云数据库 Redis 性能深度评测（阿里云、华为云、腾讯云、百度智能云）

在当今的云服务市场中，阿里云、腾讯云、华为云和百度智能云都是领先的云服务提供商，他们都提供了全套的云数据库服务，其中 Redis属于RDS 之后第二被广泛应用的服务，本次测试旨在深入比较这四家云服务巨头在Redis云数据库性能方面的表现，为企业在选择合适的云数据库时提供重要的参考依据。

我们将针对阿里云、腾讯云、华为云和百度智能云的 Redis 云数据库进行全方位的性能测试，包括读写性能、并发处理能力等方面的测试。通过这些测试，我们将对这四家云服务提供商的Redis云数据库进行客观、公正的比较，以便企业能够根据自身业务需求选择最适合的云数据库服务。

通过本次测试，我们希望为企业提供一份详实的报告，以便企业在选择Redis云数据库服务时能够做出明智的决策。同时，我们也希望通过本次测试推动云服务提供商在技术和服务方面不断创新和提升，为企业提供更加优质、高效的云服务。

 

测试结论

标准版评测详细数据和结论

详细数据

 

 

标准版对比总结：

  • 阿里云：整体性能排名第一，其中模型1中9/16个场景，模型3小Key读相关场景性能表现明显优于其它所有竞品

  • 百度智能云：全部29个场景中，9个场景排名第一，19个场景性能表现优于腾讯云与华为云；

  • 腾讯云：兼容Redis6.0，实际是1主1从3proxy部署架构，整体性能表现和华为差不多

  • 华为云：兼容Redis6.0， 1主1从部署，整体性能表现和腾讯差不多

我们把测试数据加权之后，标准版的整体排名：阿里云(1.262)>百度智能云(1.053)>腾讯云(0.644)>华为云(0.537)

 

集群版评测结论

详细数据

 

集群版本对比结论

  • 阿里云：在大key场景下性能退化严重，如hgetall、zrange、模型2、模型3涉及大key操作的场景性能打不上去

  • 百度智能云：各场景性能表现都比较好，没有明显性能短板

  • 腾讯云：在模型3-4KB以下场景性能均优于华为和百度

我们把测试数据加权之后，集群版本整体排名：华为云(1.328)>百度智能云(1.197)>腾讯云(1.124)>阿里云(0.373)

测试环境

厂商

云服务器1台

标准版8GB实例1台

集群版64GB实例1台

阿里云

Tair for Redis

规格族:计算型 c8y

实例规格：ecs.c8y.4xlarge

vCPU ：16 vCPU

内存:32 GiB

处理器主频/睿频:2.75 GHz/-

内网带宽:最高 16 Gbps

付费模式：按量付费

商品类型：Tair for Redis

存储介质：内存

可用区类型：单可用区

实例类型：高可用

版本兼容性：Redis 6.0

架构类型:不启用集群

读写分离：关闭

分片规格：8GB

副本数：2副本

付费模式：按量付费

商品类型：Tair for Redis

存储介质：内存

可用区类型：单可用区

实例类型：高可用

版本兼容性：Redis 6.0

架构类型:启用集群

连接模式：代理模式

分片规格：8GB

副本数：2副本

分片数量：8

腾讯云

云数据库 Redis

规格族:计算型C6

实例规格：C6.4XLARGE32

vCPU ：16 vCPU

内存:32 GiB

处理器主频/睿频:Intel Ice Lake(3.2GHz/3.5Ghz)

内网带宽:最高 18 Gbps

计费模式：按量付费

产品版本：内存版

兼容版本：6.2

架构版本：标准架构

内存容量：8GB

副本数量：1个(1主1副本)

计费模式：按量付费

产品版本：内存版

兼容版本：6.2

架构版本：集群架构

分片数量：8片

分片容量：8GB

副本数量：1个(1主1副本)

