[Redis]缓存常见问题解决(缓存穿透、击穿、雪崩一文解决!通俗易懂、代码实战!手把手教你解决缓存问题三兄弟!)

Redis常见问题解决

要求

只用一种缓存技术，从实验点中挑一些试验进行试验原理。

1.缓存原理

目标：理解缓存的基本原理和工作机制。

实验步骤：

  1. 阅读各缓存技术机制的文档和官方资料。
  2. 实现一个简单的应用程序，模拟数据的读写和缓存操作。
  3. 观察实时操作日志，了解缓存的实际运行情况。

实验

  1. 缓存的基本原理主要围绕以下几个核心概念：

    • 时间局部性与空间局部性：缓存利用了程序访问数据的时间局部性和空间局部性，即如果一个数据被访问过，它很可能在不久的将来再次被访问；并且，如果一个数据被访问，其相邻的数据也可能很快被访问。

    • 高速存储介质：缓存通常位于更快的存储介质上，比如内存，相比硬盘等慢速存储，能显著提升数据访问速度。

    • 缓存命中与未命中：当请求的数据在缓存中存在时称为缓存命中，此时直接从缓存返回数据，无需访问较慢的后端存储；反之，如果数据不在缓存中，则称为缓存未命中，需要从后端加载数据并存储到缓存中，以便下次快速访问。

    • 缓存策略：包括但不限于LRU（Least Recently Used，最近最少使用）、LFU（Least Frequently Used，最不经常使用）和FIFO（First In First Out，先进先出）等淘汰策略，以及过期策略、缓存更新策略等。

    • 缓存一致性：在多线程或多进程环境下，确保缓存与数据源保持一致性的机制，如写直达、写回等。

  2. 以下是一个简化的Java示例，使用HashMap模拟内存缓存：

    import java.util.HashMap;
import java.util.Map;public class SimpleCacheExample {private final Map<String, String> cache = new HashMap<>();public String getUserInfo(String userId) {// 先尝试从缓存中获取数据String userInfo = cache.get(userId);if (userInfo == null) {// 如果缓存中没有，模拟从数据库读取userInfo = fetchFromDatabase(userId);// 将数据放入缓存cache.put(userId, userInfo);System.out.println("缓存未命中！！！");} else {System.out.println("缓存命中！！！");} return userInfo;}private String fetchFromDatabase(String userId) {// 这里实际应调用数据库查询逻辑，这里简单模拟return "UserInfo of " + userId;}public static void main(String[] args) {SimpleCacheExample cacheExample = new SimpleCacheExample();System.out.println(cacheExample.getUserInfo("1001")); // 首次访问，会从数据库获取System.out.println(cacheExample.getUserInfo("1001")); // 再次访问，直接从缓存获取}
}

  3. 实时操作日志：

    1. 观察首次访问

      在这里插入图片描述

    2. 未命中缓存，查询数据库

      在这里插入图片描述

    3. 观察第二次访问

      在这里插入图片描述

    4. 命中缓存！直接返回结果。

      在这里插入图片描述

    5. 程序运行结果（首次访问，会从数据库获取。再次访问，直接从缓存获取。）

      在这里插入图片描述

2.缓存击穿

目标：模拟和解决缓存击穿问题。

实验步骤：

  1. 设计一个常被请求的热点数据。
  2. 启动多个并发请求同时访问该热点数据，观察缓存是否会因此而失效。
  3. 实现解决缓存击穿的方法，比如使用互斥锁或者提前加载数据。

实验

  1. 我们首先模拟实验环境（使用Redis作为缓存）

    查询心理健康产品详情接口：

    @Resource
private RedisTemplate redisTemplate;
int count = 1;@ApiOperation("查询心理健康产品详情")
@GetMapping("/detail")
public R<MentalHealthProduce> detail(@RequestParam(value = "id") String id) {MentalHealthProduce mentalHealthProduce;// 动态构造keyString key = "produce_" + id; // 例:produce_1397844391040167938// 先从Redis中获取缓存数据mentalHealthProduce = (MentalHealthProduce) redisTemplate.opsForValue().get(key);// 如果存在, 直接返回, 无需查询数据库if (mentalHealthProduce != null) {return R.success(mentalHealthProduce);}mentalHealthProduce = mentalHealthProduceService.getById(id);// 这里每一次进行数据库查询我们进行打印日志System.out.println("查询数据库次数:" + count++);if (mentalHealthProduce == null) {return R.error("心理健康产品不存在");}// 将查询到的热点数据缓存到Redis中,过期时间为3秒redisTemplate.opsForValue().set(key, mentalHealthProduce, 3, TimeUnit.SECONDS);return R.success(mentalHealthProduce);
}

