【数据存储】【Redis】第二章:底层数据结构

Redis配置、Redis类型 本章节讲解如何查看、修改Redis配置,介绍Redis类型。 阅读详情

简单字符串

先简单了解一下C语言是怎么处理字符串的:

在C语言中,字符串结束的标识是空字符,也就是’’,这会有一个问题,就是字符串的内容可能包括空字符串,这个时候是不是就没办法正确存取字符串的内容了,它有可能中途读取一半就完了。

除此之外,它还不记录字符串的长度,这也会有一系列问题,

如果需要获取字符串的长度通过遍历计数来获取的,这会导致它的时间复杂度会比较高。

如果需要修改字符串,就要重新分配内存,不重新分配的话,字符串长度增大,超出给定的长度,这个时候会造成内存缓冲区溢出,字符串长度减小还会造成内存泄露。

如果需要对两个字符串进行拼接,是通过调用strcat函数来实现的,如果没有给它分配足够长度的内存空间,就会直接导致缓冲区溢出。

既然C语言处理字符串有这么多的弊端,那么Redis它是怎么处理字符串的呢?

Redis专门创建了一种数据结构SDS,什么意思呢?simple dynamic string,简单字符串。

官方代码:

struct sdshdr{

int len;

int free;

char buf[];

}

这个对象有三个属性:

  • len表示字符串的长度
  • free表示还有多少长度剩余,就是下面buf数组中还有多少字符串未使用的字节数量
  • buf[]表示存储的字符串

问题一:这种数据结构有什么优势呢?跟C语言相比,改进了哪些问题?

长度和内存重新分配问题,C语言是不记录长度,而SDS它有len属性和free属性。

len记录了字符串的长度,直接取值就可以了,不像C语言需要遍历。 如果需要对字符串进行修改的话,也不需要像C语言一样,直接重新分配内存,

它可以通过len 属性检查内存空间是不是需要进行扩展内存,如果字符串长度增加,长度超过了len,就会增加相应的内存,接着修改。

如果字符串长度缩短了,它也不会立马就重新分配内存,而是有一个free属性记录下来,等你后面什么时候用了,重新计算或者分配内存。

结尾标识问题,C语言是以空字符串结尾标识的,而SDS是以len长度作为结尾标识的,避免了C语言无法正确读取字符串的问题。

链表

Redis的list类型的键值对底层数据结构是由链表构成的,那么链表是什么呢?

它是由一连串节点组成,没有顺序,不是连续的,每个节点由数据和一或两个用来指向上一个或下一个节点位置的链接组成,在每一个节点里存到下一个节点的指针,通过链表中的指针链接次序可以实现逻辑顺序。

链表也分好几种:单向链表、双端链表、双向链表、有序链表以及有迭代器的链表

单向链表:用户的操作(添加、删除、遍历)只能从链表头开始。向一个方向遍历,查找一个节点的时候从第一个节点开始访问下一个节点,一直访问到需要的位置,最后一个节点存储地址的部分指向空值。

双端链表:双端链表相对于单端链表多了一个特性:对最后一个链接点的引用

双向链表:单端链表只能从链表头开始正向遍历,双向链表可以逆向遍历,每个节点需要保存前一个节点和后一个节点的引用

有序链表:插入元素时,将插入的元素与头结点及其后面的结点比较,找到合适的位置插入。

有迭代器的链表:单链表的基本操作中,大部分要用到依次遍历单链表中的每一个元素。当你新增一个对单链表的操作并需要使用遍历时,你就得重新写一个for循环而实现遍历。所以将迭代(遍历)作为一种基本的ADT(抽象数据类型)操作。链表中用于处理遍历、访问和更新的方法封装到一个新的迭代器类中。

跳跃表

跳跃表:跳跃表基于有序链表的扩展,在链表上建索引,每两个结点提取一个结点到上一级,我们把抽出来的那一级叫作索引,每个跳跃表节点的层高都是1至32之间的随机数。

举例说明:

比如给一个长度为7的有序链表,节点值依次是1->3->4->5。取出所有值为奇数的节点作为关键节点(索引),这个时候要插入一个值是2的新节点,就不需要将节点一个个比较,只要比较1,3,5,确定了值在1和3之间,就可以快速插入。

加一层索引之后,查找一个结点需要遍历的结点个数减少了,虽然增加了50%的额外空间,但是查找效率提高了,同理再加一级索引,这种链表加多级索引的结构,就是跳跃表。

索引是占内存的,原始链表中存储的可能是大的对象,索引结点只要存储关键值和几个指针,并不需要存储对象,当节点本身比较大或者元素数量比较多的时候,优势必然会被放大,而缺点则可以忽略。

问题:当大量的新节点通过逐层比较,最终插入到原链表之后,上层的索引节点会慢慢的不够用,那么这个时候要怎么选取一部分节点提到上一层呢?

