I had to re-install Redis (and it got updated from 4 to 7) while upgrading to Mastodon 4.4.x. Restarting all my services multiple times...still seeing nothing in my main feed.
I feel like my actual database didn't get wiped or anything, but whatever Redis is doing prevents anything but new stuff from when I installed it showing up on the Home section.
As long as it's still working...I guess that's all right? It's all ephemeral, anyway.
Optimizing #Unbound as a Recursive DNS server has been a nice rabbit hole and if you like to suffer Unbound welcomes you too. 
Today I discover you can add #Redis support and keep a local database cache that survives restarts so that you use even less upstream results and potentially improve resolution speed. This is my main goal with this so obviously I have to test it 
Number of #bitnami container images in the #homelab cluster: 4
Number of #bitnami container images successfully removed: 2
Number of #bitnami container images to remove: 1
Next up was redis. Harbor doesn't support a full redis cluster so I searched around for a primary-secondary configuration. Looks like the DandyDeveloper helm chart should do the business so we are off to the races... Two down, one to go!
https://github.com/DandyDeveloper/charts/tree/master/charts/redis-ha
![Various helm charts migrated from [helm/stable] due to deprecation - DandyDeveloper/charts](https://s3.eu-central-2.wasabisys.com/mastodonworld/cache/preview_cards/images/038/603/807/original/0087bcbd51970409.png "Various helm charts migrated from [helm/stable] due to deprecation - DandyDeveloper/charts")
Векторный кэш: делаем умные ответы еще быстрее
Сегодня чат-боты и интеллектуальные ассистенты широко применяются в различных сферах: поддержка клиентов, корпоративные системы, поисковые сервисы и во многих других. Для их разработки часто используют архитектуру Retrieval-Augmented Generation (RAG), которая объединяет генерацию ответа с поиском данных во внешних источниках. Такой подход помогает ботам и ассистентам давать более точные и актуальные ответы. Но на практике оказывается, что RAG сталкивается с проблемой повторяющихся запросов, из-за которой система многократно выполняет одни и те же вычисления, повышая нагрузку и время отклика. Всем привет! Меня зовут Вадим, я Data Scientist в компании Raft, и в этой статье мы разберемся, что такое векторный кэш и как его использовать. Давайте начнем!
Redis-shield: Dự án mã nguồn mở tuyệt vời để học cách xây dựng Redis modules bằng Rust. Tài liệu đầy đủ và dễ hiểu! 
Меньше нагрузки — больше запросов: искусство кеширования API
Привет! Меня зовут Дима, я Backend-разработчик в
Почему простой парсер не всегда решает задачу: мой опыт интеграции спортивных API
В рамках собственной системы спортивной аналитики я хотел получить real-time доступ к данным о движении коэффициентов — в частности, с платформы pickingodds.com. У сервиса интересная фича — визуализация графика изменения линии по каждому событию. Это потенциально полезный источник вторичных сигналов (например, для обнаружения аномалий, связанных с резкой коррекцией маркет-мейкеров). Изначальный план был прост: интегрироваться по REST API, выкачивать данные раз в несколько минут, писать в TSDB, использовать далее для анализа и фичей в ML-пайплайнах. На практике же всё быстро ушло в зону нетривиальной оптимизации.
OpenAI Agents SDK giờ đây có thể quản lý session trực tiếp bằng Redis! 
Dự án mã nguồn mở này giúp việc xây dựng và triển khai các ứng dụng AI trở nên dễ dàng và hiệu quả hơn.
#OpenAI #Redis #AI #MachineLearning #OpenSource #TríTuệNhânTạo #MãNguồnMở
Когда Redis превращается в тыкву: как один DevOps провел 2 недели в аду и выжил (но какой ценой)
Привет, я Виталий Ранн, занимаюсь в Узнать больше
Кейс каршеринга по пересборке real-time поиска машин, который принёс x3 выручки на поездку
Иногда продуктовая фича живёт в приложении «для галочки». Пользователи вроде бы ею пользуются, команда её не развивает, а аналитики не могут толком оценить влияние на метрики. Так было с нашим старым механизмом поиска ближайших машин в каршеринге — «Радаром». Он просто пинговал координаты и сообщал, когда рядом появлялась машина. Никакой логики приоритизации, никаких фильтров, никакого резерва — сырая идея без развития. В статье рассказываем, как мы заново осмыслили и пересобрали фичу: — продакт Настя Голованова — о том, как мы нашли value, перезапустили механику и успели в сроки размещения наружной рекламы; — разработчик Михаил Ефанов — про то, как превратить монолит в стабильную архитектуру. Полезно будет всем, кто работает на стыке развитии продукта и инженерии: от старта фичи до релиза и плана развитии.
Управление скоростью маркетинговых рассылок: как не уложить фронтенд-платформу
Привет, Хабр! Меня зовут Сергей Бакалдин, я работаю в команде ComPath. Сегодня я расскажу историю о том, как одна неосторожная e‑mail-рассылка чуть не положила фронтенд-систему «Спортмастера», и как мы от этого открестились с помощью гибкого механизма управления скоростью рассылок.
https://habr.com/ru/companies/sportmaster_lab/articles/928536/
@bookwyrm Installed, running (not thanks to #redis, #socket and python
https://bookwyrm.projetretro.io/user/shalien
now gonna find all the book in the house to scan them
GitHub - tidwall/cache-benchmarks：快取軟體基準測試
➤ 各種快取軟體效能的全面比較
✤ https://github.com/tidwall/cache-benchmarks
這個 GitHub 倉庫 `tidwall/cache-benchmarks` 提供了 Memcache、Redis、Valkey、Dragonfly 和 Garnet 等快取軟體的基準測試結果。測試在 AWS c8g.8xlarge 伺服器上進行，透過 `memtier_benchmark` 工具，針對不同的管道大小（1, 10, 25, 50）測量了吞吐量、延遲（50%、90%、99%、99.9%、99.99% 百分位數以及最大值）和 CPU 週期。每個基準測試都有 31 次運行，取中位數作為繪圖的依據。測試環境設定了多線程，並將 CPU 核心劃分給基準測試工具和快取伺服器。整個測試需要約兩週時間完成。
+ 這些基準測試對於選擇適合自己專案的快取方案非常有幫助，可以瞭解不同快取軟體在不同配置下的表現。
+ 測試結果
#效能測試 #快取 #Redis #Memcache
Shalien 