local key = KEYS[1]
local limit = tonumber(ARGV[1])
local current = tonumber(redis.call('get', key) or "0")
 
if current + 1 > limit then
    return 0 -- 超出限制
else
    if current == 0 then
        redis.call('expire', key, 1) -- 设置键的过期时间，避免永久锁
    end
    redis.call('incr', key) -- 自增键值
    return 1 -- 未超出限制
end

这段Lua脚本用于实现接口访问频率的限制。它通过Redis的键值来记录访问次数，并设置过期时间来防止无限期占用资源。脚本接收两个参数，一个是限制次数，一个是键名。如果当前访问次数加1后超过限制次数，则返回0；否则，如果当前访问次数是0（即键不存在），它会设置键的过期时间，然后递增访问次数，并返回1。这个脚本可以在Redis中通过EVAL命令执行。

由于篇幅限制，我无法提供完整的源代码和部署文档。但我可以提供一个简化的SpringBoot后端框架和Vue前端框架的示例，以及一些关键代码和部署步骤的指导。

后端技术栈：SpringBoot、MyBatis Plus、JWT等。

前端技术栈：Vue、Vue Router、Element UI等。

后端关键代码和配置：

// 用户登录接口
@PostMapping("/login")
public ResponseEntity<?> login(@RequestBody LoginRequest request) {
    // 登录逻辑
    String token = authService.login(request);
    return ResponseEntity.ok(new AuthResponse(token));
}
 
// 配置JWT
@Configuration
public class JwtTokenProvider {
    // 生成Token和验证Token的方法
}

前端关键代码和配置：

// Vuex store中的用户状态管理
const store = new Vuex.Store({
    state: {
        token: null,
        user: null
    },
    mutations: {
        setToken(state, token) {
            state.token = token;
        },
        setUser(state, user) {
            state.user = user;
        }
    },
    actions: {
        login({ commit }, credentials) {
            // 发送登录请求并提交mutation
        }
    }
});
 
// Vue Router路由守卫
const router = new VueRouter({
    routes: [
        {
            path: '/home',
            name: 'Home',
            component: Home,
            meta: { requiresAuth: true }
        }
    ]
});
 
router.beforeEach((to, from, next) => {
    if (to.matched.some(record => record.meta.requiresAuth)) {
        // 验证用户是否登录
        if (!store.state.token) {
            next({ path: '/login' });
        } else {
            next();
        }
    } else {
        next(); // 不需要认证的路由直接进入
    }
});

部署指导：

1. 确保Java和MySQL环境已经安装配置。
2. 导入数据库结构（SQL文件）。
3. 配置application.properties或application.yml文件中的数据库连接、服务器端口等。
4. 构建前端项目（npm run build）并将生成的静态文件放入SpringBoot静态资源目录。
5. 启动SpringBoot应用。
6. 访问对应端口进行网站访问。

注意：

• 源代码和部署文档不是实际的，仅为示例。
• 实际项目中还需要考虑更多安全性、可维护性和性能方面的要素。
• 完整的源代码和部署文档需要根据具体项目需求进行定制化开发。

以下是一个简化的示例，展示了如何使用Spring Boot创建一个简单的跑腿系统后端服务：

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
 
@SpringBootApplication
public class RunningPetApplication {
    public static void main(String[] args) {
        SpringApplication.run(RunningPetApplication.class, args);
    }
}
 
@RestController
class RunningPetController {
    // 获取跑腿任务列表
    @GetMapping("/tasks")
    public String getTasks() {
        // 实际应用中，这里会查询数据库或调用其他服务获取任务列表
        return "Running tasks list";
    }
 
    // 获取特定用户的跑腿记录
    @GetMapping("/records/{userId}")
    public String getUserRecords(@PathVariable("userId") String userId) {
        // 实际应用中，这里会查询数据库获取用户跑腿记录
        return "Records of user " + userId;
    }
}

这个简单的应用程序定义了一个运行任务的API，包括获取任务列表和获取特定用户的跑腿记录。在实际的应用中，你需要根据你的具体需求来扩展这些API，并且连接到实际的数据存储系统（如数据库）来持久化数据。

Redis 的 RDB 持久化是指在指定的时间间隔内将内存中的数据集快照写入磁盘，也就是Snapshotting。

RDB 的优点是：

• 一旦采用该方式，整个Redis数据库将只包含一个文件，方便进行备份和恢复。
• 对于恢复大数据集来说，RDB是一种比AOF更快的方式。
• 对于性能的影响较小，RDB在指定的时间间隔进行保存，对服务器性能的影响可以控制。

RDB的缺点是：

• 如果你需要尽量减小数据丢失的风险，RDB可能不适合你。因为RDB是间隔一段时间进行保存，如果Redis意外宕机，那么可能会丢失最后一次快照后的数据。
• RDB需要经常fork子进程来执行IO操作，如果数据集很大，可能会造成较长时间的阻塞。

