【Azure Redis】中国区创建和连接 Azure Managed Redis 的两个注意事项

简介: Azure Managed Redis 是微软基于 Redis Enterprise 构建的全托管服务,提供低延迟、高吞吐能力。相比传统 Azure Cache for Redis,它采用多分片架构,支持 Balanced、Memory/Compute Optimized 等性能层级,并原生集成向量搜索、语义缓存等 AI 能力,已演进为面向 Caching + Real-time Data + AI 的现代化数据平台。

Azure Managed Redis 介绍

Azure Managed Redis 是微软新一代全托管 Redis 服务,基于 Redis Enterprise 构建,为现代云应用提供低延迟、高吞吐的数据访问能力。相比传统 Azure Cache for Redis,它采用更高效的多分片架构,并提供 Balanced、Memory Optimized、Compute Optimized 等性能选择,增强横向扩展、高可用和企业级安全能力。

更重要的是,Azure Managed Redis 面向 AI/LLM 应用进行了能力扩展,可通过向量存储与相似度搜索支持 Embedding、Vector Search、Semantic Cache 和 Semantic Routing 等场景,为 RAG 和生成式 AI 应用提供高速数据层,减少重复 LLM 请求、降低响应延迟与模型调用成本。因此,它正从传统 Cache 服务演进为同时服务于 Caching + Real-time Data + AI 的现代化 Redis 平台。

用一个公式表达可以描写为: Azure Managed Redis = Enterprise Redis + High Performance Cache + Real-time Data + AI/LLM Data Layer

注意事项一:在中国区创建Azure Managed Redis遇见报错的解决之法

当直接在Azure门户上创建Azure Managed Redis时,会直接遇上报错:The resource type could not be found in the namespace 'Microsoft.Cache' for api version '2025-07-01'.

这是因为Azure Managed Redis还没有正式发布,目前还处于试用阶段(Preview), 如果想提前使用/体验这个服务,需要使用Azure CLI命令在您的订阅下进行注册操作。

登录China Azure环境后,执行如下两个命令:

az feature register --namespace Microsoft.Cache --name AMRMooncakeBuildout

az provider register -n Microsoft.Cache

附上环境配置和登录命令:

az cloud set --name AzureChinaCloud

az login

az account set --subscription "your subscription id"

执行成功后,再次重建Azure Managed Redis服务,即可成功。

 

注意事项二:使用Redis Insight 连接Azure Managed Redis的正确配置

在Azure Managed Redis的使用文档中,介绍可以使用 redis-cli,也可以使用 Redis Insight 连接。

而对于初次使用 Redis Insight 的开发人员来说,这个配置确实使人有些困惑。

 

第一:配置连接参数

它不在是传统的一个connection string方式,而是需要填入host,port,用户名,密码,并且要打开TLS配置。

此外,Azure Managed Redis在启用Access Key的情况下,历史惯例,只有Access Key,不区别用户名和密码,所以这里就保持用户名为空,把access key填入密码栏中。

 

第二:确认网络配置

确认Azure Managed Redis的网络配置(Networks)的公网已允许,默认情况它会关闭。

如果不注意检查,则会一直遇见Redis Insight 抛出的Connection timed out 问题

 

当连接到Azure Managed Redis服务后,Redis Insight 提供UI操作界面,也可以继续通过 Redis指令的方式操作。

 

参考资料

Use client tools to manage data in Azure Managed Redis: https://learn.microsoft.com/en-us/azure/redis/how-to-redis-access-data

 


 

当在复杂的环境中面临问题,格物之道需:浊而静之徐清,安以动之徐生。 云中,恰是如此!