华为云

分布式缓存服务Redis版

规格族:通用计算增强型c6s

实例规格：c6s.4xlarge.2

vCPU ：16 vCPU

内存:32 GiB

处理器主频/睿频:Intel Cascade Lake 2.6GHz

内网带宽:最高 7.5 Gbps

计费模式：按需计费

缓存类型：Redis

版本号：6.0

实例类型：主备

CPU架构：x86计算

副本数：2

实例规格：redis.ha.xu1.large.r2.8（8GB）

计费模式：按需计费

缓存类型：Redis

版本号：5.0

实例类型：Proxy集群

CPU架构：x86计算

规格选择模式：自定义分片

单分片容量：8GB

实例规格：redis.proxy.xu1.large.s8.64（64GB）

百度智能云云数据库 SCS

规格族:计算型C5

实例规格：bcc.c5.c16m32

vCPU ：16 vCPU

内存:32 GiB

处理器主频/睿频:Intel Xeon Platinum 8350C-2.6GHz

内网带宽:最高 6 Gbps

计费模式：后付费

引擎类型： Redis

版本类型：社区版

架构类型：标准版

引擎版本：6.0

存储类型：高性能内存型

节点规格：cache.n1.large

副本数量： 2

计费模式：后付费

引擎类型： Redis

版本类型：企业版

架构类型：集群版

引擎版本：6.0

存储类型：高性能内存型

节点规格：cache.n1.large

分片数量：8片

副本数量： 2

测试工具

工具1：

压测工具：测试采用Redis Labs推出的多线程压测工具memtier_benchmark

使用方法：具体使用方法请参见 memtier_benchmark 虚机配置memtier-benchmark

使用到的测试选项：

./memtier_benchmark -s *** -a *** -p 8635 -c 4 -t 30 -n 1000000 --random-data --randomize --distinct-client-seed -d 128 --key-maximum=50331648 --key-minimum=1 --key-prefix= --ratio=1:0 --out-file=./result/result_small_128_set.log

工具2：

压测工具：开源Redis的redis-benchmark工具进行压测，它是Redis官方的性能测试工具

使用方法：为了确保工具支持--thread参数，测试时候使用最新的Redis版本进行编译，参见Redis开源项目

使用到的测试选项：

./src/redis-benchmark -h r-bp1s02ae14mr****.redis.rds.aliyuncs.com -p 6379 -a testaccount:Rp829dlwa -n 3000000 -r 10000000  -c 256 -t set -d 64 --threads 16

测试指标

  • OPS：每秒执行的读写操作数，单位为次/秒。

评测模型

测试模型1——基本数据结构KEY密集型测试

workload模型

workload模型编号

测试模型

参数设置

--command

Specify a command to send in quotes.

--command="${command}"

--test-time

Number of seconds to run the test

--test-time=300

数据模型

数据模型编号

数据模型

参数设置

value length-256

随机生成value，256字节

-d 256

测试模型2——KEY分散读写测试

workload模型

workload模型编号

测试模型

参数设置

100% Write

100%写操作（string set）

--ratio=1:0

100% Read

100%读操作（string get）

--ratio=0:1

50% Read+50% Write

50%读操作（string get）+ 50%写操作（string set）

--ratio=1:1

数据模型

数据模型编号

数据模型

参数设置

value length

随机生成value，数据大小在指定的范围之内

–data-size-range=1-10240

测试模型3——不同写入数据大小测试

workload模型

workload模型编号

测试模型

参数设置

-t

测试命令，包含SET, GET

-t "${command}"

-n

Total number of requests (default 100000)

-n 3000000

数据模型

数据模型编号

数据模型

参数设置

value length-256

value长度分别为16、128、256、1024、4096字节

-d ${value_length}

备注：模型3测试场景和工具参考阿里tair实例内存型（兼容Redis6.0）性能白皮书，需要使用redis-benchmark对SET、GET命令进行不同写入数据大小场景的测试，并给出测试指标。

测试方法

购买Redis实例，默认开启AOF和RDB，在云服务器上通过测试工具并发连接实例进行打压

模型1测试方法

固定参数：

bench_bin="memtier_benchmark"
thread=50
client=20
host="192.168.96.31"
port=6379
password="1234qwer"
data_size=256
test_time=300
key_maximum=300
key_prefix=""
command=$1
file=$2
start_time=$(date | awk '{print$4}')

echo "${bench_bin} -t ${thread} -c ${client} -s ${host} -p ${port} -a ${password} --distinct-client-seed --command="${command}"  --key-prefix="${key_prefix}" --key-minimum=1 --key-maximum=${key_maximum} --random-data --data-size=${data_size} --test-time=${test_time}  --out-file=out/${file}"

