欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

redis8.0新特性之t-digest計(jì)算數(shù)據(jù)百分位的使用

 更新時(shí)間：2025年08月25日 10:34:02   作者：禿了也弱了  
t-digest是一種概率型數(shù)據(jù)結(jié)構(gòu),用于使用緊湊的sketch估計(jì)數(shù)據(jù)流或大型數(shù)據(jù)集的百分位數(shù),下面就來(lái)介紹了t-digest計(jì)算數(shù)據(jù)百分位的使用,感興趣的可以了解一下

一、寫在前面

官方中文文檔：https://redis.ac.cn/docs/latest/develop/data-types/probabilistic/t-digest/
命令文檔：https://redis.ac.cn/docs/latest/commands/?group=tdigest

t-digest 是一種概率型數(shù)據(jù)結(jié)構(gòu)，用于估計(jì)數(shù)據(jù)流的百分位數(shù)。

t-digest 是 Redis 開源版中的一種 sketch 數(shù)據(jù)結(jié)構(gòu)，用于使用緊湊的 sketch 估計(jì)數(shù)據(jù)流或大型數(shù)據(jù)集的百分位數(shù)。

它可以回答以下問(wèn)題：
數(shù)據(jù)流中有多大比例的值小于給定值？
數(shù)據(jù)流中有多少值小于給定值？
數(shù)據(jù)流中小于 p 百分比值的最高值是什么？（即 p 百分位數(shù)值是多少？）

1、什么是 t-digest？

t-digest 是一種數(shù)據(jù)結(jié)構(gòu)，它可以在無(wú)需存儲(chǔ)和排序集合中的所有數(shù)據(jù)點(diǎn)的情況下估計(jì)百分位點(diǎn)。例如：要回答“我的數(shù)據(jù)庫(kù)操作中 99% 的平均延遲是多少？”這個(gè)問(wèn)題，我們必須存儲(chǔ)每個(gè)用戶的平均延遲，對(duì)值進(jìn)行排序，去掉最后 1%，然后才能找到其余所有值的平均值。這種過(guò)程不僅在排序這些值所需的處理方面成本高昂，而且在存儲(chǔ)這些值所需的空間方面也成本高昂。這正是 t-digest 解決的問(wèn)題。

t-digest 還可以用于估計(jì)與百分位數(shù)相關(guān)的其他值，例如截?cái)嗑担╰rimmed means）。

截?cái)嗑凳?sketch 中的平均值，不包括低于和高于截止百分位數(shù)的觀測(cè)值。例如，0.1 截?cái)嗑凳?sketch 中的平均值，不包括最低的 10% 和最高的 10% 的值。

2、使用場(chǎng)景

硬件/軟件監(jiān)控
您測(cè)量在線服務(wù)器響應(yīng)延遲，并希望查詢：
測(cè)得延遲的第 50、90 和 99 百分位數(shù)是多少？
測(cè)得延遲中有多大比例小于 25 毫秒？
忽略異常值后的平均延遲是多少？或者，第 10 和第 90 百分位數(shù)之間的平均延遲是多少？

在線游戲
數(shù)百萬(wàn)人在您的在線游戲平臺(tái)上玩游戲，您想向每位玩家提供以下信息？
您的分?jǐn)?shù)高于 x% 的游戲會(huì)話分?jǐn)?shù)。
約有 y 個(gè)游戲會(huì)話中，人們的得分高于您。
要獲得比 90% 的游戲玩家更高的分?jǐn)?shù)，您的分?jǐn)?shù)應(yīng)為 z。

網(wǎng)絡(luò)流量監(jiān)控
您測(cè)量每秒網(wǎng)絡(luò)傳輸?shù)?IP 數(shù)據(jù)包，并嘗試通過(guò)詢問(wèn)以下問(wèn)題來(lái)檢測(cè)拒絕服務(wù)攻擊：
最后一秒的數(shù)據(jù)包數(shù)量是否超過(guò)之前觀察到的值的 99%？
在正常網(wǎng)絡(luò)條件下，我預(yù)計(jì)會(huì)看到多少數(shù)據(jù)包？（答案：介于 x 和 y 之間，其中 x 代表第 1 百分位數(shù)，y 代表第 99 百分位數(shù)）。

