@laike9m_ch · Post #437 · 11.12.2024 г., 02:08
#redis#blog redis 作者回来了 https://antirez.com/news/144
TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1084 · 9.04
В общем, была задача на оптимизацию плана работ: есть набор заказов, и в каждом N тасков. Таски могут зависеть друг от друга или нет, имеют длительность и тип. Ещё есть M работников, каждый из которых может выполнять таски только определённых типов, причём, у каждого своя скорость. Если все таски в заказе выполнены, фирма получает сколько-то денег. У заказа есть дедлайн, за просрочку штраф (за каждый день просрочки), который вычитается из цены заказа. И ещё фирма тратит деньги за каждый день своей работы независимо от того, как загружены её сотрудники (то есть просто платит зарплаты по сути). Ещё важен учёт праздников и выходных. Нужно заработать на определённом наборе заказов и работников как можно больше денег. Полный текст задачи и код программы проверки есть в репозитории. Эта задача является изменённым заказом, который мы с напарником решали в реальной жизни: оптимизация работы печатных станков для типографии. Правда, тогда и мы справились так себе, и заказчик в итоге сначала захотел всё вручную сам делать, а потом и вовсе похоронил проект при смене директора. !!! Не читайте дальше, если хотите сначала попробовать решить самостоятельно, потому что я сейчас опишу эффективные подходы и результаты. ________________________________________ Так вот. Мы с другим экспертом Андреем сразу сели и написали разные варианты, чтобы задать шкалу, по которой будем оценивать решения команд. За пару часов я собрал примитивный жадный алгоритм, который сортировал заказы по прибыльности и укладывал в сетку кое-как, это дало нам нижнюю оценку. Мой алгоритм заработал ~75 млн виртуальных рублей, мы решили для оценки поставить нижней границей 40 млн. То есть всё, что ещё ниже, оценивалось в ноль баллов за качество оптимизации. Затем Андрей закрылся дома на три дня и вышел на свет со сложным жадным алгоритмом, который очень хитро сортировал заказы и очень хитро укладывал их в сетку, попутно выбирая разные способы этой укладки в зависимости от конкретного заказа. Это позволило заработать ~275 млн рублей. Мы сделали верхней границей для оценки 280 млн. К сожалению, в итоге только две команды из десяти прошли нижнюю границу, заработав, соответственно, ~91 и ~105 млн. К верхней границе не приблизился никто. И у четырёх команд алгоритм вообще не смог уложить без нарушений задачи в сетку (то есть, например, произвольно менял длительности, накладывал задачи друг на друга, давал одному работнику две задачи в один момент и так далее). Важной ошибкой команд, на мой взгляд, являлся тот факт, что никто не воспользовался возможностью запустить алгоритм на несколько минут и дать ему поработать. По условиям задания, можно было тянуть до 5 минут на одну оптимизацию, но по факту решения команд отрабатывали за единицы и десятки секунд. На самом конкурсе, пока команды работали, я решил попробовать сделать быстрое (по времени написания) но эффективное решение. Сначала попробовал жадную сортировку + доведение до лучшего варианта методом имитации отжига. В качестве нового состояния я просто менял местами заказы целиком. Этот вариант работал пару минут и дал мне около ~200 млн дохода. К слову, команда-лидер использовала такой же подход, просто не докрутила число итераций и температуру. Ну и потом я взял готовую либу по реализации классической генетики с особями и скрещиванием. Особью был массив с приоритетами заказов (которые конечно же нужно было аккуратно уложить чистым алгоритмом). Тип скрещивания: scattered. Всего 15 поколений по 20 особей, и это за минуту-полторы давало ~230-240 млн. Считаю, что для конкурса это самый лучший выбор: пишется одним человеком за день и даёт почти максимум, при этом легко настраивается на нужную длительность работы, легко параллелится. Ну а потом уже дома я посидел и накодил свой вариант сложного жадного с плавающим окном перебора отсортированных заказов и плавающей же укладкой по работникам. Такая штука за две минуты зарабатывает ~281 млн. Но за три дня в условиях стресса я бы такое не сделал, скорее всего. #dev
Hashtags
Търсене: #redis
@laike9m_ch · Post #437 · 11.12.2024 г., 02:08
#redis#blog redis 作者回来了 https://antirez.com/news/144
@thedevs · Post #1776 · 13.07.2020 г., 18:00
Rocket Redis, a graphic user interface for managing Redis databases with ease. #tools#redis#database @thedevs https://kutt.it/lHIGkJ
@djangoproject · Post #442 · 17.09.2017 г., 00:32
http://www.bogotobogo.com/python/python_redis_with_python.php Redis with Python In order to use #Redis with Python, we will need a Python Redis #client. In following sections, we will demonstrate the use of redis-py, a Redis Python Client. redis-py requires a running Redis #server. See Redis Install for installation.
