如何对 Redis 进行水平扩展和垂直扩展以应对微服务流量的增长？
核心概念：
- 垂直扩展 (Scale Up): 提升单个节点的性能。简单来说就是给现有的 Redis 服务器增加更多的 CPU 、内存、更快的存储（SSD）或更高的网络带宽。
- 水平扩展 (Scale Out): 增加更多节点来分担负载。这意味着部署多个 Redis 实例，并将数据和/或请求分布到这些实例上。
1. 垂直扩展 (Scale Up)
-
如何实现：
- 升级服务器硬件：增加 RAM 是最直接的方式，因为 Redis 是内存数据库。
- 增加 CPU 核：虽然 Redis 的主进程是单线程的，但像 AOF Rewrite、RDB 保存等操作会在后台线程中执行，更多的 CPU 核可以提升这些操作的效率，避免它们阻塞主线程。同时，更好的 CPU 也有助于网络 I/O 处理。
- 使用更快的网络接口卡 (NIC) 和交换机。
- 使用更快的存储介质（如 NVMe SSD）如果启用了 RDB 持久化或 AOF 持久化。
-
优点：
- 简单快捷： 通常只需要停止 Redis 服务，升级硬件，然后重启服务。
- 无需应用代码改动： 对于微服务来说，连接的 Redis 地址不变，无需修改代码。
- 数据集中： 所有数据都在一个实例上，管理和操作相对简单。
-
缺点：
- 存在上限： 单台服务器的硬件资源总是有限的，无法无限扩展。
- 性价比降低： 高端硬件往往价格昂贵，且性价比不如分布式方案。
- 单点故障 (SPOF)： 垂直扩展的实例仍然是单点，一旦该服务器宕机，整个服务就不可用（需要配合高可用方案如 Sentinel）。
- 单线程瓶颈： 即使有再多的 CPU 核，Redis 的主命令处理仍然是单线程的。如果某个操作（如 KEYS 命令在大数据集上执行）阻塞了主线程，整个实例的性能都会受到影响。高并发下，单个核心的计算能力和网络I/O处理能力也会成为瓶颈。
-
适用场景：
- 流量增长初期，现有服务器资源（特别是内存）成为明显瓶颈时。
- 数据集不大，可以通过升级单机配置来满足需求。
- 架构复杂性(低)。
2. 水平扩展 (Scale Out)
水平扩展是应对微服务大规模流量增长和大数据量的主要策略。Redis 的水平扩展主要依赖于两种模式：读写分离（Replication） 和 数据分片/集群（Sharding/Clustering）。
2.1 基于读写分离 (Replication) 的水平扩展
-
机制： 设置一个主节点 (Master) 和多个从节点 (Replicas/Slaves)。主节点处理所有写请求，并将数据同步给从节点。从节点处理读请求。
-
实现方式：
- 部署多个 Redis 实例。
- 配置从节点连接到主节点进行数据同步 (
replicaof <masterip> <masterport>命令或配置)。 - 配合高可用 (HA)： 通常与 Redis Sentinel 结合使用。Sentinel 监控主节点和从节点，在主节点故障时自动将一个从节点提升为新的主节点。
- 微服务客户端处理： 微服务客户端需要区分读写请求，将写请求发送到主节点，将读请求分散到从节点。这可以在客户端代码中实现，或者通过中间代理层实现。
-
优点：
- 扩展读性能： 通过增加从节点的数量，可以线性地扩展读请求的处理能力。
- 实现相对简单： 设置主从同步和 Sentinel 相对容易。
- 提供了高可用性： 结合 Sentinel，可以实现自动故障转移。
-
缺点：
- 写性能瓶颈： 所有写请求仍然集中在主节点，主节点的写性能和内存容量仍然是整个系统的瓶颈。
- 数据同步延迟： 主从同步是异步的（Redis 4.0 引入了部分同步，但本质上仍是异步的），读从节点可能会读到稍微过期的数据（最终一致性）。
- 复杂性转移到客户端或中间层： 需要客户端或代理层来判断请求类型并路由到正确节点。
-
适用场景：
- 读请求远大于写请求（读多写少）的场景。
