设置log缓存_带你搞明白什么是缓存穿透、缓存击穿、缓存雪崩
推荐学习
- 都是“Redis惹的祸”,害我差点挂在美团三面,真是“虚惊一场”
- 一问Kafka就心慌?我却凭着这份《Kafka源码实战》碾压面试官!
缓存是互联网开发中必不可少的一部分,它能降低我们数据库的并发数,提高我们系统的性能,比如我们经常使用的redis、emCached等等,其中redis应该是大部分的人选,为什么?因为速度快,易上手,是很多开发者的首选,但是缓存同样存在这问题,如果使用的不恰当,也可能会造成非常严重的后果,这时候你可能就会有疑问,缓存只是存储一些数据而已,怎么会造成严重的后果呢?下面我就带大家一起来分析分析。
什么是缓存
缓存(cache),原始意义是指访问速度比一般随机存取存储器(RAM)快的一种高速存储器,通常它不像系统主存那样使用DRAM技术,而使用昂贵但较快速的SRAM技术。缓存的设置是所有现代计算机系统发挥高性能的重要因素之一。比如我们的redis、他就是缓存中比较常见的一种,他的并发读写能力能达到10w/s左右的速度,这个速度是相当不错的,相对于传统的数据存储来说,比如数据库,快了不知道多少倍,传统的数据库(mysql)操作的都是磁盘,而redis操作的是内存(ram),所以他们的速度肯定是没法比较的,由于传统数据库的读写较慢,所以并发较高的时候就会造成性能瓶颈问题,这也是为什么需要引入缓存的原因之一。
人在地上走,锅从天上来
我是一个快乐的程序狗,每天最快乐的事情就是codding,最大的愿望就是能准时6点下班,然后回家,但是今天肯定是走不了了,现在是17:30,我们的测试小哥哥给我提了一个很诡异的bug,难受啊,我的准时下班梦,但是作为一个程序狗,肯定都有着一颗和bug战斗到底的决心,究竟是什么bug呢?bug是这样的:并发请求订单信息,没过几秒就抛出系统错误。这个bug看着没几个字,但是一看就知道不好解决,尤其是像这种并发bug,能让人瞬间白了头,随后我找到了测试,让他们复现了这个神秘的bug,而我也找到了产生这个bug的来源,并且快速的修复了他,到底是什么问题呢?是因为小明(同事)在编写代码的时候考虑的不是很周全导致的,所以开发一定要想仔细了再动手,否则吃亏的就是自己啊。
缓存穿透
什么是缓存穿透
缓存穿透指的是:同一时刻,大量的并发请求数据库中不存在的信息,他既不会命中缓存,也不会命中数据库,但是他会查找数据库。上面的bug也是因为它产生的,测试的小哥哥查询的订单都是数据库不存在的,所以这个时候这些并发请求都不会命中缓存(redis),将直达数据库(mysql),由于大量的并发请求到达数据库,而数据库承受不住这么高的并发,从而导致数据库奔溃,这就是缓存穿透。重现bug1.新建数据表:订单表,结构如下:
2.编写测试代码OrderBo.java
package com.ymy.bo;import lombok.Data;import java.io.Serializable;import java.math.BigDecimal;@Datapublic class OrderBo implements Serializable { /** * 自增id */ private Long id; /** *订单编号 */ private Long orderCode; /** *订单价格 */ private BigDecimal orderPrice; /** *商品名称 */ private String peoductName; /** *创建时间 */ private String createTime;}
OrderController.java
package com.ymy.controller;import com.ymy.bo.OrderBo;import com.ymy.service.OrderService;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RequestMethod;import org.springframework.web.bind.annotation.RequestParam;import org.springframework.web.bind.annotation.RestController;@RestControllerpublic class OrderController { private OrderService orderService; public OrderController(OrderService orderService){ this.orderService = orderService; } @RequestMapping(value = "/detail",method = RequestMethod.GET) public OrderBo getDetail(@RequestParam("id") Long id){ return orderService.getDetail(id); }}
OrderService.java
package com.ymy.service;import com.ymy.bo.OrderBo;import com.ymy.mapper.OrderMapper;import lombok.extern.slf4j.Slf4j;import org.springframework.data.redis.core.RedisTemplate;import org.springframework.stereotype.Service;@Service@Slf4jpublic class OrderService { private RedisTemplate redisTemplate; private OrderMapper orderMapper; public OrderService(RedisTemplate redisTemplate,OrderMapper orderMapper){ this.redisTemplate = redisTemplate; this.orderMapper = orderMapper; } /** * 通过id查询订单详情 * @param id * @return */ public OrderBo getDetail(Long id) { //缓存中查询词词订单 OrderBo orderBo = (OrderBo) redisTemplate.opsForValue().get("order:" + id); if(orderBo != null ){ log.info("缓存中查询到了信息,直接返回:{}",orderBo); return orderBo; } log.info("前往数据库查询"); orderBo = orderMapper.getDetail(id); if(orderBo != null ){ //将数据保存到数据库,有效时间一小时 redisTemplate.opsForValue().set("order:" + id,orderBo,3600,TimeUnit.SECONDS); log.info("数据已经存入缓存"); } return orderBo; }}
