一、NoSQL数据库
1.1 NoSQL数据库概述
NoSQL(NoSQL = Not Only SQL),意即“不仅仅是SQL”,泛指非关系型的数据库。
NoSQL 不依赖业务逻辑方式存储,而以简单的key-value模式存储。因此大大的增加了数据库的扩展能力。
-
不遵循SQL标准。
-
不支持ACID。
-
远超于SQL的性能。
1.2 NoSQL使用场景
- 对数据高并发的读写
- 海量数据的读写
- 对数据高可扩展性
用不着sql的和用了sql也不行的情况,请考虑用NoSql
二、Redis概述
Redis简介
启动Redis服务:redis-server /etc/redis.conf
Redis是一个典型的NoSQL数据库,是一个开源的key-value存储系统。
Redis的优点:
- 数据都在内存中,支持持久化,主要用作备份恢复
- 除了支持简单的key-value模式,还支持多种数据结构的存储,比如 list、set、hash、zset等。
- 一般是作为缓存数据库辅助持久化的数据库
Redis一般都是安装在Linux系统下,默认端口6379。
Redis相关知识
- Redis自带16个数据库,类似数组下标从0开始,初始默认使用0号库。
- 使用select 来切换数据库;如select 7
- 所有库密码相同。
- dbsize查看当前数据库的key数量
- flushdb清空当前库
- flushall杀掉全部库
Redis是单线程+多路IO复用技术
三、五大数据类型
3.1 Redis键(key)
-
keys *查看当前库所有key (匹配:keys *1)
-
exists key判断某个key是否存在
-
type key 查看你的key是什么类型
-
del key 删除指定的key数据
-
unlink key 根据value选择非阻塞删除
- 仅将keys从keyspace元数据中删除,真正的删除会在后续异步操作。
-
expire key 10 10秒钟:为给定的key设置过期时间
ttl key 查看还有多少秒过期,-1表示永不过期,-2表示已过期
select命令切换数据库
dbsize查看当前数据库的key的数量
flushdb清空当前库
flushall通杀全部库
3.2 字符串(String)
- String是Redis最基本的类型,你可以理解成与Memcached一模一样的类型,一个key对应一个value。
- String类型是二进制安全的。意味着Redis的string可以包含任何数据。比如jpg图片或者序列化的对象。
- String类型是Redis最基本的数据类型,一个Redis中字符串value最多可以是512M
3.2.1 常用命令
-
get 查询对应键值
-
append 将给定的 追加到原值的末尾
-
strlen 获得值的长度
-
setnx 只有在 key 不存在时 设置 key 的值
-
incr 将 key 中储存的数字值增1,只能对数字值操作,如果为空,新增值为1
-
decr 将 key 中储存的数字值减1,只能对数字值操作,如果为空,新增值为-1
-
incrby / decrby <步长>将 key 中储存的数字值增减。自定义步长。
-
mset …
- 同时设置一个或多个 key-value对
-
mget …
- 同时获取一个或多个 value
-
msetnx …
- 同时设置一个或多个 key-value 对,当且仅当所有给定 key 都不存在。
原子性,有一个失败则都失败
-
getrange <起始位置><结束位置>
- 获得值的范围,类似java中的substring,前包,后包
-
setrange <起始位置>
- 用 覆写所储存的字符串值,从<起始位置>开始(索引从0开始)。
-
setex <过期时间>
- 设置键值的同时,设置过期时间,单位秒。
-
getset
- 以新换旧,设置了新值同时获得旧值。
3.2.2 数据结构
String的数据结构为简单动态字符串(Simple Dynamic String,缩写SDS)。是可以修改的字符串,内部结构实现上类似于Java的ArrayList,采用预分配冗余空间的方式来减少内存的频繁分配.