抛硬币法:随机决定新节点是否选拔,每向上提拔一层的几率是50%。

原因:跳跃表的删除和添加节点是无法预测的,不能保证索引绝对分步均匀,不过可以让大体趋于均匀。

插入节点的工作流程:跳跃表插入操作的时间复杂度是O(logN),空间复杂度是 O(N)。

  • 第一步:新节点和上层索引节点逐个比较,找到原链表的插入位置,时间复杂度为O(logN)
  • 第二步:把索引插入到原链表,时间复杂度为O(1)
  • 第三步:随机决定新节点是否提升为上一级索引,结果为"正面"则提升,继续抛硬币,结果为"反面"则停止,时间复杂度为O(logN)

删除节点的工作流程:跳跃表删除操作的时间复杂度是O(logN)

  • 第一步:自上而下,查找第一次出现节点的索引,并逐层找到每一层对应的节点。时间复杂度为O(logN)
  • 第二步:删除每一层查找到的节点,如果该层只剩下1个节点,删除整个一层(原链表除外)。时间复杂度为O(logN)

跳跃表由zskiplistNode和skiplist两个结构组成,zskiplistNode用于表示跳跃表节点,zskiplist用于保存跳跃表节点的相关信息,比如节点的数量,以及指向表头节点和表尾节点的指针等等。

字典

字典,顾名思义,通过字典(牛津字典等)前面的目录快速定位到所要查找的单词。

在C 语言中没有这种数据结构,所以这种数据结构是Redis自己创造的,字典中的键都是唯一的,通过键可以对值来进行查询或更改。

底层是通过哈希表实现的,而哈希表又基于数组,类似于key-value的结构形式进行存储的,它的值通过哈希函数映射为数组的下标。

那什么是哈希函数呢?不急,我们慢慢道来。

前面我们讲了通过数组的方式存储值,那么数组的值和数组的下标怎么建立关联关系呢?或者说,我们怎么通过数组的下标找到数组的值呢?

在学习 ASCII 编码的时候,我们知道,a可以用97这个数值表示,b可以用98这个数值表示,以此类推,我们就可以通过单个字母用数字表达。

有了字母,那么一个单词由多个字母组成,它又该如何表达呢?

假设我有一本字典,它有10000个单词,我其中一个单词就是ab,使用ASCII编码进行表达。

ab = 97 + 98 = 195
那么存储在数组中的下标为195,这就是字母表达的基本原理,但是如果只是这样还是远远不够的,因为会出现一个数组存储多个单词的情况。

举例说明:假设有个单词有 10 个字母,那么字典的某个单词为 zzzzzzzzzz ,转换为数字:zzzzzzzzzz = 26*10 = 260。

补充说明:这个时候会发现我一本字典里10000个单词,在260这个范围内肯定是不够存储10000个单词的,10000/260=39(38.4补一位),一个数组项它要存储39个单词。

解决方案:为了保证数值的唯一,让每个数组都能够只存储一个单词,进行升级, 将单词表示的数拆开,27 的幂乘以这些位数,有26个可能的字符,以及空格,一共27个。

ab = 97乘以27的一次幂加上98乘以27的零次幂 = 27*97 + 98 = 2717。解决了数组存储多个单词的问题,又引出新的问题数组分配大空间太多了。

举例说明:假设有个单词有 10 个字母,那么字典的某个单词为 zzzzzzzzzz ,转换为数字:zzzzzzzzzz = 26的9次幂 = 7000000000000