  2. 我们进行压测，查看效果（开启10个线程，压测10秒）

    在这里插入图片描述

    我们观察控制台：即使我们开启了缓存，但在失效的时间内仍然请求了38次，在高并发中还是存在风险

    在这里插入图片描述

  3. 我们进行对缓存击穿的解决

    1. 热点数据永不过期（把过期时间取消即可，不再演示）

    2. 添加互斥锁

      1. 修改代码逻辑（加锁再去获取数据）

        // 动态构造key
String key = "produce_" + id; // 例:produce_1397844391040167938
// 创建基于id的唯一锁
String lockKey = "lock_produce_" + id;// 尝试获取基于id的锁
RLock lock = redissonClient.getLock(lockKey);
lock.lock(); // 先加锁，确保并发安全try {// 先从Redis中获取缓存数据mentalHealthProduce = (MentalHealthProduce) redisTemplate.opsForValue().get(key);// 如果存在, 直接返回, 无需查询数据库if (mentalHealthProduce != null) {return R.success(mentalHealthProduce);}mentalHealthProduce = mentalHealthProduceService.getById(id);// 这里每一次进行数据库查询我们进行打印日志System.out.println("查询数据库次数:" + count++);if (mentalHealthProduce == null) {return R.error("心理健康产品不存在");}// 将查询到的热点数据缓存到Redis中redisTemplate.opsForValue().set(key, mentalHealthProduce, 3, TimeUnit.SECONDS);
} catch (Exception e) {e.printStackTrace();
} finally {// 3、释放锁lock.unlock();
}

      2. 再次进行压测：开启10个线程，压测10秒

        在这里插入图片描述

      3. 观察控制台日志：我们过期时间设置为3秒，正常来说10秒压测只会进行四次数据库查询

        在这里插入图片描述

3.缓存穿透

目标：模拟和解决缓存穿透问题。

实验步骤：

  1. 构造一个不存在于缓存和数据库中的无效数据。
  2. 启动多个并发请求同时访问该无效数据，观察缓存是否被绕过直接访问数据库。
  3. 实现解决缓存穿透的方法，比如使用布隆过滤器或者空对象缓存。

实验

  1. 我们首先模拟实验环境（使用Redis作为缓存）

    查询文章接口：

    @ApiOperation("查询文章详情")
@GetMapping("/detail")
public R<ArticleResp> detail(@RequestParam(value = "id") String id) {// 构造返回参数ArticleResp articleResp;// 动态构造keyString key = "article_" + id; // 例:article_1397844391040167938// 先从Redis中获取缓存数据articleResp = (ArticleResp) redisTemplate.opsForValue().get(key);// 如果存在, 直接返回, 无需查询数据库if (articleResp != null) {return R.success(articleResp);}Article article = articleService.getById(id);if (article == null) {return R.error("文章不存在");}articleResp = new ArticleResp();BeanUtils.copyProperties(article, articleResp);// 设置点赞数int count = likeService.count(new LambdaQueryWrapper<Like>().eq(Like::getEventId, id));articleResp.setLikeNum(count);// 设置评论列表List<CommentResp> commentRespList = commentService.list(new LambdaQueryWrapper<Comment>().eq(Comment::getEventId, id)).stream().map(comment -> {// ......return commentResp;}).collect(Collectors.toList());articleResp.setCommentRespList(commentRespList);// 将查询到的文章数据缓存到Redis中redisTemplate.opsForValue().set(key, articleResp, 1, TimeUnit.HOURS);return R.success(articleResp);
}

  2. 我们请求一个不存在的id值（id=1）来查看查询情况

    在这里插入图片描述

    可以看到，确实是请求了数据库的（缓存失效），如果黑客进行大量请求，系统将存在巨大隐患。

  3. 我们进行压测，查看效果（开启10个线程，压测10轮）

    在这里插入图片描述

  4. 我们进行对缓存穿透的解决

    1. 缓存无效数据

      • 修改代码（无效数据同样进行缓存）

        在这里插入图片描述

      • 再次进行压测：同样10个线程进行10轮压测，请求数增多（150%）的情况下平均响应时间还缩短了将近35%！！！

        在这里插入图片描述

      • 但这种处理方式是有问题的，假如传进来的这个不存在的Key值每次都是随机的，那存进Redis也没有意义。

    2. 布隆过滤器（Redisson实现）

      在这里插入图片描述

      1. pom.xml中导入Redisson依赖

        <!--Redisson-->
<dependency><groupId>org.redisson</groupId><artifactId>redisson-spring-boot-starter</artifactId><version>3.17.6</version>
</dependency>