- 数据集大小尚可在单个主节点的内存容量范围内。
- 需要高可用性。
2.2 基于数据分片/集群 (Sharding/Clustering) 的水平扩展
这是真正的水平扩展，既扩展读写性能，也扩展存储容量。
-
机制： 将整个数据集分散存储在多个独立的 Redis 主节点上，每个主节点负责存储一部分数据（一个“分片”或“槽位”）。
-
实现方式：
- Redis Cluster (原生解决方案)： 这是 Redis 官方提供的分布式解决方案。它将 16384 个哈希槽 (hash slots) 分配给集群中的各个主节点。每个主节点负责管理一部分哈希槽。客户端根据键计算哈希槽，然后连接到负责该哈希槽的主节点进行操作。Redis Cluster 内置了故障转移机制（每个主节点可以有自己的从节点，主节点故障时其从节点会被提升）。
- 第三方代理/工具： 例如 Twemproxy (nutcracker)。客户端连接到代理，代理根据配置的分片规则（如一致性哈希）将请求转发到后端多个独立的 Redis 实例（这些实例可以是独立的，也可以是主从复制集）。代理隐藏了后端实例的复杂性，为客户端提供一个单点入口。
- 客户端分片： 客户端根据分片规则（如哈希取模）自己计算出键应该去哪个 Redis 实例，然后直接连接到对应的实例。这种方式实现复杂，且不便于弹性伸缩和数据迁移。
-
优点：
- 扩展读写性能和存储容量： 通过增加主节点的数量，可以扩展整个系统的读写吞吐量和总内存容量。
- 分布式高可用： Redis Cluster 内置了故障转移，代理方式也可以结合 Sentinel 实现每个分片的高可用。
- 避免单点瓶颈： 负载分散到多个主节点上。
-
缺点：
- 架构复杂性高： 需要部署、配置和管理多个节点或代理层。
- 对客户端有要求：
- Redis Cluster： 客户端必须是 Cluster-aware 的客户端库，能够理解 MOVED 和 ASK 重定向错误，并能自动连接到正确的节点。
- 代理方式： 客户端连接到代理即可，对客户端本身无特殊要求，但需要管理代理层。
- 客户端分片： 客户端实现复杂，且与分片逻辑紧密耦合。
- 部分操作受限：
- Redis Cluster： 涉及多个键的操作（如 MGET, SUNION, 事务 MULTI/EXEC）如果这些键不在同一个哈希槽中，则无法跨节点直接执行。需要客户端或应用层自己处理（如分批获取）。
SELECT命令（多数据库）不支持。 - 代理方式： 依赖于代理的实现，可能存在类似限制。
- Redis Cluster： 涉及多个键的操作（如 MGET, SUNION, 事务 MULTI/EXEC）如果这些键不在同一个哈希槽中，则无法跨节点直接执行。需要客户端或应用层自己处理（如分批获取）。
- 运维复杂性： 数据迁移、集群扩缩容、监控、备份恢复等操作比单实例复杂得多。
-
适用场景：
- 数据集远大于单台服务器的内存容量。
- 写请求量很大，单主节点无法承受。
- 需要线性的读写扩展能力。
- 更高的架构和运维复杂性。
对于微服务环境下的选择建议：
-
起步阶段/小型服务：
- 垂直扩展 通常是第一个考虑的步骤，快速提升资源。
- 紧接着考虑 主从复制 + Sentinel 方案，以应对读流量增长和提供高可用性。这是很多微服务场景下 Redis 的标准部署方式，相对简单且能满足大部分读多写少的缓存需求。
-
中大型服务/数据密集型服务：
- 如果读写流量都很高，或者数据集远超单机内存，必须采用 数据分片/集群 方案。
- Redis Cluster 是官方推荐的原生方案，更健壮且维护活跃。但需要确保微服务使用的 Redis 客户端库支持 Redis Cluster。这是推荐的首选方案，尤其是在新的微服务项目中。
- 如果由于客户端限制或其他历史原因，无法直接使用 Redis Cluster-aware 客户端，可以考虑使用 代理 (如 Twemproxy) 作为过渡或替代方案。但这引入了额外的中间层管理成本。