預(yù)測(cè)性維護(hù)
測(cè)量的參數(shù)（噪聲水平、電流消耗等）是否異常？（不在 [第 1 百分位數(shù)…第 99 百分位數(shù)] 范圍內(nèi)）？
我應(yīng)該將警報(bào)設(shè)置為哪些值？

二、使用

1、TDIGEST.CREATE 創(chuàng)建

# 語(yǔ)法
# COMPRESSION compression：是精度和內(nèi)存消耗之間可控制的權(quán)衡。對(duì)于一般用途，100 是一個(gè)常見值。1000 的精度更高。如果未傳遞值，默認(rèn)壓縮為 100。
TDIGEST.CREATE key [COMPRESSION compression]

# 示例
127.0.0.1:6379> TDIGEST.CREATE t COMPRESSION 100
OK

2、TDIGEST.ADD 添加元素

# 語(yǔ)法
# value：是觀察值（浮點(diǎn)數(shù)）。
TDIGEST.ADD key value [value ...]

# 示例，只能存放浮點(diǎn)數(shù)，不能存字符串
127.0.0.1:6379> TDIGEST.ADD t 1 2 3
OK
127.0.0.1:6379> TDIGEST.ADD t 1.1 2.123 3.324
OK
127.0.0.1:6379> TDIGEST.ADD t string
(error) ERR T-Digest: error parsing val parameter

3、TDIGEST.BYRANK 根據(jù)排名獲取值

對(duì)于每個(gè)輸入的排名，返回該排名對(duì)應(yīng)值的估計(jì)值（浮點(diǎn)數(shù)）。
單次調(diào)用中可以檢索多個(gè)估計(jì)值。

# 語(yǔ)法

# rank
#排名，應(yīng)檢索該排名對(duì)應(yīng)的值。
#0 是最小觀測(cè)值的排名。
#n-1 是最大觀測(cè)值的排名；n 表示添加到 sketch 的觀測(cè)值數(shù)量。

# 返回值
#數(shù)組 - 包含 value_1, value_2, ..., value_R 的浮點(diǎn)數(shù)組
#當(dāng) rank 為 0 時(shí)返回精確結(jié)果（最小觀測(cè)值）
#當(dāng) rank 為 n-1 時(shí)返回精確結(jié)果（最大觀測(cè)值），其中 n 表示添加到 sketch 的觀測(cè)值數(shù)量。
#當(dāng) rank 等于 n 或大于 n 時(shí)返回 'inf'
#如果 sketch 為空，所有值都為 'nan'。

TDIGEST.BYRANK key rank [rank ...]

127.0.0.1:6379> TDIGEST.CREATE t COMPRESSION 1000
OK
127.0.0.1:6379> TDIGEST.ADD t 1 2 2 3 3 3 4 4 4 4 5 5 5 5 5
OK
# 排行第0 就是第一，從小到大排
# 獲取排行時(shí)，如果超過(guò)元素?cái)?shù)量，返回inf
127.0.0.1:6379> TDIGEST.BYRANK t 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
 1) "1"
 2) "2"
 3) "2"
 4) "3"
 5) "3"
 6) "3"
 7) "4"
 8) "4"
 9) "4"
10) "4"
11) "5"
12) "5"
13) "5"
14) "5"
15) "5"
16) "inf"