补充说明:数组中只有小部分存放了单词,其他空间都是空着的

解决方案:将巨大的整数范围压缩到可接受的数组范围内,可以通过取余解决,一个整数被另一个整数除后的余数。

举例说明:假设要把从0-99的数字(用large表示),压缩为从0-9的数字(用number表示),后者有10个数,所以变量range 的值为10,这个转换的表达式为:

补充说明:number = large % range。当一个整数被 10 整除时,余数是在0-9之间,把从0-99的数压缩为从0-9的数,压缩率为 10 :1。

使用哈希函数向数组插入数据后,这个数组就是哈希表,它的值就是通过上面这种方式映射到数组的下标上的。

这也就是哈希函数的工作模式,它把一个大范围的数字哈希转化成一个小范围的数字,这个小范围的数对应着数组的下标。

但是这种工作模式会有一点问题:把大的数字范围压缩到小的数字范围,会有几个不同的单词哈希化到同一个数组下标,这就是所谓的哈希冲突。

问题:那么如何解决哈希冲突呢?

开放地址法:指定的数组范围大小是存储数据的两倍,有一半的空间是空的。

当冲突产生时,通过(线性探测、二次探测以及再哈希法)方法找到数组的一个空位,把单词填入,不用哈希函数得到数组的下标。

线性探测中,如果哈希函数计算的原始下标是x, 线性探测就是x+1, x+2, x+3, 以此类推,而在二次探测中,探测的过程是x+1,
x+4, x+9, x+16。这二种方式都会有聚集情况。

什么是聚集呢?当哈希表快要满的时候,每插入新的数据,都要频繁的探测插入位置,很多位置都被前面插入的数据所占用了,这称为聚集。

再哈希法:依赖关键字的探测序列,把关键字用不同的哈希函数再做一遍哈希化,用这个结果作为步长,步长在整个探测中是不变的,不过不同的关键字使用不同的步长。

链地址法:数组的每个数据项都创建一个子链表或子数组,那么数组内不直接存放单词,当产生冲突时,新的数据项直接存放到这个数组下标表示的链表中。

整数集合:顾名思义,用来保存整数值类型的集合,保证元素不会重复。

定义:

typedef struct intset{

//编码方式

uint32_t encoding;

//集合包含的元素数量

uint32_t length;

//保存元素的数组

int8_t contents[];

}intset;

contents数组声明为int8_t类型,但是contents数组并不保存任何int8_t类型的值,真正类型由encoding决定。比如:

  • encoding属性的值为INTSET_ENC_INT16,contents是int16_6类型的数组,数组里的每个项是int16_t类型的是整数值。
  • encoding属性的值为INTSET_ENC_INT32,contents是int32_t类型的数组,数组里的每个项是int32_t类型的整数值。
  • encoding属性的值为INTSET_ENC_INT64,contents是int64_t类型的数组,数组里的每个项是int64_t的整数值。

新增的元素类型比原集合元素类型的长度大的时候,根据新元素类型增加整数集合底层数组的容量,给新元素分配空间,

将底层数组现有的所有元素都转成与新元素相同类型的元素,把转换后的元素放到正确的位置,整个元素顺序是有序的,能极大地节省内存。

压缩列表

压缩列表,它是特殊编码的连续内存块组成的顺序型数据结构,压缩列表有任意多个节点(entry),每个节点有一个字节数组或者一个整数值。

压缩列表不是用某种算法对数据进行压缩,它将数据按照一定规则编码,放在一块连续的内存区域,目的是节省内存。

压缩列表包含以下:

zlbytes:记录整个压缩列表占用的内存字节数。

zltail:记录压缩列表表尾节点距离压缩列表的初始地址有多少字节。

zllen:记录压缩列表包含的节点数量。

zlend:用来标记压缩列表的末端。

entryX:列表的节点,包含

  • previous_entry_ength:记录压缩列表前一个字节的长度。
  • encoding:节点的encoding保存的是节点的content的内容类型以及长度。
  • content:content区域用于保存节点的内容,节点内容类型和长度由encoding决定。

总结:

简单字符串:SDS作为redis专门为字符串存取开发的数据结构,有获取字符串长度快,杜绝了缓存区的溢出,减少了修改字符串长度时所需的内存重分配次数,二进制安全,兼容部分C函数

