当前位置: 首页 > news >正文

Redis7之介绍(一)

1. 是什么

Redis:REmote Dictionary Server(远程字典服务器)

Remote Dictionary Server( 远程字典服务)是完全开源的,使用ANSIC语言编写遵守BSD协议,是一个高性能的Key-Value数据库提供了丰富的数据结构,例如String、Hash、List、Set、SortedSet等等。数据是存在内存中的,同时Redis支持事务、持久化、LUA脚本、发布/订阅、缓存淘汰、流技术等多种功能特性提供了主从模式、Redis Sentinel和Redis Cluster集群架构方案

 

2. 能干吗

2.1 主流功能与应用

1.  分布式缓存,挡在mysql数据库之前的带刀护卫

与传统数据库关系(mysql)

Redis是key-value数据库(NoSQL一种),mysql是关系数据库

Redis数据操作主要在内存,而mysql主要存储在磁盘

Redis在某一些场景使用中要明显优于mysql,比如计数器、排行榜等方面

Redis通常用于一些特定场景,需要与Mysql一起配合使用

两者并不是相互替换和竞争关系,而是共用和配合使用


2. 内存存储和持久化(RDB+AOF)redis支持异步将内存中的数据写到硬盘上,同时不影响继续服务

3. 高可用架构搭配, 单机,主从,哨兵,集群

4. 缓存穿透,击穿,雪崩

5. 分布式锁

6. 队列

Reids提供list和set操作,这使得Redis能作为一个很好的消息队列平台来使用。

我们常通过Reids的队列功能做购买限制。比如到节假日或者推广期间,进行一些活动,

对用户购买行为进行限制,限制今天只能购买几次商品或者一段时间内只能购买一次。也比较适合适用。

7. 排行版+点赞

在互联网应用中,有各种各样的排行榜,如电商网站的月度销量排行榜、社交APP的礼物排行榜、小程序的投票排行榜等等。Redis提供的zset数据类型能够快速实现这些复杂的排行榜。

比如小说网站对小说进行排名,根据排名,将排名靠前的小说推荐给用户
 

2.2 总体概述

 

2.3 优势

1. 性能极高 - Redis能读的速度是110000次/秒,写的速度是81000次/秒

2. Redis数据类型主富,不仅仅支持简单的key-value类型的数据同时还提供list,set,zset,hash等数据结构的存储

 

3. Redis支持数据的持久化,可以将内存中的数据保持在磁盘中重启的时候可以再次加载进行使用

4. Redis支持数据的备份,即master-slave模式的数据备份

2.4 小总结

3. 去哪下载

3.1 官网地址

英文文档

1. https://redis.io

中午文档

2. http://www.redis.cn

3. http://www.redis.com.cn/documentation.html

3.2 下载安装包

https://redis.io.download
本次使用redis7

 
redis6安装如下

 

3.3 其他文档资料

1. redis源码地址

https://github.com/redis/redis

2. redis在线测试

https://try.redis.io

3. redis命令参考

http://doc.redisfans.com

 

4. 如何使用

4.1 官网

4.2 多种数据类型基本操作和配置

4.3 持久化和复制,RDB/AOF

4.4 事务的控制

4.5 复制,集群等

5. redis迭代演化和redis7新特性浅谈

5.1 Redis7.0新特性概述

1. 新特性

https://github.com/redis/redis/releases


2. 部分新特性总览

Redis Functions
Client-eviction 
Multi-part AOF2

新增命令

listpack替代ziplist

底层性能提升(和编码关系不大)

5.2 本次将对Redis7的一部分新特性做说明(not all)

总体概述:

大体和之前的redis版本保持一致和稳定,主要是自身底层性能和资源利用率上的优化和提高,如果你生产上系统稳定,不用着急升级到最新的redis7版本,当然,如果你是从零开始的新系统,直接上Redis7.0-GA版。