4、TDIGEST.BYREVRANK 根據(jù)倒排名獲取值

# 語(yǔ)法

# revrank
#要檢索其值的反向排名。
#0 是最大觀測(cè)值的值的反向排名。
#n-1 是最小觀測(cè)值的值的反向排名；n 表示添加到摘要中的觀測(cè)值數(shù)量。

# 返回值為數(shù)組 - 一個(gè)由 value_1, value_2, ..., value_R 等浮點(diǎn)數(shù)填充的數(shù)組
#當(dāng) revrank 為 0 時(shí)（最大觀測(cè)值的值），返回準(zhǔn)確結(jié)果
#當(dāng) revrank 為 n-1 時(shí)（最小觀測(cè)值的值），返回準(zhǔn)確結(jié)果，其中 n 表示添加到摘要中的觀測(cè)值數(shù)量。
#當(dāng) revrank 等于或大于 n 時(shí)，返回 '-inf'
#如果摘要為空，則所有值均為 'nan'。

TDIGEST.BYREVRANK key reverse_rank [reverse_rank ...]

redis> TDIGEST.CREATE t COMPRESSION 1000
OK
redis> TDIGEST.ADD t 1 2 2 3 3 3 4 4 4 4 5 5 5 5 5
OK
# 獲取倒排名，從大到小排
redis> TDIGEST.BYREVRANK t 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
 1) "5"
 2) "5"
 3) "5"
 4) "5"
 5) "5"
 6) "4"
 7) "4"
 8) "4"
 9) "4"
10) "3"
11) "3"
12) "3"
13) "2"
14) "2"
15) "1"
16) "-inf"

5、TDIGEST.CDF 根據(jù)值獲取比例

對(duì)于每個(gè)輸入值，返回小于給定值（加上等于給定值的一半觀測(cè)值）的觀測(cè)值所占比例（浮點(diǎn)數(shù)）的估計(jì)值。
（聽起來(lái)有點(diǎn)拗口，具體看例子）

# 語(yǔ)法 
TDIGEST.CDF key value [value ...]

redis> TDIGEST.CREATE t COMPRESSION 1000
OK
redis> TDIGEST.ADD t 1 2 2 3 3 3 4 4 4 4 5 5 5 5 5
OK
# 小于觀測(cè)數(shù)的比例+等于觀測(cè)數(shù)的比例/2
redis> TDIGEST.CDF t 0 1 2 3 4 5 6
1) "0"
2) "0.033333333333333333"
3) "0.13333333333333333"
4) "0.29999999999999999"
5) "0.53333333333333333"
6) "0.83333333333333337"
7) "1"
# 如下例子，元素總數(shù)為15，小于5的元素有10個(gè)，所以小于5的元素比例為0.6666666667
# 等于5的元素有5個(gè)，所以等于5的元素比例為0.3333333333333333
# 所以結(jié)果為0.6666666667 + 0.3333333333333333/2 = 0.8333333333333334
# 相當(dāng)于結(jié)果為(10+5/2) / 15 = 12.5/15 = 0.8333333333333334
127.0.0.1:6379> TDIGEST.CDF t 5
1) "0.8333333333333334"

6、TDIGEST.INFO 獲取t-digest信息

# 語(yǔ)法
TDIGEST.INFO key

# 返回值
壓縮	整數(shù)回復(fù)
sketch 的壓縮率（可在準(zhǔn)確性和內(nèi)存消耗之間進(jìn)行權(quán)衡控制）

容量	整數(shù)回復(fù)
用于存儲(chǔ)質(zhì)心和傳入的未合并觀察值的緩沖大小

已合并節(jié)點(diǎn)	整數(shù)回復(fù)
已合并觀察值的數(shù)量

未合并節(jié)點(diǎn)	整數(shù)回復(fù)
緩沖節(jié)點(diǎn)（未壓縮觀察值）的數(shù)量

已合并權(quán)重	整數(shù)回復(fù)
已合并節(jié)點(diǎn)值的權(quán)重

未合并權(quán)重	整數(shù)回復(fù)
未合并節(jié)點(diǎn)（未壓縮觀察值）值的權(quán)重

觀察值	整數(shù)回復(fù)
添加到 sketch 的觀察值數(shù)量

總壓縮次數(shù)	整數(shù)回復(fù)
此 sketch 對(duì)數(shù)據(jù)進(jìn)行壓縮的次數(shù)

