【AI大模型】Elasticsearch9 + 通义大模型实现语义检索操作详解

目录

一、前言

二、Elasticsearch9 语义检索介绍

2.1 ES9 语义检索核心特性

2.2 semantic_text 字段类型说明

2.3 ES9 语义检索原理

2.4 ES9 语义检索优势与使用场景

三、 Elasticsearch9 搭建过程

3.1 环境说明

3.2 部署方式一

3.2.1 创建docker网络

3.2.2 获取es9镜像

3.2.3 启动 es容器

3.2.4 启动kibana容器

3.2.5 创建es访问账户和密码

3.2.6 为kibana创建访问es 的token令牌

3.2.6 生成访问kibana的验证码

3.2.7 访问kibana

3.3 部署方式二

3.3.1 初次启动es容器

3.3.2 拷贝容器内部的文件

3.3.3 文件授权

3.3.4 移除镜像

3.3.5 重启es容器

3.3.6 修改es配置参数

3.3.7 启动kibana容器

3.3.8 拷贝容器内的文件

3.3.9 文件目录授权

3.3.10 创建kibana账户

3.3.11 修改容器外挂载目录中的kibana.yml

3.3.12 重启kibana容器

四、ES9 英文语义检索操作过程

4.1 英文语义检索操作案例

4.1.1 创建索引

4.1.2 索引添加数据

4.1.3 执行语义搜索

五、ES9 中文语义检索操作过程

5.1 配置向量模型

5.1.1  获取向量模型和apikey

5.1.2 注册推理API访问入口

5.2 创建索引并增加数据

5.2.1 添加索引

5.2.2 增加几条数据

5.3 语义检索效果模拟

六、写在文末

一、前言

语义检索是指能够理解查询意图和文档含义的搜索技术，而不仅仅是关键词匹配。它通过自然语言处理（NLP）和机器学习技术理解查询和文档的语义上下文。ES9（Elasticsearch 9）是 Elasticsearch 搜索引擎的一个重要版本，它在语义检索（Semantic Search）方面引入了多项重要改进，使搜索更加智能化和语义化。本文将详细介绍 Elasticsearch 9 的语义检索特性、工作原理，并通过实际测试示例展示如何使用这些新功能。 

二、Elasticsearch9 语义检索介绍

Elasticsearch 9.0 在语义搜索领域带来了重大升级，通过原生支持 semantic_text 字段类型、改进的查询方式以及与向量搜索的深度整合，为用户提供了更强大、更灵活的语义检索能力。

2.1 ES9 语义检索核心特性

ES9 语义检索具有如下核心特性：

  • 原生向量搜索支持

    • 内置向量数据库功能，无需额外插件

    • 支持高效的近似最近邻（ANN）搜索

    • 与传统的倒排索引无缝集成

  • 改进文本嵌入集成

    • 简化了嵌入模型（如BERT、GPT等）的集成流程

    • 支持实时嵌入计算和索引

    • 提供预训练模型的管理功能

  • 混合检索模式

    • 结合关键词搜索（BM25）和向量搜索的优势

    • 可配置的混合评分机制

    • 支持结果重排序（reranking）

  • 增强NLP处理

    • 内置更先进的文本分词和分析器

    • 改进的同义词和语义扩展功能

    • 更好的多语言支持

  • 查询方式扩展

    • 原生 semantic 查询：专为语义搜索设计的简洁查询语法

    • match 查询支持：现在 match 查询也可用于 semantic_text 字段，提供更熟悉的查询体验

    • knn 查询支持：可直接对 semantic_text 字段执行近似最近邻搜索

    • sparse_vector 查询：支持稀疏向量搜索技术

2.2 semantic_text 字段类型说明

ES 9 引入了 semantic_text 字段类型，这是一种专为语义搜索设计的字段类型，能够自动处理文本的向量化表示。与传统的 text 字段不同，semantic_text 字段在索引时会自动通过配置的推理模型将文本转换为向量表示，而无需用户手动处理向量转换过程。其关键优势如下：

  • 开箱即用：

    • 只需配置推理端点，无需手动管理向量转换过程

  • 透明处理：

    • 自动处理文本扩展和向量化，对用户完全透明

  • 混合搜索：

    • 可与传统关键词搜索(BM25)结合使用，提升搜索结果相关性

2.3 ES9 语义检索原理

ES9 语义搜索基于文本扩展(text expansion)技术，其核心工作流程如下：

  • 数据存储向量化：将写入索引的数据进行向量化存储

  • 查询扩展：将用户查询输入通过推理模型扩展为包含相关术语的扩展查询

  • 向量转换：将扩展后的查询转换为向量表示(密集或稀疏向量)

