memcached

DDoS 攻击是网络攻击最常用的方式之一，也是企业发展道路上的阻碍。作为业务发展的巨大隐形“地雷”，企业想要自建 DDoS 防御的技术门槛很高，且建设周期不可控。这给予了安全厂商海量的市场机会，但是在琳琅满目的产品市场中，厂商需要如何快速占领市场，获得客户？知己知彼的需求理解可以打开行业赛道，非常夯实的产品性能可以让自己在赛道上奔跑起来，而如何在弯道上超车则需要更创新的技术产品，以及顺势而为的洞悉布局。 2018，一起 Memcached 反射放大攻击的流量峰值达到了 1.7Tbps，当时很多安全媒体用了核弹级这个词汇，影响程度已经令人咋舌。然而，今年，DDoS 攻击流量峰值再创新高。 DDoS攻击现状 智能技术开启了人类社会发展的崭新一页，生活方式迎来翻天覆地的便捷革命的同时，网络威胁者也露出了更加猖獗的笑容，典型的趋势之一则是：DDoS 攻击的流量峰值从 G 时代正式跨入了 T 时代。 Neustar 公司安全运营中心(SOC)表示，在今年 2月记录了对 Amazon Web Services 客户端的 2.3Tbps 攻击，这是有记录以来最大的体积 DDoS 攻击，持续了五天零十八小时。该事件宣告着 2Tb 级攻击时代正式来临，巨大的破坏力再一次引起人们的注意。 尽管，Tb 级别的 DDoS 攻击事件比较罕见，但令人担忧的是其他流量级别的 DDoS 攻击已经成为一种“常态”。

来源:https://www.cnblogs.com/mr-wuxiansheng/p/12884356.html 作者:Mr_伍先生 本文总结下来主要以下几点： 虽然支持多线程，但默认不开启 配置线程数要小于CPU数 虽然开了多线程，但其实还是单线程处理逻辑，不用担心线程安全问题 多线程主要解决I/O读写瓶颈问题，针对业务量达到亿级的应用，常规项目没有必要使用 Redis 6.0 之前的版本真的是单线程吗？ Redis 在处理客户端的请求时，包括获取（Socket 读）、解析、执行、内容返回（Socket 写）等都由一个顺序串行的主线程处理，这就是所谓的“单线程”。 但如果严格来讲从 Redis 4.0 之后并不是单线程，除了主线程外，它也有后台线程在处理一些较为缓慢的操作，例如清理脏数据、无用连接的释放、大 Key 的删除等等。 Redis 6.0 之前为什么一直不使用多线程？ 官方曾做过类似问题的回复：使用 Redis 时，几乎不存在 CPU 成为瓶颈的情况， Redis 主要受限于内存和网络。 例如在一个普通的 Linux 系统上，Redis 通过使用 Pipelining 每秒可以处理 100 万个请求，所以如果应用程序主要使用 O(N) 或 O(log(N)) 的命令，它几乎不会占用太多 CPU。 使用了单线程后，可维护性高。多线程模型虽然在某些方面表现优异

Solon 详解： Solon详解（一）- 快速入门 Solon详解（二）- Solon的核心 Solon详解（三）- Solon的web开发 Solon详解（四）- Solon的事务传播 Solon详解（五）- Solon扩展机制之Solon Plugin Solon详解（六）- Solon的校验框架使用、定制与扩展 Solon详解（七）- Solon Ioc 的注解对比Spring及JSR330 Solon详解（八）- Solon的缓存框架使用和定制 Solon详解（九）- 渲染控制之定制统一的接口输出 Solon详解（十）- 怎么用 Solon 开发基于 undertow jsp tld 的项目？ solon.extend.data 框加在完成 @Tran 注解的支持同时，还提供了 @Cache、@CachePut、@CacheRemove 注解的支持；可以为业务开发提供良好的便利性 Solon 的缓存注解只支持：Controller 、Service 、Dao 类下的方法。且借签了Weed3的简洁设计方案。 （一）示例 从Demo开始，先感受一把 @Controller public class CacheController { /** * 执行结果缓存10秒，并添加 test_${label} 和 test1 标签 * */ @Cache(tags = "test_$