OrderMapper.java
package com.ymy.mapper;import com.ymy.bo.OrderBo;import org.apache.ibatis.annotations.Mapper;import org.apache.ibatis.annotations.Select;@Mapperpublic interface OrderMapper { /** * 通过订单id查询订单信息 * @param id * @return */ @Select(" select id,order_code as orderCode,order_price as orderPrice,peoduct_name as peoductName,create_time as createTime from orders where id = #{id} ") OrderBo getDetail(Long id);}
RedisConfig.java
package com.ymy.config;import com.fasterxml.jackson.annotation.JsonAutoDetect;import com.fasterxml.jackson.annotation.PropertyAccessor;import com.fasterxml.jackson.databind.ObjectMapper;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;import org.springframework.data.redis.connection.RedisConnectionFactory;import org.springframework.data.redis.core.RedisTemplate;import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;import org.springframework.data.redis.serializer.StringRedisSerializer;@Configurationpublic class RedisConfig { @Bean public RedisTemplate redisTemplate(RedisConnectionFactory redisConnectionFactory) { RedisTemplate redisTemplate = new RedisTemplate<>(); redisTemplate.setConnectionFactory(redisConnectionFactory); // 使用Jackson2JsonRedisSerialize 替换默认序列化 Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class); ObjectMapper objectMapper = new ObjectMapper(); objectMapper.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY); objectMapper.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL); jackson2JsonRedisSerializer.setObjectMapper(objectMapper); // 设置value的序列化规则和 key的序列化规则 redisTemplate.setKeySerializer(new StringRedisSerializer()); redisTemplate.setValueSerializer(jackson2JsonRedisSerializer); redisTemplate.setHashKeySerializer(new StringRedisSerializer()); redisTemplate.setHashValueSerializer(jackson2JsonRedisSerializer); redisTemplate.afterPropertiesSet(); return redisTemplate; }}
上面的代码实现的功能很简单,通过订单id查询订单详情,不过查询的循序是先查缓存,如果缓存没有数据,在查询数据库,大致流程图如下:
这个过程很简单,看上去没有什么问题,如果你仔细观察的话就会发现一个致命的问题,就是刚刚说的缓存穿透问题,我们来做个实验。
我在数据库提前添加了一条数据,信息如下:
在这里插入图片描述
正常情况:查询id等于1的订单信息。
第一次:
在这里插入图片描述
2020-04-19 15:55:35.564 INFO 20188 --- [nio-9900-exec-1] com.ymy.service.OrderService : 前往数据库查询2020-04-19 15:55:35.675 INFO 20188 --- [nio-9900-exec-1] com.ymy.service.OrderService : 数据已经存入缓存
由于是第一次查询,所以缓存中不会存在数据,请求直接到达了数据库,并且获取到了id为1的数据,并且将数据添加到了缓存。
第二次查询id等于1的数据
2020-04-19 15:57:47.879 INFO 20188 --- [nio-9900-exec-5] com.ymy.service.OrderService : 缓存中查询到了信息,直接返回:OrderBo(id=1, orderCode=202004191416, orderPrice=3299.00, peoductName=iphone se2, createTime=2020-04-19 14:17:07)
我们发现他直接命中了缓存,直接返回,这是正常情况,那如果非正常情况呢?比如查询的订单id=-1呢?这个时候会发生什么事情?http://localhost:9900/detail?id=-1
看到没有,请求全都进入数据库了,这种情况是肯定不被允许的,如果你的程序中存在这种情况,一定要赶紧修改,否则有可能会让一些心怀不轨的人直接将数据库的服务搞宕机,那这种问题如何解决呢?