  • 相似度计算：计算查询向量与文档向量的相似度

  • 结果排序：根据相似度得分对结果进行排序

与传统基于关键词搜索相比，语义搜索能够理解查询的意图和上下文，而不仅是匹配字面词汇。例如，搜索"自新媒体运营"可以匹配到包含与新媒体语义相近的的文档，即使文档中没有出现新媒体这个词。

2.4 ES9 语义检索优势与使用场景

语义检索在实际应用中是独具优势的，具体来说：

  1. 更精准的搜索结果：理解用户查询的真实意图

  2. 自然语言查询：支持问答式搜索和复杂查询

  3. 推荐系统：基于内容相似性的推荐

  4. 跨语言搜索：不同语言间的语义匹配

ES9的语义检索功能特别适用于需要理解内容语义的场景，如知识库搜索、电子商务产品搜索、内容推荐系统等。结合大模型，可以让语义检索发挥更强的作用。

三、 Elasticsearch9 搭建过程

为了后面使用和验证Elasticsearch9的语义检索特性，需要搭建Es9，接下来介绍2种基于docker安装Elasticsearch9的方式。

3.1 环境说明

请提前准备下面的环境

  • 云服务器或虚拟机，至少2C4G；
  • docker环境，版本不要太低；

3.2 部署方式一

3.2.1 创建docker网络

使用下面的命令创建一个docker 网络

docker network create elastic

3.2.2 获取es9镜像

使用下面的命令拉取es9镜像

docker pull elasticsearch:9.0.1

3.2.3 启动 es容器

使用下面的命令启动一个es容器

  • 注意，如果你的服务器内存不足，建议启动容器的时候在参数中限制一下容器占用的内存大小

docker run -d \
--name es9 \
--network elastic \
-p 9200:9200 \
-p 9300:9300 \
--privileged \
-e "discovery.type=single-node" \
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
elasticsearch:9.0.1

容器启动成功后，使用docker ps 命令检查一下

3.2.4 启动kibana容器

为了后续操作es索引数据方便，这里使用es的可视化操作工具kibana，下面使用下面的命令启动kibana容器

docker run -d \
--name kibana_09 \
--network elastic \
-p 5601:5601 \
--privileged \
kibana:9.0.1

使用docker ps命令检查是否启动成功

3.2.5 创建es访问账户和密码

为了确保es的数据安全，默认情况下，es开启了数据安全访问测试，在yml配置文件中可以看到

使用下面的命令创建一个账户和密码，输入命令之后，在最后会随机生成一个密码，注意妥善保管

docker exec -it es9 /usr/share/elasticsearch/bin/elasticsearch-reset-password -u elastic

3.2.6 为kibana创建访问es 的token令牌

还记得在使用kibana操作es的时候，在kibana中需要设置连接es的IP，端口等信息，在这里需要为kibana设置一个访问的token令牌，参考下面的命令

docker exec -it es9 /usr/share/elasticsearch/bin/elasticsearch-create-enrollment-token -s kibana

执行之后稍等一会，就会生成一长串token字符串，后续在kibana访问的时候会用到，请注意妥善保管

3.2.6 生成访问kibana的验证码

这么做的目的还是为了访问数据的安全考虑，执行下面的命令，生成验证码

docker exec kibana_09 /usr/share/kibana/bin/kibana-verification-code

3.2.7 访问kibana

输入 IP:5601 ，访问kibana控制台

将前面生成的token粘贴到输入框，跳转到下面的界面后，再将生成的验证码输入进去

验证成功后，跳转到下面的页面进行初始化相关的设置

初始化完成后跳转到下面的登录界面，输入前面设置的账户和密码进行登录

登录成功后，就来到下面熟悉的界面了

点击左侧的Dev Tools菜单，就到了熟悉的界面，在这个界面就可以操作ES相关的命令了

3.3 部署方式二

下面介绍第二种部署方式

3.3.1 初次启动es容器

使用下面的命令启动容器

docker run -d \
--name es9 \
--network elastic \
-p 9200:9200 \
-p 9300:9300 \
--privileged \
-e "discovery.type=single-node" \
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
elasticsearch:9.0.1

