• Redis实战之缓存：查询、添加缓存、更新缓存、缓存预热、缓存穿透、缓存雪崩、缓存击穿 解决方案及实例代码

    缓存

    什么是缓存?

    缓存(Cache), 就是数据交换的缓冲区,俗称的缓存就是缓冲区内的数据,一般从数据库中获取,存储于本地代码。

    为什么要使用缓存？

    • 缓存数据存储于代码中,而代码运行在内存中,内存的读写性能远高于磁盘,缓存可以大大降低用户访问并发量带来的服务器读写压力；
    • 实际开发过程中,企业的数据量,少则几十万,多则几千万,这么大数据量,如果没有缓存来作为"避震器",系统是几乎撑不住的,所以企业会大量运用到缓存技术;
    • 但是缓存也会增加代码复杂度和运营的成本

    在这里插入图片描述

    如何使用缓存？

    • 浏览器缓存：主要是存在于浏览器端的缓存
    • 应用层缓存：可以分为tomcat本地缓存，比如之前提到的map，或者是使用redis作为缓存
    • 数据库缓存：在数据库中有一片空间是 buffer pool，增改查数据都会先加载到mysql的缓存中
    • CPU缓存：当代计算机最大的问题是 cpu性能提升了，但内存读写速度没有跟上，所以为了适应当下的情况，增加了cpu的L1，L2，L3级的缓存
      在这里插入图片描述

    实际开发中,会构筑多级缓存来使系统运行速度进一步提升,本次介绍 redis 中的缓存并发使用。

    查询、添加缓存

    缓存模型和思路

    标准的操作方式就是查询数据库之前先查询缓存，如果缓存数据存在，则直接从缓存中返回，如果缓存数据不存在，再查询数据库，然后将数据存入redis。
    在这里插入图片描述

    更新缓存

    更新策略

    缓存更新是redis为了节约内存而设计出来的一个东西，主要是因为内存数据宝贵，当我们向redis插入太多数据，此时就可能会导致缓存中的数据过多，所以redis会对部分数据进行更新，或者把他叫为淘汰更合适。

    • 内存淘汰：redis自动进行，当redis内存达到咱们设定的max-memery的时候，会自动触发淘汰机制，淘汰掉一些不重要的数据(可以自己设置策略方式)
    • 超时剔除：当我们给redis设置了过期时间ttl之后，redis会将超时的数据进行删除，方便咱们继续使用缓存
    • 主动更新：我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致问题

    数据库缓存不一致解决方案

    由于我们的缓存的数据源来自于数据库,而数据库的数据是会发生变化的,因此,如果当数据库中数据发生变化,而缓存却没有同步,此时就会有一致性问题存在。

    • Cache Aside Pattern： 人工编码方式，缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案
    • Read/Write Through Pattern : 由系统本身完成，数据库与缓存的问题交由系统本身去处理
    • Write Behind Caching Pattern ：调用者只操作缓存，其他线程去异步处理数据库，实现最终一致

    综合考虑使用方案一，Cache Aside Pattern。方案一调用者如何处理呢？

    删除缓存还是更新缓存？
    • 更新缓存：每次更新数据库都更新缓存，无效写操作较多
    • 删除缓存：更新数据库时让缓存失效，查询时再更新缓存
    先操作缓存还是先操作数据库？
    • 先删除缓存，再操作数据库
    • 先操作数据库，再删除缓存
    如何保证缓存与数据库的操作的同时成功或失败？
    • 单体系统，将缓存与数据库操作放在一个事务
    • 分布式系统，利用TCC等分布式事务方案
      在这里插入图片描述

    案例代码

    	/**
     * 查询资源详情
     * @param id
     * @return
     */
    @Override
    public ResModel<Resource> getResource(Integer id) {
        String key = CACHE_RESOURCE_KEY + id;
        //查询缓存
        String json = redisTemplate.opsForValue().get(key);
        if (StrUtil.isNotBlank(json)){//缓存存在
            Resource resource = JSONUtil.toBean(json,Resource.class);
            return ResModel.success(Code.SUCCESS,resource);
        }
        //缓存不存在，查询数据库
        Resource resource = getById(id);
        if (resource==null){
            return ResModel.error(Code.NON_EXISTENT);
        }
        //添加缓存
        redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(resource), Duration.ofMinutes(30));
        return ResModel.success(Code.SUCCESS,resource);
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    	/**
     * 更新资源信息
     * @param resource
     * @return
     */
    public ResModel updateRes(Resource resource) {
        Integer id = resource.getId();
        if (id==null){
            return ResModel.error(Code.FAIL);
        }
        updateById(resource); 
        redisTemplate.delete(CACHE_RESOURCE_KEY+id);
        return ResModel.success(Code.UPDATE,resource);
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14

