Python的装饰器
【4月更文挑战第9天】装饰器是Python中用于修改或增强函数功能的特殊函数，接受原函数作为参数并返回新函数。它们允许在不改动原始代码的情况下，添加新功能或行为。
xiaodisec day026
`day26`探讨了Oracle与MongoDB的SQL注入，强调手动注入技巧。尽管`sqlmap`工具不支持NoSQL，它提供了一些选项，如清除缓存(--purge)、查看当前数据库(--current-db)和数据转储(--dump)。通过-r参数可以利用保存在TXT文件中的数据包进行测试，文件内星号(*)标记注入点，例如`username=admin*`。Metasploit Framework（MSF）未详述。
[尚硅谷flink学习笔记] 实战案例TopN 问题
这段内容是关于如何使用Apache Flink解决实时统计水位传感器数据中，在一定时间窗口内出现次数最多的水位问题，即"Top N"问题。首先，介绍了一个使用滑动窗口的简单实现，通过收集传感器数据，按照水位计数，然后排序并输出前两名。接着，提出了全窗口和优化方案，其中优化包括按键分区（按水位vc分组）、开窗操作（增量聚合计算count）和过程函数处理（聚合并排序输出Top N结果）。最后，给出了一个使用`KeyedProcessFunction`进行优化的示例代码，通过按键by窗口结束时间，确保每个窗口的所有数据到达后再进行处理，提高了效率。
【Redis系列笔记】双写一致性
本文讨论了缓存不一致问题及其后果，如价格显示错误和订单计算错误。问题主要源于并发和双写操作的异常。解决方案包括使用分布式锁（但可能导致性能下降和复杂性增加）、延迟双删策略（通过延迟删除缓存来等待数据同步）以及异步同步方法，如通过Canal和MQ实现数据的最终一致性。面试中，可以提及这些策略来确保数据库和缓存数据的一致性。
【Redis系列笔记】缓存三剑客
缓存穿透是指请求一个不存在的数据，缓存层和数据库层都没有这个数据，这种请求会穿透缓存直接到数据库进行查询。它通常发生在一些恶意用户可能故意发起不存在的请求，试图让系统陷入这种情况，以耗尽数据库连接资源或者造成性能问题。
缓存击穿发生在访问热点数据，大量请求访问同一个热点数据，当热点数据失效后同时去请求数据库，瞬间耗尽数据库资源，导致数据库无法使用。
缓存雪崩是缓存中大量key失效后当高并发到来时导致大量请求到数据库，瞬间耗尽数据库资源，导致数据库无法使用。
淘汰算法
【4月更文挑战第21天】这篇内容介绍了两种主流的淘汰算法：LRU（Least Recently Used）和LFU（Least Frequently Used）。LRU基于最近最少使用原则，当缓存满时，淘汰最近最久未使用的键。实现上通常使用链表和Java的LinkedHashMap。而LFU根据访问次数淘汰最不常使用的对象，可以按访问频率排序并选择淘汰。LFU的变种可能关注一定时间窗口内的访问次数，实现上更复杂。