Redis学习笔记(9)-管道/分布式

本文通过实例演示了Redis中管道(pipeline)及分布式操作的使用方法。对比了同步与异步调用的区别,并展示了如何利用管道提高批量写入效率,包括普通管道与事务结合的方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Redis学习笔记(9)-管道/分布式

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

96

package cn.com;

 

import java.util.Arrays;

import java.util.List;

import redis.clients.jedis.Jedis;

import redis.clients.jedis.JedisShardInfo;

import redis.clients.jedis.Pipeline;

import redis.clients.jedis.ShardedJedis;

import redis.clients.jedis.ShardedJedisPipeline;

 

public class Redis_Dispersed {

 

    /**

     *  分布式直连同步调用

     * */

    public static void sync_dispersed(){

        List<JedisShardInfo> shards = Arrays.asList(

                new JedisShardInfo("localhost",6379),

                new JedisShardInfo("localhost",6380));

 

        ShardedJedis sharding = new ShardedJedis(shards);

 

        long start = System.currentTimeMillis();

        for (int i = 0; i < 100000; i++) {

            String result = sharding.set("userid" + i, "age" + i);

        }

        long end = System.currentTimeMillis();

        System.out.println("执行实行: " + ((end - start)/1000.0) + " seconds");

 

        sharding.disconnect();

         

    }

     

    /**

     * 分布式直连异步调用

     * */

    public static void shardpipelined() {

            List<JedisShardInfo> shards = Arrays.asList(

                    new JedisShardInfo("localhost",6379),

                    new JedisShardInfo("localhost",6380));

 

            ShardedJedis sharding = new ShardedJedis(shards);

 

            ShardedJedisPipeline pipeline = sharding.pipelined();

            long start = System.currentTimeMillis();

            for (int i = 0; i < 100; i++) {

                pipeline.set("userid" + i, "age" + i);

            }

            List<Object> results = pipeline.syncAndReturnAll();

            long end = System.currentTimeMillis();

            System.out.println("执行时间: " + ((end - start)/1000.0) + " seconds");

 

            sharding.disconnect();

    }

     

    /**

     * 管道  pipeline方式是将一些列命令打包一起发送到服务器执行。

     * 而服务端会处理完多条命令后会将多条命令的处理结果打包到一起返回给客户端

     * 注意:打包的命令越多,缓存消耗内存也越多。所以并是不是打包的命令越多越好

     * */

    public static void pipeline(){

            Jedis jedis = new Jedis("localhost",6379);

            Pipeline pipeline = jedis.pipelined();

            long start = System.currentTimeMillis();

            for (int i = 0; i < 100000; i++) {

                pipeline.set("p" + i, "p" + i);

            }

            List<Object> results = pipeline.syncAndReturnAll();

            long end = System.currentTimeMillis();

            System.out.println("Pipelined SET: " + ((end - start)/1000.0) + " seconds");

            //jedis.disconnect();

            jedis.close();

    }

    /**

     * 管道中调用事务

     * */

    public static void trans_pipeline(){

        Jedis jedis = new Jedis("localhost",6379);

        long start = System.currentTimeMillis();

        Pipeline pipeline = jedis.pipelined();

        pipeline.multi();

        for (int i = 0; i < 100000; i++) {

            pipeline.set("" + i, "" + i);

        }

        pipeline.exec();

        List<Object> results = pipeline.syncAndReturnAll();

        long end = System.currentTimeMillis();

        System.out.println("Pipelined transaction: " + ((end - start)/1000.0) + " seconds");

        jedis.disconnect();

    }

     

    public static void main(String [] args){

         

        shardpipelined();

    }

}

  

内容概要:《中文大模型基准测评2025年上半年报告》由SuperCLUE团队发布,详细评估了2025年上半年中文大模型的发展状况。报告涵盖了大模型的关键进展、国内外大模型全景图及差距、专项测评基准介绍等。通过SuperCLUE基准,对45个国内外代表性大模型进行了六大任务(数学推理、科学推理、代码生成、智能体Agent、精确指令遵循、幻觉控制)的综合测评。结果显示,海外模型如o3、o4-mini(high)在推理任务上表现突出,而国内模型如Doubao-Seed-1.6-thinking-250715在智能体Agent和幻觉控制任务上表现出色。此外,报告还分析了模型性价比、效能区间分布,并对代表性模型如Doubao-Seed-1.6-thinking-250715、DeepSeek-R1-0528、GLM-4.5等进行了详细介绍。整体来看,国内大模型在特定任务上已接近国际顶尖水平,但在综合推理能力上仍有提升空间。 适用人群:对大模型技术感兴趣的科研人员、工程师、产品经理及投资者。 使用场景及目标:①了解2025年上半年中文大模型的发展现状与趋势;②评估国内外大模型在不同任务上的表现差异;③为技术选型和性能优化提供参考依据。 其他说明:报告提供了详细的测评方法、评分标准及结果分析,确保评估的科学性和公正性。此外,SuperCLUE团队还发布了多个专项测评基准,涵盖多模态、文本、推理等多个领域,为业界提供全面的测评服务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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