    缓存预热

    问题分析

    • 请求数量较高
    • 主从之间数据吞吐量较大，数据同步操作频度较高

    解决方案

    前置准备工作：

    • 日常例行统计数据访问记录，统计访问频度较高的热点数据
    • 利用LRU数据删除策略，构建数据留存队列
    • 例如：storm与kafka配合

    准备工作：

    • 将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据
    • 利用分布式多服务器同时进行数据读取，提速数据加载过程
    • 热点数据主从同时预热

    实施：

    • 使用脚本程序固定触发数据预热过程
    • 如果条件允许，使用了CDN（内容分发网络），效果会更好

    总结

    缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！

    缓存穿透

    缓存穿透 ：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。

    常见的解决方案有两种：

    • 缓存空对象
      • 优点：实现简单，维护方便
      • 缺点：
        • 额外的内存消耗
        • 可能造成短期的不一致
    • 布隆过滤
      • 优点：内存占用较少，没有多余key
      • 缺点：
        • 实现复杂
        • 存在误判可能’

    缓存空对象思路分析：当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了。
    布隆过滤：布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，假设布隆过滤器判断这个数据不存在，则直接返回这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突。
    在这里插入图片描述

    总结

    缓存穿透产生的原因是什么？

    • 用户请求的数据在缓存中和数据库中都不存在，不断发起这样的请求，给数据库带来巨大压力

    缓存穿透的解决方案有哪些？

    • 缓存null值
    • 布隆过滤
    • 增强id的复杂度，避免被猜测id规律
    • 做好数据的基础格式校验
    • 加强用户权限校验
    • 做好热点参数的限流

    案例代码

    	/**
     * 查询资源详情
     * @param id
     * @return
     */
    @Override
    public ResModel<Resource> getResource(Integer id) {
        String key = CACHE_RESOURCE_KEY + id;
        //查询缓存
        String json = redisTemplate.opsForValue().get(key);
        if (StrUtil.isNotBlank(json)){//缓存存在
            Resource resource = JSONUtil.toBean(json,Resource.class);
            return ResModel.success(Code.SUCCESS,resource);
        }
        //命中空值
        if (json!=null){
            return ResModel.error(Code.NON_EXISTENT);
        }
        //缓存不存在，查询数据库
        Resource resource = getById(id);
        if (resource==null){
            // 缓存空值解决 缓存穿透，设置较短的过期时间
            redisTemplate.opsForValue().set(key,"",Duration.ofMinutes(2));
            return ResModel.error(Code.NON_EXISTENT);
        }
        //添加缓存
        redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(resource), Duration.ofMinutes(30));
        return ResModel.success(Code.SUCCESS,resource);
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29

    缓存雪崩

    缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

    解决方案：

    • 给不同的Key的TTL添加随机值
    • 利用Redis集群提高服务的可用性
    • 给缓存业务添加降级限流策略
    • 给业务添加多级缓存

    缓存击穿

    缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。

    解决方案：

    • 互斥锁
    • 逻辑过期

    逻辑分析：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法， 那么这些线程都不能从缓存中查询到数据，那么他们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大。

    在这里插入图片描述

    互斥锁

    核心思路：利用 redis 的 setnx 方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。

    在这里插入图片描述

    案例代码
    	/**
     * 互斥锁解决 缓存击穿
     * @param id
     * @return
     */
    public ResModel<Resource> queryWithMutex(Integer id){
        String key = CACHE_RESOURCE_KEY + id;
        //查询缓存
        String json = redisTemplate.opsForValue().get(key);
        if (StrUtil.isNotBlank(json)){//缓存存在
            Resource resource = JSONUtil.toBean(json,Resource.class);
            return ResModel.success(Code.SUCCESS,resource);
        }
        //命中空值
        if (json!=null){
            return ResModel.error(Code.NON_EXISTENT);
        }
        String lockKey=Mutex_KEY+id;
        Resource resource = null;
        try {
            //尝试获得锁
            boolean b = tryLock(lockKey);
            //没有获得锁，重试
            if (!b){
                return queryWithMutex(id);
            }
            //缓存不存在，查询数据库
            resource = getById(id);
            if (resource==null){
                // 缓存空值解决 缓存穿透
                redisTemplate.opsForValue().set(key,"",Duration.ofMinutes(2));
                return ResModel.error(Code.NON_EXISTENT);
            }
            //添加缓存
            redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(resource), Duration.ofMinutes(30));
        } catch (Exception e) {
            throw new RuntimeException(e);
        } finally {
            //释放锁
            unlock(lockKey);
        }
        return ResModel.success(Code.SUCCESS,resource);
    }