      2. RedisConfig中添加以下配置（Redis进行正常配置即可）

        @Value("${spring.redis.host}")
private String host;@Value("${spring.redis.port}")
private String port;@Bean
public RedissonClient redisson() {//创建配置Config config = new Config();config.useSingleServer().setAddress("redis://" + host + ":" + port);//根据config创建出RedissonClient实例return Redisson.create(config);
}

      3. 项目中使用

        @Resource
private RedissonClient redissonClient;
private RBloomFilter<String> bloomFilter;@PostConstruct // 项目启动的时候执行该方法，也可以理解为在spring容器初始化的时候执行该方法
public void init() {// 启动项目时初始化bloomFilterList<Article> articleList = articleService.list();//参数：布隆过滤器的名字bloomFilter = redissonClient.getBloomFilter("articleFilter");// 初始化布隆过滤器  预计数据量   误判率bloomFilter.tryInit(1000L, 0.01);for (Article article : articleList) {bloomFilter.add(article.getId());}
}

        因为我们已经初始化过数据，所以在查询时可以先查询布隆过滤器

        在这里插入图片描述

      4. 观察实际运行情况

        在这里插入图片描述

        在这里插入图片描述

4.缓存雪崩

目标：模拟和解决缓存雪崩问题。

实验步骤：

  1. 设定多个缓存数据的失效时间相同，并在某一时刻让它们同时失效。
  2. 启动多个并发请求，观察在缓存数据失效时的响应时间和Redis服务器的负载情况。
  3. 实现解决缓存雪崩的方法，比如使用不同的失效时间或者限流策略。

实验

  1. 我们首先模拟实验环境（使用Redis作为缓存）

    我们事先将全部数据存入数据库，并把所有数据存活时间都设置为60秒：

    @PostConstruct // 项目启动的时候执行该方法，也可以理解为在spring容器初始化的时候执行该方法
public void init() {// 启动项目时事先存入Redis热点数据List<MentalHealthProduce> produceList = mentalHealthProduceService.list();for (MentalHealthProduce produce : produceList) {String key = "produce_" + produce.getId(); // 例:produce_1397844391040167938redisTemplate.opsForValue().set(key, produce, 60, TimeUnit.SECONDS);}System.out.println("当前时间" + new Date());
}

  2. 在缓存快要失效时，我们进行压测查看效果（开启10000个线程，压测10秒）

    在这里插入图片描述

    可以看到，在缓存同一时间失效的情况下，还是会有很多请求同时请求数据库，给数据库造成一定的压力！

    在这里插入图片描述

    在这里插入图片描述

  3. 我们进行对缓存雪崩的解决

    1. 使用随机或梯度失效时间（为每项数据设置一个随机范围内的过期时间，或者采用梯度失效策略，即相近的数据项过期时间错开一定间隔），示例代码：

      Random random = new Random();
for (String user : users) {long expireTime = 24 * 60 * 60 + random.nextInt(300); // 基础24小时过期时间加上0-5分钟的随机偏移RBucket<Object> bucket = redisson.getBucket("user:" + user);bucket.set(userDetails, expireTime, TimeUnit.SECONDS);
}

    2. 限流与降级（在服务端实施请求限流，避免在缓存失效瞬间服务被大量请求压垮。同时，可以设置服务降级策略，当请求超过阈值时返回降级内容（如静态数据、默认值或部分数据）而非直接失败）

      1. 限流实现

        Redisson 提供了 RRateLimiter 接口来实现限流功能，支持固定窗口、滑动窗口、令牌桶等多种限流算法。例如，使用令牌桶算法进行限流，可以这样配置：

        // 创建一个令牌桶限流器，每秒填充5个令牌，最多存储10个令牌
RRateLimiter rateLimiter = redisson.getRateLimiter("myRateLimiter");
rateLimiter.trySetRate(RateType.OVERALL, 5, 10, RateIntervalUnit.SECONDS);// 在需要限流的地方尝试获取令牌，如果获取不到则说明限流
boolean permit = rateLimiter.tryAcquire(1);
if (!permit) {// 限流逻辑，比如抛出异常或者返回错误信息
}