多AOF文件支持
7.0 版本中一个比较大的变化就是 aof 文件由一个变成了多个,主要分为两种类型:基本文件(base files)、增量文件(incr files),请注意这些文件名称是复数形式说明每一类文件不仅仅只有一个。在此之外还引入了一个清单文件(manifest) 用于跟踪文件以及文件的创建和应用顺序(恢复)
config命令增强
对于Config Set 和Get命令,支持在一次调用过程中传递多个配置参数。例如,现在我们可以在执行一次Config Set命令中更改多个参数: config set maxmemory 10000001 maxmemory-clients 50% port 6399
限制客户端内存使用
Client-eviction
一旦 Redis 连接较多,再加上每个连接的内存占用都比较大的时候, Redis总连接内存占用可能会达到maxmemory的上限,可以增加允许限制所有客户端的总内存使用量配置项,redis.config 中对应的配置项
// 两种配置形式:指定内存大小、基于 maxmemory 的百分比。
maxmemory-clients 1g
maxmemory-clients 10%
listpack紧凑列表调整
listpack 是用来替代 ziplist 的新数据结构,在 7.0 版本已经没有 ziplist 的配置了(6.0版本仅部分数据类型作为过渡阶段在使用)listpack 已经替换了 ziplist 类似 hash-max-ziplist-entries 的配置
访问安全性增强ACLV2
在redis.conf配置文件中,protected-mode默认为yes,只有当你希望你的客户端在没有授权的情况下可以连接到Redis server的时候可以将protected-mode设置为no
Redis Functions
Redis函数,一种新的通过服务端脚本扩展Redis的方式,函数与数据本身一起存储。
简言之,redis自己要去抢夺Lua脚本的饭碗
RDB保存时间调整
将持久化文件RDB的保存规则发生了改变,尤其是时间记录频度变化
命令新增和变动
Zset (有序集合)增加 ZMPOP、BZMPOP、ZINTERCARD 等命令
Set (集合)增加 SINTERCARD 命令
LIST (列表)增加 LMPOP、BLMPOP ,从提供的键名列表中的第一个非空列表键中弹出一个或多个元素。
性能资源利用率、安全、等改进
自身底层部分优化改动,Redis核心在许多方面进行了重构和改进
主动碎片整理V2:增强版主动碎片整理,配合Jemalloc版本更新,更快更智能,延时更低
HyperLogLog改进:在Redis5.0中,HyperLogLog算法得到改进,优化了计数统计时的内存使用效率,7更加优秀
更好的内存统计报告
如果不为了API向后兼容,我们将不再使用slave一词......(政治正确)

相关文章:

Redis7之介绍(一)

1. 是什么 Redis:REmote Dictionary Server(远程字典服务器) Remote Dictionary Server( 远程字典服务)是完全开源的,使用ANSIC语言编写遵守BSD协议,是一个高性能的Key-Value数据库提供了丰富的数据结构,例如String、Hash、List、…...

基于Python+djangoAI 农作物病虫害预警系统智能识别系统设计与实现(源码&教程)

1.背景 随着科技的发展,机器学习技术在各个领域中的应用越来越广泛。在农业领域,机器学习技术的应用有助于提高农作物的产量和质量,降低农业生产的成本。本文针对农作物健康识别问题,提出一种基于机器学习方法的农作健康识别系统&…...

Kotlin Flow 转换以及上下游处理

本片文章主要介绍Flow上下游处理,上游一个Flow使用map,上游两个Flow使用zip,上游三个Flow及以上使用combine 1、下面代码展示了upStreamFlow作为上游,downStreamFlow作为下游,通过对upStreamFlow使用map操作符函数将…...

深度学习3. 强化学习-Reinforcement learning | RL

强化学习是机器学习的一种学习方式,它跟监督学习、无监督学习是对应的。本文将详细介绍强化学习的基本概念、应用场景和主流的强化学习算法及分类。 目录 什么是强化学习? 强化学习的应用场景 强化学习的主流算法 强化学习(reinforcement learning) …...

TCP/IP网络江湖武艺传承:物理层与通信江湖的幕后

目录 〇、引言:进入现代通信技术的江湖 一、数字信号与模拟信号:传承与差异...

智慧能源管理系统助力某制造企业提高能源利用效率

随着全球能源需求不断增加和能源价格的上涨,企业和机构日益意识到能源管理的重要性。传统的能源管理方式不仅效率低下,还容易造成资源浪费和环境污染。因此,许多企业开始探索采用智慧能源管理系统来提高能源利用效率,降低能源成本…...

opencv/C++ 人脸检测

前言 本文使用的测试资源说明: opencv版本:opencv 4.6.0 人脸检测算法 Haar特征分类器 Haar特征分类器是一个XML文件,描述了人体各个部位的Haar特征值。包括:人脸、眼睛、鼻子、嘴等。 opencv 4.6.0自带的Haar特征分类器&…...

