生产线进行优化调度，确......
  • HTTPS 性能优化技巧
    认识SSL/TLSSSL和TLS都是用于保障端到端之间连接的安全性。SSL最初是由Netscape开发的，后来为了使得该安全协议更加开放和自由，更名为TLS，并被标准化到RFC中，现在主流的是TLS1.2版本。从上图，可以看出SSL/TLS是介于应用层和传输层之间，并且分为握手层（HandshakeLayer）和记录层（Record......
  • 小米二面：Redis 如何保证数据不丢失？
    前段时间表妹收到了小米秋招补录的面试邀请，一面还算顺利，很快就通过了，但在看二面面试录屏的时候，我发现了一个问题，回答的不是很好，也就是我们今天要聊的这个问题：Redis如何保证数据不丢失？很多人看到这个问题的第一反应是，这个问题不难，就是Redis的持久化技术嘛！但如果你这样回答，可能......
  • .NET8 极致性能优化 Non-GC Heap
    前言.NET8里面JIT引入了一个新的机制，叫做Non-GCHeap。JIT可以确保相关对象分配在Non-GCHeap上，该堆像其名称一样，不受GC管理。JIT需要保证这个对象没有被GC引用，并且在这个对象的生命周期内一直是根对象(不会被GC消灭的对象)的状态。原文:.NET8极致性能优化Non-......
  • 性能优化的一般策略及方法
    性能优化的一般策略及方法在汽车嵌入式开发领域，性能优化始终是一个无法回避的问题：座舱HMI想要实现更流畅的人机交互通信中间件在给定的CPU资源下，追求更高的吞吐量更一般的场景：嵌入式设备CPU资源告急，需要降低CPU使用率...不同的工程师会从不同的角度给出不同的优化......
  • Redis RedisTemplate
    1、RedisTemplate使用PipeLine管道命令RedisTemplate使用最详解（五）---opsForZSet()2、redisTemplate.opsForZSet().add("zSet","aaa",1);redisTemplate.opsForZSet().add("zSet","bbb",2);redisTemplate.opsFo......
  • 写写Redis十大类型hyperloglog(基数统计)的常用命令
    hyperloglog处理问题的关键所在和bitmap差不多，都是为了减少对sql的写操作，提高性能，用于基数统计的算法。基数就是一种数据集，用于收集去重后内容的数量。会有0.81%的误差hyperloglog是string类型，但是不会存储数组的本身，不会像集合一样返回数组应用场景：①统计某个网站某个文章的uv（u......
  • 微软RDP远程桌面优化
    微软RDP远程桌面优化介绍以下来自了解远程桌面协议(RDP)RDP基于T-120系列协议标准，并且是后者的扩展。支持多通道的协议允许单独的虚拟通道来传送以下信息：演示数据串行设备通信许可信息高度加密的数据，如键盘、鼠标活动RDP是T.Share核心协议的扩展。若干其他功......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99