內(nèi)存使用量	整數(shù)回復(fù)
為 sketch 分配的字節(jié)數(shù)

redis> TDIGEST.CREATE t
OK
redis> TDIGEST.ADD t 1 2 3 4 5
OK
redis> TDIGEST.INFO t
 1) Compression
 2) (integer) 100
 3) Capacity
 4) (integer) 610
 5) Merged nodes
 6) (integer) 0
 7) Unmerged nodes
 8) (integer) 5
 9) Merged weight
10) (integer) 0
11) Unmerged weight
12) (integer) 5
13) Observations
14) (integer) 5
15) Total compressions
16) (integer) 0
17) Memory usage
18) (integer) 9768

7、TDIGEST.MAX 獲取最大值

# 語(yǔ)法
TDIGEST.MAX key

# 示例
redis> TDIGEST.CREATE t
OK
redis> TDIGEST.MAX t
"nan"
redis> TDIGEST.ADD t 3 4 1 2 5
OK
redis>TDIGEST.MAX t
"5"

8、TDIGEST.MIN 獲取最小值

# 語(yǔ)法
TDIGEST.MIN key

# 示例
redis> TDIGEST.CREATE t
OK
redis> TDIGEST.MIN t
"nan"
redis> TDIGEST.ADD t 3 4 1 2 5
OK
redis> TDIGEST.MIN t
"1"

9、TDIGEST.MERGE合并

# 語(yǔ)法

# destination-key
#是用于合并觀察值的 t-digest 草圖的鍵名。
#如果 destination-key 不存在，則創(chuàng)建一個(gè)新的草圖。
#如果 destination-key 是現(xiàn)有草圖，其值將與源鍵的值合并。要覆蓋目標(biāo)鍵的內(nèi)容，請(qǐng)使用 OVERRIDE。

# numkeys
#要合并觀察值來(lái)源的草圖數(shù)量（1 個(gè)或更多）。

#source-key
#每個(gè)都是要合并觀察值來(lái)源的 t-digest 草圖的鍵名。

# COMPRESSION compression
#是準(zhǔn)確性和內(nèi)存消耗之間可控的權(quán)衡。100 是常見的值，適用于一般用途。1000 更準(zhǔn)確。如果未傳遞值，默認(rèn)壓縮值為 100。
#未指定 COMPRESSION 時(shí)
#如果 destination-key 不存在或指定了 OVERRIDE，則壓縮值設(shè)置為所有源草圖中的最大值。
#如果 destination-key 已存在且未指定 OVERRIDE，則其壓縮值不會(huì)改變。

#OVERRIDE
#指定時(shí)，如果 `destination-key` 已存在，則會(huì)覆蓋它。

TDIGEST.MERGE destination-key numkeys source-key [source-key ...]  [COMPRESSION compression] [OVERRIDE]

redis> TDIGEST.CREATE s1
OK
redis> TDIGEST.CREATE s2
OK
redis> TDIGEST.ADD s1 10.0 20.0
OK
redis> TDIGEST.ADD s2 30.0 40.0
OK
# 將s1、s2這兩個(gè) 合并到sM
redis> TDIGEST.MERGE sM 2 s1 s2
OK
redis> TDIGEST.BYRANK sM 0 1 2 3 4
1) "10"
2) "20"
3) "30"
4) "40"
5) "inf"

10、TDIGEST.QUANTILE 根據(jù)比例獲取元素

對(duì)于每個(gè)輸入的比例，返回小于該比例觀測(cè)值的估算值（浮點(diǎn)數(shù)）。

# 語(yǔ)法

# quantile
#輸入比例（0 到 1 之間，包含 0 和 1）

# 返回值為數(shù)組 - 一個(gè)包含估算值（浮點(diǎn)數(shù)）的數(shù)組，形如 value_1, value_2, ..., value_N。
#當(dāng) quantile 為 0 時(shí)（最小觀測(cè)值），返回準(zhǔn)確結(jié)果
#當(dāng) quantile 為 1 時(shí)（最大觀測(cè)值），返回準(zhǔn)確結(jié)果
#如果摘要為空，則所有值為 'nan'。