      2. 降级实现

        在限流逻辑中加入降级逻辑，当检测到请求量过大或系统资源紧张时，主动返回简化版的服务响应或者错误信息，避免进一步加重系统负担。

        例如，可以在限流失败时，执行降级逻辑：

        if (!rateLimiter.tryAcquire(1)) {// 降级处理，例如返回默认值或者错误提示return "服务繁忙，请稍后再试";
}

        另外，结合Spring框架或AOP（面向切面编程），可以更加灵活地在应用层面实现更复杂的降级策略。例如，通过自定义注解和切面来判断服务是否需要降级：

        @Retention(RetentionPolicy.RUNTIME)
@Target(ElementType.METHOD)
public @interface RateLimitAndFallback {// 可以定义一些配置属性，如降级时的返回值
}@Aspect
@Component
public class RateLimitAndFallbackAspect {@Around("@annotation(rateLimitAndFallback)")public Object handleMethodWithRateLimit(ProceedingJoinPoint joinPoint, RateLimitAndFallback rateLimitAndFallback) throws Throwable {// 这里可以结合Redisson的限流逻辑if (!rateLimiter.tryAcquire(1)) {// 根据注解或配置返回降级内容return "降级响应内容";}// 正常执行方法return joinPoint.proceed();}
}

        通过上述方式，我们可以结合Redisson的限流功能和自定义的降级策略，有效地应对高并发场景下的系统稳定性问题。

总结与优化

总结

  1. 缓存基本原理的实践揭示了缓存机制的核心优势，包括时间与空间局部性、高速存储介质的使用、命中与未命中的处理机制、多样化淘汰策略以及确保一致性的方法。通过简单的Java示例，我们直观体验了缓存对提升数据访问效率的显著作用。
  2. 缓存击穿问题通过模拟高并发访问热点数据，发现即使使用了缓存，数据过期时仍会导致数据库负载激增。采用永不过期策略和互斥锁（Mutex）解决了这一问题，有效降低了数据库压力，但需要注意永不过期策略需谨慎使用，以免造成内存压力。
  3. 缓存穿透现象通过构造不存在的数据请求，观察到直接绕过缓存访问数据库的现象。采用缓存无效数据（null值）以及布隆过滤器有效减少了无效数据库查询，提高了系统效率。布隆过滤器虽有误报可能，但在多数场景下能有效减轻数据库负担。
  4. 缓存雪崩的模拟与解决展示了当大量缓存同时过期时，系统响应时间和数据库负载的剧增。通过为数据设置随机或梯度过期时间以及实施限流与降级策略，显著改善了这一问题。限流保证了系统在高并发下的稳定性，而降级策略保证了即使在资源紧张时也能提供一定程度的服务。

优化与改进建议

  1. 精细化配置缓存策略：根据业务特点调整缓存过期时间，避免集中失效，使用梯度过期或随机过期策略分散风险。
  2. 动态调整限流阈值：根据系统实时负载动态调整限流阈值，以适应不同时间段的访问压力，避免过度限制或限制不足。
  3. 监控与预警系统：建立完善的监控体系，实时监测缓存命中率、系统负载、以及Redis服务器状态，设置阈值预警，及时发现并处理潜在问题。
  4. 优化缓存更新机制：采用异步更新策略，减少因更新缓存造成的阻塞，确保数据新鲜度的同时不影响用户体验。
  5. 分布式锁的优化：优化互斥锁的使用，减少锁等待时间，避免因锁竞争导致的性能瓶颈。探索使用读写锁或乐观锁机制，提高并发效率。
  6. 持续性能测试与调优：定期进行压力测试，模拟各种极端场景，根据测试结果不断调整和优化缓存策略和系统配置。
  7. 完善降级策略：细化降级逻辑，根据不同场景提供更合理的降级内容，如提供有限功能、默认数据或历史数据，确保用户体验。

通过上述措施，可以显著增强缓存系统性能，提高系统的稳定性和用户体验，降低运营成本。

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.mzph.cn/pingmian/34922.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

音视频入门基础：H.264专题（4）——NALU Header：forbidden_zero_bit、nal_ref_idc、nal_unit_type简介

音视频入门基础：H.264专题（4）——NALU Header：forbidden_zero_bit、nal_ref_idc、nal_unit_type简介

音视频入门基础&#xff1a;H.264专题系列文章&#xff1a; 音视频入门基础&#xff1a;H.264专题&#xff08;1&#xff09;——H.264官方文档下载 音视频入门基础&#xff1a;H.264专题&#xff08;2&#xff09;——使用FFmpeg命令生成H.264裸流文件 音视频入门基础&…
阅读更多...
试析C#编程语言的特点及功能