    /**
     * 获得锁
     * @param key
     * @return
     */
    private boolean tryLock(String key) {
        Boolean flag = redisTemplate.opsForValue().setIfAbsent(key, "1", Duration.ofSeconds(10));
        return BooleanUtil.isTrue(flag);
    }

    /**
     * 释放锁
     * @param key
     */
    private void unlock(String key) {
        redisTemplate.delete(key);
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61

    逻辑过期

    思路分析：当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。
    在这里插入图片描述

    案例代码
    	 //创建线程池
    private static final ExecutorService THREAD_POOL= Executors.newSingleThreadExecutor();
	/**
     * 逻辑过期时间解决 缓存击穿
     * @param id
     * @return
     */
    public ResModel<Resource> queryWithLogicalExpire(Integer id) {
        String key = CACHE_RESOURCE_KEY + id;
        //查询缓存
        String json = redisTemplate.opsForValue().get(key);
        if (StrUtil.isBlank(json)){//缓存不存在
            return ResModel.error(Code.NON_EXISTENT);
        }
        //缓存存在
        RedisData redisData = JSONUtil.toBean(json, RedisData.class);
        Resource resource = JSONUtil.toBean((JSONObject) redisData.getData(), Resource.class);
        LocalDateTime expireTime = redisData.getExpireTime();
        if (expireTime.isAfter(LocalDateTime.now())){
            //未过期
            return ResModel.success(Code.SUCCESS,resource);
        }
        //过期
        String lockKey=Mutex_KEY+id;
        boolean b = tryLock(lockKey);
        if (b){
            THREAD_POOL.submit(()->{
               try {
                    Resource res = getById(id);
                    RedisData rd = new RedisData();
                    rd.setData(res);
                    //更新逻辑过期时间
                    rd.setExpireTime(LocalDateTime.now().plusMinutes(30));
                    //添加缓存
                    redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(rd));
                } catch (Exception e) {
                    throw new RuntimeException(e);
                } finally {
                    //释放锁
                    unlock(key);
                }
            });
        }
        return ResModel.success(Code.SUCCESS,resource);
    }
     /**
     * 获得锁
     * @param key
     * @return
     */
    private boolean tryLock(String key) {
        Boolean flag = redisTemplate.opsForValue().setIfAbsent(key, "1", Duration.ofSeconds(10));
        return BooleanUtil.isTrue(flag);
    }

    /**
     * 释放锁
     * @param key
     */
    private void unlock(String key) {
        redisTemplate.delete(key);
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62

    封装Redis工具类

    基于StringRedisTemplate封装一个缓存工具类，满足下列需求：

    • 方法1：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间
    • 方法2：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题
    • 方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题
    • 方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题
    • 方法5：根据指定的key查询缓存，并反序列化为指定类型，需要互斥锁解决缓存击穿问题
    @Component
public class CacheClient {
    private final StringRedisTemplate stringRedisTemplate;

	//创建线程池
    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

    public CacheClient(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }

    /**
     * 将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间
     * @param key
     * @param value
     * @param time
     * @param unit
     */
    public void set(String key, Object value, Long time, TimeUnit unit) {
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, unit);
    }

    /**
     * 将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓 存击穿问题
     * @param key
     * @param value
     * @param time
     * @param unit
     */
    public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit) {
        // 设置逻辑过期
        RedisData redisData = new RedisData();
        redisData.setData(value);
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));
        // 写入Redis
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));
    }

    /**
     * 根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决 缓存穿透问题
     * @param keyPrefix key的前缀
     * @param id id
     * @param type 返回值类型
     * @param dbFallback 数据库回调函数
     * @param time 时间
     * @param unit 单位
     * @param  返回值类型
     * @param  id类型
     * @return
     */
    public <R,ID> R queryWithPassThrough(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit){
        String key = keyPrefix + id;
        // 1.从redis查询缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(json)) {
            // 3.存在，直接返回
            return JSONUtil.toBean(json, type);
        }
        // 判断命中的是否是空值
        if (json != null) {
            // 返回空
            return null;
        }
        // 4.不存在，根据id查询数据库
        R r = dbFallback.apply(id);
        // 5.不存在，添加空值缓存
        if (r == null) {
            // 将空值写入redis
            stringRedisTemplate.opsForValue().set(key, "", 2, TimeUnit.MINUTES);
            // 返回空
            return null;
        }
        // 6.存在，写入redis
        this.set(key, r, time, unit);
        return r;
    }