链表:用作列表键、发布与订阅、慢查询、监视器等功能实现。

字典:用哈希表实现,字典有两个哈希表,一个正常使用,另一个用于rehash时使用,链地址法解决哈希冲突。

跳跃表:表中的节点按照分值大小进行排序。

整数集合:底层由数组构成,升级特性能尽可能的节省内存。

压缩列表:顺序型数据结构。

Redis数据结构在实时排行榜中的内存占用分析:基于Python的大数据实证研究 实时排行榜是当今互联网应用的核心组件之一,广泛应用于游戏、社交、电商等领域。Redis作为高性能内存数据库,提供了String、Hash、Sorted Set等多种数据结构来实现排行榜功能,但不同数据结构的内存占用特性差异显著。本文基于Python环境,通过大规模模拟数据实验,系统分析了Redis中String、Hash、Sorted Set三种数据结构在实时排行榜场景下的内存占用模式、增长曲线及性能特征。 阅读详情

相关推荐

基于Llama 3搭建中文版(Llama3-Chinese-Chat)大模型对话聊天机器人

前面两篇博文,我们在笔记本部署了Llama 3 8B大模型,使用Ollama搭建了基于Web 可视化对话机器人。在使用过程中,大模型经常出现中文问题英文回答的问题。本博文就用Llama3-Chinese-Chat微调模型来解决这个问题……

老牛啊 9240

单线程的Redis为什么这么快?深入底层原理的7个关键点

揭秘Redis高性能的底层原因,本redis实战教程深入解析单线程模型、IO多路复用、内存操作等7大关键机制,涵盖高并发场景下的应用优势与优化策略,助你真正掌握Redis快的本质,值得收藏。

PixelShoal的博客 779

STM32硬件SPI调试ADS1256的3个致命坑,CubeMX配置避坑指南

本文深入解析STM32硬件SPI调试ADS1256高精度ADC芯片时常见的3大配置陷阱,包括SPI时钟频率、时钟极性与相位、数据字节序等关键问题。通过CubeMX实战配置指南和实测数据对比,提供稳定可靠的解决方案,帮助开发者避免常见错误,提升采样精度和系统稳定性。

weixin_42550597的博客 346

分布式 第二章 Redis

文章目录1 NoSql 简介2 Redis2.1 Redis简介Redis的5种数据结构Redis的常用操作命令Redis的持久化Redis的事务消息的发布与订阅Redis的主从复制Jedis操作Redis传送门 1 NoSql 简介 数据库应用的发展历程: 单机数据库时代 缓存、水平切分时代(Memcached) 读写分离时代 分表分库时代(集群) nosql时代 关系型数据库:oracle、mysql、DB2、sqlserver… 非关系型数据库(NoSql): 彻底改变底层存储机制。不再采用关系

日天家的猫 225

[SV]SystemVerilog中,系统函数$cast()的作用是什么?

摘要:SystemVerilog中的$cast()系统函数用于安全的动态类型转换,主要在类层次结构中将父类句柄转换为子类句柄(向下转换)。它通过运行时类型检查确保转换合法性,成功时返回1并赋值句柄,失败则返回0。这种机制使得可以通过父类句柄访问子类特有成员,在多态场景(如UVM验证)中尤为重要。使用时需检查返回值处理转换失败情况。$cast()比静态转换更安全,但不能用于无关类或基本数据类型间的转换。

元直的博客 1215

商用车重型多挡位机械式变速器(AMT)结构设计与仿真分析

本文针对商用车重型AMT变速器开展结构设计与仿真分析。设计采用12挡双中间轴结构,匹配400kW柴油发动机,最大扭矩2000Nm。通过等比级数分配传动比(头挡14.5,最高挡0.78),采用主副箱组合实现多挡位。双中间轴结构可抵消径向力,提升承载能力。关键设计包括:235mm中心距、4.5-5.0mm齿轮模数、锁环式同步器和复合润滑系统。通过Python参数化建模进行强度校核,计算显示中间轴在2000Nm工况下等效应力满足安全系数要求(屈服强度850MPa,安全系数≥2)。该设计解决了传统MT变速器操作强度

