健康资讯 程序员的快乐就是那么的单纯且朴实。
背景：由于生产环境redis集群遗留脏数据待删除，但是可视化工具无法使用，使用命令删除始终风险较大 ，因此产生了一个小需求：优雅的根据前缀批量删除key
网上大多使用命令或者一个单独的小demo，始终不太满意，自己动手写一个，希望能够帮助到其他人
今天初步完成配置文件+日志+多种模式，单机和哨兵待验证，后期搭建redis不同的模式并写入小量数据来进行测试验证
地址：网页链接
欢迎大佬指正
轻量级数据库工具TablePlus ，轻松管理各种数据库！
TablePlus是一个高度直观的跨平台数据库管理 GUI 工具。它旨在通过为其用户提供一组本地方便的工具，使几乎任何人都可以浏览、查询、编辑数据和数据库结构，从而使数据库管理尽可能高效和简单。
一、综合数据库管理器
首先，重要的是要注意 TablePlus 可与广泛的关系数据库配合使用，例如 MySQL、PostgreSQL、SQLite、Amazon Redshift、Redis 和 Cassandra，未来还会有更多。此外，TablePlus 具有内置 SSH，这意味着用户无需安装 SSH 客户端即可连接到支持 SSH 的服务器。
使此应用程序值得您使用的第二个方面是它的易用性。它旨在通过精简、现代但又有点实用的 GUI 来吸引即使是最新手的用户，让他们可以像使用电子表格编辑器一样浏览、查询和编辑数据库中的数据。
二、有助于加快管理数据库的过程
安装后，该应用程序会向用户显示一个紧凑的启动窗口，允许用户访问任何以前的连接、创建新连接或备份和恢复数据库。一旦用户访问应用程序的主窗口，只需点击几下鼠标，他们就可以毫不费力地编辑数据行、表结构和查询结果。
该应用程序的高级过滤器允许用户以详细和有组织的方式查看特定记录。正如预期的那样，该应用程序还拥有高级代码审查选项和面向性能的智能查询编辑器，具有自动完成、语法突出显示、查询重新格式化和拆分窗格等所有优点。由于它支持多个选项卡和窗口，因此 TablePlus 允许用户一次处理多个数据库和连接，以及将数据库迁移到各种服务器或从各种服务器迁移。
三、结论
TablePlus 绝对是业内最好的此类应用程序。它带来了许多现代且有用的功能，这些功能可以从一个干净且新手可以访问的 GUI 中轻松访问。
大数据平台技术架构
1. 数据源层
非结构化数据：包括图片、声音、视频等。半结构化数据：xml、json格式类的数据 。结构化数据：MySQL表、Oracle表等。
2. 数据获取层
数据获取层的主要作用是实现多源异构数据的采集、聚合、传输及预处理，集成多种数据采集工具。
3. 数据存储层
根据采集过来数据的类型、以及后续使用的场景进行区别存储，主要有以下存储方式：
关系数据库：ClickHouse、Doris、Hive、Impala等
非关系数据库： HBase、Redis等
分布式文件存储：HDFS 、Kudu、Ceph等
全文索引：Solr、Elasticsearch等
4. 数据处理层
离线数据处理：使用MapReduce、Spark 做批量计算，计算完成的数据存入数仓进行离线数据分析。
实时数据处理：使用Spark Streming、Flink等处理后做数据可视化。
5. 数据应用层
基于数据处理层结果进行离线数据分析、实时数据可视化展示、用户画像、精准营销等数据应用。
mongoDB、Elasticsearch、Redis、HBase应用场景分析
如果你对数据的读写要求极高，并且你的数据规模不大，也不需要长期存储，选Redis；
如果你的数据规模较大，对数据的读性能要求很高，数据表的结构需要经常变，有时还需要做一些聚合查询，选mongoDB；
如果你需要构造一个搜索引擎，或者你想搞一个高大上的数据可视化平台，并且你的数据有一定的分析价值，选Elasticsearch；
如果你需要存储海量数据，基于Key做一些简单的查询，连你自己都不知道你的数据规模将来会增长多么大，那么选HBase。
互联网时代
自从互联网兴起以后，随着电子邮件、即时通信、音视频、BBS、博客、微博、问答、用户行为跟踪、云盘、云文档等等各种互联网应用的普及，对这些内容的存储、查询、统计、挖掘，要求海量、高性能、实时，所以就出现了各种SQL和NOSQL数据库，以及大数据查询引擎、搜索引擎、计算引擎、存储引擎、调度引擎。
