news 2026/5/30 12:54:38

一些Redis知识点记录

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
一些Redis知识点记录
Redis

数据存放在内存中,需要配置持久化将数据保存在磁盘上,redis提供两种方式进行持久化:

1、RDB持久化(原理是将Reids在内存中的数据库记录定时dump到磁盘上的RDB持久化)

在指定的时间间隔内将内存中的数据集快照写入磁盘,实际操作过程是fork一个子进程(fork通过系统调用创建一个与原来进程几乎完全相同的进程)先将数据集写入临时文件,写入成功后,再替换之前的文件,用二进制压缩存储。

2、AOF(append only file)持久化(原理是将Reids的操作日志以追加的方式写入文件)

以日志的形式记录服务器所处理的每一个写、删除操作,查询操作不会记录,以文本的方式记录,可以打开文件看到详细的操作记录。

数据类型

1、string 二进制安全的字符串 最大512M

2、list 按照添加顺序保持顺序的字符串列表

3、set 无序的字符串集合,不存在重复元素

4、sort_set 已排序的字符串集合

5、hash key-value

6、bitmap

7、hyperloglog 基于概率的数据结构

缓存雪崩:

在某一个时间段,缓存集中过期失效。

事前:redis 高可用,主从+哨兵,redis cluster,避免全盘崩溃。

事中:本地 ehcache 缓存 + hystrix 限流&降级,避免 MySQL 被打死。

事后:redis 持久化,一旦重启,自动从磁盘上加载数据,快速恢复缓存数据。

缓存穿透:

是指查询一个数据库一定不存在的数据。

从数据库中只要没查到,就写一个空值到缓存里去。

然后设置一个过期时间,下次有相同的 key 来访问的时候,在缓存失效之前,都可以直接从缓存中取数据。

缓存击穿:

是指一个key非常热点,在不停的扛着大并发,大并发集中对这一个点进行访问,

当这个key在失效的瞬间,持续的大并发就穿破缓存,直接请求数据库,就像在一个屏障上凿开了一个洞。

将热点数据设置为永远不过期;或者基于 redis or zookeeper 实现互斥锁,

等待第一个请求构建完缓存之后,再释放锁,进而其它请求才能通过该 key 访问数据。

服务限流其实是指当系统资源不够,不足以应对大量请求,即系统资源与访问量出现矛盾的时候,

为了保证有限的资源能够正常服务,因此对系统按照预设的规则进行流量限制或功能限制的一种方法。

熔断:

系统出现问题时,如果短时间内无法修复,系统要自动做出判断,开启熔断开关,拒绝流量访问,

避免大流量对后端的过载请求。系统也应该能够动态监测后端程序的修复情况,

当程序已恢复稳定时,可以关闭熔断开关,恢复正常服务。

计数器方法:系统维护一个计数器,来一个请求就加1,请求处理完成就减1,当计数器大于指定的阈值(也可以动态阈值),就拒绝新的请求。

队列方法:基于FIFO队列,所有请求都进入队列,后端程序从队列中取出待处理的请求依次处理。(可以设置多个队列以配置不同的优先级)

令牌桶方法:基于一个队列,请求放到队列里面。但除了队列以外,还要设置一个令牌桶,另外有一个脚本以持续恒定的速度往令牌桶里面放令牌,

后端处理程序每处理一个请求就必须从桶里拿出一个令牌,如果令牌拿完了,那就不能处理请求了

服务降级:

将系统的所有功能服务进行一个分级,当系统出现问题,需要紧急限流时,

可将不是那么重要的功能进行降级处理,停止服务,这样可以释放出更多的资源供给核心功能的去用

Redis 主从架构

单机的 redis,能够承载的 QPS 大概就在上万到几万不等。对于缓存来说,一般都是用来支撑读高并发的。

因此架构做成主从(master-slave)架构,一主多从,主负责写,并且将数据复制到其它的 slave 节点,从节点负责读。

所有的读请求全部走从节点。这样也可以很轻松实现水平扩容,支撑读高并发。

redis replication -> 主从架构 -> 读写分离 -> 水平扩容支撑读高并发:

redis 采用异步方式复制数据到 slave 节点,一个 master node 是可以配置多个 slave node,建议必须开启 master node 的持久化.

