redis学习(一):Linux系统在线安装、启动 redis

Redis 安装全攻略:在线、离线与交叉编译 在当今的数据处理领域,Redis 作为一个开源的内存数据结构存储系统,凭借其高性能、丰富的数据结构支持等特性,成为了众多开发者的首选。今天,我们就来详细聊聊 Redis 在不同操作系统上的在线安装方法,以及在 ARM64 环境下的离线交叉编译和部署过程。 阅读详情

环境:

Linux系统:VMware 14 中 CentOS 7 64 位

redis版本:redis-stable.tar.gz(当前版本是:redis-cli 4.0.9)

一、Linux在线安装redis

1、因为redis是c语言开发的,所以需要安装gcc(在根目录下执行):

yum install gcc-c++

2、因为是在线安装,需要使用wget命令,如果linux中没有,就用如下命令安装(在根目录下执行):

yum -y install wget

3、下载redis最新的稳定版本,也可以下载其他版本压缩包:

wget http://download.redis.io/redis-stable.tar.gz

4、解压redis压缩包:

tar xzf redis-stable.tar.gz
5、进入到redis的解压文件中,编译redis:
make

6、安装redis:

make install PREFIX=/usr/local/redis
PREFIX参数指定文件的安装目录,一般安装在/usr目录下

/usr/local/目录下已经生成redis目录

7、启动redis,进入redis到安装目录中,即/usr/local/redis/bin:

./redis-server

启动成功,如下图:


redis的默认端口是6379,也可以对其进行修改。

二、redis的启动

redis分两种启动:

1、前端启动:

在usr/local/redis/bin/  中执行命令:

./redis-server
前端启动以后,我们不能再继续操作redis,所以一般不用。启动成功后如上图所示。
2、后台启动:

1、把redis解压文件中的redis.conf文件复制到redis的安装目录下,即/usr/local/redis/bin。

进入到redis的解压文件中,执行命令:

cp redis.conf /usr/local/redis/bin/

复制成功以后,redis安装目录中会多出一个redis.conf文件。

2、修改一下这个配置文件的内容:将daemonize的值由原来的no修改为yes,保存退出。

3、在redis的安装文件的bin目录下输入命令,则redis便会后台启动:

./redis-server redis.conf

4、通过进程查看命令,查看redis有没有启动:

ps aux | grep redis

5、停止redis:

./redis-cli shutdown
linux离线安装部署redis 切换到cd /opt/tool/redis-6.2.6/src目录,执行 mv mkreleasehdr.sh redis-benchmark redis-check-aof redis-check-rdb redis-cli redis-server /opt/tool/,把redis配置放到etc里。切换到cd /opt/tool/redis-6.2.6目录,执行 mv redis.conf /opt/tool/redis-6.2.6/etc/,把redis配置放到etc里。 阅读详情

相关推荐

Linux系统下在线安装Redis的教程详解

Linux下在线安装Redis教程

qq_42350107的博客 1559

linux安装redis

s后面的第一个参数文件路径 /home/redis-stable/src 是源码包的位置 后面的是安装生成的二进制文件。配置文件的话 就在源码的第一级下面。redis.conf。还需要配置远程访问,密码,后台运行等配置,参考别人的文章。1.下载源码包 目前是官网提供的稳定版。5.在别的目录下试试命令好使不。

weixin_43841412的博客 603

【墨者学院 】uWSGI 漏洞复现(CVE-2018-7490)

0x01 漏洞详情 uWSGI是一款Web应用程序服务器,它实现了WSGI、uwsgi和http等协议。 uWSGI 2.0.17之前版本中存在路径遍历漏洞,该漏洞源于程序没有正确的处理DOCUMENT_ROOT检测。攻击者可通过发送带有‘…’序列的特制URL请求利用该漏洞查看系统上的任意文件。 uWSGI 2.0.17之前版本中存在路径遍历漏洞,该漏洞源于程序没有正确的处理DOCUMENT_RO...

