Redis技术文章
-
- WATCH 事务重试怎么配置或排查
- Redis WATCH 事务被放弃时，不要盲目重试所有错误。本文用 Go 示例说明如何识别 TxFailedErr、保持事务连接、设置退避上限并完成反向验证。
- 数据库 · Redis | 1个月前 | 230浏览 收藏
-
- Redis防止内存碎片：String类型内存分配器选择指南
- Redis的String类型加剧内存碎片是因为频繁SET/GET/APPEND导致jemalloc中大小不一的内存块反复分配释放，旧块无法复用而残留为碎片，表现为mem_fragmentation_ratio>1.5且used_memory_rss远大于used_memory。
- 数据库 · Redis | 5个月前 | 230浏览 收藏
-
- Redis性能问题分析与常见原因解析
- Redis性能瓶颈主要出现在硬件、配置和应用层面。1.硬件层面：内存不足和CPU性能低下可能导致性能问题。2.配置层面：不当的持久化和网络配置会影响性能。3.应用层面：大Key、大Value和不合理缓存策略是常见问题。通过监控和优化，可以有效提升Redis性能。
- 数据库 · Redis | 8个月前 | 230浏览 收藏
-
- RedisSentinel高可用配置详解
- 配置RedisSentinel高可用集群需要以下步骤：1.配置Sentinel节点，使用sentinelmonitor指令监控主节点；2.设置主从节点，确保从节点能自动接管；3.确保网络稳定性，避免误判；4.至少配置三个Sentinel节点保证高可用性；5.谨慎配置故障转移策略，设置超时时间；6.确保数据一致性，通过配置min-slaves-to-write和min-slaves-max-lag减少数据丢失风险；7.调整sentineldown-after-milliseconds参数减少不必要的故障转移
- 数据库 · Redis | 11个月前 | 230浏览 收藏
-
- Redis多线程优化实战！性能提升超乎你想象
- 在多线程环境中优化Redis性能可以通过以下策略：1.使用连接池管理，减少连接开销；2.采用命令批处理减少网络延迟；3.实施数据分片分担负载；4.避免阻塞操作；5.使用锁机制确保数据一致性；6.进行监控与调优以提升性能。
- 数据库 · Redis | 1年前 | 230浏览 收藏
-
- 清空Redis缓存后如何保证数据一致性？
- 在Redis缓存清除后确保数据一致性的方法包括：1.缓存与数据库的双写一致性，通过同时更新数据库和Redis来保证实时性，但需注意写放大和一致性问题；2.缓存失效后重建，适用于读多写少的场景，需防范缓存击穿和数据一致性延迟；3.延迟双删策略，适用于高一致性需求，通过先删除缓存、更新数据库、再延迟删除缓存来解决短暂不一致问题，但增加了系统复杂度。
- 数据库 · Redis | 1年前 | 230浏览 收藏
-
- Redis集群数据分片原理与实战攻略
- Redis集群数据分片的原理是通过哈希槽实现数据的分布式存储。1）Redis集群将键空间划分为16384个哈希槽，每个键通过CRC16校验和后对16384取模，决定所属哈希槽。2）每个Redis节点负责一部分哈希槽，实现数据分片。3）这种设计支持动态调整集群规模，通过迁移部分哈希槽添加或移除节点。
- 数据库 · Redis | 1年前 | 230浏览 收藏
-
- 检查Redis版本及升级指南
- 需要关注Redis的版本更新，因为它能带来性能提升、安全补丁和新功能。检查Redis版本是否需要升级的步骤包括：1.使用命令“redis-cli--version”查看当前版本；2.与Redis官方版本对比；3.评估新功能、性能提升、安全补丁和兼容性；4.遵循备份数据、测试环境、逐步升级和监控日志的最佳实践。
- 数据库 · Redis | 1年前 | 230浏览 收藏
-
- 深度图解 Redis Hash（散列表）实现原理
- 1、是什么Redis Hash（散列表）是一种 field-value pairs（键值对）集合类型，类似于 Python 中的字典、Java 中的 HashMap。一个 field 对应一个 value，你可以通过 field 在 O(1) 时间复杂度查 field 找关联的 fie
- 数据库 · Redis | 3年前 | Redis · redis 230浏览 收藏
-
- 利用Redis实现点赞功能的示例代码
- 提到点赞，大家一想到的是不是就是朋友圈的点赞呀？其实点赞对我们来说并不陌生，我们经常会在手机软件或者网页中看到它，今天就让我们来了解一下它的实现吧。我们常见的设计思路大概
- 数据库 · Redis | 3年前 | redis 230浏览 收藏
-
- Redis BF.SCANDUMP和BF.LOADCHUNK怎样配合迁移过滤器
- RedisBloom 的 BF.SCANDUMP 与 BF.LOADCHUNK 是一对分块迁移命令：源端反复读取迭代器和二进制数据，目标端按相同配对关系装载，直到迭代器返回 0。本文说明命令配合方式、二进制传输和覆盖边界。
- 数据库 · Redis | 1星期前 | Redis · redis RedisBloom BF.SCANDUMP BF.LOADCHUNK 布隆过滤器迁移 229浏览 收藏
-
- Redis缓存穿透解决方案详解
- 缓存空值、布隆过滤器和业务层校验是防御缓存穿透的三层策略：空值需设短过期并避免null值；布隆过滤器须预估容量、全局单例且配合写库更新；业务层应优先校验参数合法性。
- 数据库 · Redis | 4个月前 | 229浏览 收藏
-
- Redis+MySQL双剑合璧：缓存同步这么玩，效率暴涨！
- 确保Redis与MySQL数据一致性的方法是：1.写操作优先写入MySQL，然后异步更新Redis；2.读操作优先从Redis获取数据，若Redis无数据则从MySQL读取并更新Redis。这种方法通过消息队列实现异步更新，确保最终一致性，并提高读操作性能。
- 数据库 · Redis | 1年前 | 229浏览 收藏
-
- Redis延迟队列怎么做？两种实现方式超详细解析
- Redis实现延迟队列主要有两种方式：1.使用ZSet（有序集合）：通过将任务内容作为member、执行时间戳作为score，后台worker线程轮询并处理到期任务，优点是精确性高、可排序、支持并发，缺点是轮询消耗资源、实现复杂；2.使用List结合过期时间：通过设置键的过期时间并监听过期事件触发任务处理，优点是实现简单、资源消耗低，缺点是精确性低、不支持排序、并发性差。选择时应根据业务需求权衡延迟精度、并发量和维护成本，若要求高精度和高并发则选ZSet，若对资源敏感且容忍误差则可用List方案。
- 数据库 · Redis | 1年前 | list zset 异步任务 过期时间 Redis延迟队列 229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。
- 626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