${bench_bin} -t ${thread} -c ${client} -s ${host} -p ${port} -a ${password} --distinct-client-seed --command="${command}"  --key-prefix="${key_prefix}" --key-minimum=1 --key-maximum=${key_maximum} --random-data --data-size=${data_size} --test-time=${test_time}  --out-file=out/${file}

end_time=$(date|awk '{print$4}')

echo "${command}  start: ${start_time}  end: ${end_time}" >> run.log

压测命令：

sh press.sh "set __key__ __data__"  set
sh press.sh "get __key__" get 
sh press.sh "del __key__" del 
sh press.sh "hset __key__ __key__ __data__"  hset
sh press.sh "hmset __key__ __key__ __data__ __key__ __data__ __key__ __data__" hmset
sh press.sh "hget __key__ __key__" hget
sh press.sh "hmget __key__ __key__ __key__" hmget
sh press.sh "hgetall __key__" hgetall
sh press.sh "hdel __key__ __key__" hdel
sh press.sh "zadd __key__  __key__  __data__" zadd
sh press.sh "zcard __key__"  zcard
sh press.sh "zcount __key__ 1 __key__" zcount       
sh press.sh "ZRANGE __key__ 0  __key__ WITHSCORES" zrange
sh press.sh "zrank __key__ __data__" zrank
sh press.sh "zscore __key__ __data__"  zscore
sh press.sh "zrem __key__ __key__" zrem

模型2测试方法

以8GB标准版为例，模型的性能指标的测试方法如下所示：

希望本次的测试可以给大家提供选型参考。当能云厂商更新也很快，性能上也是你追我赶，后面我们会持续关注各个云厂商的性能变化，动态更新测试结果。

欢迎大家访问百度智能云

  • 测试场景1：100% Write模型通过执行如下命令，设置value长度为1-10240字节内的随机大小，记录性能指标。

  • 测试场景2：100% Read模型通过执行如下命令，在写入的数据中均匀随机读取长度为1-10240字节的数据，记录性能指标。

  • 测试场景3：50% Read+50% Write模型通过执行如下命令，记录性能指标。

  • host=$1
port=$2
passwd=$3

max_key=500000

start_time=$(date | awk '{print$4}')
./memtier_benchmark -s ${host} -a ${passwd} -p ${port} -c 20 -t 50 --random-data --randomize --distinct-client-seed --data-size-range=1-10240 --key-maximum=${max_key} --key-minimum=1 --key-prefix= --ratio=1:0 --test-time=300 --out-file=out/${host}_${port}_set.log
end_time=$(date|awk '{print$4}')

echo "100% write  start: ${start_time}  end: ${end_time}" >> run.log

start_time=$(date | awk '{print$4}')
./memtier_benchmark -s ${host} -a ${passwd} -p ${port}  -c 20 -t 50 --random-data --randomize --distinct-client-seed  --data-size-range=1-10240  --key-maximum=${max_key} --key-minimum=1 --key-prefix= --ratio=0:1 --test-time=300 --out-file=out/${host}_${port}_get.log
end_time=$(date|awk '{print$4}')
echo "100% read  start: ${start_time}  end: ${end_time}" >> run.log

start_time=$(date | awk '{print$4}')
./memtier_benchmark -s ${host} -a ${passwd} -p ${port} -c 20 -t 50 --random-data --randomize --distinct-client-seed --data-size-range=1-10240  --key-maximum=${max_key} --key-minimum=1 --key-prefix= --ratio=1:1 --test-time=300 --out-file=out/${host}_${port}_set_get.log
end_time=$(date|awk '{print$4}')
echo "50% write + 50% read  start: ${start_time}  end: ${end_time}" >> run.log