UE4/5的Custom节点:在VScode使用HLSL(新手入门用)

目录 custom节点 VSCode环境安装 将VSCode里面的代码放入Custom中 custom节点 可以看到这是一个简单的Custom节点: 而里面是可以填写代码的: 但是在这里面去写代码会发现十分的繁琐【按下enter后,不会换行,也不会自动缩进】 …...

小研究 - J2EE 应用服务器的软件老化测试研究

软件老化现象是影响软件可靠性的重要因素,长期运行的软件系统存在软件老化现象,这将影响整个业务系统的正常运行,给企事业单位带来无可估量的经济损失。软件老化出现的主要原因是操作系统资源消耗殆尽,导致应用系统的性能下降甚至…...

Tomcat和Servlet基础知识的讲解(JavaEE初阶系列16)

目录 前言: 1.Tomcat 1.1Tomcat是什么 1.2下载安装 2.Servlet 2.1什么是Servlet 2.2使用Servlet来编写一个“hello world” 1.2.1创建项目(Maven) 1.2.2引入依赖(Servlet) 1.2.3创建目录(webapp&a…...

开源在大数据和分析中的角色

🌷🍁 博主猫头虎 带您 Go to New World.✨🍁 🦄 博客首页——猫头虎的博客🎐 🐳《面试题大全专栏》 文章图文并茂🦕生动形象🦖简单易学!欢迎大家来踩踩~🌺 &a…...

C#,《小白学程序》第四课:数学计算

1 文本格式 /// <summary> /// 《小白学程序》第四课&#xff1a;数学计算 /// 这节课超级简单&#xff0c;就是计算成绩的平均值&#xff08;平均分&#xff09; /// 这个是老师们经常做的一件事。 /// </summary> /// <param name"sender"></…...

SparkML机器学习

SparkML 机器学习: 让机器学会人的学习行为, 通过算法和数据来模拟或实现人类的学习行为&#xff0c;使之不断改善自身性能。 机器学习的步骤: 加载数据特征工程 数据筛选: 选取适合训练的特征列, 例如用户id就不适合, 因为它特性太显著.数据转化: 将字符串的数据转化数据类型…...

vue Promise 对象 等待所有异步处理完成 再继续处理

1 定义数据集合 用来搜集所有数据 let promises []; // 用来存储所有的 Promise 对象 2 promise对象 异步 返回数据 同时添加数据到promises 列表 // 依次读取列表元素的表 for (let symbol of symbolList) {let promise new Promise((resolve, reject) > { // 将请求…...

【业务功能篇84】微服务SpringCloud-ElasticSearch-Kibanan-电商实例应用

一、商品上架功能 ElasticSearch实现商城系统中全文检索的流程。 1.商品ES模型 商品的映射关系 PUT product {"mappings": {"properties": {"skuId": {"type": "long"},"spuId": {"type": "ke…...

图像检索,目标检测map的实现

一、图像检索指标Rank1,map 参考&#xff1a;https://blog.csdn.net/weixin_41427758/article/details/81188164?spm1001.2014.3001.5506 1.Rank1: rank-k&#xff1a;算法返回的排序列表中&#xff0c;前k位为存在检索目标则称为rank-k命中。 常用的为rank1&#xff1a;首…...

Docker容器学习:Dockerfile制作Web应用系统nginx镜像

目录 编写Dockerfile 1.文件内容需求&#xff1a; 2.编写Dockerfile&#xff1a; 3.开始构建镜像 4.现在我们运行一个容器&#xff0c;查看我们的网页是否可访问 推送镜像到私有仓库 1.把要上传的镜像打上合适的标签 2.登录harbor仓库 3.上传镜像 编写Dockerfile 1.文…...

【vue3.0 引入Element Plus步骤与使用】

全局引入Element Plus 1. 安装 Element Plus2. 引入 Element Plus3. 使用 Element Plus 组件 Element Plus 是一个基于 Vue 3.0 的 UI 组件库&#xff0c;它是 Element UI 的升级版。Element Plus 的设计理念是简单、易用、高效&#xff0c;具有良好的可定制性和扩展性。下面是…...

金融客户敏感信息的“精细化管控”新范式

目 录 01 客户信息保护三箭齐发&#xff0c;金融IT亟需把握四个原则‍ 02 制度制约阻碍信息保护的精细化管控 ‍‍‍‍‍‍‍ 03 敏感信息精细化管控范式的6个关键设计 04 分阶段实施&#xff0c;形成敏感信息管控的长效运营的机制 05 未来&#xff0c;新挑战与新机遇并存 …...