试析C#编程语言的特点及功能

行步骤&#xff0c;而不必创建新方法。其声明方法是在实例化委托基础上&#xff0c;加一对花括号以代表执行范围&#xff0c;再加一个分号终止语句。 2.3.3 工作原理 C#编译器在“匿名”委托时会自动把执行代码转换成惟一命名类里的惟一命名函数。再对存储代码块的委托进行设…
阅读更多...
最热门的智能猫砂盆好不好用？这期统统告诉你！

最热门的智能猫砂盆好不好用？这期统统告诉你！

身为上班族的我们&#xff0c;常常被工作和出差填满日程。忘记给猫咪铲屎也不是一次两次了。但我们必须意识到&#xff0c;不及时清理猫砂盆不仅会让猫咪感到不适&#xff0c;还可能引发泌尿系统感染、皮肤疾病等健康问题。为了解决这个问题&#xff0c;越来越多的铲屎官开始将…
阅读更多...
快速上手golang（持续更新）

快速上手golang（持续更新）

由于项目需要&#xff0c;我不得不快速掌握go语言来帮助我进行项目的开发。时间紧迫到我来不及去了解语言的特性就直接项目上手了。我决定就先熟悉一个主流的go框架和go语言的一些日常用法&#xff0c;之后就得滑着这只破船摇摇晃晃上路了。 1 基础命令 就说几个用的多的&…
阅读更多...
【Linux】使用信号进行进程间通信

【Linux】使用信号进行进程间通信

&#x1f525;博客主页&#xff1a; 我要成为C领域大神&#x1f3a5;系列专栏&#xff1a;【C核心编程】 【计算机网络】 【Linux编程】 【操作系统】 ❤️感谢大家点赞&#x1f44d;收藏⭐评论✍️ 本博客致力于知识分享&#xff0c;与更多的人进行学习交流 ​ ​ 实现原理&a…
阅读更多...
江苏隆昌化工上线隆道平台 采购管理迎来全面升级

江苏隆昌化工上线隆道平台 采购管理迎来全面升级

当前&#xff0c;传统产业与数字产业深度加速融合&#xff0c;大数据、云计算、人工智能等新技术推动产业深刻变革&#xff0c;能源化工行业迎来战略转型加速期。数字化转型已成为能源化工企业提升运营效率、控制运营成本、提高产品质量、打造竞争优势的强大引擎。为实现传统采…
阅读更多...
数据库管理-第213期 HaloDB-Oracle兼容性测试03（20240625）

数据库管理-第213期 HaloDB-Oracle兼容性测试03（20240625）

数据库管理213期 2024-06-25 数据库管理-第213期 HaloDB-Oracle兼容性测试03&#xff08;20240625&#xff09;1 索引1.1 B-Tree索引1.2 Hash索引1.3 复合索引1.4 唯一索引1.5 表达式索引1.6 部分索引 2 视图3 表连接3.1 内连接3.2 左/右外连接3.3 全连接清理环境&#xff1a; …
阅读更多...
6.25 shell 脚本

6.25 shell 脚本

阅读更多...
Linux内核测试技术

Linux内核测试技术

Linux 内核是Linux操作系统的核心部分&#xff0c;负责管理硬件资源和提供系统调用接口。随着 Linux 内核的不断发展和更新&#xff0c;其复杂性和代码规模也在不断增加。因此&#xff0c;确保内核的稳定性和可靠性变得尤为重要。内核测试技术是实现这一目标的关键手段。本文将…
阅读更多...
iptables配置NAT实现端口转发

iptables配置NAT实现端口转发

加载防火墙的内核模块 modprobe ip_tables modprobe ip_nat_ftp modprobe ip_conntrack 1.开启路由转发功能 echo net.ipv4.ip_forward 1 >> /etc/sysctl.conf sysctl -p2、将本地的端口转发到本机端口 将本机的 7777 端口转发到 6666 端口。 iptables -t nat -A PR…
阅读更多...
C# Winform 开源UI库

C# Winform 开源UI库

WinForms&#xff0c;作为微软.NET框架下的一个桌面应用程序开发工具&#xff0c;自1999年首次亮相以来&#xff0c;已经走过了二十多年的发展历程。它以其简单直观的拖拽式界面设计和丰富的控件库&#xff0c;成为了大众喜爱的入门学习编程工具。由于它是比较基础的开发工具&a…
阅读更多...
Windows下如何实现微信多开/分身