    模型3测试方法

    使用开源的redis-benchmark工具进行压测，它是Redis官方的性能测试工具，为确保redis-benchmark工具支持--threads参数，测试时推荐使用最新的Redis版本进行编译。

    压测命令：

  • host=$1
port=$2
passwd=$3
key_range=1000000
#16
echo "before 16: redis-cli -h ${host} -p ${port} -a ${passwd}  flushall"
redis-cli -h ${host} -p ${port} -a ${passwd}  flushall
sleep 10

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t set -d 16 --threads 16 > out/16_set
end_time=$(date|awk '{print$4}')
echo "16 bytes_SET  start: ${start_time}  end: ${end_time}" >> run.log

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t get -d 16 --threads 16  > out/16_get
end_time=$(date|awk '{print$4}')
echo "16 bytes_GET  start: ${start_time}  end: ${end_time}" >> run.log

#128
echo "before 128: redis-cli -h ${host} -p ${port} -a ${passwd}  flushall"
redis-cli -h ${host} -p ${port} -a ${passwd}  flushall
sleep 10

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t set -d 128 --threads 16  > out/128_set
end_time=$(date|awk '{print$4}')
echo "128 bytes_SET  start: ${start_time}  end: ${end_time}" >> run.log

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t get -d 128 --threads 16  > out/128_get
end_time=$(date|awk '{print$4}')
echo "128 bytes_GET  start: ${start_time}  end: ${end_time}" >> run.log

#256
echo "before 256: redis-cli -h ${host} -p ${port} -a ${passwd}  flushall"
redis-cli -h ${host} -p ${port} -a ${passwd}  flushall
sleep 10

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t set -d 256 --threads 16  > out/256_set
end_time=$(date|awk '{print$4}')
echo "256 bytes_SET  start: ${start_time}  end: ${end_time}" >> run.log

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t get -d 256 --threads 16  > out/256_get
end_time=$(date|awk '{print$4}')
echo "256 bytes_GET  start: ${start_time}  end: ${end_time}" >> run.log

#1024
echo "before 1024: redis-cli -h ${host} -p ${port} -a ${passwd}  flushall"
redis-cli -h ${host} -p ${port} -a ${passwd}  flushall
sleep 10

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t set -d 1024 --threads 16  > out/1024_set
end_time=$(date|awk '{print$4}')
echo "1024 bytes_SET  start: ${start_time}  end: ${end_time}" >> run.log

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t get -d 1024 --threads 16  > out/1024_get
end_time=$(date|awk '{print$4}')
echo "1024 bytes_GET  start: ${start_time}  end: ${end_time}" >> run.log

#4096
echo "before 4096: redis-cli -h ${host} -p ${port} -a ${passwd}  flushall"
redis-cli -h ${host} -p ${port} -a ${passwd}  flushall
sleep 10

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t set -d 4096 --threads 16  > out/4096_set
end_time=$(date|awk '{print$4}')
echo "4096 bytes_SET  start: ${start_time}  end: ${end_time}" >> run.log

start_time=$(date | awk '{print$4}')
./redis-benchmark -h ${host} -p ${port} -a ${passwd} -n 3000000 -r ${key_range}  -c 256 -t get -d 4096 --threads 16  > out/4096_get
end_time=$(date|awk '{print$4}')
echo "4096 bytes_GET  start: ${start_time}  end: ${end_time}" >> run.log

    总体结论和分析

    综合性能排名：百度智能云>腾讯云>华为云>阿里云

  • 百度智能云标准版本和集群版本都排名第二，综合性能表现优于所有竞品，总体第一名，腾讯综合排名第二；

  • 通过测试我们发现阿里和华为长板特长，短板也特短，尤其是阿里云大key场景存在性能问题，尤其集群版拉低整体评分，排名第四

  • 华为排名第三。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/398942.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

相机图像质量研究(25)常见问题总结：CMOS期间对成像的影响--过曝、欠曝

相机图像质量研究(25)常见问题总结：CMOS期间对成像的影响--过曝、欠曝

系列文章目录 相机图像质量研究(1)Camera成像流程介绍 相机图像质量研究(2)ISP专用平台调优介绍 相机图像质量研究(3)图像质量测试介绍 相机图像质量研究(4)常见问题总结：光学结构对成像的影响--焦距 相机图像质量研究(5)常见问题总结：光学结构对成…
阅读更多...
欲速则不达，慢就是快！