3.3.2 拷贝容器内部的文件

将容器内部的文件拷贝出来后面使用

docker cp es9:/usr/share/elasticsearch/data  /usr/local/soft/es
docker cp es9:/usr/share/elasticsearch/plugins /usr/local/soft/es
docker cp es9:/usr/share/elasticsearch/config /usr/local/soft/es

3.3.3 文件授权

后续会用到

chmod 777 -R config/ data/ plugins/

3.3.4 移除镜像

使用下面的命令移除镜像

docker stop es9 && docker rm es9

3.3.5 重启es容器

执行下面的命令重启es

docker run -d \
--name es9 \
--network elastic \
-p 9200:9200 \
-p 9300:9300 \
--privileged \
-v /usr/local/soft/es/data:/usr/share/elasticsearch/data \
-v /usr/local/soft/es/plugins:/usr/share/elasticsearch/plugins \
-v /usr/local/soft/es/config:/usr/share/elasticsearch/config \
-e "discovery.type=single-node" \
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
elasticsearch:9.0.1

3.3.6 修改es配置参数

在挂载目录中修改yml配置，调整下面的参数，调整完毕后注意重启es容器

3.3.7 启动kibana容器

使用下面的命令启动kibana容器

docker run -d \
--name kibana \
--network elastic \
-p 5601:5601 \
--privileged \
-e ELASTICSEARCH_HOSTS=http://elasticsearch:9200 \
kibana:9.0.1

3.3.8 拷贝容器内的文件

将容器内的文件拷贝出来

3.3.9 文件目录授权

为确保后续访问权限，给文件做下授权

然后移除容器

docker stop kibana && docker rm kibana

3.3.10 创建kibana账户

创建为kibana创建新账户，用于访问elasticsearch，容器内 /usr/share/elasticsearch/bin 目录下

对账户授权(123456)

3.3.11 修改容器外挂载目录中的kibana.yml

在yml中新增下面的配置

xpack.screenshotting.browser.chromium.disableSandbox: true
elasticsearch.username: admin
elasticsearch.password: 123456

3.3.12 重启kibana容器

使用下面的命令重启容器

docker run -d \
--name kibana \
--network elastic \
-p 5601:5601 \
--privileged \
-v /usr/local/soft/kibana/data:/usr/share/kibana/data \
-v /usr/local/soft/kibana/config:/usr/share/kibana/config \
-e ELASTICSEARCH_HOSTS=http://elasticsearch:9200 \
kibana:9.0.1

四、ES9 英文语义检索操作过程

Elasticsearch 提供了开箱即用的 ELSER(Elastic Learned Sparse Encoder)模型，适合英文语义搜索。对于中文，可以使用阿里云的稀疏向量模型。

4.1 英文语义检索操作案例

4.1.1 创建索引

执行下面的命令创建一个索引

PUT index-songs-semantic
{"mappings": {"properties": {"song_title": {"type": "text"},"artist": {"type": "keyword"},"lyric": {"type": "semantic_text","inference_id": ".multilingual-e5-small-elasticsearch" }}}
}

看到右侧的执行成功说明索引已创建

如果后续待检索的文档中有中文，可以使用阿里云的大模型，参考下面的命令设置

  • 需要提前配置好与阿里云向量模型的授权，后文中会有说明
PUT alibaba_sparse
{"mappings": {"properties": {"content": {"type": "semantic_text","inference_id": "alibabacloud_ai_search_sparse"}}}
}

4.1.2 索引添加数据

为上述创建的索引增加几条数据

POST index-songs-semantic/_doc/1
{"song_title": "...Baby One More Time","artist": "Britney Spears","lyric": "When I'm with you, I lose my mind, give me a sign"
}POST index-songs-semantic/_doc/2
{"song_title": "Crazy","artist": "Britney Spears","lyric": "You drive me crazy, I just can't sleep, I'm so excited, I'm in too deep"
}POST index-songs-semantic/_doc/3
{"song_title": "We wil rock you","artist": "Britney Spears","lyric": "Shouting in the street, gonna take on the world someday"
}

依次点击将3条数据添加进去

注意，如果在为索引添加数据过程中出现403的license错误，请执行下面的命令

POST /_license/start_trial?acknowledge=true

请注意，acknowledge=true 参数是必需的，因为它确认了你理解此许可证将在30天后到期。此外，每个主要版本只能激活一次试用期。如果您的集群已经激活过试用期，则需要等到新的主要版本发布或者通过官方渠道申请延长试用期。

