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(xiě)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(kāi)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(hù)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(xún)：
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(xún)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(jiàn)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(tīng)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(jiàn)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設(shè)置密碼的實(shí)現(xiàn)步驟
本文主要介紹了Redis設(shè)置密碼的實(shí)現(xiàn)步驟,主要包括兩種方法：臨時(shí)密碼和持久密碼,具有一定的參考價(jià)值,感興趣的可以了解一下2023-08-08
Redis特殊類(lèi)型數(shù)據(jù)結(jié)構(gòu)Bitmap、HyperLogLog、GEO的使用及場(chǎng)景分析
文章介紹了Redis的三種特殊數(shù)據(jù)類(lèi)型:Bitmap、HyperLogLog和GEO,分別用于不同的場(chǎng)景,Bitmap適合存儲(chǔ)大量二進(jìn)制數(shù)據(jù),HyperLogLog在大數(shù)據(jù)場(chǎng)景下能高效統(tǒng)計(jì)基數(shù),而GEO則用于地理空間信息的管理和查詢(xún),本文介紹的非常詳細(xì),感興趣的朋友跟隨小編一起通過(guò)本文學(xué)習(xí)吧2025-12-12
深入了解Redis連接數(shù)問(wèn)題的現(xiàn)象和解法
一般情況?Redis?連接數(shù)問(wèn)題并不常見(jiàn),但是當(dāng)你業(yè)務(wù)服務(wù)增加、對(duì)?Redis?的依賴(lài)持續(xù)增強(qiáng)的過(guò)程中,可能會(huì)遇到很多?Redis?的問(wèn)題,這個(gè)時(shí)候,Redis?連接數(shù)可能就成了一個(gè)常見(jiàn)的問(wèn)題,在本章節(jié),希望能夠帶大家了解Redis連接數(shù)問(wèn)題的現(xiàn)象和解法,需要的朋友可以參考下2023-12-12
動(dòng)態(tài)添加Redis密碼認(rèn)證的方法
本篇文章主要介紹了動(dòng)態(tài)添加Redis密碼認(rèn)證的方法，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-06-06
這篇文章主要介紹了Windows中redis的下載及安裝、設(shè)置教程，本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-12-12
Redis是一個(gè)基于內(nèi)存的鍵值存儲(chǔ)系統(tǒng),采用單線程事件驅(qū)動(dòng)架構(gòu)和epoll/kqueue實(shí)現(xiàn)I/O多路復(fù)用,本文給大家介紹Redis 底層運(yùn)行機(jī)制與原理流程分析,感興趣的朋友一起看看吧2025-11-11
本文將詳細(xì)介紹如何安裝和配置 Redis MCP,包括快速啟動(dòng)、源碼安裝、Docker 安裝、以及相關(guān)的配置參數(shù)和環(huán)境變量設(shè)置,感興趣的朋友一起看看吧2025-07-07
redis 數(shù)據(jù)刪除策略和逐出算法的問(wèn)題小結(jié)
這篇文章主要介紹了redis 數(shù)據(jù)刪除策略和逐出算法，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2020-06-06
高并發(fā)場(chǎng)景分析之redis+lua防重校驗(yàn)
這篇文章主要介紹了高并發(fā)場(chǎng)景分析之redis+lua防重校驗(yàn),本文通過(guò)示例代碼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2023-07-07
這篇文章主要介紹了Redis作為分布式鎖的使用方式,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2025-05-05