@djangoproject · Post #560 · 25.01.2018 г., 11:55
https://realpython.com/blog/python/caching-in-django-with-redis/ Caching in #Django With #Redis Application performance is vital to the success of your product. In an environment where users expect website response times of less than a second, the consequences of a slow application can be measured in dollars and cents. Even if you are not selling anything, fast page loads improve the experience of visiting your site. Everything that happens on the server between the moment it receives a request to the moment it returns a response increases the amount of time it takes to load a page. As a general rule of thumb, the more processing you can eliminate on the server, the faster your application will perform. Caching data after it has been processed and then serving it from the #cache the next time it is requested is one way to relieve stress on the server. In this tutorial, we will explore some of the factors that bog down your application, and we will demonstrate how to implement caching with Redis to counteract their effects.
@AprilNEALab · Post #28 · 26.02.2024 г., 14:15
#Redis#Database#开发者工具 发两个最近在用的数据库可视化工具 TinyRDM(开源免费,Vue + Wails) Dataflare(闭源收费,React + Tauri)
@kejiqu · Post #3325 · 02.05.2025 г., 01:18
Redis 8 再次切换到开源许可证 AGPLv3 Redis 于 2024 年 3 月将其 7.4 版本及以上版本的许可证从 3-clause BSD 变更为 RSALv2 和 SSPLv1 双许可证,商业使用需授权,此举使其不再是 FOSS。开源社区对此做出反应,创建了分支,其中 Valkey 得到了 Linux 基金会、Google、AWS 和甲骨文的支持。一年后,Redis 公司发布 8.0 版本,重新采用开源许可证,新增 AGPLv3 作为选项。 AGPLv3 完全兼容 GPLv3,继承了它的自由软件精神:你可以自由使用、修改和分发软件,但必须开源你修改后的源代码。Solidot | Redis |GitHub 🏷#Redis#许可证#开源#Valkey 📢频道👥群组📝投稿
@kankanshu · Post #17586 · 11.12.2025 г., 16:13
Python操作三大主流数据库 #Python数据库编程#MySQL#Redis#MongoDB 本书系统讲解Python操作MySQL、Redis和MongoDB三大数据库,涵盖连接、增删改查及实战案例,助你快速掌握数据库交互核心技能,提升数据处理效率。 💾 获取资源请点击:👉 点我获取Python操作三大主流数据库👈
Hashtags
@githubtrending · Post #14828 · 16.06.2025 г., 00:00
#python#python#redis#redis_client#redis_cluster#redis_py Redis-py lets you connect your Python programs to Redis, a fast in-memory database, making it easy to store and retrieve data quickly. You can install it with a simple command, and it works with the latest Redis versions. It supports advanced features like connection pools, pipelines for faster operations, and pub/sub for real-time messaging. Using Redis with Python helps your applications run faster, handle more users, and process data in real time, all while reducing the load on your main database[1][3][5]. https://github.com/redis/redis-py
@datasciencejobs · Post #1636 · 29.08.2023 г., 20:07
#вакансия#инженер#engineer#DataEngineer#middle#machinelearning#Python#PostgreSQL#SQL#Redis#gitlab#работа#job#удаленно Компания: Sever X Формат: удаленно Занятость: полная, 5/2 💵: от 250 000 руб. 🚀Отличная возможность для опытного Data Engineer реализовать и развить как технические компетенции, так и навыки коммуникации с бизнесом, лидерские качества, навыки формирования команды. С развитием проекта предполагается создание команды под себя, сейчас необходимо возглавить текущие задачи и реализовать их. 🗝задача: поддержка и развитие Data Lake и связанных с ним проектов 📍Основные обязанности •Интеграция с источниками данных и построение ETL-процессов •Разработка и поддержка аналитической отчётности системами и API •Выявление и устранение аномалий в данных •Взаимодействие с другими членами команды 🛠Стек: Основной язык разработки – Python 3.8 Платформа разработки – Яндекс.