4.1.3 执行语义搜索

使用 semantic 查询：

  • 简单来说，语义搜索就是，你输入一个与文档中的意思差不多的文本，能够给你搜索出来

GET index-songs-semantic/_search
{"query": {"semantic": {"field": "lyric","query": "song lyrics about love"}}
}

使用上面的语句在kibana中执行，可以看到，能够按照评分高低将符合条件的文档检索出来

match 查询(9.0新特性)：

  • 简单来说，使用es9的语义检索功能，像之前那样使用es的查询语法即可

五、ES9 中文语义检索操作过程

接下来通过案例操作演示下ES9的中文语义检索完整的操作过程。

5.1 配置向量模型

在文章开头谈到ES9的语义检索原理时，其中一个非常重要的点就是数据存储在es的时候，其内部有一个数据向量化的过程，即向量化后的数据才能在后续的检索中，借助语义检索查出来，因此在这里，我们先选择阿里云的文本向量大模型，结合es9一起来完成对于中文语义检索的过程。

5.1.1  获取向量模型和apikey

进入阿里云平台获取文本向量模型，并获取apikey，平台访问入口：智能开放搜索 OpenSearch 控制台

1）找到文本向量模型

如下，在服务广场找到下面的文本向量化模型，后续将会使用这个模型

点击查看详情，可以看到里面提供针对实际业务中多种场景下的具体服务信息，在后文的配置中使用哪一个，只需要拷贝对应的服务ID即可。

2）创建apikey

初次进来需要手动创建一个apikey

5.1.2 注册推理API访问入口

如何才能让后续写入es的索引数据与AI大模型进行联动呢？首先需要通过es的API进行服务注册，即打通ES与AI大模型交互，在kibana中执行下面的命令

PUT _inference/text_embedding/text_embedding_v1
{"service":"alibabacloud-ai-search","service_settings":{"api_key":"你的apikey","service_id":"ops-text-embedding-001","host":"default-8xf9.platform-cn-shanghai.opensearch.aliyuncs.com","workspace":"default"}
}

看到下面的界面创建成功

5.2 创建索引并增加数据

5.2.1 添加索引

使用下面的语句创建一个索引

PUT poetry
{"mappings": {"properties": {"author": {"type": "keyword"},"title": {"type": "text"},"content": {"type": "semantic_text","inference_id": "text_embedding_v1" }}}
}

5.2.2 增加几条数据

使用下面的语句增加几条数据

POST poetry/_doc/1
{"author": "杜甫","title": "春望","content": "国破山河在，城春草木深。感时花溅泪，恨别鸟惊心。"
}POST poetry/_doc/2
{"author": "李白","title": "静夜思","content": "床前明月光，疑是地上霜。举头望明月，低头思故乡。"
}POST poetry/_doc/3
{"author": "王维","title": "相思","content": "红豆生南国，春来发几枝。愿君多采撷，此物最相思。"
}

es的语义检索在数据进行存储的时候，看到的是为索引增加了一些数据，其实底层还增加了数据向量化的操作过程

5.3 语义检索效果模拟

通过上一步操作之后，数据不仅存储到索引，而且也被向量化了，实际在进行检索的时候，仍然是使用es常规的检索语法即可，首先进行正常的检索，我们使用关键字检索

GET poetry/_search
{"query": {"match": {"content": "明月光"}}
}

通过检索的结果，可以看到能够按照预期将相似度最高的排在最前面

然后在使用下面的语句，这一句是根据文档中的第一条数据推断出来的近似语句

  • 细心的同学可以发现，这里直接使用了es大家熟悉的match语法
GET poetry/_search
{"query": {"match": {"content": "描述家国大义诗句有哪些"}}
}

点击查询之后，神奇的现象出现了，能够正确的将语义最相似的第一条诗句返回

更近一步，使用es进行多条件查询时候，语义检索仍然有效，比如在下面的组合条件查询中，我们限定了两个条件，通过查询结果来看，语义检索仍然可以得到正确的返回结果

POST poetry/_search
{"size": 20,"query": {"bool": {"must": [{"match": {"content": {"query":"查找与思乡相关的诗句"}}},{"term": {"author": {"value": "李白"}}}]}}
}