TDIGEST.QUANTILE key quantile [quantile ...]

redis> TDIGEST.CREATE t COMPRESSION 1000
OK
redis> TDIGEST.ADD t 1 2 2 3 3 3 4 4 4 4 5 5 5 5 5
OK
redis> TDIGEST.QUANTILE t 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
 1) "1"
 2) "2"
 3) "3"
 4) "3"
 5) "4"
 6) "4"
 7) "4"
 8) "5"
 9) "5"
10) "5"
11) "5"

11、TDIGEST.RANK 根據(jù)值獲取排名

對(duì)于每個(gè)輸入值（浮點(diǎn)數(shù)），返回該值的估計(jì)排名（草圖中小于該值的觀測(cè)數(shù) + 等于該值的觀測(cè)數(shù)的一半）。

# 語(yǔ)法

#value
#需要估計(jì)排名的輸入值。

# 返回值
#數(shù)組回復(fù) - 一個(gè)由 rank_1, rank_2, ..., rank_V 填充的整數(shù)數(shù)組
#-1 - 當(dāng) value 小于最小觀測(cè)值時(shí)。
#觀測(cè)值數(shù)量 - 當(dāng) value 大于最大觀測(cè)值時(shí)。
#否則：對(duì)（小于 value 的觀測(cè)數(shù) + 等于 value 的觀測(cè)數(shù)的一半）的估計(jì)值。

#0 是最小觀測(cè)值的排名。
#n-1 是最大觀測(cè)值的排名；n 表示添加到草圖中的觀測(cè)數(shù)。
#如果草圖為空，則所有值均為 -2。
TDIGEST.RANK key value [value ...]

redis> TDIGEST.CREATE s COMPRESSION 1000
OK
redis> TDIGEST.ADD s 10 20 30 40 50 60
OK
# 根據(jù)值獲取排名
redis> TDIGEST.RANK s 0 10 20 30 40 50 60 70
1) (integer) -1
2) (integer) 0
3) (integer) 1
4) (integer) 2
5) (integer) 3
6) (integer) 4
7) (integer) 5
8) (integer) 6
# 根據(jù)值獲取倒排名
redis> TDIGEST.REVRANK s 0 10 20 30 40 50 60 70
1) (integer) 6
2) (integer) 5
3) (integer) 4
4) (integer) 3
5) (integer) 2
6) (integer) 1
7) (integer) 0
8) (integer) -1  


redis> TDIGEST.CREATE s COMPRESSION 1000
OK
redis> TDIGEST.ADD s 10 10 10 10 20 20
OK
# 對(duì)于每個(gè)輸入值（浮點(diǎn)數(shù)），返回該值的估計(jì)排名（草圖中小于該值的觀測(cè)數(shù) + 等于該值的觀測(cè)數(shù)的一半）。
redis> TDIGEST.RANK s 10 20
1) (integer) 2
2) (integer) 5
redis> TDIGEST.REVRANK s 10 20
1) (integer) 4
2) (integer) 1

12、TDIGEST.REVRANK 根據(jù)值獲取倒排名

對(duì)于每個(gè)輸入值（浮點(diǎn)數(shù)），返回該值的估計(jì)逆向排名（草圖中的觀察值中大于該值的數(shù)量 + 等于該值的觀察值數(shù)量的一半）。