-
函数式分区：
- 另一种简单的方式是根据不同的微服务或不同的数据类型使用完全独立的 Redis 实例/集群。例如，用户服务用一个 Redis，订单服务用另一个 Redis。这是一种宏观上的水平扩展，简单有效，但每个独立实例仍需要考虑其自身的扩展（垂直或水平）。
总结：
- 垂直扩展 适用于初期快速提升性能，但有硬件上限和单点故障风险。
- 水平扩展 是应对大规模流量和数据量的根本方式。
- 主从复制 + Sentinel 主要扩展读性能和提供高可用，适用于读多写少场景。
- Redis Cluster 扩展读写性能和存储容量，适用于数据量大、写流量高的场景，但对客户端有要求且管理更复杂。
- 代理或客户端分片 是实现分片的其他方式，各有优缺点。
在微服务架构下，选择合适的 Redis 扩展方案需要综合考虑当前的流量、数据量、读写比例、预期的增长、团队的运维能力以及微服务使用的客户端库是否支持特定的分布式特性。随着流量增长，会从垂直扩展逐渐转向水平扩展，并从简单的复制模式演进到更复杂的集群模式。同时，做好监控和容量规划是必不可少的。
相关文章：
如何对 Redis 进行水平扩展和垂直扩展以应对微服务流量的增长？
核心概念： 垂直扩展 (Scale Up): 提升单个节点的性能。简单来说就是给现有的 Redis 服务器增加更多的 CPU 、内存、更快的存储（SSD）或更高的网络带宽。水平扩展 (Scale Out): 增加更多节点来分担负载。这意味着部署多个 Redis 实例ÿ…...
PyCharm 加载不了 conda 虚拟环境，不存在的
#工作记录 前言 在开发过程中，PyCharm 无法加载 Conda 虚拟环境是常见问题。 在不同情况下，“Conda 可执行文件路径”的指定可能会发生变化，不会一尘不变，需要灵活处置。 以下是一系列解决此问题的经验参考。 检查 Conda 安装…...
Matlab/Simulink的一些功能用法笔记（4）
水一篇帖子 01--MATLAB工作区的保护眼睛颜色设置 默认的工作区颜色为白色 在网上可以搜索一些保护眼睛的RGB颜色参数设置 在MATLAB中按如下设置： ①点击预设 ②点击颜色，点击背景色的三角标符号 ③点击更多颜色，找到RGB选项 ④填写颜色参数…...
)
OS7.【Linux】基本指令入门(6)
目录 1.zip和unzip 配置指令 使用 两个名词:打包和压缩 打包 压缩 Linux下的操作演示 压缩和解压缩文件 压缩和解压缩目录 -d选项 2.tar Linux下的打包和压缩方案简介 czf选项 xzf选项 -C选项 tzf选项 3.bc 4.uname 不带选项的uname -a选项 -r选项 -v选项…...
便捷OCR文字识别软件推荐
软件介绍 此次要介绍的是一款OCR识别软件。 核心功能及特点 这款小巧的OCR识别软件，功能简洁，操作方便，只需进行截图，随后就能自动识别文字内容。并且，它具备离线使用的特性，这一特点使得它非常适合在不联…...
【中间件】brpc_基础_栈管理
文章目录 BRPC bthread栈管理1 简介2 关键数据结构2.1 栈描述符 (bthread_stack_t)2.2 栈池 (StackPool) 3 核心操作3.1 栈分配 (bthread_stack_alloc)3.2 栈释放 (bthread_stack_dealloc)3.3 栈切换支持 4 性能优化5 安全性设计6 跨平台实现6.1 Linux6.2 Windows 7 应用场景8 …...
Linux 硬盘和光驱系统管理
一、硬盘与目录的容量 [rootwww ~]# df [-ahikHTm] [目录或档名] 选项与参数： -a ：列出所有的档案系统，包括系统特有的 /proc 等档案系统； -k ：以 KBytes 的容量显示各档案系统； -m ：以 MByt…...
