常见的免费可用的 API 大全整理

Posted 2023-04-18 smartgirlintown

AI

人脸检测：快速检测图片中的人脸并返回人脸位置，输出人脸关键点坐标，支持识别多张人脸。

AI 绘画：通过AI 生成图片，包括图生文、文生图等。

静态活体检测：静态活体检测主要用于针对用户上传图像，返回该图像中的人脸是否为真人；基于图片中人像的破绽（摩尔纹、成像畸形等），判断目标是否为活体，有效防止屏幕二次翻拍等作弊攻击。

网络通讯

手机号码归属地：提供三大运营商的手机号码归属地查询。

手机号码归属地和运营商查询：中国手机号码归属地和运营商查询，为您提供最新的中国移动、中国电信、中国联通所有手机号码归属地等功能。输入手机号码至少前7位，可查该手机号码归属地、所属号段、手机卡类型等字段.

空号检测：通过手机号码查询其在网活跃度，返回包括空号、停机等状态。

二次号查询：通过手机号查询是否二次入网，直连三大运营商，精准查询。

手机在网状态：支持传入三大运营商的号码，查询手机号在网状态，返回在网等多种状态。

反欺诈（羊毛盾）：反机器欺诈，检测异常IP、异常手机号。

交通地理

尾号限行：提供已知所有执行限行政策的共计65个大城市（800+个区域）未来15天的机动车尾号限行数据查询，包括限行区域、限行规则等。

邮编查询：提供全国邮政编码大全，为你快速准确查邮编。

全国行政区查询，支持省、市、区县。

区号查询，支持通过地名查询区号、通过区号查询地名。

应用开发

二维码生成器：可生成普通二维码、带图片的艺术二维码（黑白与彩色）、动态二维码（黑白与彩色）

IP归属地-IPv4区县级：根据IP地址查询归属地信息，包含43亿全量IPv4，支持到中国地区（不含港台地区）区县级别，含运营商数据。

IP归属地-IPv6区县级：根据IP地址（IPv6版本）查询归属地信息，包含国家、省、市、区县和运营商等信息。

中英文敏感词过滤：敏感词库包含中英文，现在基本上所有的网站都需要设置敏感词过滤，似乎已经成了一个网站的标配。

将图片转换成漫画风格：会自动为你将照片转换成漫画风格，无须使用Photoshop 等图片编辑软件、无须任何技术基础。输入图片的url，即可得到漫画风格的图片。

汉语拆字：汉字拆字查询可通过输入简单汉字或部首查询出复杂不认识的汉字，以解决复杂汉字不知如何输入的问题。

数码照片的属性信息和拍摄数据：返回一些由数码相机在拍摄过程中采集一系列的信息，包括拍摄时的光圈、快门、白平衡、ISO、焦距、日期时间等各种和拍摄条件以及相机品牌、型号、色彩编码、拍摄时录制的声音以及GPS全球定位系统数据、缩略图等。

500px - 500px API 提供对 500px 功能和内容的编程访问.

Giphy - 世界上最大的 GIF 图片库.

OCR 识别

身份证识别OCR：传入身份证照片，识别照片文字信息并返回，包括姓名、身份证号码、性别、民族、出生年月日、地址、签发机关及有效期。

通用文字识别OCR：多场景、多语种、高精度的整图文字检测和识别服务，多项指标行业领先，可识别中、英、日、韩、法、德多种语言。

二维码识别OCR：对图片中的二维码、条形码进行检测和识别，返回存储的文字内容。

银行卡识别OCR：自动定位银行卡图片区域，支持识别银行卡正面信息，包含银行卡号、银行卡类型、银行名称等信息，扫描识别银行卡准确率高达99%以上。

发票核验与识别

发票核验：发票真伪验证服务，根据发票类型代码和发票四要素获取发票全票面信息，支持全国增值税专用发票、增值税普通发票（含电子普通发票、卷式发票、通行费发票）等不同发票的验真。

增值税发票识别 OCR : 提供了识别增值税普票、机动车发票、火车票、PDF电子票、行程单等类型发票的所有关键字段，包括发票基本信息、销售方及购买方信息、商品信息、价税信息等。

独家终生受用的Redis高可用技术解决方案大全

最近很多朋友向我咨询关于高可用的方案的优缺点以及如何选择合适的方案线上使用，刚好最近在给宜人贷，光大银行做企业内训的时候也详细讲过，这里我再整理发出来，供大家参考，如有不妥之处，欢迎批评指正，也欢迎推荐更好的技术方案。不废话了，来看看方案吧～