AI的内部世界的博客 116

数据库Redis篇

本系列文章初衷是为了整理出最全面最详细的C/C++后端开发面经,非常适用于想走后端/软件开发的同学!本面经不仅仅是简单问答,而是帮你深入理解和掌握知识点,其中一些晦涩难懂的知识点,全都用案例和代码帮你彻底掌握。本篇主要是针对数据库Redis相关部分的知识点展开详细的讲解,介绍了redis相比于其它数据库的优缺点,介绍了常用数据结构的指令、应用场景以及底层原理,详细解释了redis的持久化机制以及单线程模型,解释了redis做缓存一系列的问题以及解决思路,最后介绍了redis集群相关,包括主从复制和分片集群。

weixin_46571171的博客 1856

【k8s故障处理篇】calico-kube-controllers状态为“ImagePullBackOff”解决办法

【k8s故障处理篇】calico-kube-controllers状态为“ImagePullBackOff”解决办法

jks212454的博客 2308

【Redis源码剖析】系列五:全能对象系统RedisObject的底层设计与类型检查

RedisObject是Redis整个对象系统的基石,它通过统一的对象模型封装了所有数据类型。从编码优化、类型检查到内存管理,全面揭示Redis如何在保证类型安全的前提下实现极致的性能优化。通过丰富的源码分析和内存布局图示,展现RedisObject如何支撑起整个Redis的多态对象系统。理解RedisObject的实现原理,可以帮助我们在自己的项目中设计出更优雅、更高效的对象系统。:通过动态编码转换,在不同数据规模下自动选择最优的存储方案。:通过类型和编码的组合,支持同一数据类型的不同底层实现。

持续输出Java相关知识 456

【YOLO系列】YOLOv8详解:模型结构、损失函数、训练方法及代码实现

YOLOv8是Ultralytics团队2023年推出的高效目标检测框架,在速度与精度平衡、多任务支持和易用性方面实现突破。模型采用改进的CSPDarknet主干网络、C2f模块和SPPF加速结构,结合PAN-FPN特征融合和解耦检测头设计,支持目标检测、实例分割和关键点检测任务。创新性地使用CIoU定位损失、Focal Loss置信度损失和动态样本分配策略,显著提升检测性能。实验表明,YOLOv8较前代模型mAP提升5-10%,在TensorRT加速下可达1000FPS,提供5种尺寸灵活选择,成为实时目标

一碗白开水一 2781

Qt和FFmpeg的视频压缩工具

m_progressDialog = new QProgressDialog("正在压缩视频...", "取消", 0, 100, parent);QString file = QFileDialog::getOpenFileName(this, "选择视频文件", "",QString file = QFileDialog::getSaveFileName(this, "保存压缩文件", "",QMessageBox::warning(parent, "错误", "请设置输入和输出文件路径");

寒寒豆豆软件公司的博客 105

Redis性能优化秘籍:5步实现缓存效率提升300%

掌握Redis性能优化核心技巧,5步提升缓存效率300%。本redis实战教程涵盖热点数据识别、内存优化、持久化策略等关键方法,适用于高并发场景。显著降低延迟,提升系统响应速度,值得收藏。

VarChat的博客 826

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

从零搭建高性能缓存:Java与Redis集成的完整技术路径解析

掌握高性能缓存构建之道,详解java缓存redis集成技术路径。涵盖Spring Data Redis配置、缓存穿透解决方案及高并发场景优化策略,提升系统响应速度与稳定性。开发必备实践指南,值得收藏。

FastSolve的博客 855

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

redis存储新闻列表_Redis_5种常用用法理解

列举下面的数据结构前,先简单了解些,几个数据结构适用的一些场景。适合快速查找,插入:散列表,平衡二叉查找树,跳表,B+适合区间查找:跳表(底层双向链表),B+(底层是链表)1 string这个是使用最常见的。经常用来最缓存使用。2 list列表这种数据类型支持存储一组数据。注意: 不要把List当做列表使用,仅当做队列来使用底层实现2.1 压缩列表(ziplist)当列表中存储的数据量比较小的时候...

weixin_39624071的博客 281

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Redis 知多少 v1.0

Redis是全球领先的开源内存数据库,广泛应用于缓存、消息队列等场景。本文基于Redis 7.2.x/7.4.x版本,涵盖其核心架构、数据结构和演进历程。Redis从2009年诞生至今经历了多次重大更新,包括Cluster集群(3.0)、Module系统(4.0)、Stream数据类型(5.0)和I/O多线程(6.0)。7.4版本更改为RSALv2+SSPLv1许可证,引发社区fork出Valkey项目。文章详细解析Redis的单线程模型、持久化机制和丰富的数据结构(SDS、跳跃表等),适合开发者、运维和架

小飞的博客 792

《Redis设计与实现》笔记

《Redis设计与实现》

诸君拔剑吧. 774

揭秘Redis极致性能的三大支柱:为何它能如此之快?

