近来NebulaGraph社区在LLM+Graph和GraphRAG领域进行了深入的探索和分享。在LlamaIndex和LangChain中，NebulaGraph引入了一系列知识图谱和图存储工具，支持编排、图谱与大模型间的交互。之前，NebulaGraph布道师古思为作为这项工作的主要贡献者已向大家详细介绍了如何构建图谱...(more)

覆盖了Redis数据结构、持久化、复制、redissentinel、rediscluster等.

在选择适合您业务场景的语言模型（LLM）时，可以考虑基于微调开源模型和检索增强生成（RAG）的方法。像Llama2这样的开源LLM会根据客户的语料库进行微调。这使得经过微调的模型能够内化和理解客户的特定领域，从而无需额外的上下文即可回答问题。解决该问题的第二种方法是检索增强生...(more)

Redis死键的定义不尽相同，通常有两种：写到Redis里后，由于过期时间过长或者压根没有过期时间，加之长期不访问，这类key可以被称为死键。明明已经过了过期时间，但还占用Redis内存（没有真的删除），这类key也可以被称为死键。注释：本文讨论第二种情况一、两个例子下面两个列子中的键值均...(more)

为了更好的做好容灾保障，使业务能够应对机房级别的故障，滴滴的存储服务都在多机房进行部署。本文简要分析了Redis实现异地多活的几种思路，以及滴滴Redis异地多活架构演进过程中遇到的主要问题和解决方法，抛砖引玉，给小伙伴们一些参考。Redis异地多活的主要思路业界实现Redis异...(more)

某个周末的晚上突然收到一波耗时上升报警，仔细一看报警消息，原来是出现了慢查请求导致集群耗时大幅上升，此时业务同学也收到上游服务受影响报警。在处理问题过程中，运维同学发现Redis集群中只有部分实例出现cpu利用率上升，慢查日志也集中在这几个实例，而上游业务此时没有上线或...(more)

 大模型为什么突然这么火热，根本原因还是人工智能的蓬勃发展，最直接的原因，想必大家都很清楚，那就是ChatGPT的出现，它颠覆了人们对人工智能的认知，它能实现人与机器无障碍沟通，而且可以帮助你解答各种问题，甚至能帮助你写论文、散文、拍短视策划频和诗歌等能力，让人惊呼人工智能...(more)

本文是Redis成本优化系列文章的第3篇，讲述了hashtable的相关优化。一、几个实验hash相关配置before 7.0hash-max-ziplist-entries:512hash-max-ziplist-value:64after 7.0hash-max-listpack-entries 512hash-max-listpack-value 64如下三个场景，hash的内部实现都是hash...(more)

本文是Redis成本优化系列文章的第2篇，这篇篇幅较少，但是是Redis内存优化的重要里程碑。一、2个实验写入1万条hash键值对：key为37字节、1000对field(f0..f99)-value(2字节)版本2.8.243.0.73.2.134.0.145.0.146.0.206.2.157.0.12容量MB995.83995.83776.72461.61461.61461.6146...(more)

做了一阵子的成本优化，一直想整理些文章发出来，由于比较懒且“怂”一直没弄，最近决定还是整理下，本文是该系列文章的第一篇。一、几个实验Redis实验版本(撰写文本的最新版本)：2.8.24、3.0.7、3.2.13、4.0.14、5.0.14、6.0.20、6.2.15、7.0.12，容量MB：去掉了Redis自身的容量。1....(more)