解决方案
将空数据存入缓存
什么意思呢?简单点来说,不管数据库中有没有查询到数据,都往缓存中添加一条数据,这样下次请求的时候就会直接在缓存中返回,这种方式比较简单粗暴,我们一起看看如何实现。
代码改造:
OrderService.java
public OrderBo getDetail(Long id) { //缓存中查询词词订单 Object obj = redisTemplate.opsForValue().get("order:" + id); if(obj != null ){ String data = obj.toString(); log.info("缓存中查询到了信息,直接返回:{}",data); return "".equals(data) ? null : (OrderBo) obj; } log.info("前往数据库查询"); OrderBo orderBo = orderMapper.getDetail(id); if(orderBo != null ){ //将数据保存到数据库,有效时间一小时 redisTemplate.opsForValue().set("order:" + id,orderBo,3600,TimeUnit.SECONDS); log.info("数据已经存入缓存"); }else { redisTemplate.opsForValue().set("order:" + id,"",300,TimeUnit.SECONDS); log.info("数据库中不存在此数据,但是为了防止缓存穿透,存入一条空数据到缓存中"); } return orderBo; }
往缓存中添加数据的时候一定要注意值的问题,请看我这里,我添加的是一个空字符串,并不是null,是因为我判断的条件是缓存中!=null就直接返回,如果你往缓存中添加一条null的数据,这个时候就会和你的判断起冲突,又会进入到数据库了,所以这点需要特别注意,我们来看测试:第一次请求:http://localhost:9900/detail?id=-1
2020-04-19 16:23:21.520 INFO 16596 --- [nio-9900-exec-6] com.ymy.service.OrderService : 前往数据库查询2020-04-19 16:23:21.577 INFO 16596 --- [nio-9900-exec-6] com.ymy.service.OrderService : 数据库中不存在此数据,但是为了防止缓存穿透,存入一条空数据到缓存中
第二次请求:http://localhost:9900/detail?id=-1
2020-04-19 16:24:25.855 INFO 16596 --- [nio-9900-exec-9] com.ymy.service.OrderService : 缓存中查询到了信息,直接返回:
这个时候请求命中了缓存,就不会前往数据库中了,但是这个需要注意一点:空值的过期时间不能设置的太长,什么意思呢?设想一下,我们现在数据库中只有id=1的数据,我们查询id=2也会往缓存中插入一条数据,但是这个时候数据库中新增了一条订单id=2,用户下次查询的时候看到你存储在缓存中中的数据,接直接回了空,但是数据库中明明已经添加了这条数据,这就是为什么过期时间不要设置太久的原因,当然了,我们也需要分情况考虑,比如查询id<=0的,我们都可以考虑永久存入缓存或者设置很长的过期时间,推荐设置很长的过期时间,为什么呢?因为订单id不存在会<=0,但是对于>=0,我们可以将过期时间设置为30秒等等,这个看业务需求即可。
布隆过滤器
布隆过滤器(Bloom Filter)是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多,缺点是有一定的误识别率和删除困难。这个算法实现起来比上面第一种稍微复杂一点,这里就不具体说明了,如果感兴趣的话可以百度自行了解一下,不是很难。
缓存击穿
什么是缓存击穿
缓存击穿是指热点key在某个时间点过期的时候,而恰好在这个时间点对这个Key有大量的并发请求过来,从而大量的请求打到db(数据库)。这个也不难理解,和缓存穿透有点像但是性质又不相同,都是缓存中没有数据,请求命中数据库,缓存穿透指的是数据库中不存在的数据,缓存击穿则是指缓存失效的问题。,这种情况不太好模拟,我们可以直接将缓存中数据清空,替代缓存数据过期。代码还是上面的代码,不做任何修改,不过我们不再使用postman测试,而是采用jemter,首先我们删除缓存中的数据,模拟key已经过期,我们查询id=1的订单详细信息,但需要注意的是,我并不是发一个请求,而是100个同时请求,会发生什么呢?线程数:
Http请求信息
聚合报告
我们发现100个并发请求全部成功,异常率为0,接下来就是重点了,控制台会打印什么呢?