Windows下如何实现微信多开/分身

新建文本文档 把下面的脚本复制到文本文档中 echo offstart "" "C:\Program Files\Tencent\WeChat\WeChat.exe" start "" "C:\Program Files\Tencent\WeChat\WeChat.exe"exit把wechat.exe的路径替换成你自已的路径 想多开几个就复制…
阅读更多...
如何写好AI绘画提示词？保姆级教程来了！

如何写好AI绘画提示词？保姆级教程来了！

前言 提示词编辑是一个结构化的过程&#xff0c;用能被人类解释和理解的词语来描述图像&#xff0c;也就是告诉人工智能模型应该怎么绘制图片。 生成优质图像的秘诀 1.提示词要想编辑好&#xff0c;包括修饰词和好的句子结构&#xff0c;首先你要了解所有的修饰词类型。 2.St…
阅读更多...
SAP的RFID

SAP的RFID

射频识别 &#xff08;RFID&#xff09; 避免了条码扫描的局限性&#xff0c;条码扫描需要对每个条码进行视线访问&#xff0c;并且一次只能用于扫描一个项目。 一次扫描一个标签可能会令人厌烦和压力大&#xff0c;这会增加人为错误的机会。相反&#xff0c;RFID 标签不需要直…
阅读更多...
紧贴国家大战略需求，聚焦当前行业热点-海云安D10入选第四届香蜜湖金融科技创新奖拟奖项目

紧贴国家大战略需求，聚焦当前行业热点-海云安D10入选第四届香蜜湖金融科技创新奖拟奖项目

近日&#xff0c;第四届香蜜湖金融科技创新奖终审总结会在深圳市福田区湾区国际金融科技城成功举办&#xff0c;活动现场&#xff0c;专家评审委员会最终揭晓25个拟奖项目。海云安“开发者安全助手系统”项目&#xff0c;实力入选第四届香蜜湖金融科技创新奖-优秀项目奖。 1、香…
阅读更多...
关于导入springcloud项目一些jar加载不进去的问题处理

关于导入springcloud项目一些jar加载不进去的问题处理

IntelliJ IDEA的Maven项目有时候通过右边Maven Projects面板的package或者install命令打包的时候&#xff0c;会报错导致打包失败&#xff0c;这是由于这两个命令打包前默认会运行tests测试&#xff0c;若测试失败则打包失败。但是有时候我们打包的时候一些项目配置是针对生产环…
阅读更多...
如何解决远距离传输大文件慢的问题？

如何解决远距离传输大文件慢的问题？

在数字化时代&#xff0c;无论是企业还是个人&#xff0c;经常需要处理跨越长距离的大规模文件传输任务。这种传输的效率和安全性对业务流程的顺畅至关重要。然而&#xff0c;我们经常遇到网络延迟、数据丢失、带宽限制等问题&#xff0c;这些都可能影响文件传输的效率。小编将…
阅读更多...
从传统到智能：视频汇聚EasyCVR+AI视频监控如何助力仓储的智能化转型

从传统到智能：视频汇聚EasyCVR+AI视频监控如何助力仓储的智能化转型

随着物流行业的快速发展和市场竞争的加剧&#xff0c;仓储管理对于保证货物安全、提高运营效率显得尤为重要。传统的仓储监控方式已难以满足现代仓储管理的需求&#xff0c;因此&#xff0c;仓储视频智能监控解决方案应运而生。方案通过集成先进的视频监控技术、智能分析算法、…
阅读更多...
HBDNY-40/1端子排电压继电器 DC110V 导轨安装 约瑟JOSEF

HBDNY-40/1端子排电压继电器 DC110V 导轨安装 约瑟JOSEF

HBDNY系列端子排型电压电流继电器 系列型号&#xff1a;&#xff08;3、4过/低电压型&#xff0c;5、6过/低电流型&#xff09; HBDNY-30/1端子排型电压继电器&#xff1b;HBDNY-30/2端子排型电压继电器&#xff1b; HBDNY-30/3端子排型电压继电器&#xff1b;HBDNY-30/4端子…
阅读更多...
Java 面试笔记 | Java 基础：线程池

Java 面试笔记 | Java 基础：线程池

前言 在日常的工作学习生活中&#xff0c;用一种好的方法去学习&#xff0c;可以更加有效&#xff0c;比如费曼学习法&#xff1a;将学到的知识用自己的组织的语言表达出来&#xff0c;如果能够清晰明白的向别人解释清楚&#xff0c;那么就说明你是真的懂了&#xff0c;学会了…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023