    /**
     * 逻辑过期时间解决 缓存击穿
     * @param keyPrefix key的前缀
     * @param id id
     * @param type 返回值类型
     * @param dbFallback 数据库回调函数
     * @param time 时间
     * @param unit 单位
     * @param  返回值类型
     * @param  id类型
     * @return
     */
    public <R, ID> R queryWithLogicalExpire(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + id;
        // 1.从redis查询缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isBlank(json)) {
            // 3.不存在，直接返回
            return null;
        }
        // 4.命中，需要先把json反序列化为对象
        RedisData redisData = JSONUtil.toBean(json, RedisData.class);
        R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
        LocalDateTime expireTime = redisData.getExpireTime();
        // 5.判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())) {
            // 5.1.未过期，直接返回缓存信息
            return r;
        }
        // 6.已过期，缓存重建
        // 6.1.获取互斥锁
        String lockKey = "lock:" + id;
        boolean isLock = tryLock(lockKey);
        // 6.2.判断是否获取锁成功
        if (isLock){
            // 6.3.成功，开启独立线程，实现缓存重建
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 查询数据库
                    R newR = dbFallback.apply(id);
                    // 重建缓存
                    this.setWithLogicalExpire(key, newR, time, unit);
                } catch (Exception e) {
                    throw new RuntimeException(e);
                }finally {
                    // 释放锁
                    unlock(lockKey);
                }
            });
        }
        // 6.4.返回过期的缓存信息
        return r;
    }

    /**
     * 互斥锁解决 缓存击穿
     * @param keyPrefix key的前缀
     * @param id id
     * @param type 返回值类型
     * @param dbFallback 数据库回调函数
     * @param time 时间
     * @param unit 单位
     * @param  返回值类型
     * @param  id类型
     * @return
     */
    public <R, ID> R queryWithMutex(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + id;
        // 1.从redis查询缓存
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(shopJson)) {
            // 3.存在，直接返回
            return JSONUtil.toBean(shopJson, type);
        }
        // 判断命中的是否是空值
        if (shopJson != null) {
            // 返回空值
            return null;
        }
        // 4.实现缓存重建
        // 4.1.获取互斥锁
        String lockKey = "lock:" + id;
        R r = null;
        try {
            boolean isLock = tryLock(lockKey);
            // 4.2.判断是否获取成功
            if (!isLock) {
                // 4.3.获取锁失败，休眠并重试
                Thread.sleep(50);
                return queryWithMutex(keyPrefix, id, type, dbFallback, time, unit);
            }
            // 4.4.获取锁成功，根据id查询数据库
            r = dbFallback.apply(id);
            // 5.不存在，缓存空值
            if (r == null) {
                // 将空值写入redis
                stringRedisTemplate.opsForValue().set(key, "", 2, TimeUnit.MINUTES);
                // 返回空值
                return null;
            }
            // 6.存在，写入redis
            this.set(key, r, time, unit);
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }finally {
            // 7.释放锁
            unlock(lockKey);
        }
        // 8.返回
        return r;
    }

    /**
     * 尝试获取锁
     * @param key
     * @return
     */
    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }

    /**
     * 释放锁
     * @param key
     */
    private void unlock(String key) {
        stringRedisTemplate.delete(key);
    }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
    • 134
    • 135
    • 136
    • 137
    • 138
    • 139
    • 140
    • 141
    • 142
    • 143
    • 144
    • 145
    • 146
    • 147
    • 148
    • 149
    • 150
    • 151
    • 152
    • 153
    • 154
    • 155
    • 156
    • 157
    • 158
    • 159
    • 160
    • 161
    • 162
    • 163
    • 164
    • 165
    • 166
    • 167
    • 168
    • 169
    • 170
    • 171
    • 172
    • 173
    • 174
    • 175
    • 176
    • 177
    • 178
    • 179
    • 180
    • 181
    • 182
    • 183
    • 184
    • 185
    • 186
    • 187
    • 188
    • 189
    • 190
    • 191
    • 192
    • 193
    • 194
    • 195
    • 196
    • 197
    • 198
    • 199
    • 200
    • 201
    • 202
    • 203
    • 204
    • 205
    • 206
    • 207
    • 208
    • 209
    • 210
    • 211
    • 212
    • 213
  • 相关阅读:
    基于Python实现的Alpha-Beta剪枝算法
    屏幕缩放和注释工具（ZoomIt）
    Ubuntu常见问题及解决办法
    java进阶编程思想（七天）
    Vue插槽slot详解
    【微服务】如何保证接口的幂等性
    vue3 axios
    R语言Sys.Date函数获取当前日期、抽取日期数据中的年、月、日信息、日期在周内第几天、年内第多少天
    记 2022年11月5日 信息安全工程师考试
    Android Studio IDE安装指南
  • 原文地址：https://blog.csdn.net/qq_54429571/article/details/128080195