这就是缓存击穿,是不是很恐怖,虽然命中数据库的次数不是很多,那是因为我们的并发请求不是很大,像双十一这种并发,如果存在这种问题,数据库可能撑不过3秒就炸了。
解决方案
自动更新
什么是自动更新呢?这个有点类似与jwt的自动刷新token机制,jwt的自动刷新token实现原理大致为:请求的时候判断一下token的剩余有效时间,如果有效时间小于设定的时间,那么jwt将生成一个新的token,然后再将次token重新设置过期时间,并将新的token返回给前端使用,这个也可以参考一下,redis是支持查询某个key剩余有效时间,所以这里我们只需要设定一个时间差,比如3分钟,请求的时候查询的有效时间如果小于3分钟,那么刷新这个key的有效时间,刷新这个操作可以使用异步实现(提高性能)。可能你想到了,这种方式存在缺陷,没错,如果再快失效的3分钟内没有请求,那么缓存中的key将不会被刷新,还是会存在缓存击穿的问题,所以这种方式不是特别推荐
定时刷新
定时刷新有两种方案
第一种:定时任务查询快要过期的key,更新内容,并刷新有效时间,这种比较消耗服务器性能,也不是特别推荐。第二种:延迟队列如果大家了解它的话可能一下就知道我说的是什么意思了,将数据存入缓存的那一刻同时发送一个延迟队列(安指定时间消费),时间小于缓存中key的过期时间,到了指定时间,消费者刷新key的有效时间再发送一个延迟队列,以此循环,这种方式还是不错的,但是实现方式相对于第一种来说就要复杂一点了,他需要依靠消息中间件来完成,如果消息中间件某个时间宕机,那就gg了,虽然这种方式虽然比较推荐,但是成本偏高,因为为了防止消息中间件宕机,我们有可能需要对消息中间件做集群处理。
程序加锁
我个人推荐使用这个,为什么呢?因为它不需要额外的服务器开销,也不需要额外的资源消耗,他仅仅只是让线程串行而已,但是这个时候你可能就会有疑问了,加锁不是会严重影响程序的效率吗?为什么你还推荐这种方式呢?其实并不是所有的锁都会很大的降低程序的性能,这里我们当然不能使用synchronized,原因很简单,他的效率比较慢,不太适合这种情况,我要介绍的这种锁名字为:读写锁。
好了,我们一起来改造一下之前的代码OrderService.java
package com.ymy.service;import com.ymy.bo.OrderBo;import com.ymy.mapper.OrderMapper;import lombok.extern.slf4j.Slf4j;import org.springframework.data.redis.core.RedisTemplate;import org.springframework.stereotype.Service;import java.util.concurrent.TimeUnit;import java.util.concurrent.atomic.AtomicInteger;import java.util.concurrent.locks.Lock;import java.util.concurrent.locks.ReadWriteLock;import java.util.concurrent.locks.ReentrantReadWriteLock;@Service@Slf4jpublic class OrderService { private RedisTemplate redisTemplate; private OrderMapper orderMapper; private static final AtomicInteger count = new AtomicInteger(0); private static final ReadWriteLock readWriteLock = new ReentrantReadWriteLock(); public OrderService(RedisTemplate redisTemplate, OrderMapper orderMapper) { this.redisTemplate = redisTemplate; this.orderMapper = orderMapper; } /** * 通过id查询订单详情 * * @param id * @return */ public OrderBo getDetail(Long id) { int num = count.incrementAndGet(); //获取读锁 Lock readLock = readWriteLock.readLock(); try { readLock.lock(); //缓存中查询订单信息 log.info("前往缓存中查询信息,第一次,这是第:{}次请求",num); Object obj = redisTemplate.opsForValue().get("order:" + id); if (obj != null) { String