Redis In Action 第三章 Redis命令

(三)Redis命令

本章主要内容

  • 字符串命令、列表命令和集合命令
  • 散列命令和有序集合命令
  • 发布命令与订阅命令
  • 其他命令

3.1 字符串

Redis的字符串就是一个由字节组成的序列。在 Redis 里面,字符串可以存储三种类型的值。

  • 字符串
  • 整数
  • 浮点数

  • 当用户将一个值存储到Redis字符串里面的时候,如果这个值可以被解释为十进制整数或者浮点数,那么Redis将会允许用户对这个字符串执行INCRDECR操作。
  • 如果用户对一个不存在的键或者一个保存了空串的键执行自增或者自减操作,那么Redis在执行操作时会将这个键的值当作是0来处理。
  • 如果用户尝试对一个值无法被解释为整数或者浮点数的字符串键执行自增或者自减操作,那么Redis将向用户返回一个错误。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ymJLWu8w-1588875530703)(https://i.loli.net/2020/05/08/IMdAUluam8YZ124.png)]

  • 在使用SETRANGE或者SETBIT命令对字符串进行写入的时候,如果字符串当前的长度不能满足写入的要求,那么Redis会自动的使用空字节来将字符串扩展至所需的长度,然后才进行写入或者更新操作。
  • 在使用GETRANGE读取字符串的时候,超出字符串末尾的数据会被视为空串,而在使用GETBIT读取二进制位串时,超出字符串的末尾的二进制位会被视为是0。

3.2 列表

Redis列表允许用户从序列的两端推入或者弹出元素,获取列表元素,以及执行各种常见的列表操作。除此之外,列表还可以用来存储任务信息、最近浏览过的文章或者常用联系人信息。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bw3wDTUD-1588875530704)(https://i.loli.net/2020/05/08/zNsMLP9ybHAd4IQ.png)]

组合使用LTRIMLRANGE可以构建出一个在功能上类似于LPOPRPOP,但是却能够一次返回并弹出多个元素的操作。

有几个列表命令可以将元素从一个列表移动到另一个列表,或者阻塞执行命令的客户端直到有其他客户端给列表添加元素为止。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GLjGITWh-1588875530705)(https://i.loli.net/2020/05/08/69Rwt3WaikJN8bf.png)]

3.3 集合

Redis集合以无序的方式来存储多个各不相同的元素,用户可以快速地对集合执行添加元素操作、移除元素操作、移除元素操作以及检查一个元素是否存在于集合里。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iafOzItr-1588875530707)(https://i.loli.net/2020/05/08/NXa1J7q3iPjQvzl.png)]

组合和关联多个集合

在这里插入图片描述

这些命令分别是并集运算、交集运算和差集运算这3个基本集合的操作的“返回结果”版本和“存储结果”版本。

3.4 散列

Redis的散列可以让用户将多个键值对存储到一个Redis键里面。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DKBruI9J-1588875530709)(https://i.loli.net/2020/05/08/b541s2NlAZg67Jn.png)]

HSETHGET命令分别是HMGETHMSET命令的单参数版本,这些命令的唯一区别在于单参数版本每次执行只能处理一个键值对,而多参数版本每次执行可以处理多个键值对。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4WJhtQQG-1588875530711)(https://i.loli.net/2020/05/08/TC5zkQf1SlxPZ4p.png)]

3.5 有序集合

有序集合也存储着成员与分值之间的映射,并且提供了分值处理命令,以及根据分值大小有序地获取或扫描成员和分值的命令。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ani0Zw9c-1588875530713)(https://i.loli.net/2020/05/08/CidhuGce9BvHkzR.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vs52YbQx-1588875530713)(https://i.loli.net/2020/05/08/HGlrbRYcwJSVPiE.png)]

3.6 发布与订阅

发布与订阅的特点是订阅者负责订阅频道、发送者负责向频道发送二进制字符串消息,每当有消息被发送至给定频道时,频道的所有订阅者都会收到消息。我们也可以把频道看作是电台,其中订阅者可以同时收多个电台,而发送者则可以在任何电台发送消息。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iyfepiwp-1588875530714)(https://i.loli.net/2020/05/08/zkhNnluJWcVrD81.png)]

3.7 其他命令

3.7.1 排序

在这里插入图片描述

3.7.2 键的过期时间

在这里插入图片描述

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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