总纲：

 

 

Redis常见的几种主要使用方式：

• Redis 单副本

• Redis 多副本（主从）

• Redis Sentinel（哨兵）

• Redis Cluster

• Redis 自研

 

Redis各种使用方式的优缺点：

1、Redis单副本

Redis 单副本，采用单个Redis节点部署架构，没有备用节点实时同步数据，不提供数据持久化和备份策略，适用于数据可靠性要求不高的纯缓存业务场景。

 

优点：

1、架构简单、部署方便

2、高性价比，当缓存使用时无需备用节点（单实例可用性可以用supervisor或crontab保证），当然为了满足业务的高可用性，也可以牺牲一个备用节点，但同时刻只有一个实例对外提供服务。

3、高性能

 

缺点：

1、不保证数据的可靠性

2、当缓存使用，进程重启后，数据丢失，即使有备用的节点解决高可用性，但是仍然不能解决缓存预热问题，因此不适用于数据可靠性要求高的业务。

3、高性能受限于单核CPU的处理能力（Redis是单线程机制），CPU为主要瓶颈，所以适合操作命令简单，排序、计算较少的场景。也可以考虑用memcached替代。

 

2、Redis多副本（主从）

Redis 多副本，采用主从（replication）部署结构，相较于单副本而言最大的特点就是主从实例间数据实时同步，并且提供数据持久化和备份策略。主从实例部署在不同的物理服务器上，根据公司的基础环境配置，可以实现同时对外提供服务和读写分离策略。

优点：

1、高可靠性，一方面，采用双机主备架构，能够在主库出现故障时自动进行主备切换，从库提升为主库提供服务，保证服务平稳运行。另一方面，开启数据持久化功能和配置合理的备份策略，能有效的解决数据误操作和数据异常丢失的问题。

2、读写分离策略，从节点可以扩展主库节点的读能力，有效应对大并发量的读操作。

 

缺点：

1、故障恢复复杂，如果没有RedisHA系统（需要开发），当主库节点出现故障时，需要手动将一个从节点晋升为主节点，同时需要通知业务方变更配置，并且需要让其他从库节点去复制新主库节点，整个过程需要人为干预，比较繁琐。

2、主库的写能力受到单机的限制，可以考虑分片

3、主库的存储能力受到单机的限制，可以考虑Pika

4、原生复制的弊端在早期的版本也会比较突出，如：Redis复制中断后，Slave会发起psync，此时如果同步不成功，则会进行全量同步，主库执行全量备份的同时可能会造成毫秒或秒级的卡顿；又由于COW机制，导致极端情况下的主库内存溢出，程序异常退出或宕机；主库节点生成备份文件导致服务器磁盘IO和CPU（压缩）资源消耗；发送数GB大小的备份文件导致服务器出口带宽暴增，阻塞请求。建议升级到最新版本。

 

3、Redis Sentinel（哨兵）

Redis Sentinel是社区版本推出的原生高可用解决方案，Redis Sentinel部署架构主要包括两部分：Redis Sentinel集群和Redis数据集群，其中Redis Sentinel集群是由若干Sentinel节点组成的分布式集群。可以实现故障发现、故障自动转移、配置中心和客户端通知。Redis Sentinel的节点数量要满足2n+1（n>=1）的奇数个。

 

优点：

1、Redis Sentinel集群部署简单

2、能够解决Redis主从模式下的高可用切换问题

3、很方便实现Redis数据节点的线形扩展，轻松突破Redis自身单线程瓶颈，可极大满足对Redis大容量或高性能的业务需求。

4、可以实现一套Sentinel监控一组Redis数据节点或多组数据节点

 

缺点：

1、部署相对Redis 主从模式要复杂一些，原理理解更繁琐

2、资源浪费，Redis数据节点中slave节点作为备份节点不提供服务

3、Redis Sentinel主要是针对Redis数据节点中的主节点的高可用切换，对Redis的数据节点做失败判定分为主观下线和客观下线两种，对于Redis的从节点有对节点做主观下线操作，并不执行故障转移。

4、不能解决读写分离问题，实现起来相对复杂

 

建议：

1、如果监控同一业务，可以选择一套Sentinel集群监控多组Redis数据节点的方案，反之选择一套Sentinel监控一组Redis数据节点的方案

2、sentinel monitor <master-name> <ip> <port> <quorum> 配置中的<quorum>建议设置成Sentinel节点的一半加1，当Sentinel部署在多个IDC的时候，单个IDC部署的Sentinel数量不建议超过（Sentinel数量 – quorum）。