Redis作为高性能内存数据库,其卓越性能源自三大设计支柱:纯内存存储实现纳秒级访问速度;单线程模型配合I/O多路复用避免锁竞争和上下文切换;精心设计的数据结构确保高效内存操作。本文详细解析了Redis从内存管理(jemalloc)、网络模型(epoll)到数据结构(SDS、跳表等)的核心技术实现,对比了RDB/AOF持久化策略及集群扩展方案,并与Memcached进行性能对比。Redis通过"轻计算重I/O"的设计哲学,在保持简单性的同时实现极致性能,其演进历程展现了技术选型与性能优化

油墨香^-^的博客 359

Redis内存占用过高怎么办?:5步精准瘦身法,立竿见影降本30%

Redis内存占用过高?5步实现内存的优化,精准降低30%成本。适用于高并发缓存场景,通过键值清理、数据类型优化、过期策略调整等方法提升性能。操作简单见效快,运维必看,值得收藏

SimProceed的博客 1109

PHP+Redis组合为何成为大厂标配?背后隐藏的5个技术真相

PHP Redis 整合提升应用性能的实战解析,揭秘高并发场景下的缓存策略与会话管理。涵盖数据缓存、分布式架构、读写分离等关键优势,详解大厂常用优化方法。掌握核心技术要点,值得收藏。

PixelWander的博客 782

Redis高性能的秘密:它如何做到“一心多用 “yet” 快如闪电”?

引言:打破认知的“速度神话”第一章:物理外挂——纯内存操作的降维打击第二章:核心引擎——“单线程”的极简暴力美学第三章:并发魔法——IO多路复用(Epoll)第四章:架构进化——Redis 6.0后的“多线程”变革第五章:内功心法——底层数据结构的极致优化第六章:锦上添花——协议与持久化的异步艺术结语:少即是多(Less is More)

dhl1543961217的博客 231

Python高效缓存设计(Redis适配核心技术大公开)

掌握Python缓存设计核心技巧,解决高并发场景下的数据读取瓶颈。深入解析Python缓存Redis适配实现机制,涵盖连接管理、序列化策略与过期处理,提升系统响应速度与稳定性,开发高效Web应用的必备指南,值得收藏。

FuncLens的博客 789

数据库合集:含MySQL、Redis、Mongodb等常见数

这份文档共分为13大部分,从最基础的数据库概述和分类、特点讲起,对MySQL优缺点、安装、启动、登录等做了详细的讲解,此外介绍了DQL语言、DML语言、DDL语言、TCL语言、以及MySQL各个安装案例,总之干货十足!广度: 面向企业安全建设的核心场景(渗透测试、红蓝对抗、威胁狩猎、应急响应、安全运营),本知识库覆盖了从攻击发起、路径突破、权限维持、横向移动到防御检测、响应处置、溯源反制的全生命周期关键节点,是应对复杂攻防挑战的实用指南。包括简介、使用场景、安装、入门、基本操作、进阶、高级等内容。

ice_55的博客 650

【稀缺资料】MCP认证专家亲授:DP-203数据存储选择的5个黄金法则

掌握MCP DP-203数据存储选择难题?专家揭秘5大黄金法则,涵盖Azure场景适配、性能优化与成本控制策略。精准匹配工作负载需求,提升架构设计效率,方法实用可落地,值得收藏。

simcode的专栏 876
上一篇: 【数据存储】【Redis】第三章: Redis五大数据类型实现原理
下一篇: 【数据存储】【Redis】第一章:快速集成Redis应用到项目中
Java程序员廖志伟
Java程序员廖志伟 优质创作者: Java技术领域 优质创作者: Java技术领域 领域专家: 后端开发技术领域 领域专家: 后端开发技术领域
博客等级 码龄8年 2万+粉丝 1902原创
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Java程序员廖志伟

赏我包辣条呗

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值