Jiayuan Zhang Profile picture
Sep 1, 2020 5 tweets 1 min read Read on X
Redis 八股文 应用篇 1

- Redis 有哪些数据结构,分别有什么使用场景?
- Redis ZSET 相同 score 如何排序?
- 在爬虫中,如何使用 Redis 做 URL 去重?
- Redis 是否支持事务?
- Redis 中的 WATCH 命令是做什么的?
- Redis 是如何保证高可用的?
- 如何使用 Redis 来实现分布式锁?Redlock?
Redis 八股文 原理篇 1

- Redis 是单线程还是多线程?为什么这么设计?
- Redis 中的字符串对象和 C 语言中的字符串有什么区别?
- Redis 中是如何实现链表的?
- Redis 中是如何实现字典的?
- Redis 中的字典是如何进行动态扩容的?
- Redis 中的跳表是如何实现的?
Redis 八股文 原理篇 2

- STR/LIST/HASH/SET/ZSET 底层都是使用什么数据结构实现的?
- ZSET 什么时候使用 Ziplist 实现,什么时候使用 Skiplist 实现?
- ZSET 为什么不用 BST/AVL/B-Tree/红黑树,而使用跳表?
- Redis 的过期键删除策略是什么?
- Redis 的主从服务器是如何同步过期键的?
Redis 八股文 原理篇 3

- AOF 和 RDB 持久化有什么区别?
- Redis 的主从是如何进行同步的?
- 如何解决长时间使用后 AOF 文件过大的问题?
- Redis 的哨兵机制是如何实现的?
- Redis 的集群方案有哪些?
Redis 八股文 原理篇 4

- Redis 的整体架构是什么样的,从客户端发出命令,到客户端接收到结果,这整个流程是什么样的?
- Redis 是如何实现 LRU 机制的?
- Redis 是如何实现 LFU 机制的?

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Jiayuan Zhang

Jiayuan Zhang Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @Tisoga

Mar 8
I just learned about an exciting development of (by @jeremyphoward), they just released an open source system that can train a 70b large language model on a regular desktop computer with two or more standard gaming GPUs (RTX 3090 or 4090).

This could be a game-changer!

1/nAnswer.AI
The system combines FSDP (Fully Sharded Data Parallel) and QLoRA (Quantized Low-Rank Adaptation) techniques, allowing users to train large models on consumer-grade hardware.

It's the result of a collaboration between , Tim Dettmers (U Washington), and Hugging Face.

2/nAnswer.AI
@jeremyphoward The goal is to make useful AI accessible to everyone, enabling people to create their own personalized models and have control over their AI systems. This project is a key foundation for achieving that goal.

3/n
Read 11 tweets
Dec 18, 2023
是如何构建高效的 RAG 系统的 Part 2

这个系列的 thread 会分享 背后构建整个 Retrieval Augmented Generation System 的经验,包括在生产环境上的一些实践。

这是系列的第二篇,主题是「如何评估一个 RAG 系统」。

🧵 devv.ai
devv.ai
Image
如果没有看过第一篇的朋友,欢迎先看一下第一篇的内容,可以对整个 RAG 系统有一个初步的了解。



1/31
上篇我们提到了什么是 RAG 系统,以及构成的基本要素,这里再来复习一下。

一个最基本的 RAG 系统由以下 3 个部分组成:

1. 语言模型
2. 外部知识合集
3. 当前场景下所需要的外部知识

2/31
Read 32 tweets
Dec 13, 2023
创业应该学习什么?

这个 thread 分享一下过去一段时间构建 这个产品时学习的一些资料,适合每个创始人或者有创业想法的人参考。

创业没有千篇一律的公式,但是有体系的方法更能提升成功的概率,另外创业本身是一门实践学科,最好的方法就是 learning by doing。

1/11devv.ai
最推荐的课程就是 YC 的 Startup School,这是一门纯免费的课程,不需要被 YC 创业营录取也能够进行学习。

课程的内容涉及到了创业早期的所有方面,例如:

- 如何构建 MVP
- 如何与用户沟通
- 如何增长

完整看过 n 遍,有些在实践的过程中还会再回去找答案。



2/11 startupschool.org
Image
YC Library 是另一个我会经常去找资料的地方,这里面涵盖了 YC 建立以来发表的大部分内容,可以作为一个 wiki 来查询。



3/11 ycombinator.com/library/
Image
Read 11 tweets
Dec 4, 2023
是如何构建高效的 RAG 系统的 🔎

之前答应过要分享一下 底层涉及到的技术,这个系列 thread 会分享我们在这个项目上的具体实践,这是第一篇。

另外我们开了一个专门用于提交反馈和建议的 GitHub Repo,欢迎反馈。

🧵

devv.ai
devv.ai
github.com/devv-ai/devv
RAG 的全称是:Retrieval Augmented Generation(检索增强生成)

最初来源于 2020 年 Facebook 的一篇论文:Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks(是的,你没有看错,2020 年就有这项技术了)。

1/22 Image
这篇论文要解决的一个问题非常简单:如何让语言模型使用外部知识(external knowledge)进行生成。

通常,pre-train 模型的知识存储在参数中,这就导致了模型不知道训练集之外的知识(例如搜索数据、行业的 knowledge)。

之前的做法是有新的知识就再重新在 pre-train 的模型上 finetune。

2/22
Read 23 tweets
Nov 17, 2023
如何使用 AI 加速软件开发 🚀

经过几周的迭代,今天正式发布 Devv Search



Devv Search 是一款面向开发者的 AI 搜索引擎,我们基于文档、代码、实时搜索数据从零到一构建了一套高效、准确的 RAG 系统,底层的模型基于微调后的 Code Llama 和 GPT-3.5。

1/13 devv.ai
Image
在深度使用了 GitHub Copilot、ChatGPT 等产品之后,我们发现 AI 在代码生成方面依然存在很大的改进空间。

ChatGPT 和通用的 RAG(Bing Chat)系统在代码生成方面并未做特殊的优化,生成的代码会存在以下问题:

1. 时效性差
2. 错误率高
3. 缺乏上下文理解

2/13
例如在这个例子中,GPT-4 & Bard 的生成效果就不尽如人意。



3/13
Read 13 tweets
Jun 12, 2023
如何更高效地阅读论文 📃

上周 @CopilotHubAI 新发布的 Magic Copilot 功能可能会永远改变你阅读论文的方式,只需要 3 个步骤,就可以开始交互式地阅读论文:

1. 上传论文 PDF
2. Magic Copilot 自动生成 Prompt
3. 开始阅读

这个 thread 以 ChatDB 这篇论文为例 👇
app.copilothub.ai/chat?id=7495 Image
1/ 上传论文并生成论文相关的 Prompt

1. 直接上传对应论文
2. 根据论文来生成对应的 Prompt,例如这里我写的需求是「paper analyzer for ChatDB ...」,然后就会自动生成这篇论文的 Prompt

等待十几秒就创建完成了,这篇论文的地址:

arxiv.org/abs/2306.03901
2/ 第一步来让这个 Copilot 总结一下这篇文章中相关的一些内容。
Read 6 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Don't want to be a Premium member but still want to support us?

Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal

Or Donate anonymously using crypto!

Ethereum

0xfe58350B80634f60Fa6Dc149a72b4DFbc17D341E copy

Bitcoin

3ATGMxNzCUFzxpMCHL5sWSt4DVtS8UqXpi copy

Thank you for your support!

Follow Us!

:(