Summer's blog 1万+

Redis7.X 安装教程(单机)

redis-check-aof:修复有问题的 aof ⽂件。redis-check-rdb:修复有问题的rdb⽂件。redis-server:Redis服务器启动命令。redis-sentinel:Redis集群使⽤。redis-benchmark:性能测试⼯具。redis-cli:客户端,操作⼊⼝。三、下载安装redis。2、检查是否安装成功。

lgc_cai的博客 521

SpringBoot Redis入门(一)——redis、Lettuce、Redisson使用

Lettuce是SpringBoot自带的Redis客户端,性能比Redis要好, 是线程安全的,支持同步编程,异步编程,响应式编程,自动重新连接,主从模式,集群模块,哨兵模式Redisson 是一个在 Redis 的功能基础上实现的 Java 驻内存数据网格客户端。实现了分布式和可扩展的 Java 数据结构,提供很多分布式相关操作服务,例如分布式锁,分布式集合,可通过 Redis 支持延迟队列。

朗朗的博客 3838

COD论文笔记VSCode: General Visual Salient and Camouflaged Object Detection with 2D Prompt Learning

VSCode模型通过引入领域特定提示和任务特定提示,结合提示区分损失,成功地在单一模型中处理多个显著目标检测和伪装目标检测任务。这种方法不仅提高了模型的性能,还展示了其对未见任务的泛化能力。作者使用 Visual saliency transformer ICCV 2021 作为baseline model这张图展示了VSCode模型的整体框架,特别强调了2D提示学习方法。

985小菜鸡 1630

redis在linux下的安装

1、获取安装文件 redis-2.6.17.tar.gz 2、解压文件 tar xzvf redis-stable.tar.gz 3、进入目录 cd redis-stable 4、编译 make 5、安装 make install 6、设置配置文件路径 mkdir -p /etc/redi

fugui6611634的专栏 622

MaxEnt软件的下载与安装

1、下载网站:http://lucky-boy.ys168.com/ (这是之前在网上搜到的,里面有许多软件安装包,感谢网页主的资源共享,违权必删)

weixin_42191203的博客 2万+

Redis|Sentinel 高可用架构

一 前言 Redis-Sentinel是Redis官方推荐的高可用性(HA)解决方案,当用Redis做Master-slave的高可用方案时,假如master宕机了,Redis本身(包括它的很多客户端)都没有实现自动进行主备切换,而Redis-sentinel本身也是一个独立运行的进程,它能监控多个master-slave集群,发现master宕机后能进行自懂切换。它的主要功能有:1 不时地...

yang073402的专栏 1438

Python爬虫实战:5分钟搞定东方财富网股票数据抓取(附完整代码)

本文详细介绍了如何利用Python爬虫技术,快速抓取东方财富网的实时股票数据。通过逆向分析其JSONP数据接口,构建了包含请求处理、数据清洗、分页调度及多格式存储的完整自动化采集系统,并提供了应对反爬策略与生产部署的进阶优化思路,附有可直接运行的完整代码。

weixin_29084231的博客 875

【第1章>第5节】SOM自组织映射网络的理论学习与MATLAB仿真

自组织映射网络(Self-Organizing Map,SOM)是一种无监督学习的人工神经网络,由芬兰学者Teuvo Kohonen于1981年提出,也被称为Kohonen网络。它的主要功能是将高维输入数据映射到低维(通常是二维)的离散网格上,同时保持输入数据的拓扑结构,即相邻的输入数据在映射后的网格上也相邻。

FPGA/MATLAB学习教程/源码/项目合作开发 405

linux 在线安装 Redis

linux 在线安装 Redis

激流丶的博客 2864

众包更新高精地图:如何保证数据一致性?

众包更新高精地图:如何保证数据一致性?​ ,人工智能,计算机视觉,大模型,AI,该文章围绕众包更新高精地图的数据一致性保障展开,介绍了测试方法,包括单元、集成、性能和一致性测试;阐述了部署与运维,涉及部署架构、监控告警及系统升级维护;还提及行业标准与规范,涵盖数据采集、处理及安全隐私保护标准,全方位为众包更新高精地图的数据一致性提供技术与规范支持。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 16万+

Linux安装redis自启动详解

Linux安装redis并设置自启动

weixin_45524185的博客 1万+

深度剖析:Spring AI 与 LangChain4j,谁才是 Java 程序员的 AI 开发利器?

首先介绍 AI 时代 Java 开发框架选择背景,接着对比两者功能特性(Spring AI 的生态集成与标准化设计、LangChain4j 的多模型适配与提示工程)、应用场景(企业级系统改造与创新产品开发)、开发体验(学习成本与调试工具)、生态扩展(Spring 商业支持与 LangChain4j 开源社区)、性能安全(企业级优化与自主安全实现)及成本趋势(短期投入、长期回报与技术演进),最后给出选型建议与混合架构方案。

博客 5446

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

Linux系统在线安装、启动 redis

环境: Linux系统:VMware 14 中 CentOS 7 64 位 redis版本:redis-stable.tar.gz(当前版本是:redis-cli 4.0.9) 一、Linux在线安装redis1、因为redis是c语言开发的,所以需要安装gcc(在根目录下执行): yum install gcc-c++2、因为是在线安装,需要使用wget命令,如果linux中没有,...

weixin_30364147的博客 143

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

linux安装redis一,超详细说明与图解!!