当启动一个 slave node 的时候,它会发送一个 PSYNC 命令给 master node。

redis主从复制

如果这是 slave node 初次连接到 master node,那么会触发一次 full resynchronization 全量复制。

此时 master 会启动一个后台线程,开始生成一份 RDB 快照文件,

同时还会将从客户端 client 新收到的所有写命令缓存在内存中。

RDB 文件生成完毕后, master 会将这个 RDB 发送给 slave,slave 会先写入本地磁盘,

然后再从本地磁盘加载到内存中,接着 master 会将内存中缓存的写命令发送到 slave,slave 也会同步这些数据。

AI大模型学习福利

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

因篇幅有限,仅展示部分资料,需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

因篇幅有限,仅展示部分资料,需要点击文章最下方名片即可前往获

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。


因篇幅有限,仅展示部分资料,需要点击文章最下方名片即可前往获

四、AI大模型商业化落地方案

因篇幅有限,仅展示部分资料,需要点击文章最下方名片即可前往获

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/22 20:45:36

Open-AutoGLM模型技术白皮书泄露:6大功能让你领先同行三年

第一章:智谱开源Open-AutoGLM模型网址 智谱AI推出的Open-AutoGLM是一款面向自动化自然语言处理任务的开源大模型,旨在降低开发者在构建智能对话、文本生成和语义理解系统时的技术门槛。该模型基于GLM架构进行优化,支持多种下游任务的零样本与…

作者头像 李华
网站建设 2026/5/28 19:01:31

为什么90%的开发者都搞不定Open-AutoGLM连接?真相终于曝光

第一章:为什么90%的开发者都搞不定Open-AutoGLM连接?真相终于曝光许多开发者在尝试集成 Open-AutoGLM 时频繁遭遇连接失败、认证错误或响应超时等问题。根本原因并非技术复杂度本身,而是对核心配置项的理解偏差与环境依赖的忽视。认证机制的常…

作者头像 李华
网站建设 2026/5/24 5:49:51

【Open-AutoGLM进阶之道】:资深专家亲授7个不外传的使用技巧

第一章:智谱清言Open-AutoGLM使用秘诀智谱清言的 Open-AutoGLM 是一款面向自动化自然语言任务的开源大模型工具,支持零样本与少样本学习,适用于文本分类、信息抽取、问答生成等多种场景。通过简洁的 API 接口和灵活的配置方式,开发…

作者头像 李华
网站建设 2026/5/6 17:48:42

Open-AutoGLM连接性能调优全攻略(从入门到专家级实践)

第一章:Open-AutoGLM连接性能调优概述在高并发与大规模数据交互场景下,Open-AutoGLM 框架的连接性能直接影响系统的响应速度与资源利用率。连接性能调优旨在优化客户端与服务端之间的通信机制,降低延迟、提升吞吐量,并确保在负载增…

作者头像 李华
网站建设 2026/5/5 16:46:14

如何使用CMD轻松清理磁盘(已解决)

如果您想提高 Windows 11/10/8/7 计算机的性能,可以清理磁盘以删除不必要的文件、释放空间,甚至永久删除敏感数据。那么,可以使用 CMD(命令提示符)清理磁盘吗?如果是的话,你该怎么做&#xff1f…

作者头像 李华
网站建设 2026/5/22 14:45:47

Open-AutoGLM安全性究竟如何?:5大安全维度全面测评与攻防实战数据曝光

第一章:Open-AutoGLM安全性如何Open-AutoGLM作为一款基于开源架构的自动推理语言模型,其安全性设计贯穿于身份验证、数据传输与执行隔离等多个层面。系统默认采用端到端加密通信,确保用户请求在传输过程中不被窃取或篡改。身份认证机制 系统集…

作者头像 李华