最近，和不少开发者朋友交流的时候，发现大家对Redis的理解似乎还停留在"缓存"的阶段。诚然，Redis作为缓存的强大能力毋庸置疑，但它远不止于此。今天，我们就来一起解锁Redis的更多玩法，看看它在实际项目中到底有哪些应用场景。

在电商平台上，个性化推荐已经成为必不可少的功能：推荐内容既需要符合用户喜好，还需要能实时更新。然而传统的批处理推荐系统依赖定期更新，难以跟上节奏，让用户在浏览新品时常常看到过时的推荐。试想一下，用户刚搜索完跑鞋，系统却还在推荐冬季外套——这很可能降低转化率。

本文将介绍如何构建一个实时推荐引擎，利用

引言

最近做项目，需要做单据编号，格式固定为：单据类型固定前缀+年月日时间戳+4位流水号，要求是每个单据类型的流水号唯一，方便后续业务使用。之前项目中使用的是UUID作为其他业务的单据编号，和组长沟通了一下，项目中有使用Redis，正好使用Redis做更便捷并能解决分布式部署单号唯一问题。

分布式Id也可以用相同的方式处理

公司最近开发了一个新项目，设计表时由于有些字段需要对外展示，所以使用了雪花算法生成的id做主键。

不过有位同事对此提出了异议，认为雪花算法生成的id不是顺序递增的，会对MySQL的性能造成影响。

经过交流，发现持有这种认知的还有好几位同事，估摸着对此有疑问的朋友也不少，所以今天我们来分析一下，

# Redis 入门到精通（九）-- 主从复制（3）

## 一、redis 主从复制-常见问题（1）

# Redis 入门到精通（九）-- 主从复制（2）

## 一、redis 主从复制--数据同步阶段注意事项

在 SpringBoot 中设计一个订单号生成系统,原理,架构与实战

首先，我得考虑订单号的基本要求。通常订单号需要唯一性，不能重复，否则会出大问题。然后可能还要有一定的可读性，比如包含日期、时间或者业务相关的信息。长度也不能太长，大概在15到20位之间比较合适吧。

但凡说起分布式系统，我们肯定会对一些海量级的业务进行分拆，比如：用户表，订单表。因为数据量巨大一张表完全无法支撑，就会对其进行分库分表。但是一旦涉及到分库分表，就会引申出分布式系统中唯一主键ID的生成问题，当我们使用mysql的自增长主键(auto_increment)时，充分感受到了它的好处：整个系统ID唯一，ID是数字类型，而且是趋势递增的，ID简短，查询效率快，在分布式系统中显然由于单点问题无法使用mysql自增长了，此时需要别的解决方案来支撑分布式业务。

前言

分布式ID，在我们日常的开发中，其实使用的挺多的。

有很多业务场景在用，比如：

1. 分布式链路系统的trace_id
2. 单表中的主键
3. Redis中分布式锁的key