redis集群和安装

1.redis集群和常见集群的区别

我们以elasticsearch集群架构方案和redis集群方案做对比分析,redis集群的优点。
这里写图片描述
优点:因为redis是一个内存数据库,因此其采用无中心化的集群架构,使得与传统的中心节点转发的方式相比,其并发量和吞吐量都更大,并且不会因为中心节点压力过大影响集群的性能。

redis cluster节点分配:假设我们有三个主节点分别是:A, B, C 三个节点,它们可以是一台机器上的三个端口,也可以是三台不同的服务器。那么,采用哈希槽 (hash slot)的方式来分配16384个slot 的话,它们三个节点分别承担的slot 区间是:

节点A覆盖05460;
节点B覆盖546110922;
节点C覆盖1092316383.

如果存入一个值,按照redis cluster哈希槽的算法: CRC16(‘key’)%16384 = 6782。 那么就会把这个key 的存储分配到 B 上了。同样,当我连接(A,B,C)任何一个节点想获取’key’这个key时,也会这样的算法,然后内部跳转到B节点上获取数据

新增一个节点D,redis cluster的这种做法是从各个节点的前面各拿取一部分slot到D上,我会在接下来的实践中实验。大致就会变成这样:

节点A覆盖1365-5460
节点B覆盖6827-10922
节点C覆盖12288-16383
节点D覆盖0-1364,5461-6826,10923-12287

同样删除一个节点也是类似,移动完成后就可以删除这个节点了。

2.redis安装

  1. 假设已经准备了三台Linux机器(可以采用虚拟机virtualbox安装,并且以桥接方式配置网络,使得三台linux机器都有不同的局域网ip)。在每台机器的/etc/hosts目录下配置域名映射关系
192.168.31.88 hadoop-master #虚拟机1 linux
192.168.31.234 hadoop-slave01 #虚拟机2 linux
192.168.31.186 hadoop-slave02 #虚拟机3 linux
192.168.31.19 hadoop-macbook #本机macbook
  1. 下载最新版redis
    https://redis.io/
  2. 上传redis文件到虚拟机上,并进行编译(假设已安装了polysh)
#设置polysh登陆到~/.bash_profile
alias hadoop-login="polysh 'hadoop@hadoop-master' 'hadoop@hadoop-slave<01-02>' "
source ~/.bash_profile
#同时登陆三台机器
hadoop-login
#上传文件
scp wenyicao@192.168.31.19:/Users/wenyi/Downloads/redis-3.2.8.tar.gz ./
mv redis-3.2.8.tar.gz ~/workspace
cd workspace
tar -xvf redis-3.2.8.tar.gz
cd redis-3.2.8
#编译生成redis命令,并且将所有编译生成的bin命令copy到指定目录
make
make install PREFIX=/home/hadoop/workspace/redis-cluster
#因为机器有限需要在每台机器上启动两个redis进程,只需要配置不同端口即可(3master 3slave)
echo "export PATH=/home/hadoop/workspace/redis-cluster/bin:$PATH" >> ~/.bash_profile
source ~/.bash_profile

#设置实例1
mkdir master
cp /home/hadoop/workspace/redis-3.2.8/redis.conf /home/hadoop/workspace/redis-cluster/master/redis-master.conf
#修改配置文件
port 6379                                       //端口     
bind 192.168.31.234                             //修改为本机ip
daemonize    yes                               //redis后台运行
pidfile  /var/run/redis_6379.pid              //pidfile标识进程端口号
cluster-enabled  yes                           //开启集群 
cluster-config-file  nodes_6379.conf    //集群的配置  配置文件首次启动自动生成
cluster-node-timeout  15000                //请求超时  默认15秒,可自行设置
appendonly  yes                           //aof日志开启  有需要就开启,它会每次写操作都记录一条日志 