data = obj.toString(); log.info("缓存中查询到了信息,直接返回:{}", data); return "".equals(data) ? null : (OrderBo) obj; } log.info("没有在缓存中获取到数据,即将前往数据库获取,这是第:{}次请求",num); } finally { //释放读锁 readLock.unlock(); } //获取写锁 Lock writeLock = readWriteLock.writeLock(); try{ writeLock.lock(); //缓存中查询订单信息 log.info("第二次前往缓存中查询信息,这是第:{}次请求",num); Object obj = redisTemplate.opsForValue().get("order:" + id); if (obj != null) { String data = obj.toString(); log.info("缓存中查询到了信息,直接返回:{}", data); return "".equals(data) ? null : (OrderBo) obj; } log.info("前往数据库查询,这是第:{}次请求",num); OrderBo orderBo = orderMapper.getDetail(id); log.info("数据库返回的数据:{},这是第:{}次请求",orderBo,num); if (orderBo != null) { //将数据保存到数据库,有效时间一小时 redisTemplate.opsForValue().set("order:" + id, orderBo, 3600, TimeUnit.SECONDS); log.info("数据已经存入缓存,这是第:{}次请求",num); } else { redisTemplate.opsForValue().set("order:" + id, "", 300, TimeUnit.SECONDS); log.info("数据库中不存在此数据,但是为了防止缓存穿透,存入一条空数据到缓存中,这是第:{}次请求",num); } return orderBo; }finally { writeLock.unlock(); } }}
加了读写锁之后我们一起来看看控制台的输出结果:
这只是其中一部分,由于输出的内容过长我就不全部展示出来了,我们这里需要关注的只有一个,数据库查询了多少次?我们将控制台日志拷贝到notepad++中,搜索“数据库返回的数据”,请看结果:
我们可以看到,查询数据库的操作只有一处,但是查询缓存的确实并发执行的,这就是为什么我推荐使用读写锁的原因,读写锁中读锁和写锁是互斥的,你觉得这样速度还是不够快,能不能读锁和写锁并行?答案是肯定的
缓存雪崩
什么是缓存雪崩
缓存雪崩是指缓存中数据大批量到过期时间,而查询数据量巨大,引起数据库压力过大甚至宕机。为什么会出现大批量的key过期呢?是不是我们设置了相同的过期时间导致的?
解决方案
随机设置过期时间
这个随机时间并不是真正的随机时间,而是指在原来过期时间的基础上生成一个随机时间,这个随机时间比较小,然后两者相加即可
设置永久有效
将一些常用的数据设置成为永久有效,注意哦,是经常使用的而不是全部,这点需要特别注意。
总结
什么是缓存穿透?
同一时刻,大量的并发请求数据库中不存在的信息,他既不会命中缓存,也不会命中数据库,但是他会查找数据库。
什么是缓存击穿?
缓存击穿是指热点key在某个时间点过期的时候,而恰好在这个时间点对这个Key有大量的并发请求过来,从而大量的请求打到db(数据库)。
什么是缓存雪崩?
缓存中数据大批量到过期时间,而查询数据量巨大,引起数据库压力过大甚至宕机并不是只有上面几种解决方案,这里我只是讲解了几种常用的解决方案,在日常开发中我们可以根据实际的业务需求进行选择,没有最好的,只有最适合自己的,所以不一定要选择最牛逼的解决方案,但是一定要选择最适合项目的解决方案。
作者:卖托儿索的小火柴
原文链接:https://blog.csdn.net/qq_33220089/article/details/105614087
设置log缓存_带你搞明白什么是缓存穿透、缓存击穿、缓存雪崩相关推荐
- mysql缓存怎么防止缓存击穿_带你搞明白什么是缓存穿透、缓存击穿、缓存雪崩...
目录什么是缓存 人在地上走,锅从天上来 缓存穿透什么是缓存穿透 解决方案将空数据存入缓存 布隆过滤器 缓存击穿什么是缓存击穿 解决方案自动更新 定时刷新 程序加锁 缓存雪崩什么是缓存雪崩 解决方案随机 ...
- 牛逼,三句话搞懂 Redis 缓存穿透、击穿、雪崩!
前言 如何有效的理解并且区分 Reids 穿透.击穿和雪崩之间的区别,一直以来都挺困扰我的.特别是穿透和击穿,过一段时间就稀里糊涂的分不清了. 为了有效的帮助笔者自己,以及拥有同样烦恼的朋友们区分这三 ...
