标签

Redis

袋鼠数据库工具 v9.6.1 上线:把多数据库日常操作收进一个客户端

来源: oschina.net 42
袋鼠数据库工具 v9.6.1 已上线。它定位为一款 AI 驱动的数据库系统客户端,覆盖 MariaDB、MongoDB、MySQL、Oracle、PostgreSQL、Redis、SQLite、SQLServer 等常见数据库,并支持 Windows、macOS、Linux。对开发者来说,这类工具的价值不只是“连上数据库”,而是把建表、查询、模型、同步...

Java 实时系统的事件驱动扩展:Kafka 背后的生产级取舍

来源: infoq.com 25
事件驱动架构很容易被描述成“天然可扩展”:生产者写事件,消费者水平扩容,Kafka 扛住吞吐。但在 Java 实时系统里,真正棘手的问题往往不是消息能不能进队列,而是状态放哪里、分区怎么切、重复事件如何处理、JVM 抖动会不会拖垮实时链路。 这篇文章基于一个 Java/Kafka 联络中心平台的经验展开:系统需要支撑约 80k BHCC(busy ho...

Uber 如何用 250ms 批量窗口让账本系统扛住每秒 30+ 次热账户更新

来源: infoq.com 62
金融账本系统有一个经典难题:某些"热账户"会被大量交易同时写入。一个高频乘客的账户在一秒内可能产生多笔扣款、退款、奖励入账,如果每笔交易都争抢同一行记录的锁,吞吐量很快就会塌方。Uber 在分布式账本基础设施中碰到了这个问题——原来多小时的批处理管道,他们用 250ms 批量窗口 + Redis 协调 + 乐观原子更新这套组合拳,压到了分钟级完成,单账...

Apache bRPC 1.17.0:FlatBuffers 零拷贝、Redis 集群原生通道与 RDMA 扩展齐上阵

来源: oschina.net 36
bRPC 作为百度开源的高性能 C++ RPC 框架,已经在工业级微服务场景中打磨多年。1.17.0 版本不是小修小补——它带来了三个方向上的实质性能力跃迁:序列化零拷贝、协议传输层扩展、以及 RDMA 通信增强。如果你在用 bRPC 做高吞吐服务间调用,这版值得跟进。 FlatBuffers 的设计初衷就是避免序列化时的中间缓冲区分配,但传统 bRP...

企业 AI 的真正瓶颈不在模型,而在语义基础设施

来源: postgr.es 51
过去两年,AI 行业的叙事重心几乎全在模型:哪个 LLM 参数更多、哪个向量数据库更快、哪个编排框架更灵活。但组织真正把 AI 推向生产环境时,撞上的墙往往不是模型能力不足——而是企业数据缺乏机器可读的意义。模型能生成流畅的语言,却无法判断 "active" 在 CRM 里指"可登录"还是在合规系统里指"受监控",更无法自动知道哪张表是权威来源、哪个字...

Redis 8.8 GA:原生 Array、窗口计数器 INCREX 与查询加速

来源: oschina.net 30
Redis 8.8 正式 GA 了。如果你还在跑 8.6,这一版值得认真看——不是小修小补,而是核心数据结构层面的一次补位。Redis 之父 @antirez 亲自下场贡献了 Array 类型,窗口计数器 INCREX 填上了滑动窗口计数的空白,查询层也有多项提速。下面逐项拆开看。 过去在 Redis 里存一组有序元素,你能选的方案都不太舒服:List...

Spring AI 三版本齐发:安全漏洞修复与向量存储关键 Bug 修正

来源: oschina.net 28
Spring AI 同时放出了 1.0.8、1.1.7 和 2.0.0-M7 三个版本,覆盖了维护线、稳定线和前沿里程碑线。这次更新不只是例行修修补补——1.1.7 和 2.0.0-M7 修补了一个编号为 CVE-2026-41863 的安全漏洞,而 1.0.8 则修复了一个让人头疼的数据丢失问题: 在静默删除时只保留了前 10 条消息(issue #...

Shopify 用 MySQL + SKIP LOCKED 替代 Redis 做库存预留——一行 SQL 如何撑住百万级并发

来源: oschina.net 41
买家点下"完成购买"的那几秒,库存预留必须绝对准确:多卖一件,两个订单撞上同一库存,商家被迫取消订单、承担客服成本;少卖一件,页面显示有货却下单失败,白白丢掉一笔成交。在 Shopify 的量级下,这个"几秒窗口"被放大到每秒数万次并发请求,任何锁争用或网络抖动都可能让整条链路崩塌。 Shopify 的工程团队最终做了一个反直觉的决定:把 Redis ...

当 AI 需要长期记忆:为什么 PostgreSQL 正在成为企业记忆基础设施

来源: postgr.es 43
当前的 AI 基础设施讨论几乎被模型、GPU、推理速度和向量数据库占据。这些组件确实重要,但它们掩盖了一个更深的架构问题——随着企业从 AI 实验走向运营系统,这个问题正在快速浮现:记忆。 不是简单存储聊天记录或 embedding 的那种记忆,而是跨长时间交互中维持持久上下文、操作连续性、历史理解、工作流状态、推理可追溯性和业务感知的能力。大多数 A...