欲速则不达，慢就是快！

引言 随着生活水平的提高，不少人的目标从原先的解决温饱转变为追求内心充实，但由于现在的时间过得越来越快以及其他外部因素，我们对很多东西的获取越来越没耐心，例如书店经常会看到《7天精通Java》、《3天掌握XXX》等等之类的书籍…
阅读更多...
《最新出炉》系列初窥篇-Python+Playwright自动化测试-23-处理select下拉框-下篇

《最新出炉》系列初窥篇-Python+Playwright自动化测试-23-处理select下拉框-下篇

1.简介 上一篇中宏哥主要讲解和分享了一下，我们常见或者传统的select下拉框的操作，但是近几年又出现了了一种新的select下拉框，其和我们传统的select下拉框完全不一样，那么我们如何使用playwright对其进行定位操作了。宏哥今天就…
阅读更多...
[word] 如何将word文本转换成表格？ #知识分享#学习方法#媒体

[word] 如何将word文本转换成表格？ #知识分享#学习方法#媒体

如何将word文本转换成表格？ 如何将word文本转换成表格？不管是Word入门新手还是老手，相信这个技巧会让你更加熟练Word，操作起来得心应手！ 1.文本转换成表格 同样的要怎么把一堆凌乱的数据转换成表格呢？这里…
阅读更多...
Java基础常用API(1)

Java基础常用API(1)

文章目录 1：API 概述1.1 API概述和课程安排1.2 包和导包 2：Scanner2.1 Scanner基本使用2.2 练习(数据求和) 3：Random3.1 Random基本使用3.2 练习(猜数字游戏) 1：API 概述 1.1 API概述和课程安排 我们在讲解面向对象的时候&#…
阅读更多...
NestJS入门6：日志中间件

NestJS入门6：日志中间件

前文参考： NestJS入门1 NestJS入门2：创建模块 NestJS入门3：不同请求方式前后端写法 NestJS入门4：MySQL typeorm 增删改查 NestJS入门5：加入Swagger 1. 安装 nest g middleware logger middleware​ ​ ​ 2. lo…
阅读更多...
嵌入式linux开发之LAN8720A网络驱动

嵌入式linux开发之LAN8720A网络驱动

网络硬件组成 OSI模型和TCP/IP模型的对比 嵌入式网络硬件分为两部分：MAC 和 PHY。 MAC（Medium Access Control）和PHY（Physical Layer）是计算机网络领域中常见的术语，通常用于描述数据链路层（…
阅读更多...
java数据结构与算法刷题-----LeetCode503. 下一个更大元素 II

java数据结构与算法刷题-----LeetCode503. 下一个更大元素 II

java数据结构与算法刷题目录（剑指Offer、LeetCode、ACM）-----主目录-----持续更新(进不去说明我没写完)：https://blog.csdn.net/grd_java/article/details/123063846 解题思路：时间复杂度和空间复杂度都是O(n) 此题是739题的衍生题…
阅读更多...
Python学习-流程图、分支与循环（branch and loop）

Python学习-流程图、分支与循环（branch and loop）

十、流程图 1、流程图（Flowchart） 流程图是一种用于表示算法或代码流程的框图组合，它以不同类型的框框代表不同种类的程序步骤，每两个步骤之间以箭头连接起来。 好处： 1）代码的指导文档 2）有助…
阅读更多...
Mountain Environment - Dynamic Nature

Mountain Environment - Dynamic Nature

包含超过470个环境预制件，要运行HD或URP，将包导入到HD或URP项目中，然后在“HD和URP支持”文件夹中的资源中导入支持包。它将替换着色器、预制件和网格，以便它们可以与RP一起使用。另请检查该文件夹中的自述文件。 此包是： 100%扫描资产的大型图书馆，经过精心优化、分类和…
阅读更多...
读书笔记之《查理芒格的智慧》：如何建立跨学科的思维模型？