- Redis 缓存穿透、击穿、雪崩现象及解决方案
前言 如何有效的理解并且区分 Reids 穿透.击穿和雪崩 缓存穿透 关键词:穿过 Redis 和数据库 当 Redis 和数据库中都没有我们想要的数据时,就需要考虑缓存穿透的问题了.下面这段逻辑大家 ...
- Redis缓存知识-穿透、击穿、雪崩
目录 一.Redis介绍 二.Redis做缓存服务器 三.缓存穿透&击穿&雪崩 1.缓存穿透 2.缓存击穿 3.缓存雪崩 大家好,我是杨叔.每天进步一点点,关注我的微信公众号[程序员杨 ...
- Redis应用问题解决(缓存穿透、击穿、雪崩、分布式锁)
Redis应用问题解决(缓存穿透.击穿.雪崩.分布式锁) 缓存穿透 问题描述 当系统中引入redis缓存后,一个请求进来后,会先从redis缓存中查询,缓存有就直接返回,缓存中没有就去db中查询,db ...
- 带你搞明白什么是缓存穿透、缓存击穿、缓存雪崩
文章开始之前先做个找工作的介绍吧,由于这次疫情影响,我一个UI朋友的公司破产之后他现在处于找工作阶段,一直没有找到自己合适的,三年工作经验左右,坐标深圳,如果有招UI的朋友可以联系我. 作品: htt ...
- int** 赋值_一篇文章搞明白Integer、new Integer() 和 int 的概念与区别
基本概念的区分 1.Integer 是 int 的包装类,int 则是 java 的一种基本数据类型 2.Integer 变量必须实例化后才能使用,而int变量不需要 3.Integer 实际是对象的 ...
- webpack打包缓存_【第835期】Webpack 的静态资源持久缓存
原标题:[第835期]Webpack 的静态资源持久缓存 前言 你现在还在休假吗?早读课节前以web pack漫谈结尾,今年就以web pack开始吧.今日早读文章由众成翻译@yanni4night带 ...
- 缓存穿透、击穿、雪崩什么的傻傻分不清楚?看了这篇文后,我明白了
对于缓存,大家肯定都不陌生,不管是前端还是服务端开发,缓存几乎都是必不可少的优化方式之一.在实际生产环境中,缓存的使用规范也是一直备受重视的,如果使用的不好,很容易就遇到缓存击穿.雪崩等严重异常情景, ...
最新文章
- 如何python安装hadoop_使用Python操作Hadoop,Python-MapReduce
- android 如何做记住密码
- centos7设置成文件服务器,CentOS7服务器架设ftp过程
- realloc invalid pointer错误解析
- python中大于0的元素全部转化为1,小于0的元素全部转化为0的代码
- Spring 5 新功能:函数式 Web 框架
- Pymol教程--安装
- 在ourdev上看的一个帖子
- 彼得·林奇迄今最珍贵的一次演讲
- python将姓王的都改成老王_全域明星-第46章:校长姓王,隔壁老王?-爱阅小说网...
- vue字符串生成二维码的相关组件
- 用python画星空-用python画星空源代码是什么?
- 云上部署oracle rac,在青云上部署oracle rac全过程
- html5怎么有漂浮的效果,实现元素漂浮在水面特效的jQuery插件
- 一场虚拟现实密室逃脱冒险,让你见识科技新加坡
- 树莓派python3的opencv下载(编译失败第六步必看)
- 解决WIN/MAC平台谷歌浏览器/Chrome添加插件安装时显示程序包无效:CRX_HEADER_INVALID的问题
- 路由传参的三种方式(query/params)
- least(exp1,exp2,exp3,……,expn)
- 广东迅视资管 有温度更要守法度
热门文章
- IO:Reactor设计模式
- 【Python】青少年蓝桥杯_每日一题_12.11_开关灯问题
- 【Python】青少年蓝桥杯_每日一题_6.11_打印星号
- android ext3 格式化,怎样将TF卡格式化为EXT分区?
- 数据中心在疫情期间发挥的作用
- Equinix 位于伦敦的LD8数据中心发生严重故障
- 网络的概念与网络的基本分类
- 区块链太太太太太难了,我花了一分钟才搞懂!
- 亚马逊部分 AWS DNS 系统遭 DDoS 攻击,已达数小时之久
- html5 video标签不能播放视频,h5 video 视频不能正常播放