在学习本篇内容之前 ,需要一定的linux基础,如果基础不牢固的话,建议先学习点Linux基础知识,然后再看这篇文章的时候,相信你也就看得很明白了!!! 本文版权归作者所有,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接出处:https://blog.csdn.net/qq_3076499,否则保留追究法律责任的权利。 如果文中有什么错误,欢迎指出。以免更多的人被误导。 ...

从放弃到开始 4万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

Linux 下 Redis 安装教程

Linux 下 Redis 安装教程 笔者的运行环境: CentOS Stream 8 x86_64 Redis 6.2.5 进行这个教程之前,必须要先安装好一个 Linux 操作系统。这个 Linux 操作系统可以安装在虚拟机中,也可以安装在真实的电脑中。关于这方面的内容,可见笔者的其它博客: VMware Workstation Pro 16 安装教程:https://blog.csdn.net/wangpaiblog/article/details/112152218?spm=1001.201

暗诺星刻的博客 1万+

Linux系统下,Redis的安装与启动

1.安装Redis之前,我们先介绍下Redis: (1)Redis是什么?都有哪些特点? 概念:Redis (REmote DIctionary Server) 是用 C 语言开发的一个开源的高性能键值对(key-value)数据库。是基于内存运行并支持持久化的、高性能的NoSQL数据库,它可以用作数据库、缓存和消息中间件。 特点: 支持数据持久化: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。 支持多种数据结构:R...

weixin_48380416的博客 1883

Linux下安装、启动、关闭 Redis服务详解

Linux下安装、启动、关闭 Redis服务详解 1. Redis简介 Redis全名:Remote Dictionary Service Redis是广泛应用的NoSQL数据库,基于C开发的键值对存储数据库 Redis是一个使用ANSI C编写的开源、支持网络、基于内存、可选持久性的键值对存储数据库。从2015年6月开始,Redis的开发由Redis Labs赞助,而2013年5月至2015年...

leeindex的博客 4007

麒麟系统Linux 在线安装redis

【代码】麒麟系统Linux 在线安装redis。

王小工小工历程 1430

Redis介绍--Linux系统下的安装(一)

Redis简介   Redis是一个开源(BSD许可),内存数据结构存储,用作数据库,缓存和消息代理。它支持数据结构,如 字符串,散列,列表,集合,带有范围查询的排序集,位图,超级日志,具有半径查询和流的地理空间索引。Redis具有内置复制,Lua脚本,LRU驱逐,事务和不同级别的磁盘持久性,并通过Redis Sentinel和Redis Cluster自动分区。   Redis是一个使用ANSI...

知性人 -- 的博客 368

Linux (在线)部署 Redis(下载、安装、配置、启动、连接)

问题现象 Linux 系统如何部署 Redis(下载、安装、配置、启动)? 解决方法: 1、windows系统下访问官网下载 Redis 官网:Redis 2、Linux系统下安装 Redis 通过 FileZilla Client 或 XFtp 等文件传输工具,把下载好的 Redis 的 tar.gz压缩包上传到 Linux 服务器,这里我上传到 thp 用户创建的目录下: 解压: # 进入目录 cd /h...

weixin_42585386的博客 1563

Linux 在线安装Redis-5.0.5 启动 连接 关闭

用客户端连接Linux 系统,cd 到根目录。 依次输入一下命令: [root@root /]# wget http://download.redis.io/releases/redis-5.0.5.tar.gz //下载Redis包 [root@root /]# tar -zxvf redis-5.0.5.tar.gz //解压压缩包 [root@root /]# cdre...

Alfri的博客 3105

linux系统上安装Redis以及使用

Linux系统上安装Redis以及使用 总结一下linux系统上安装redis和基本使用 我这里的配置环境是(VMware15、CentOs7、Redis3.2) redis下载地址(点击此文字) 由于Redis是由C语言开发的,所以 要在linux系统上安装GCC环境 我们使用在线安装,输入yum install -y gcc 命令即可 检查一下GCC环境是否安装成功,输入命令 rpm -qa |grep gcc 查看 将redis-3.2.8.tar.gz上传到Linux系统中 解压到/usr/loca

qq_42552600的博客 721
上一篇: Spring MVC 自定义拦截器
下一篇: redis学习(二):java使用Jedis连接CentOS-7中的redis数据库
呵呵菜鸟
博客等级 码龄10年 92粉丝 115原创
评论 2
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
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