如图中所示,内部为当前字符串实际分配的空间capacity一般要高于实际字符串长度len。当字符串长度小于1M时,扩容都是加倍现有的空间,如果超过1M,扩容时一次只会多扩1M的空间。需要注意的是字符串最大长度为512M。
3.2.3 原子性
所谓原子操作是指不会被线程调度机制打断的操作;
这种操作一旦开始,就一直运行到结束,中间不会有任何 context switch (切换到另一个线程)。
(1)在单线程中, 能够在单条指令中完成的操作都可以认为是"原子操作",因为中断只能发生于指令之间。
(2)在多线程中,不能被其它进程(线程)打断的操作就叫原子操作。
Redis单命令的原子性主要得益于Redis的单线程。
java中的i++不是原子操作,操作顺序:取值、++、赋值
i=0,两个线程分别对i进行++100次,值是多少?[2,200]
/**
i++操作是从内存取值到cpu寄存器,寄存器计算加1后再写入内存。于是,当a线程执行完第99次,寄存器为99,内存值为99。而b线程此时的寄存器计算完后值还只是为1,写入内存,内存值被改为1.a线程执行最后一次寄存器值拿到为1.然后,b线程又执行完100次,此时b线程cpu寄存器值为100,写入内存值为100.最后,a线程寄存器由于拿到的值为1,计算加一后得到2,写入内存,修改内存值100改为2.于是得到极端情况下的最小值2。
*/
3.3 列表(List)
单键多值。
Redis 列表是简单的字符串列表,按照插入顺序排序。你可以添加一个元素到列表的头部(左边)或者尾部(右边)。
它的底层实际是个双向链表,对两端的操作性能很高,通过索引下标的操作中间的节点性能会较差。
3.3.1 常用命令
-
lpush/rpush … 从左边/右边插入一个或多个值。
-
lpop/rpop 从左边/右边吐出一个值。值在键在,值光键亡。
-
rpoplpush 从列表右边吐出一个值,插到列表左边。
-
lrange
- 按照索引下标获得元素(从左到右)
-
lrange mylist 0 -1 0左边第一个,-1右边第一个,(0-1表示获取所有)
-
lindex 按照索引下标获得元素(从左到右)
-
llen 获得列表长度
-
linsert before 在的后面插入插入值
-
lrem 从左边删除n个value(从左到右)
-
lset将列表key下标为index的值替换成value
3.3.2 数据结构
List的数据结构为快速链表quickList。
首先在列表元素较少的情况下会使用一块连续的内存存储,这个结构是ziplist,也即是压缩列表。
它将所有的元素紧挨着一起存储,分配的是一块连续的内存。
当数据量比较多的时候才会改成quicklist。
因为普通的链表需要的附加指针空间太大,会比较浪费空间。比如这个列表里存的只是int类型的数据,结构上还需要两个额外的指针prev和next。
Redis将链表和ziplist结合起来组成了quicklist。也就是将多个ziplist使用双向指针串起来使用。这样既满足了快速的插入删除性能,又不会出现太大的空间冗余。
3.4 集合(Set)
Redis set对外提供的功能与list类似是一个列表的功能,特殊之处在于set是可以自动排重的,当你需要存储一个列表数据,又不希望出现重复数据时,set是一个很好的选择,并且set提供了判断某个成员是否在一个set集合内的重要接口,这个也是list所不能提供的。
Redis的Set是string类型的无序集合。它底层其实是一个value为null的hash表,所以添加,删除,查找的复杂度都是O(1)。
3.4.1 常用命令
-
sadd …
- 将一个或多个 member 元素加入到集合 key 中,已经存在的 member 元素将被忽略
-
smembers 取出该集合的所有值。
-
sismember 判断集合是否为含有该值,有1,没有0
-
scard返回该集合的元素个数。
-
srem … 删除集合中的某个元素。
-
spop 随机从该集合中吐出一个值。
-
srandmember 随机从该集合中取出n个值。不会从集合中删除 。
-
smove value把集合中一个值从一个集合移动到另一个集合
-
sinter 返回两个集合的交集元素。
-
sunion 返回两个集合的并集元素。
-
sdiff 返回两个集合的差集元素(key1中的,不包含key2中的)
3.4.2 数据结构
Set数据结构是dict字典,字典是用哈希表实现的。
Java中HashSet的内部实现使用的是HashMap,只不过所有的value都指向同一个对象。Redis的set结构也是
一样,它的内部也使用hash结构,所有的value都指向同一个内部值。
3.5 哈希(Hash)
Redis hash 是一个键值对集合。
Redis hash是一个string类型的field和value的映射表,hash特别适合用于存储对象,类似Java里面的Map<String,Object>
用户ID为查找的key,存储的value用户对象包含姓名,年龄,生日等信息,如果用普通的key/value结构来存储,有以下两种方式:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qLMkCgN7-1636878200137)(file:///C:\Users\lenovo\AppData\Local\Temp\ksohtml17680\wps1.png)]每次修改用户的某个属性需要,先反序列化改好后再序列化回去。开销较大。 | [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1Vw1rKDE-1636878200139)(file:///C:\Users\lenovo\AppData\Local\Temp\ksohtml17680\wps2.png)] 用户ID数据冗余 |
---|---|
通过key(用户ID) + field(属性标签)就可以操作对应属性数据了,既不需要重复存储数据,也不会带来序列化和并发修改控制的问题
3.5.1 常用命令
- hset 给集合中的 键赋值
- hget 从集合取出 value
- hmset … 批量设置hash的值、
- hexists查看哈希表 key 中,给定域 field 是否存在。
- hkeys 列出该hash集合的所有field
- hvals 列出该hash集合的所有value
- hincrby 为哈希表 key 中的域 field 的值加上增量 1 -1
- hsetnx 将哈希表 key 中的域 field 的值设置为 value ,当且仅当域 field 不存在 .