读书笔记之《查理芒格的智慧》：如何建立跨学科的思维模型？

《查理芒格的智慧—投资的格栅理论》作者是[美] 罗伯特哈格斯特朗Robert G. Hagstrom， 原作名: Investing: The Last Liberal Art，于2015年出版。 罗伯特哈格斯特朗Robert G. Hagstrom：美盛投资顾问公司首席投资策略师、董事总经理。本科与硕…
阅读更多...
vue 常用库

vue 常用库

vue-cropper 一个优雅的图片裁剪插件 dayjs Day.js 是一个轻量的处理时间和日期的 JavaScript 库，和 Moment.js 的 API 设计保持完全一样 NutUI-Bingo 基于 NutUI 的抽奖组件库，助力营销活动和小游戏场景。
阅读更多...
”戏说“ 交换机 与 路由器

”戏说“ 交换机 与 路由器

一般意义上说 老哥 这文章发表 的 东一榔头 西一锤 呵呵， 想到哪里就啰嗦到哪里 。 交换机： 其实就是在通道交换 路由器： 不光是在通道交换还要在协议上交换 下图你看懂了吗？ （仅仅数据交换-交换机 协议…
阅读更多...
实习日志20

实习日志20

1.找了很多sm3、sm4加密算法相关的库 1.1.sm4算法编码和解码可以在webstorm中直接执行 1.2.封装的真好，活字格里用不了一点 1.3.把sm3和sm4加密算法源码读透后剥离出来加入到活字格的资源管理器中即可使用 把调用函数改为活字格支持的普通函数 2.sm3加密改法 2.…
阅读更多...
vue3组件通信方式汇总

vue3组件通信方式汇总

前言：本文默认读者有JS基础和Vue基础，如果没有这个两个基础，可能阅读比较困难，建议先看下官方文档，当然，也欢迎评论交流😁 通信方式总结 常见搭配形式 一、props（使用频率最高&#…
阅读更多...
PNPM 批量检查和更新项目依赖

PNPM 批量检查和更新项目依赖

🚀 作者主页： 有来技术 🔥 开源项目： youlai-mall 🍃 vue3-element-admin 🍃 youlai-boot 🌺 仓库主页： Gitee 💫 Github 💫 GitCode 💖 欢迎点赞…
阅读更多...
LabVIEW声速测定实验数据处理

LabVIEW声速测定实验数据处理

LabVIEW声速测定实验数据处理 介绍了一个基于LabVIEW的声速测定实验数据处理系统的应用。该系统利用LabVIEW的强大数据处理和分析能力，通过设计友好的用户界面和高效的算法，有效提高了声速测定实验的数据处理效率和准确性。通过这个案例，可以…
阅读更多...
P6354 [COCI2007-2008#3] TAJNA

P6354 [COCI2007-2008#3] TAJNA

题目传送门 题目描述 使用一种加密算法。 设字符串的长度为 n，则构造一个矩阵，使得 rcn 且在 r≤c 的情况下使得 r 尽量大。 然后把给定的明文按照由上到下，从左到右的顺序填充这个 rc 的矩阵。 得到的密文就是把矩阵按照从左到右&#…
阅读更多...
pytorch数学运算

pytorch数学运算

目录 1. pytorch的数学运算包括2. 基本运算3. matmul4. power sqrt rsqrt5. exp log6. 近似值7. clamp 1. pytorch的数学运算包括 ▪Add/minus/multiply/divide ▪Matmul ▪Pow ▪Sqrt/rsqrt ▪Round 2. 基本运算 、-、*、/ 也可以使用函数add sub mul div 3. matmul 矩阵…
阅读更多...
Excel练习：双层图表

Excel练习：双层图表

Excel练习：双层图表 学习视频Excel制作双层图表，很多人都不会，其实只需1步操作就够了！_哔哩哔哩_bilibili ​​ 通过调整两个图形的显示范围实现 增加折现图的负数显示范围，使折现图仅出现在整体图形的上方增加柱形…
阅读更多...
最新文章

Copyright @ 2022~2023