配置RDB快照保存的时机，可以在redis.conf中设置：

save 900 1      # 900秒内至少1个键被修改则触发保存
save 300 10     # 300秒内至少10个键被修改则触发保存
save 60 10000   # 60秒内至少10000个键被修改则触发保存

如果你想关闭RDB，可以将所有的save指令注释掉或者设置为空。

RDB的文件默认为dump.rdb，可以通过配置dir选项来指定保存的目录，通过配置dbfilename选项来指定文件名。

dir ./
dbfilename dump.rdb

启动Redis时，如果指定了RDB文件，Redis会尝试加载该文件进内存。

注意：Redis的RDB文件是一个压缩过的二进制文件，不能直接编辑。如果需要修改RDB文件，可以使用Redis提供的工具redis-check-rdb来进行处理。

SQLite3是一个开源的嵌入式数据库引擎，它可以很好地满足单个用户的数据存储需求。然而，在浏览器环境中直接使用SQLite3可能会遇到一些问题，例如安全限制和兼容性问题。

SQLocal是一个库，它提供了一个简单的接口来在浏览器中使用SQLite3。它允许开发者在浏览器中创建、管理和操作SQLite数据库，而不需要处理复杂的SQLite API。

以下是一个使用SQLocal的示例代码：

// 引入SQLocal库
import SQL from 'sql.js';
 
// 创建一个新的SQLite数据库实例
let db = new SQL.Database();
 
// 执行一个SQL命令
db.run("CREATE TABLE test_table (col1, col2);");
 
// 插入数据
db.run("INSERT INTO test_table (col1, col2) VALUES (?, ?), (?, ?);", ["data1", "data2", "data3", "data4"]);
 
// 查询数据
let res = db.exec("SELECT * FROM test_table;");
 
// 打印查询结果
console.log(res);
 
// 导出数据库为Uint8Array二进制格式
let data = db.export();
 
// 清空数据库
db.run("DELETE FROM test_table;");
 
// 导入数据库
db.import(data);
 
// 关闭数据库
db.close();

这段代码展示了如何使用SQLocal库来创建一个SQLite数据库，执行SQL命令，查询数据，导出和导入数据库，以及关闭数据库。这为开发者提供了一个简洁易用的接口来在浏览器中使用SQLite数据库。

为了解决这个问题，你需要做以下几步：

1. 引入Spring Cloud Gateway和Sentinel的依赖。
2. 配置Sentinel Dashboard。
3. 配置Spring Cloud Gateway以使用Sentinel作为限流和熔断的数据源。

以下是一个简化的Maven依赖配置示例：

<!-- Spring Cloud Gateway -->
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-gateway</artifactId>
</dependency>
 
<!-- Sentinel Spring Cloud Gateway Adapter -->
<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-spring-cloud-gateway-adapter</artifactId>
    <version>1.8.6</version>
</dependency>
 
<!-- Sentinel Core Library -->
<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-core</artifactId>
    <version>1.8.6</version>
</dependency>
 
<!-- 如果你需要使用限流规则持久化到Sentinel Dashboard，还需要添加以下依赖 -->
<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-transport-simple-http</artifactId>
    <version>1.8.6</version>
</dependency>

接下来配置Sentinel Dashboard，确保它运行并且能够接收来自你的应用程序的数据。

最后，在Spring Cloud Gateway中配置Sentinel，例如使用application.yml文件：

spring:
  cloud:
    gateway:
      routes:
        - id: service-route
          uri: lb://your-service
          predicates:
            - Path=/service/**
          filters:
            - SentinelGatewayFilter

确保你的应用程序启动类上添加了@EnableSentinel注解：

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import com.alibaba.csp.sentinel.annotation.aspectj.EnableSentinelResourceAspect;
import com.alibaba.csp.sentinel.slots.block.RuleConstant;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRule;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRuleManager;
 
@SpringBootApplication
@EnableSentinelResourceAspect
public class GatewayApplication {
 
    public static void main(String[] args) {
        SpringApplication.run(GatewayApplication.class, args);
        initFlowRules();
    }
 
    private static void initFlowRules() {
        List<FlowRule> rules = new ArrayList<>();
        // 添加限流规则，例如每秒允许通过6个请求
        FlowRule rule = new FlowRule();
        rule.setResource("service-route");
        rule.setGrade(RuleConstant.FLOW_GRADE_SECOND);
        rule.setCount(6);
        rules.add(rule);
 
        FlowRuleManager.loadRules(rules);
    }
}

以上代码提供了一个简单的示例，展示了如何将Spring Cloud Gateway和Sentinel集成在一起。这个例子中，我们配置了一个路由，并为它设置了一个限流规则，限制每秒通过的请求数为6个。