Облако (Managed Services + виртуальные машины) Хранилища данных – GreenPlum 6.2, PostgreSQL 14, Redis Оркестратор процессов – Apache Airflow 2.0 Система управления версиями – GitLab Контейнеризация приложений – Docker + k8s 📍Обязательные требования •Уверенное владение SQL: базовый синтаксис, транзакции, представления, хранимые процедуры •Опыт интеграции с различными источниками данных: файловые системы (локальные/ftp/sftp), API, SQL и NoSQL базы данных •Понимание принципа работы распределённых баз данных •Знание Python 3: модули pandas, pyodbc (либо другие модули, имплементирующие ODBC), paramiko, requests •Базовые навыки использования Linux 🔥Преимуществом при отборе будет: •Опыт работы с распределёнными хранилищами данных: Hadoop (Hive/Impala), GreenPlum, ClickHouse •Опыт разработки пайплайнов на Apache Airflow •Навыки оптимизации процессов SQL •Опыт реализации RestAPI ⚖️Условия работы и что мы можем предложить взамен: •Место работы: удаленно •Возможны различные варианты оформления •Рассматриваются кандидаты в часовом поясе максимум +5 часов к МСК •Обязательно наличие гражданства РФ •Квартальные премии в размере 30% от квартального оклада •ДМС со стоматологией •Профессиональная и амбициозная команда •Открытая корпоративная культура, атмосфера доверия и сотрудничества •Драйв, высокие скорости, непосредственное влияние на результат 📲контакт: @Oskar17
@djangoproject · Post #241 · 25.01.2017 г., 13:30
http://www.aparat.com/v/4yGhH #Geolocation apps with #Django. Latitude, longitude, altitude, and even #iBeacons can be leveraged to enable geo-targeted experiences. But how do we build and optimize the server-side components to handle these requirements? Using a combination of libraries and techniques, we will illustrate these concepts. In this discussion everything from #map clustering and caching, to distance calculations and polygonal layering will be demonstrated using Django, #GeoDjango, #Redis, and #PostGIS as our tool belt.
@githubtrending · Post #14772 · 01.06.2025 г., 00:00
#cplusplus#cache#cpp#database#fibers#in_memory#in_memory_database#key_value#keydb#memcached#message_broker#multi_threading#nosql#redis#valkey#vector_search Dragonfly is a modern in-memory data store compatible with Redis and Memcached, offering up to 25 times higher throughput and better cache efficiency while using up to 80% fewer resources. It scales well with larger servers, supports many Redis commands, and features a unique, memory-efficient cache and fast snapshotting. Dragonfly provides low latency, high performance, and is easy to configure with familiar Redis options. Its design ensures atomic operations and efficient resource use, making it ideal for fast, cost-effective cloud applications needing real-time data access and high scalability. This means you get faster, more efficient caching and data handling with minimal changes to your existing setup[5][2][4]. https://github.com/dragonflydb/dragonfly
@githubtrending · Post #14647 · 30.04.2025 г., 12:00
#javascript#approval_process#cms#crm#ehr#erp#hr#layui#mysql#oa#privileges#redis#skyeye#springboot#springboot2#springcloud_vue#websocket This platform uses Springboot, Layui, UNI-APP, and Ant Design Vue to create a low-code system for intelligent manufacturing. It includes over 30 application modules and more than 50 electronic workflows, covering CRM, ERP, MES, and more. This system streamlines business processes from customer relations to production and after-sales service, improving efficiency and data transparency. It also manages employee operations, providing a comprehensive solution for businesses. The benefits include faster development, reduced redundancy, and enhanced data management, making it ideal for companies seeking digital transformation. https://github.com/dromara/skyeye