分库分表后复杂查询的应对之道：基于DTS实时性ES宽表构建技术实践
1 问题域 业务发展的初期，我们的数据库架构往往是单库单表，外加读写分离来快速的支撑业务，随着用户量和订单量的增加，数据库的计算和存储往往会成为我们系统的瓶颈，业界的实践多数采用分而治之的思想：分库…...
[三分钟]性能测试工具JMeter入门: 下载安装JMeter并设置中文；JMeter基本使用流程
文章目录 1.下载并打开JMeter2.设置JMeter中文3.JMeter基本使用流程 Apache JMeter 是 Apache 组织基于 Java 开发的压力测试工具。 JMeter 支持多种协议和技术，如 HTTP、HTTPS、FTP、JDBC、SOAP、REST、JMS 等。它不仅可以用于性能测试，还可以用于功能测…...
StableDiffusionWebUI的AI绘图AI绘视频详细使用教程+报错排坑
概述 这里是官方的最原始的体积最小的StableDiffusionWebUI的下载及其使用教程，已经帮你们把坑都排完了，本教程适合开发者、程序员自己折腾，源码体积只有1.8M。 从0安装到绘图 1.环境 Python与Git环境： 安装Python3.10.0 >…...
Flutter 合并 ‘dot-shorthands‘ 语法糖，Dart 开始支持交叉编译
最近在 Dart 在 main 3.9 合并了一项名为 「dot-shorthands」 的语法糖提议，该提议主要是为了简化开发过程中的相关静态固定常量的写法，通过上下文类型推断简化枚举值和静态成员的访问： 简单来说，就是在之前你可能需要写 SomeEnum…...
貌似我的ollama加载的模型被下载了两份？终于搞懂原理了。
文章目录 背景ollama的模型默认会被放在哪儿呢？什么是homedir？ollama服务直接ollama serve如何修改保存模型文件的路径？背景 如果你想以最快的方式，部署本地的大模型，那么ollama无疑是最合适的选择之一。我其实linux用的不多。之前一直是在windows上部署的ollama。后来有…...
【HarmonyOS 5】鸿蒙用户头像编辑功能实践
【HarmonyOS 5】鸿蒙用户头像编辑功能实践 一、前言 1、应用背景 在鸿蒙化开发过程中，我们发现最基本常见的功能–用户头像的编辑，实现方式和Android与IOS有极大的不同。 在实际开发和调研的过程中，我们发现并总结了鸿蒙隐私处理与业内Android和IOS的差异性。发现隐私保…...
VTK|结合qt创建通用按钮控制显隐（边框、坐标轴、点线面）
文章目录 增加边框BoundingBox添加addBoundingBox添加BoundingBox控制按钮点击按钮之后的槽函数 添加坐标轴增加点线面显隐控制按钮添加控制点线面显隐的按钮到三维显示界面控制面显示槽函数控制线显示槽函数控制点显示槽函数 增加边框BoundingBox 增加边框BoundingBox并通过按…...
Python Cookbook-7.3 在 Pickling 的时候压缩
任务 你想以一种压缩的方式来 pickle 一般的 Python 对象。 解决方案 标准库模块 cPickle 和 gzip提供了所需的功能;你只需以适当的方式将它们粘合起来即可: import cPickle,gzip def save(filename,*objects):将对象存为压缩过的磁盘文件fil gzip.open(filename,wb)for o…...
合并两个有序链表 - 简单
************* C topic: 21. 合并两个有序链表 - 力扣（LeetCode） ************* Give the topic an inspection. Hi, guys, how is your holiday break? I went to 黄山 in the past few days. The mount Huang is really beautiful. 天都峰 is real…...
手写 Vue 源码 === Effect 机制解析
目录 核心概念 响应式效果的实现 依赖收集的具体流程 为什么使用全局变量？ 嵌套 effect 的处理 总结 Vue3 的响应式系统核心在于跟踪依赖并在数据变化时触发更新。effect.ts文件实现了这一机制的核心部分，下面我们来梳理其中的关键思路。 核心概念…...