# 語(yǔ)法

# value
#需要估計(jì)逆向排名的輸入值。

#返回值
#Array reply - 包含 revrank_1, revrank_2, ..., revrank_V 的整數(shù)數(shù)組
#-1 - 當(dāng) value 大于最大觀察值時(shí)。
#觀察值數(shù)量 - 當(dāng) value 小于最小觀察值時(shí)。
#否則：估計(jì)的數(shù)量（大于 value 的觀察值 + 等于 value 的觀察值的一半）。
#0 是最大觀察值的逆向排名。
#n-1 是最小觀察值的逆向排名；n 表示添加到草圖中的觀察值數(shù)量。
#如果草圖為空，則所有值均為 -2。

TDIGEST.REVRANK key value [value ...]

redis> TDIGEST.CREATE s COMPRESSION 1000
OK
redis> TDIGEST.ADD s 10 20 30 40 50 60
OK
redis> TDIGEST.RANK s 0 10 20 30 40 50 60 70
1) (integer) -1
2) (integer) 0
3) (integer) 1
4) (integer) 2
5) (integer) 3
6) (integer) 4
7) (integer) 5
8) (integer) 6
redis> TDIGEST.REVRANK s 0 10 20 30 40 50 60 70
1) (integer) 6
2) (integer) 5
3) (integer) 4
4) (integer) 3
5) (integer) 2
6) (integer) 1
7) (integer) 0
8) (integer) -1

redis> TDIGEST.CREATE s COMPRESSION 1000
OK
redis> TDIGEST.ADD s 10 10 10 10 20 20
OK
redis> TDIGEST.RANK s 10 20
1) (integer) 2
2) (integer) 5
redis> TDIGEST.REVRANK s 10 20
1) (integer) 4
2) (integer) 1

13、TDIGEST.RESET清空數(shù)據(jù)

# 語(yǔ)法
TDIGEST.RESET key

# 示例
redis> TDIGEST.RESET t
OK

14、TDIGEST.TRIMMED_MEAN 求平均

返回草圖均值的估計(jì)值，排除低于或高于截?cái)喾治粩?shù)閾值的觀測(cè)值。

# 語(yǔ)法

# low_cut_quantile
#范圍 [0..1] 的浮點(diǎn)數(shù)值，應(yīng)小于 high_cut_quantile
#當(dāng)?shù)扔?0 時(shí)：無(wú)低位截?cái)唷?
#當(dāng)大于 0 時(shí)：排除低于此分位數(shù)的觀測(cè)值。

# high_cut_quantile
#范圍 [0..1] 的浮點(diǎn)數(shù)值，應(yīng)大于 low_cut_quantile
#當(dāng)小于 1 時(shí)：排除大于或等于此分位數(shù)的觀測(cè)值。
#當(dāng)?shù)扔?1 時(shí)：無(wú)高位截?cái)唷?

TDIGEST.TRIMMED_MEAN key low_cut_quantile high_cut_quantile


redis> TDIGEST.CREATE t COMPRESSION 1000
OK
redis> TDIGEST.ADD t 1 2 3 4 5 6 7 8 9 10
OK
redis> TDIGEST.TRIMMED_MEAN t 0.1 0.6
"4"
redis> TDIGEST.TRIMMED_MEAN t 0.3 0.9
"6.5"
redis> TDIGEST.TRIMMED_MEAN t 0 1
"5.5"

到此這篇關(guān)于redis8.0新特性之t-digest計(jì)算數(shù)據(jù)百分位的使用的文章就介紹到這了,更多相關(guān)redis8.0 t-digest內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

相關(guān)文章

  • Redis在項(xiàng)目中常見的12種使用場(chǎng)景示例和說(shuō)明

    Redis在項(xiàng)目中常見的12種使用場(chǎng)景示例和說(shuō)明

    Redis是一個(gè)開源的高性能鍵值對(duì)數(shù)據(jù)庫(kù),它以其內(nèi)存中數(shù)據(jù)存儲(chǔ)、鍵過(guò)期策略、持久化、事務(wù)、豐富的數(shù)據(jù)類型支持以及原子操作等特性,在許多項(xiàng)目中扮演著關(guān)鍵角色,以下是整理的12個(gè)Redis在項(xiàng)目中常見的使用場(chǎng)景舉例說(shuō)明和解釋
    2024-06-06
  • Redis分布式鎖與Redlock算法實(shí)現(xiàn)