3、合理设置参数，防止误切，控制切换灵敏度控制

1. quorum

2. down-after-milliseconds 30000

3. failover-timeout 180000

4. maxclient

5. timeout

4、部署的各个节点服务器时间尽量要同步，否则日志的时序性会混乱

5、Redis建议使用pipeline和multi-keys操作，减少RTT次数，提高请求效率

6、自行搞定配置中心（zookeeper），方便客户端对实例的链接访问

 

4、Redis Cluster

Redis Cluster是社区版推出的Redis分布式集群解决方案，主要解决Redis分布式方面的需求，比如，当遇到单机内存，并发和流量等瓶颈的时候，Redis Cluster能起到很好的负载均衡的目的。Redis Cluster集群节点最小配置6个节点以上（3主3从），其中主节点提供读写操作，从节点作为备用节点，不提供请求，只作为故障转移使用。Redis Cluster采用虚拟槽分区，所有的键根据哈希函数映射到0～16383个整数槽内，每个节点负责维护一部分槽以及槽所印映射的键值数据。

文章写到这里，也给大家送一个福利，给大家推荐一个Java架构方面的交流学习群：650385180，里面会分享一些资深架构师录制的视频录像：有Spring，MyBatis，Netty源码分析，高并发、高性能、分布式、微服务架构的原理，JVM性能优化这些成为架构师必备的知识体系。还能领取免费的学习资源，文章开头的知识总纲也是在群里获取。相信对于已经工作和遇到技术瓶颈的码友，在这个群里一定有你需要的内容。 

 

优点：

1、无中心架构

2、数据按照slot存储分布在多个节点，节点间数据共享，可动态调整数据分布。

3、可扩展性，可线性扩展到1000多个节点，节点可动态添加或删除。

4、高可用性，部分节点不可用时，集群仍可用。通过增加Slave做standby数据副本，能够实现故障自动failover，节点之间通过gossip协议交换状态信息，用投票机制完成Slave到Master的角色提升。

5、降低运维成本，提高系统的扩展性和可用性。

 

缺点：

1、Client实现复杂，驱动要求实现Smart Client，缓存slots mapping信息并及时更新，提高了开发难度，客户端的不成熟影响业务的稳定性。目前仅JedisCluster相对成熟，异常处理部分还不完善，比如常见的“max redirect exception”。

2、节点会因为某些原因发生阻塞（阻塞时间大于clutser-node-timeout），被判断下线，这种failover是没有必要的。

3、数据通过异步复制,不保证数据的强一致性。

4、多个业务使用同一套集群时，无法根据统计区分冷热数据，资源隔离性较差，容易出现相互影响的情况。

5、Slave在集群中充当“冷备”，不能缓解读压力，当然可以通过SDK的合理设计来提高Slave资源的利用率。

6、key批量操作限制，如使用mset、mget目前只支持具有相同slot值的key执行批量操作。对于映射为不同slot值的key由于keys 不支持跨slot查询，所以执行mset、mget、sunion等操作支持不友好。

7、key事务操作支持有限，只支持多key在同一节点上的事务操作，当多个key分布于不同的节点上时无法使用事务功能。

8、key作为数据分区的最小粒度，因此不能将一个很大的键值对象如hash、list等映射到不同的节点。

9、不支持多数据库空间，单机下的redis可以支持到16个数据库，集群模式下只能使用1个数据库空间，即db 0。

10、复制结构只支持一层，从节点只能复制主节点，不支持嵌套树状复制结构。

11、避免产生hot-key，导致主库节点成为系统的短板。

12、避免产生big-key，导致网卡撑爆、慢查询等。

13、重试时间应该大于cluster-node-time时间

14、Redis Cluster不建议使用pipeline和multi-keys操作，减少max redirect产生的场景。

 

5、Redis自研 - 推荐

Redis 自研的高可用解决方案，主要体现在配置中心、故障探测和failover的处理机制上，通常需要根据企业业务的实际线上环境来定制化。

 

优点：

1、高可靠性、高可用性

2、自主可控性高

3、贴切业务实际需求，可缩性好，兼容性好

 

缺点：

1、实现复杂，开发成本高

2、需要建立配套的周边设施，如监控，域名服务，存储元数据信息的数据库等。

3、维护成本高