《AI大模型应知应会100篇》第49篇：大模型应用的成本控制策略
第49篇：大模型应用的成本控制策略 🧾 摘要 随着AI大模型的广泛应用，其高昂的部署与运行成本成为企业面临的一大挑战。本文将从技术架构、资源优化、业务模式等多个维度出发，系统性地讲解如何在保障服务质量的前提下，实…...
利用Ollama部署DeepSeek模型
利用Ollama部署DeepSeek模型 最近，DeepSeek作为一款高效的推理模型受到了广泛关注，但在使用网页版过程中，总是遇到服务器繁忙，因此尝试在本地部署DeepSeek来使用。 一、Ollama安装指南 Ollama是一个开源的AI大模型部署工具&…...
数字孪生储能充电站，实现智慧能源设施全景管控
图扑将储能充电站的电池组、充电桩、配电系统等设备进行数字孪生，通过实时接入充放电数据、设备状态及能耗信息，以三维可视化界面直观呈现储能动态、电力调度与运维场景，助力运营方优化资源配置、预判设备故障，推动储能充电设施高…...
MCP服务发展现状的有趣发现
MCP服务发展现状的有趣发现 当前，MCP（Model Context Protocol）在AI领域逐渐成为一个热门话题。其核心意义在于赋予大模型直接调用外部工具的能力，从而打破“数据孤岛”，实现真正的工具增强型AI。然而，在深…...
aws平台windows虚拟机扩容
收到aws平台windows虚拟机扩容磁盘的请求 登陆aws平台ec2找的对应的虚拟机 进入实例详情 然后点击存储 点击进入卷 然后远程登陆这台虚拟机 在运行对话框中，输入 diskmgmt.msc 并按 Enter。然后，磁盘管理实例程序随之打开 在 Disk Management 菜单上&am…...
QuecPython+Aws:快速连接亚马逊 IoT 平台
提供一个可接入亚马逊 Iot 平台的客户端，用于管理亚马逊 MQTT 连接和影子设备。 初始化客户端 Aws class Aws(client_id,server,port,keep_alive,ssl,ssl_params)参数： client_id (str) - 客户端唯一标识。server (str) - 亚马逊 Iot 平台服务器地址…...
从创业踩雷到依法解债：湖北理元理律师事务所的危机拆解逻辑
“本以为最坏结果是创业失败，没想到差点毁了家庭。”34岁的武汉宝妈李婷（化名）在咖啡厅里翻着厚厚的案件材料。因参与朋友奶茶店项目，她在网贷平台借款28万，却因合同漏洞陷入债务旋涡。本文将拆解专业机构处理此类案件…...
1、Kafka与消息队列核心原理详解
消息队列（Message Queue, MQ）作为现代分布式系统的基础组件，极大提升了系统的解耦、异步处理和削峰能力。本文以Kafka为例，系统梳理消息队列的核心原理、架构细节及实际应用。 Kafka 基础架构及术语关系图 术语简要说明 Produce…...
【Linux系统】线程安全
线程安全和重入问题 概念 线程安全：多个线程在访问共享资源时，能够正确地执行，不会相互干扰或破坏彼此的执行结果。一般而言，多个线程并发同一段只有局部变量的代码时，不会出现不同的结果。但是对全局变量或者静态变…...
什么是gitlab自动部署，怎么配置gitlab自动部署
在现代软件开发流程中，自动化部署是提高效率和确保软件质量的关键环节。GitLab作为一个强大的DevOps平台，提供了完整的自动部署工具，帮助开发团队实现代码从编写到生产的无缝转换。本文将详细解析GitLab的自动部署功能是什么，如何进行操作，以及这一功能的实用性评估，帮助…...
Android开发-工程结构
在进行Android应用开发时，了解并掌握项目的工程结构是非常重要的一步。一个典型的Android项目由多个模块组成，每个模块又包含不同的目录和文件，它们各自承担着特定的功能。本文将带你深入了解Android Studio生成的默认项目结构，并…...
