Bitmap 和 布隆过滤器傻傻分不清？你这不应该啊
大家好，我是小富。本文介绍了 Redis 的 Bitmap 和布隆过滤器的区别与关系，包括它们的底层原理、应用场景及优缺点。Bitmap 以 bit 为单位存储数据，适用于记录二值状态，如用户签到、在线状态等。布隆过滤器通过多个哈希函数优化哈希碰撞问题，适用于大规模数据的快速判断，如缓存穿透、邮箱黑名单过滤等。两者都能高效处理大数据量和高并发场景。
以超卖为例✨各种场景下如何防止并发污染数据？
【10月更文挑战第8天】本文以商品库存扣减为例，探讨了在各种场景下如何防止并发操作导致的数据不一致问题。文章首先介绍了悲观锁和乐观锁的概念，然后分别从Java层面和中间件层面详细讲解了多种解决方案，包括使用synchronized、ReentrantLock、乐观锁（CAS）、数据库乐观锁和悲观锁、分布式锁（如Redis锁）等。最后，针对高并发场景，提出了将数据预热到Redis并使用Lua脚本保证原子性的方法。通过这些方法，可以有效防止超卖等数据污染问题。
SSRF内网打穿相关姿势
本文详细介绍了服务器端请求伪造（SSRF）漏洞，包括其定义、漏洞场景、常见漏洞函数、URL伪协议及其利用方法。通过具体的靶机示例，展示了如何利用SSRF漏洞进行内网探测、命令执行、SQL注入、命令注入、XXE注入、Tomcat任意文件上传和Redis未授权访问等攻击。文章还提供了相关工具和参考资料，帮助读者更好地理解和应对SSRF漏洞。