Macos安装redis及redis可视化管理工具
2023-05-02
2010 字约 7 分钟
...1.首先将clashX的系统代理复制为终端代理,这样可以使用国外镜像源
2.安装完成之后会有如下的提示:
3.redis的安装路径:
-
Homebrew安装的软件会默认在
/usr/local/Cellar/路径下 -
redis的配置文件
redis.conf存放在/usr/local/etc路径下
4.将redis设置为后台运行
redis默认是前台启动,如果关闭当前终端后,redis将自动关闭,如果我们想以守护进程的方式运行(后台运行),可以进入/usr/local/etc路径,在redis.conf中将daemonize no,修改成yes即可。
使用vim编辑redis.conf文件,可以进行如下的配置修改:
1. #允许访问的地址,默认是127.0.0.1,会导致只能在本地访问。修改为0.0.0.0则可以在任意IP访问,生产环境不要设置为0.0.0.0
2. bind 0.0.0.0
3. # 守护进程,修改为yes后即可后台运行
4. daemonize yes
5. # 密码,设置后访问Redis必须输入密码
6. requirepass 123321
修改监听端口:
修改守护进程,保证redis可在后台运行:
设置redis访问密码:
一些其他的配置,可以根据自己的需求自定义:
1. # 监听的端口
2. port 6379
3. # 工作目录,默认是当前目录,也就是运行redis-server时的命令,日志、持久化等文件会保存在这个目录
4. dir .
5. # 数据库数量,设置为1,代表只使用1个库,默认有16个库,编号0~15
6. databases 1
7. # 设置redis能够使用的最大内存
8. maxmemory 512mb
9. # 日志文件,默认为空,不记录日志,可以指定日志文件名
10. logfile "redis.log"
5.运行redis:
可以使用ps -ef | grep redis查看redis是否正在运行
6.停止redis服务:
使用brew services stop redis: 
7.安装可视化工具
AnotherRedisDesktopManager是一款优秀的redis可视化管理工具,下载完成后可在设置中选择简体中文。
根据之前配置的redis.conf连接上redis:
可以通过get key的指令查看数据:
如果您觉得这篇文章有帮助,请点个赞吧~
相关文章
更多文章 →AI2026-09-01
Deep Agents 01:何为 Agent Harness,以及如何开始
1、本篇任务:完成一份多步骤、带证据的技术调研 普通客服 Agent 的问题短、工具少、输出即时。技术调研或编码任务会持续很久,产生计划、搜索结果、文件和中间结论。Deep Agents 在 LangChain/LangGraph 之上预装规划、虚拟文件系统、上下文压缩和子 Agent,适合这类开放任务。 本课让 Agent 比较两种向量数据库,并交付一份可验证报告。 2、什么时候需要 Deep Agent 满足以下两项以上再考虑:任务...
学习
AI2026-09-01
Deep Agents 02:子 Agent、虚拟文件系统与长期记忆
1、本篇任务:让主管只看结论,让子 Agent 处理细节 技术调研会产生几十次搜索和大量文件。如果全部进入主管上下文,真正的目标会被噪音淹没。本课用两个子 Agent: 收集证据, 检查结论;主管负责计划与最终合成。 2、什么时候委派,什么时候直接调用工具 适合委派:子任务有多步;需要专门提示或工具;会产生大量中间结果;只需返回有限结论。不适合:一步查询;主管需要全部中间上下文;协调成本超过任务本身。 3、配置专门子 Agent Pyt...
学习
AI2026-09-01
Deep Agents 03:生产化、Sandbox、权限与上线验收
1、本篇任务:让 Deep Agent 在隔离环境中分析代码 只读研究 Agent 风险有限;编码 Agent 需要读写文件、安装依赖和执行测试。本课不讲如何让模型写更漂亮的代码,只讲执行环境、权限、恢复和上线验收。 2、先做威胁模型 资产包括源代码、用户文件、云凭证、生产网络和发布权限;攻击入口包括用户消息、仓库内容、网页、依赖包、MCP 返回和命令输出。 Prompt injection 不是靠一句 system prompt 解决...
学习
AI2026-09-01
LangChain 01:全景、原理与学习路线
1、本篇学完要得到什么 这一篇只解决三个问题:LangChain 到底负责什么;它与 LangGraph、Deep Agents、LangSmith 是什么关系;后面应按什么顺序学习。 贯穿整套课程的项目是“退款政策与订单助手”。它最终能够:回答知识库中的退款规则;查询当前用户的订单;生成结构化答复;对真正的退款操作进行人工审批;断线后恢复;通过评测后发布。 先记住一句话: 模型负责理解与生成,应用负责数据、权限、状态和副作用。 如果把...
学习
AI2026-09-01
LangChain 02:模型、消息与结构化输出
1、本篇任务:让模型输出成为程序可以依赖的合同 上一课只证明 Agent 能运行。本课暂时不接业务工具,只完成一个“客服分诊器”:输入用户问题,输出意图、紧急程度、是否需要人工和给用户的答复。 本课的核心不是学更多模型参数,而是理解三层合同:消息决定模型看到了什么;schema 决定程序期待什么;业务校验决定结果是否真的可用。 2、消息不是一段字符串,而是一条执行记录 一次工具型对话通常包含四种消息: | 类型 | 由谁产生 | 作用...
学习
AI2026-09-01
LangChain 03:工具与 Agent——从函数到可控行动
1、本篇任务:让 Agent 安全地读取订单 上一课得到结构化分诊结果,但模型不知道真实订单。本课增加一个只读工具 ,走通完整 Agent 循环,并把模型、工具包装和领域服务的责任分开。 完成后,用户问“我的 A100 发货了吗”,Agent 会选择工具;工具只按当前登录用户查询;模型基于工具结果回答。它仍然不能退款,因为我们没有提供写工具。 2、工具的本质是受 schema 约束的应用函数 一个好工具需要:稳定名称、清楚描述、窄输入...
学习

评论
请登录后发表评论
去登录