典籍知识问答模块AI问答功能feedbackBug修改+添加对话名称修改功能
1.feedbackBug修改 由于原先定为enum类型，导致无法正常评价，一直报错Data truncated for column feedback at row 1，将其修改为varchar类型，而类型选择在代码中实现 QAService代码修改后如下： 2.添加对话名称修改功…...
极狐Gitlab 里程碑功能介绍
极狐GitLab 是 GitLab 在中国的发行版，关于中文参考文档和资料有： 极狐GitLab 中文文档极狐GitLab 中文论坛极狐GitLab 官网 里程碑 (BASIC ALL) 极狐GitLab 中的里程碑是一种跟踪议题和合并请求的方法，这些请求是为了在特定时间段内实现更…...
信奥赛CSP-J复赛集训（DP专题）（37）：P4170 [CQOI2007] 涂色
信奥赛CSP-J复赛集训（DP专题）（37）：P4170 [CQOI2007] 涂色 题目描述 假设你有一条长度为 5 5 5 的木板，初始时没有涂过任何颜色。你希望把它的 5 5 5 个单位长度分别涂上红、绿、蓝、绿、红色，…...
代码随想录算法训练营第五十六天| 图论2—卡码网99. 岛屿数量（dfs bfs）
假期归来继续刷题，图论第二天，主要是进一步熟悉dfs 和 bfs 的运用。 99. 岛屿数量（dfs） 99. 岛屿数量 ACM模式还是需要练，不过现在输入输出的感觉已经比较熟悉了。首先是要按照输入搭建一个grid，然后有一…...
iOS开发架构——MVC、MVP和MVVM对比
文章目录 前言MVC（Model - View - Controller）MVP（Model - View - Presenter）MVVM（Model - View - ViewModel） 前言 在 iOS 开发中，MVC、MVVM、和 MVP 是常见的三种架构模式，它们主…...
雅思阅读--易错词汇60个
文章目录 5. pretty6. matterIt does not matter ...7. stage8. draw... draw attention ...5. pretty 23个大满贯单打冠军，传奇网球运动员 WIlliams 曾经说过： I’ve always been pretty confident in my abilities. 翻译：我一直对自己的能力很有信心。 分析：在本句中，“…...
精益数据分析（44/126）：深度解析媒体网站商业模式的关键要点
精益数据分析（44/126）：深度解析媒体网站商业模式的关键要点 在创业与数据分析的探索道路上，我们不断挖掘不同商业模式的核心要素，今天将深入剖析媒体网站商业模式。希望通过对《精益数据分析》相关内容的解读…...
【回眸】QAC使用指南——导出 Dashboard Report个性化定制Report
前言 按错误级别导出Dashboard的报告 导出Dashboard个性化定制报告 添加个性化设计 导出个性化报告（HTML/PDF/XML） 过滤级别错误 后记 前言 QAC除了导出常规的报告之外，还可以导出Dashboard的报告（XML格式或者PDF格式&…...
高铁座位指示灯系统技术深度解析：从物联网到智慧出行的实践路径
摘要 高铁座位指示灯系统作为铁路数字化转型的核心场景，通过物联网、实时数据同步等技术，实现了客票系统与列车座位状态的动态联动。本文结合权威技术文档与现场实践，从系统架构、数据交互、工程实现等维度展开深度解析，并探讨其…...
ReSearch：强化学习赋能大模型，推理与搜索的创新融合
ReSearch：强化学习赋能大模型，推理与搜索的创新融合 大语言模型（LLMs）的推理能力不断提升，却在与外部搜索结合处理复杂问题时遇阻。本文提出的ReSearch框架，借助强化学习让LLMs学会将搜索融入推理…...
python的selenium操控浏览器
咱们以操控谷歌浏览器为例子 各系统谷歌浏览器及其工具最新版本下载地址 Chrome for Testing availability 查看谷歌浏览器版本 设置->关于Chrome->查看当前谷歌浏览器版本 下载与谷歌浏览器版本对应的chromedriver 注意：与谷歌浏览器版本一模一样的不一定…...
