Redis技术文章
-
- Redis列表优化消息队列应用
- Redis列表在消息队列中的应用可以通过以下优化措施提升性能和可靠性：1.启用持久化机制（AOF或RDB）确保消息不丢失；2.使用BRPOP命令提高消费者的响应性和降低系统负载；3.通过多个列表模拟优先级队列处理不同优先级的消息；4.设置键的过期时间或在消息中加入时间戳管理消息的生命周期；5.利用批量操作减少网络开销，提升系统性能。
- 数据库 · Redis | 1年前 | 232浏览 收藏
-
- Redis中的BigKey问题排查与解决思路详解
- 摘要 Redis是一款性能强劲的内存数据库，但是在使用过程中，我们可能会遇到Big Key问题，这个问题就是Redis中某个key的value过大，所以Big Key问题本质是Big Value问题，导致Redis的性能下降或者崩溃
- 数据库 · Redis | 3年前 | redis 232浏览 收藏
-
- redis延迟双删策略示例讲解
- 在当前环境下，通常我们会首选redis缓存来减轻我们数据库访问压力。但是也会遇到以下这种情况：大量用户来访问我们系统，首先会去查询缓存， 如果缓存中没有数据，则去查询数据库，然后
- 数据库 · Redis | 3年前 | redis 232浏览 收藏
-
- redis数据倾斜处理方法
- 写在前面 我们在使用Redis分片集群时，集群最好的状态就是每个实例可以处理相同或相近比例的请求，但如果不是这样，则会出现某些实例压力特别大，而某些实例特别空闲的情况发生，本文就
- 数据库 · Redis | 3年前 | redis 232浏览 收藏
-
- Redis与Memcached区别详解及选型推荐
- Redis和Memcached的主要区别在于功能和适用场景。1)Redis提供丰富的数据结构和持久化功能，适合复杂数据处理和需要数据持久化的场景。2)Memcached专注于简单、高效的键值存储，适用于快速缓存需求。选择时需考虑数据复杂性、持久化需求、性能要求和扩展性。
- 数据库 · Redis | 1年前 | 231浏览 收藏
-
- RedisSet集合搞定数据去重，超简单超高效！
- 选择Redis集合实现数据去重是因为其支持快速插入和查找，且自动去重。1）Redis集合基于有序无重复元素的集合结构，适用于需要快速插入和查询的场景。2）但需注意其内存使用，因为每个元素占用内存。3）可通过分片存储、定期清理和结合其他存储优化使用。
- 数据库 · Redis | 1年前 | 231浏览 收藏
-
- 怎么用php+redis实现乐观锁
- header(“content-type:text/html;charset=utf-8”);$redis=newredis();$result=$redis->connect(‘127.0.0.1’,6379);$mywatchkey=$redis->get(“”);$rob_total=10;//抢购数量if($mywatchkeywatch(“mywatchkey”);$redis->multi();//设置延迟，方便测试效果。sleep(5);//插入抢购数据$redis->hSet(“mywat
- 数据库 · Redis | 3年前 | php redis 231浏览 收藏
-
- redis快照模式_动力节点Java学院整理
- 我们知道redis是带有持久化这个能力了，那到底持久化成到哪里，持久化成啥样呢？？？这篇我们一起来寻求答案。 一、快照模式 或许在用Redis之初的时候，就听说过redis有两种持久化模式
- 数据库 · Redis | 3年前 | redis 231浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 587次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 625次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 660次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 629次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 444次使用