    Redis分布式鎖與Redlock算法實(shí)現(xiàn)

    在Redis中,可以使用多種方式實(shí)現(xiàn)分布式鎖,如使用SETNX命令或RedLock算法,本文就來(lái)介紹一下Redis分布式鎖與Redlock算法實(shí)現(xiàn),感興趣的可以了解一下
    2023-12-12
  • 如何基于Session實(shí)現(xiàn)短信登錄功能

    如何基于Session實(shí)現(xiàn)短信登錄功能

    對(duì)比起Cookie,Session是存儲(chǔ)在服務(wù)器端的會(huì)話,相對(duì)安全,并且不像Cookie那樣有存儲(chǔ)長(zhǎng)度限制,下面這篇文章主要給大家介紹了關(guān)于如何基于Session實(shí)現(xiàn)短信登錄功能的相關(guān)資料,需要的朋友可以參考下
    2022-10-10
  • 淺談Redis緩存有哪些淘汰策略

    淺談Redis緩存有哪些淘汰策略

    redis用做緩存是一種非常常見的手段,然而由于內(nèi)存大小的限制，會(huì)導(dǎo)致redis在內(nèi)存空間滿了以后需要處理繼續(xù)存入的數(shù)據(jù)，所以就需要淘汰策略，本文就詳細(xì)的介紹一下
    2021-08-08
  • Redis批量刪除指定前綴的Key兩種方法

    Redis批量刪除指定前綴的Key兩種方法

    redis作為緩存服務(wù)器在項(xiàng)目中經(jīng)常使用,使用redis存儲(chǔ)數(shù)據(jù)時(shí),我們經(jīng)常會(huì)將key分組,這篇文章主要給大家介紹了關(guān)于Redis批量刪除指定前綴的Key兩種方法,需要的朋友可以參考下
    2024-01-01
  • Redis的持久化詳解

    Redis的持久化詳解

    Redis是一個(gè)基于內(nèi)存的數(shù)據(jù)庫(kù)，它的數(shù)據(jù)是存放在內(nèi)存中，內(nèi)存有個(gè)問(wèn)題就是關(guān)閉服務(wù)或者斷電會(huì)丟失，Redis的數(shù)據(jù)也支持寫到硬盤中，這個(gè)過(guò)程就叫做持久化，文中有詳細(xì)的圖介紹,需要的朋友可以參考下
    2023-06-06
  • Redis分布式鎖詳細(xì)介紹

    Redis分布式鎖詳細(xì)介紹

    大家好，本篇文章主要講的是Redis分布式鎖詳細(xì)介紹，感興趣的同學(xué)趕快來(lái)看一看吧，對(duì)你有幫助的話記得收藏一下，方便下次瀏覽
    2021-12-12
  • 如何利用 Redis 實(shí)現(xiàn)接口頻次限制

    如何利用 Redis 實(shí)現(xiàn)接口頻次限制

    這篇文章主要介紹了如何利用 Redis 實(shí)現(xiàn)接口頻次限制,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
    2021-02-02
  • sentinel支持的redis高可用集群配置詳解

    sentinel支持的redis高可用集群配置詳解

    這篇文章主要為大家介紹了sentinel支持的redis高可用集群配置詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步早日升職加薪
    2022-04-04
  • redis哨兵模式分布式鎖實(shí)現(xiàn)與實(shí)踐方式(redisson)

    redis哨兵模式分布式鎖實(shí)現(xiàn)與實(shí)踐方式(redisson)

    這篇文章主要介紹了redis哨兵模式分布式鎖實(shí)現(xiàn)與實(shí)踐方式(redisson),具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2024-03-03

最新評(píng)論