作者： Geir Hoydalsvik 翻译：管长龙 本文来源：原文翻译 *爱可生开源社区出品 ，原创内容未经授权不得随意使用，转载请联系小编并注明来源。 MySQL 开发团队非常高兴地宣布，MySQL 8.0.22 现在可以下载了。除了 Bug 的修复，此版本中还添加了一些新功能。可以在 8.0.22 发行说明中找到更改和错误修复的完整列表。以下是该版本主要更新。 Perpared Statements 每个 DML 语句预处理一次（WL＃9384） Perpared 语句只在 Perpare 时准备一次，而不是在每次执行时准备一次。同样，存储过程中的语句也将在第一次执行时准备一次。 这项工作的好处是： 性能增强：避免每次执行时进行昂贵的准备； 简化代码：避免繁琐的准备结构回滚。 SHOW PROCESSLIST 重新实现 SHOW PROCESSLIST（WL＃9090） SHOW PROCESSLIST 将作为 PERFORMANCE_SCHEMA 中 processlist 表的视图实现，从 Performance Schema 而不是线程管理器中查询活动线程数据。当前的实现在保持全局互斥的同时，从线程管理器中跨活动线程进行迭代，这在繁忙的系统上可能是令人讨厌的。从 Performance Schema 中聚合相同的信息不会以任何方式影响用户负载。 可以通过系统变量： -

什么是性能 有人说性能就是访问速度快慢，这是最直观的说法，也是用户的真实体验。一个用户从输入网址到按下回车键，看到网页的快慢，这就是性能。对于我们来说，需要去挖掘这个过程，因为这决定我们怎么去做性能优化。 这中间发生了什么？ 用户访问网站的整个流程：用户输入网站域名，通过DNS解析，找到目标服务器IP，请求数据经互联网达到目标服务器，目标服务器收到请求数据，进行处理（执行程序、访问数据库、文件服务器等）。处理完成，将响应数据又经互联网返回给用户浏览器，浏览器得到结果进行计算渲染显示给用户。 我们把整个过程，分为三段路径： 1、第一段在用户和浏览器端，主要负责发出用户请求，以及接受响应数据进行计算渲染显示给用户； 2、第二段在网络上，负责对请求数据、响应数据的传输； 3、第三段在网站服务器端，负责对请求数据进行处理（执行程序、访问数据库、文件等），并将结果返回； 第一路径 第一路径花费的时间包括输入域名发起请求的时间和浏览器收到响应后计算渲染的时间。 输入域名发起请求，实质过程是： 1、用户在浏览器输入要访问的网站域名； 2、本地DNS请求网站授权的DNS服务器对域名进行解析，并得到解析结果即IP地址（并将IP地址缓存起来）。 3、向目标IP地址发出请求。 从这个过程我们可以看到，优化的地方主要是减少DNS解析次数，而如果用户浏览器设置了缓存

前言 flask_session是flask框架实现session功能的一个插件，用来替代flask自带的session实现机制，flask默认的session信息保存在cookie中，不够安全和灵活。 flask的session机制 session是用来干什么的呢？由于http协议是一个无状态的协议，也就是说同一个用户第一次请求和第二次请求是完全没有关系的，但是现在的网站基本上有登录使用的功能，这就要求必须实现有状态，而session机制实现的就是这个功能。 实现的原理: 用户第一次请求后，将产生的状态信息保存在session中，这时可以把session当做一个容器，它保存了正在使用的所有用户的状态信息；这段状态信息分配了一个唯一的标识符用来标识用户的身份，将其保存在响应对象的cookie中；当第二次请求时，解析cookie中的标识符，拿到标识符后去session找到对应的用户的信息。 简单使用 from flask import Flask,session app = Flask(__name__) @app.route('/test1/') def test () : session.setdefault( 'name' , 'xiaoming' ) return 'OK' if __name__ == '__main__' : app.run(host= '127.0.0

缓存设计的误区 我们通常是这样设计的，应用程序先从cache取数据，没有得到，则从数据库中取数据，成功后，放到缓存中。 那试想一下，如果取出来的null，需不需要放入cache呢？答案当然是需要的。 我们试想一下如果取出为null不放入cache会有什么结果？很显然每次取cache没有走db返回null，很容易让攻击者利用这个漏洞搞垮你的服务器，利用洪水攻击让你的程序夯在这个地方导致你的正常流程抢不到资源。 数据库和缓存双写一致性方案解析 在读取缓存方面，大家没啥疑问，都是按照下图的流程来进行业务操作。 但是在更新缓存方面，有以下几种策略： 先更新数据库，再更新缓存 先删除缓存，再更新数据库 先更新数据库，再删除缓存 一般现在采用的是先更新数据库，再删除缓存。 这有篇写的极好的博客可好好学习： 分布式之数据库和缓存双写一致性方案解析 现将主要内容摘录如下： (1)先更新数据库，再更新缓存 这套方案，大家是普遍反对的。为什么呢？有如下两点原因。 原因一（线程安全角度 同时有请求A和请求B进行更新操作，那么会出现 （1）线程A更新了数据库 （2）线程B更新了数据库 （3）线程B更新了缓存 （4）线程A更新了缓存 这就出现请求A更新缓存应该比请求B更新缓存早才对，但是因为网络等原因，B却比A更早更新了缓存。 可能在DB和memcached中具有相同数据项的不同值 。这就导致了脏数据