Starrocks--数据插入方式

Starrocks 数据插入方式 Starrocks是一款快速、可伸缩的分布式OLAP数据库&#xff0c;支持多种数据插入方式。下面将详细介绍几种常用的数据插入方式&#xff0c;并提供选择建议。 1. 批量加载&#xff08;Bulk Load&#xff09; 批量加载是通过将本地文件或HDFS文件导入到S…...

Locale Remulator终极指南:Windows系统区域和语言模拟解决方案

Locale Remulator终极指南&#xff1a;Windows系统区域和语言模拟解决方案 【免费下载链接】Locale_Remulator System Region and Language Simulator. 项目地址: https://gitcode.com/gh_mirrors/lo/Locale_Remulator Locale Remulator是一款强大的Windows系统区域和语…...

井下无信号密闭空间:UWB基站断联失效,无感定位纯视觉独立解算

井下无信号密闭空间&#xff1a;UWB基站断联失效&#xff0c;无感定位纯视觉独立解算矿山井下巷道、采掘工作面、密闭峒室等区域&#xff0c;属于典型无外源通信、信号隔绝的密闭作业空间。数字孪生与视频孪生技术逐步下沉矿山安全生产领域&#xff0c;镜像视界浙江科技有限公司…...

基因鉴定步骤及常见问题

一、基因组 DNA 提取&#xff08;一&#xff09;消化鼠尾消化液配方为溶剂水与SDS、酶。Solution&#xff1a;0.5%SDS破坏细胞膜和核膜&#xff0c;释放DNA。Enzyme&#xff1a;1 mg/ml蛋白酶K分解样本中的蛋白质&#xff0c;释放DNA。&#xff08;二&#xff09;样品处理1、小…...

CANN ops-transformer:MC2 通信融合算子怎么加速 MoE 的 All-to-All

MoE 的 Expert Parallel 需要全互连通信——每个 token 发给它路由到的专家所在的卡&#xff0c;再收回来。这个 All-to-All 通信在 8 卡 MoE 上能占 30% 的推理时间。MC2&#xff08;Merge-Communicate-Split&#xff09;把通信和计算融合在一起&#xff0c;在等数据的时候不闲…...

【流体】二维稳态不可压缩层流通道流利用FVM和SIMPLE 解平行板间层流的速度、压力和温度【含Matlab源码 15558期】

&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;Matlab武动乾坤博客之家&#x1f49e;…...

3分钟上手跨平台资源下载神器:轻松获取微信视频号、抖音无水印内容

3分钟上手跨平台资源下载神器&#xff1a;轻松获取微信视频号、抖音无水印内容 【免费下载链接】res-downloader 视频号、小程序、抖音、快手、小红书、直播流、m3u8、酷狗、QQ音乐等常见网络资源下载! 项目地址: https://gitcode.com/GitHub_Trending/re/res-downloader …...

Word到LaTeX的工业级转换:docx2tex深度解析与技术实践

Word到LaTeX的工业级转换&#xff1a;docx2tex深度解析与技术实践 【免费下载链接】docx2tex Converts Microsoft Word docx to LaTeX 项目地址: https://gitcode.com/gh_mirrors/do/docx2tex 在学术出版和技术文档领域&#xff0c;Word与LaTeX之间的格式鸿沟一直是困扰…...

让薪酬跟着人才走:国企核心人才激励保留的五个管理命题

当前&#xff0c;国有企业三项制度改革已进入攻坚深化期。劳动合同签订率、岗位说明书覆盖率、绩效考核实施率等量化指标普遍处于高位&#xff0c;制度框架的“四梁八柱”已基本确立。但在改革向纵深推进过程中&#xff0c;核心人才流失问题却时有发生。据调研反映&#xff0c;…...

工厂MES数据自动采集怎样用AI完成?资深架构师的非侵入式集成落地指南

摘要&#xff1a; 我是架构师老王。在2026年工业数字化转型的深水区&#xff0c;工厂MES数据自动采集已不再是简单的“连线接口”&#xff0c;而是演变为一场关于“感知、决策与执行”的架构革命。面对老旧系统API缺失、烟囱式架构林立以及信创环境下严苛的安全合规要求&#x…...

为开源 AI 工具 OpenClaw 配置 Taotoken 作为其模型供应商的步骤

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 为开源 AI 工具 OpenClaw 配置 Taotoken 作为其模型供应商的步骤 对于使用 OpenClaw 这类开源 AI 工具链的开发者而言&#xff0c;…...