检索结果如下

六、写在文末

本文通过较大的篇幅详细介绍了es9的语义检索功能，搭配向量大模型，可以在实际业务中发挥很重要的作用，有兴趣的同学可以基于此继续深入研究，本篇到此结束，感谢观看。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.pswp.cn/pingmian/84960.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

linux开机原理以及如何开关机-linux023

linux开机原理以及如何开关机-linux023

linux开机原理以及如何开关机 Linux 系统启动过程概述 阶段描述内核引导启动时，BIOS执行自检，启动设备通常是硬盘。操作系统接管硬件后，读取/boot目录下的内核文件。运行 initinit是系统所有进程的起点，负责启动其他进程。它读取…
阅读更多...
使用 socat 和 xinetd 将程序绑定到端口运行

使用 socat 和 xinetd 将程序绑定到端口运行

在现代网络应用开发和系统管理中，经常需要将某些程序或脚本绑定到特定的网络端口上，以实现远程访问或服务化。例如，一个简单的 Python 脚本可能需要通过 TCP 端口提供服务，或者一个命令行工具需要通过网络接口暴露其功能。为了实现…
阅读更多...
电阻篇---上拉电阻

电阻篇---上拉电阻

一、上拉电阻的定义与本质 定义：上拉电阻是一端连接到电源（VCC），另一端连接到电路节点的电阻元件，其核心作用是将该节点的电平 “拉” 至电源电压，使其在无信号输入时保持稳定的高电平状态。 本质原理&…
阅读更多...
前端持续集成和持续部署简介

前端持续集成和持续部署简介

持续集成（CI）：代码提交后自动触发构建、静态检查、单元测试，确保代码质量。 持续部署（CD）：通过流水线将测试通过的代码自动发布到测试/生产环境，减少人工操作失误。 CI/CD 工具链 …
阅读更多...
Elasticsearch高效文章搜索实践

Elasticsearch高效文章搜索实践

功能 创建索引和映射 使用postman添加映射和查询 查询所有的文章信息，批量导入到es索引库中 server:port: 9999 spring:application:name: es-articledatasource:driver-class-name: com.mysql.jdbc.Driverurl: jdbc:mysql://localhost:3306/leadnews_article?useU…
阅读更多...
React 中除了react-router还有哪些路由方案

React 中除了react-router还有哪些路由方案

在用React开发时，常用的路由是react-router ，但除此之外，还有两个路由方案，因为他们具备 react-router 没有的特性。 1. tanstack/router 1.1. 主要特性 100% 推断的 TypeScript 支持 类型安全的导航 嵌套路由和布局路由 内置…
阅读更多...
VINS-Fusion 简介、安装、编译、数据集/相机实测

VINS-Fusion 简介、安装、编译、数据集/相机实测

目录 VINS-Fusion 简介 安装 VINS-Fusion 源码安装 运行数据集 双目模式 单目IMU 模式 双目IMU 模式 D455 相机实际运行 双目IMU 模式 VINS-Fusion 简介 VINS-Fusion 是继 VINS-Mono 和 VINS-Mobile（单目视觉惯导 SLAM 方案）后，香港科 技大学…
阅读更多...
SQL Developer 表复制

SQL Developer 表复制

SQL Developer 表复制 此方法在数据量比较大时，比一条一条的insert要快得多；具体是会覆盖掉原数据，还是增量的处理，请自行创建demo表测试一下。 注意：原库版本要与目标库数据库版本一致，否则可能会报错的。…
阅读更多...
影视剧学经典系列-梁祝-《吕氏春秋·应同》

影视剧学经典系列-梁祝-《吕氏春秋·应同》

1、背景 07版电视剧《梁山伯与祝英台》中，谢道韫作为先生，给学生讲了其中的句子。 2、名言 君为尊，以白为黑，臣不能从；父虽亲，以黑为白，子不能从”出自《吕氏春秋应同》 其意为，…
阅读更多...
异步爬虫---

异步爬虫---

代码结构分析 这是一个同步新闻爬虫程序，主要包含以下几个部分： 们把爬虫设计为一个类，类在初始化时，连接数据库，初始化logger，创建网址池，加载hubs并设置到网址池。 爬虫开始运行的入口就是r…
阅读更多...
微服务架构中的 Kafka：异步通信与服务解耦（二）