1、PLC控制面板 - /自动化与控制组件/plc-control-panel
76个工业组件库示例汇总 PLC控制系统监控面板 这是一个用于PLC控制系统监控面板的自定义组件，提供了PLC编程与自动化控制逻辑设计的可视化监控界面。组件采用工业风格设计，包含实时数据展示、系统状态监控、控制功能以及报警和日志记录等功能。 功能特…...
LeetCode 热题 100 279. 完全平方数
LeetCode 热题 100 | 279. 完全平方数 大家好，今天我们来解决一道经典的动态规划问题——完全平方数。这道题在 LeetCode 上被标记为中等难度，要求找到和为给定整数 n 的完全平方数的最少数量。 问题描述 给定一个整数 n，返回和为 n 的完全…...
USB学习【2】通讯的基础-反向不归零编码
一.写在前面 所有的通讯协议，发送端和接收端必须按照同一节奏发送信号和接受信号才能保证通讯的正常进行，否则会出现错位。 这个节奏用我自己的话说：时间卡尺。 串口协议是通过约定好波特率来进行解析信号。IIC是专门有一个时钟线作为时间卡…...
Polygon Miden网络：具有客户端执行的边缘区块链
1. 引言 LambdaClass与Miden已合作超过18个月，这段合作关系始于帮助 Miden 开发客户端，为 Miden 网络提供交易执行和证明的支持。随着时间推移，双方的合作不断加深，工作也扩展到了协议和节点的开发上，涵盖了多个方面。…...
临床智能体AI与环境感知AI的融合：基于python的医疗自然语言处理深度分析
引言 医疗领域的数智化进程正以前所未有的速度推进，人工智能技术的应用尤为显著。随着大型语言模型（LLMs）的迅猛发展，医疗AI已从简单的辅助工具升级为复杂的智能体系统。临床智能体AI与环境感知AI的融合代表了医疗AI的最新发展方向，为重塑医疗运营自然语言处理提供了全新…...
Spring AI Alibaba-03- Spring AI + DeepSeek-R1 + ES/Milvus + RAG 智能对话应用开发全流程
Spring AI Alibaba-03- Spring AI DeepSeek-R1 ES/Milvus RAG 智能对话应用开发全流程 在[人工智能]（AI）应用中，模型通常需要访问外部资源或执行特定操作，例如数据库查询、调用外部API或执行计算任务。Spring AI，作…...
20250506异形拼图块（圆形、三角、正方，椭圆/半圆）的中2班幼儿偏好性测试（HTML）
背景介绍 最近在写一份工具运用报告，关于剪纸难度的。所以设计了蝴蝶描边系列和异形凹凸角拼图。 【教学类-102-20】蝴蝶三色图作品2——卡纸蝴蝶“满格变形图”（滴颜料按压对称花纹、原图切边后变形放大到A4横版最大化）-CSDN博客文章浏览阅读609次，点赞8次，收藏3次。【…...
Edge浏览器PDF字体显示错误
Edge浏览器PDF字体显示错误 软件版本信息 Edge Version: 136.0.3240.50 Word Version: Microsoft Office 专业增强版2021问题描述 在Word中使用多级列表自动编号, 并使用Word软件自带的导出为PDF文件功能, 在Word中显示正常的数字, 在Edge中查看PDF将会出现渲染错误的现象,…...
git中android studio不想提交文件
修改.gitignore文件 *.iml .gradle /local.properties /.idea/caches /.idea/libraries /.idea/modules.xml /.idea/workspace.xml /.idea/navEditor.xml /.idea/assetWizardSettings.xml /.idea/* /app/* .DS_Store /build /captures .externalNativeBuild .cxx local.propert…...
==和equals的区别 hashCode和equals的联系
和equals的区别： 对于没有重写equals()方法的类，和equals的作用是相同的：比较两个实例对象的地址是否相同。而对于重写了equals方法的类，equals方法则比较的是两个实例对象的内容（例如String对象）。 hashC…...
国联股份卫多多与国术科技签署战略合作协议
4月30日，国术科技（北京）有限公司（以下简称“国术科技”）营销中心总经理 王志广、贾雷一行到访国联股份卫多多，同卫多多/纸多多副总裁、产发部总经理段任飞，卫多多机器人产业链总经理桂林展开深入…...