一、OLTP数据生产类
如缓存：MemCache、Redis
如NewSQL：TiDB/TiKV、CockroachDB
如NOSQL：MongoDB、Neo4J、InfluxDB
如对象存储/文件存储：Ceph、MinIO、HDFS
二、数据传输类
如DTS/ETL：Sqoop、kafka/Pulsar
三、OLAP数据存储类
如OLAP数据库：Greenplum、Hbase、ClickHouse、Doris
如数据湖仓：Hudi、Iceberg、Delta
四、OLAP数据计算类
如计算引擎：MR、Storm、Spark、Flink
五、OLAP数据消费类
如查询引擎：Hive、HAWQ、Impala、Druid、Presto
如搜索引擎：ElasticSearch、Milvus
如可视化：SuperSet
如多维计算和多维分析：Kylin
如数据挖掘：Spark ML
我和软件时代的Data Platform对比了一下，主要是增加了专门的数据湖仓（如
Hudi、Iceberg、Delta）、专门的计算引擎（如Spark、Flink）这两样东西。
但不知道为啥，就因为增加了这两样东西，Data Platform就变成了Data Middleware，数据平台就变成了只有中国人流行的数据中台。
难道就是因为计算引擎（如Spark、Flink）像中间件？
谁知道原因，告诉我一声。
1、zlt-mp v5.1.0 发布，基于 Spring Cloud Alibaba 的微服务平台
基于SpringBoot2.x、SpringCloud和SpringCloudAlibaba并采用前后端分离的企业级微服务多租户系统架构。并引入组件化的思想实现高内聚低耦合并且高度可配置化，适合学习和企业中使用。真正实现了基于RBAC、jwt和oauth2的无状态统一权限认证的解决方案，面向互联网设计同时适合B端和C端用户，支持CI/CD多环境部署，并提供应用管理方便第三方系统接入；同时还集合各种微服务治理功能和监控功能。模块包括:企业级的认证系统、开发平台、应用监控、慢sql监控、统一日志、单点登录、Redis分布式高速缓存、配置中心、分布式任务调度、接口文档、代码生成等等。
2、Jedis 4.0.0 beta 4 发布，Redis Java 客户端
引入 JedisPooled 实现了与 JedisCluster 相同的接口，允许在 JedisCluster 和 JedisPooled 之间轻松切换。实现了 RediJSON 2 命令。
3、DBeaver 21.3.0 发布，可视化数据库管理平台
DBeaver 是一个通用的数据库管理工具和 SQL 客户端，支持 MySQL, PostgreSQL, Oracle, DB2, MSSQL, Sybase, Mimer, HSQLDB, Derby, 以及其他兼容 JDBC 的数据库。
4、GoSkeleton v1.5.30 已经发布，基于 Gin 框架封装的 Web 项目骨架
GoSkeleton是基于Go语言Gin框架封装的web项目骨架。创新性地改造一个request到response生命周期逻辑：Request: 路由——>(中间件)——>表单参数验证器——>控制器(调度Model、Service等)——>Response。
5、mica 2.5.7 发布，mica-redis 优化，方便自定义序列化
mica是一个微服务组件集，但不仅仅是组件，我们关注的是微服务生态并持续演进，尽量做到开箱即用，简化使用和排坑。总共已有 40+ 组件，并且很多组件已经打通。
6、云办公系统 skyeye v3.6.6 发布
智能办公OA系统[SpringBoot2-快速开发平台]，适用于医院，学校，中小型企业等机构的管理。包含文件在线操作、工作日志、多班次考勤、CRM、ERP进销存、项目管理、EHR、拖拽式生成问卷、日程、笔记、工作计划、行政办公、薪资模块、动态表单、知识库、公告模块、企业论坛、云售后模块、生产模块、系统模块化同步模块等多种复杂业务功能。