相关文章
|
2月前
|
人工智能 自然语言处理 API
觉得阿里云大模型价格太高怎么办?四种便宜购买与使用方法分享
本文针对阿里云大模型“能力强但调用成本高”的普遍痛点,梳理了一套可落地的全链路省钱方案。从开通百炼领取超7000万Tokens新人免费额度起步,叠加夜间错峰4折起的Night Plan活动,再搭配Token Plan订阅与AI通用型节省计划,四层优惠叠加后,实际调用成本可降至普通按量付费的三到五成,帮助个人开发者与团队大幅降低大模型落地的综合开支。
764 18
|
2月前
|
机器学习/深度学习 前端开发
发动机故障诊断智能体(三):特征可分性优化与加权对比投影层
在基础时序编码网络完成对正常工况的压缩表征后,尽管模型具备了提取稳态规律的能力,但在面对多种不同类型的微量气路故障时,潜在空间中的特征分布仍可能存在相互交叠的现象。该组件致力于通过引入度量对比学习机制,在特定的低维投影空间内重塑特征拓扑结构,系统性优化不同故障模式之间的几何可分性。
|
22天前
|
XML 网络协议 数据格式
【App Service】把旧应用的备份还原到新应用上时候遇见了报错:A TXT record pointing from xxx.com.cn to xxxxx was not found.
Azure App Service 还原备份时因自定义域名缺失TXT验证记录报错。解决方法:①修正DNS中asuid类TXT记录后重试;②或手动修改备份XML/ZIP,删除HostNames等域名配置项,再上传还原。注意:非官方推荐,须先测试
|
5月前
|
人工智能 自然语言处理 API
【Azure AI Search】 stopword 是什么,为什么它会影响搜索结果?
本文解析 Azure AI Search 中搜索 "in brief" 返回结果过多的问题,指出根源在于 analyzer 对停用词(如 "in")的处理差异:默认 `standard.lucene` 保留停用词导致泛匹配,而 `en.microsoft` 会过滤停用词,使结果更精准。关键在于根据业务语义选择合适 analyzer。
285 121
|
2月前
|
人工智能 中间件 API
LangChain+Llama.cpp 本地模型与Agent工具调用
本文介绍如何用LangChain对接本地llama.cpp服务:通过`llama-server`启动Qwen量化模型,配置OpenAI兼容接口;安装LangChain生态包;实现基础对话与自定义工具Agent(如查天气、时间),全程离线运行,零依赖云端API,适合私有化AI原型开发。(239字)
276 3
|
2月前
|
NoSQL JavaScript 前端开发
【Azure Function】NodeJS Function大批量写入到Redis遇见丢失数据情况的分析
Azure Functions 中批量写 Redis 时,看到 Invocation 已完成,不代表每个 Redis SET 都完成了。如果代码用 callback 调用 client.set(),随后立即执行 client.quit() 或直接返回,Function Runtime 可能认为本次执行已经结束,但 Redis 写入还在事件循环里排队。我的建议很明确:所有外部依赖调用都必须 await,批量写入要么顺序等待,要么用受控并发等待全部 Promise 完成。
139 1
|
3月前
|
人工智能 监控 IDE
阿里云百炼新人免费额度解析:免费额度、适用范围、领取教程及常见注意事项
本文梳理了阿里云百炼平台新人专属免费额度的核心规则与使用指南。免费额度面向新用户自动发放,每模型通常为100万Token,有效期90天,仅适用于华北2(北京)地域模型的实时推理调用,不支持Batch、调优、部署等场景。文章详细解读了额度查询的三种方式、主账号与RAM子账号共享规则、不同模型额度相互独立等关键特性。重点介绍了“免费额度用完即停”功能的开启与关闭逻辑,以帮助用户避免意外扣费。同时,针对“额度耗尽后如何继续使用”、“如何查看消耗记录”、“为何会产生费用”等十余个常见问题提供了清晰的解答,旨在帮助用户全面理解并充分利用此项福利,实现零成本入门与体验。
|
2月前
|
网络协议 Java 测试技术
网站开发性能测试-JMeter 压测 Tomcat 接口的并发吞吐量(QPS)
在企业级网站开发、Java Web 系统上线与后端架构调优实战中,**性能压力测试(Stress / Load Testing)** 是验证系统高可用性、探测吞吐量极限与排除潜在并发死锁、内存泄露(Memory Leak)的必经之路。 对于采用 Apache Tomcat 作为 Servlet 容器的企业级应用(如 Spring Boot 内嵌 Tomcat 或独立 Tomcat 9/10 集群),单台服务器在面对每秒数百乃至数万次的高频请求时,其底层线程池调度、I/O 多路复用模型(NIO/NIO2)、JVM 垃圾回收机制以及操作系统内核 TCP 队列均会承受极限考验。
|
3月前
|
存储 人工智能 监控
当文件系统的用户从人变成 Agent,AgenticFS 如何重新定义存储的服务方式
AI时代正从“模型焦虑”转向“存储焦虑”:Agent爆发式增长暴露传统NAS在规模、隔离与安全上的根本缺陷。AgenticFS应运而生,首创“每Agent独享AgenticSpace”架构,实现亿级空间统一管理、毫秒级挂载、零信任临时凭证与管控面水平扩展,成为阿里云Agent全栈中不可或缺的原生存储基座。(239字)
386 0