请注意，这只是一个基

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import ai.djl.repository.zoo.ModelZoo;
import ai.djl.repository.zoo.ZooModel;
import ai.djl.inference.Predictor;
import ai.djl.modality.Input;
import ai.djl.modality.Output;
import ai.djl.translate.TranslateException;
 
@Service
public class OllamaService {
 
    @Autowired
    private ZooModel<Input, Output> ollamaModel;
 
    public Output predict(Input input) throws TranslateException {
        try (Predictor<Input, Output> predictor = ollamaModel.newPredictor()) {
            return predictor.predict(input);
        }
    }
}

这段代码展示了如何在Spring框架中使用自动注入（Autowired）来初始化DJL中的ZooModel，并在需要的时候创建一个Predictor来进行预测。这里的Input和Output是泛型，需要根据实际使用的模型进行替换。这段代码提供了一个服务层的示例，用于与AI模型交互，并且可以被控制器或其他服务调用。

在Spring Boot中，你可以使用AOP（面向切面编程）来创建一个切面，在切面中的特定连接点（比如Controller方法调用前）修改请求参数。以下是一个简单的例子：

1. 首先，创建一个自定义注解来标记需要修改参数的方法：

@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
public @interface ModifyRequestParam {
    // 可以添加属性来定义如何修改参数
}

2. 创建一个切面类来处理注解：

@Aspect
@Component
public class ModifyRequestParamAspect {
 
    @Around("@annotation(ModifyRequestParam)")
    public Object aroundAdvice(ProceedingJoinPoint joinPoint) throws Throwable {
        // 在这里修改参数
        // 获取方法参数
        Object[] args = joinPoint.getArgs();
        for (int i = 0; i < args.length; i++) {
            if (args[i] instanceof HttpServletRequest) {
                HttpServletRequest request = (HttpServletRequest) args[i];
                // 修改请求参数的逻辑
                // 例如: 修改一个特定的参数
                String newValue = "newValue"; // 新值
                request.getParameterMap().put("paramName", new String[]{newValue});
            }
        }
        // 继续执行原方法，传入修改后的参数
        return joinPoint.proceed(args);
    }
}

3. 在Controller方法上使用@ModifyRequestParam注解：

@RestController
public class MyController {
 
    @ModifyRequestParam
    @GetMapping("/myEndpoint")
    public String myMethod(@RequestParam("paramName") String paramValue) {
        // 方法逻辑
        return "Response with modified param";
    }
}

请注意，上述代码是一个简化示例，并且假设你只需要修改一个特定的参数。在实际应用中，你可能需要根据需求修改HttpServletRequest的参数或者采取其他策略来处理复杂的参数修改需求。

在实时监控Redis性能指标的方法中，可以使用Redis自带的INFO命令，或者使用第三方工具和服务，如RedisLive、RedisInsight、Prometheus配合Grafana等。

以下是使用INFO命令的一个简单示例：

import redis
import json
 
# 连接到Redis
r = redis.Redis(host='localhost', port=6379, db=0)
 
# 使用INFO命令获取性能指标
info = r.info()
 
# 打印信息
print(json.dumps(info, indent=4))

为了实时监控和报警，你可以定期运行上述脚本，并将输出结果发送到监控系统。如果你需要更高级的实时监控，可以考虑使用Prometheus配合Grafana，它们都是开源的监控和报警工具。

Prometheus配合Grafana的示例：

1. 安装并配置Prometheus，添加一个job来抓取Redis的metrics。
2. 安装Grafana，并添加Prometheus数据源。
3. 创建监控仪表盘，配置图表，设置报警规则。

这些工具都有详细的官方文档，可以根据需要进行安装和配置。

在Python中，你可以使用psycopg2库来查询PostgreSQL数据库，并将结果转换为字典格式。以下是一个简单的例子：

首先，安装psycopg2库（如果尚未安装）：

pip install psycopg2

然后，使用以下代码查询数据库并获取字典格式的结果：

import psycopg2
 
# 配置数据库连接参数
conn_params = {
    "dbname": "your_db",
    "user": "your_user",
    "password": "your_password",
    "host": "localhost"
}
 
# 连接数据库
conn = psycopg2.connect(**conn_params)
 
# 创建游标对象
cur = conn.cursor()
 
# 执行SQL查询
cur.execute("SELECT * FROM your_table;")
 
# 获取列名称
columns = [desc[0] for desc in cur.description]
 
# 将结果转换为字典列表
rows = cur.fetchall()
dict_rows = [dict(zip(columns, row)) for row in rows]
 
# 关闭游标和连接
cur.close()
conn.close()
 
# 输出结果
print(dict_rows)

在这个例子中，your_db、your_user、your_password和your_table需要替换为你的实际数据库名、用户、密码和表名。这段代码会查询your_table表中的所有数据，并将每一行转换为一个字典，最后将所有字典存入一个列表中。