微服务架构中的 Kafka：异步通信与服务解耦（二）

三、Kafka 基础入门 3.1 Kafka 是什么 Kafka 最初由 LinkedIn 公司开发，是一个开源的分布式事件流平台，后成为 Apache 基金会的顶级项目 。它不仅仅是一个简单的消息队列，更是一个分布式流处理平台，具备强大的消息队列、存储系统…
阅读更多...
Lighthouse与首屏优化

Lighthouse与首屏优化

之前提到首屏优化，想到的就是Vue项目首页打开很慢需要优化。一般都是肉眼看看，对当前的加载速度并没有一个准确的衡量标准，也没有很清晰的解决思路。 前两天我想给自己的网站申请谷歌广告，听说审核对网站的性能要求很高。于是网上…
阅读更多...
Maven 之 打包项目时没有使用本地仓库依赖问题

Maven 之 打包项目时没有使用本地仓库依赖问题

背景 pom 中使用了第三方jar包，远程仓库设置的是阿里云，之前运行很好，今天不知道怎么的，打包总是报错，阿里云仓库无法找到依赖包(本来也没有)，按理来说，编译打包时会优先选择本地仓库的包才对&a…
阅读更多...
Mysql基础入门\期末速成

Mysql基础入门\期末速成

DDL 操作数据库语句 创建&删除数据库语句 创建数据库 create database 数据库名称; -- 直接创建 create database if not exists 数据库名称; -- 如果不存在，则创建 create database 数据库名称 default charset utf8mb4; -- 创建编译类型utf8的数据类型 cre…
阅读更多...
SCADA|KingSCADA4.0中历史趋势控件与之前版本的差异

SCADA|KingSCADA4.0中历史趋势控件与之前版本的差异

哈喽，你好啊，我是雷工！ 最近用到KingSCADA4.0信创版本，也算尝鲜使用。 在使用的过程中发现有些功能或多或少存在一些差异， 这里将遇到的一些不同总结一下，便于后期更好的使用。 01 历史趋势控件 在KingSCADA中有一个历史趋势曲线控件KSHTrend。 该控件既可以连接King…
阅读更多...
ubuntu 拒绝ssh连接，连不上ssh，无法远程登录： Connection failed.

ubuntu 拒绝ssh连接，连不上ssh，无法远程登录： Connection failed.

目录 问题描述视窗 可视化桌面命令行 问题描述 [C:\~]$ Connecting to 192.166.8.85:22... Could not connect to 192.166.8.85 (port 22): Connection failed.Type help to learn how to use Xshell prompt. [C:\~]$ Connecting to 192.166.8.85:22... Could not connect to …
阅读更多...
【大模型应用开发】向量数据库向量检索方法存在问题及优化

【大模型应用开发】向量数据库向量检索方法存在问题及优化

一、检索结果重复 1. 问题分析 在构建向量数据库时，对文档分割会存在重复块（chunk_overlap：指两个块之间共享的字符数量，用于保持上下文的连贯性，避免分割丢失上下文信息），如下图所示&#xf…
阅读更多...
MySQL常用函数详解之数值函数

MySQL常用函数详解之数值函数

MySQL常用函数详解之数值函数 一、数值函数概述1.1 数值函数的作用1.2 数值函数分类 二、算术运算函数2.1 加法运算（）2.2 减法运算（-）2.3 乘法运算（*）2.4 除法运算（/ 或 DIV）2.5 取模…
阅读更多...
13、Redis进阶二之Redis数据安全性分析

13、Redis进阶二之Redis数据安全性分析

⼀ 、Redis性能压测脚本介绍 Redis的所有数据是保存在内存当中的， 得益于内存⾼效的读写性能， Redis的性能是⾮常强悍的 。但 是，内存的缺点是断电即丢失，所以 ，在实际项⽬中， Redis—旦需要保存—些重要的…
阅读更多...
【系统分析师】2011年真题：综合知识-答案及详解

【系统分析师】2011年真题：综合知识-答案及详解

文章目录 【第1题】【第2~3题】【第4~5题】【第6题】【第7~8题】【第9题】【第10题】【第11题】【第12题】【第13题】【第14题】【第15题】【第16题】【第17题】【第18题】【第19~20题】【第21题】【第22题】【第23题】【第24~25题】【第26题】【第27题】【第28题】【第29题】【…
阅读更多...
最新文章

Copyright @ 2022~2023