#设置实例2
mkdir slave
cp /home/hadoop/workspace/redis-3.2.8/redis.conf /home/hadoop/workspace/redis-cluster/master/redis-slave.conf
#修改配置文件
port 6380                                     //端口     
bind 192.168.31.234                             //修改为本机ip
daemonize    yes                               //redis后台运行
pidfile  /var/run/redis_6380.pid              //pidfile标识进程端口号
cluster-enabled  yes                           //开启集群 
cluster-config-file  nodes_6380.conf    //集群的配置  配置文件首次启动自动生成
cluster-node-timeout  15000                //请求超时  默认15秒,可自行设置
appendonly  yes                           //aof日志开启  有需要就开启,它会每次写操作都记录一条日志 
  1. 启动redis进程
vim start-redis.sh
cd /home/hadoop/workspace/redis-cluster/master
redis-server redis-master.conf
cd /home/hadoop/workspace/redis-cluster/slave
redis-server redis-slave.conf
chmod 777 start-redis.sh
#开启redis进程
sh start-redis.sh
#检查每台虚拟机是否都启动成功
~/workspace/redis-cluster$ ps -ef | grep 'redis'
hadoop    2018     1  0 07:42 ?        00:00:59 ./redis-server 192.168.31.88:6379 [cluster]
hadoop    2022     1  0 07:42 ?        00:01:02 ./redis-server 192.168.31.88:6380 [cluster]
#单独机器加入redis集群
#拷贝集群命令
cp /home/hadoop/workspace/redis-3.2.8/src/redis-trib.rb /home/hadoop/workspace/redis-cluster/bin
#加入集群(每个master都有一个slave)
redis-trib.rb create --replicas 1 192.168.31.88:6379 192.168.31.88:6380 192.168.31.234:6379 192.168.31.234:6380 192.168.31.186:6379 192.168.31.186:6380
#检查加入集群是否成功
redis-trib.rb check 192.168.31.88:6379
>>> Performing Cluster Check (using node 192.168.31.88:6379)
M: 1f46b01cba0e6f42d51ff5d2206f37d27411ae16 192.168.31.88:6379
   slots:0-5460 (5461 slots) master
   1 additional replica(s)
M: 40de1b50fcafc24cda55d4ae923efed3b4e4e649 192.168.31.186:6379
   slots:10923-16383 (5461 slots) master
   1 additional replica(s)
S: 99b6e22ecc195cfaa261f3a56226ddf24e9e5ac7 192.168.31.88:6380
   slots: (0 slots) slave
   replicates f2f54db7aecc20a0311ea7776cde758e52ba9086
M: f2f54db7aecc20a0311ea7776cde758e52ba9086 192.168.31.234:6379
   slots:5461-10922 (5462 slots) master
   1 additional replica(s)
S: e52ecfefc6898a4db9c159bdd04bf0c1e3629037 192.168.31.186:6380
   slots: (0 slots) slave
   replicates 40de1b50fcafc24cda55d4ae923efed3b4e4e649
S: 37f29c44cca874dc965ddb505219f267ad6dc270 192.168.31.234:6380
   slots: (0 slots) slave
   replicates 1f46b01cba0e6f42d51ff5d2206f37d27411ae16
[OK] All nodes agree about slots configuration.
>>> Check for open slots...
>>> Check slots coverage...
[OK] All 16384 slots covered.

如果执行redis-trib.rb 命令前需要安装ruby环境

sudo apt-get install ruby
sudo apt-get install rubygems  
gem install redis-3.2.8.gem  
  1. 其他说明
    进程在第一次启动时会在master或者slave目录建立相关的数据库、日志文件、以及集群节点信息
    dump.rdb appendonly.aof nodes-6379.conf
    在第一次加入集群后节点间信息会写入nodes-6379文件中
40de1b50fcafc24cda55d4ae923efed3b4e4e649 192.168.31.186:6379 master - 0 1494036866836 5 connected 10923-16383
99b6e22ecc195cfaa261f3a56226ddf24e9e5ac7 192.168.31.88:6380 slave f2f54db7aecc20a0311ea7776cde758e52ba9086 0 1494036866399 3 connected
f2f54db7aecc20a0311ea7776cde758e52ba9086 192.168.31.234:6379 master - 0 1494036866995 3 connected 5461-10922
1f46b01cba0e6f42d51ff5d2206f37d27411ae16 192.168.31.88:6379 myself,master - 0 0 1 connected 0-5460
e52ecfefc6898a4db9c159bdd04bf0c1e3629037 192.168.31.186:6380 slave 40de1b50fcafc24cda55d4ae923efed3b4e4e649 0 1494036866836 6 connected
37f29c44cca874dc965ddb505219f267ad6dc270 192.168.31.234:6380 slave 1f46b01cba0e6f42d51ff5d2206f37d27411ae16 0 1494036866995 4 connected
vars currentEpoch 6 lastVoteEpoch 0

因此以后在启动redis集群的时候不需要再次执行redis-trib.rb create –replicas 1 192.168.31.88:6379 192.168.31.88:6380 192.168.31.234:6379 192.168.31.234:6380 192.168.31.186:6379 192.168.31.186:6380
只需要执行:sh start-redis.sh文件启动redis进程即可
可以通过调用redis-trib.rb check 192.168.31.88:6379发现已经是集群形式

3 开发的spring测试程序

http://blog.csdn.net/cweeyii/article/details/71369145

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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