3.5.2 数据结构
Hash类型对应的数据结构是两种:ziplist(压缩列表),hashtable(哈希表)。当field-value长度较短且个数较少时,使用ziplist,否则使用hashtable。
3.6 Zset(有序集合)
Redis有序集合zset与普通集合set非常相似,是一个没有重复元素的字符串集合。不同之处是有序集合的每个成员都关联了一个评分(score),这个评分(score)被用来按照从最低分到最高分的方式排序集合中的成员。集合的成员是唯一的,但是评分可以是重复的 。
因为元素是有序的, 所以你也可以很快的根据评分(score)或者次序(position)来获取一个范围的元素。
访问有序集合的中间元素也是非常快的,因此你能够使用有序集合作为一个没有重复成员的智能列表。
3.6.1 常用命令
-
zadd …
将一个或多个 member 元素及其 score 值加入到有序集 key 当中。
-
zrange
[WITHSCORES] 返回有序集 key 中,下标在
之间的元素,带WITHSCORES,可以让分数一起和值返回到结果集。 -
zrangebyscore key minmax [withscores] [limit offset count]
返回有序集 key 中,所有 score 值介于 min 和 max 之间(包括等于 min 或 max )的成员。有序集成员按 score 值递增(从小到大)次序排列。
-
zrevrangebyscore key maxmin [withscores] [limit offset count]
同上,改为从大到小排列。
-
zincrby 为元素的score加上增量
-
zrem 删除该集合下,指定值的元素
-
zcount 统计该集合,分数区间内的元素个数
-
zrank 返回该值在集合中的排名,从0开始。
3.6.2 数据结构
SortedSet(zset)是Redis提供的一个非常特别的数据结构,一方面它等价于Java的数据结构Map<String, Double>,可以给每一个元素value赋予一个权重score,另一方面它又类似于TreeSet,内部的元素会按照权重score进行排序,可以得到每个元素的名次,还可以通过score的范围来获取元素的列表。
zset底层使用了两个数据结构:
(1)hash,hash的作用就是关联元素value和权重score,保障元素value的唯一性,可以通过元素value找到相应的score值。
(2)跳跃表,跳跃表的目的在于给元素value排序,根据score的范围获取元素列表。
四、Redis发布订阅
4.1 什么是发布和订阅
Redis 发布订阅 (pub/sub) 是一种消息通信模式:发送者 (pub) 发送消息,订阅者 (sub) 接收消息。Redis 客户端可以订阅任意数量的频道。
4.2 发布和订阅
1、客户端可以订阅频道如下图
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RY58Ndqc-1636878199440)(C:\Users\lenovo\AppData\Local\Temp\ksohtml17680\wps4.jpg)]
2、当给这个频道发布消息后,消息就会发送给订阅的客户端
4.3 发布和订阅的命令实现
1、 打开一个客户端订阅channel1
SUBSCRIBE channel1
2、打开另一个客户端,给channel1发布消息hello
publish channel1 hello
返回的1是订阅者数量
3、打开第一个客户端可以看到发送的消息
五、Redis新数据类型
5.1 Bitmaps
5.1.1 简介
现代计算机用二进制(位) 作为信息的基础单位, 1个字节等于8位, 例如“abc”字符串是由3个字节组成, 但实际在计算机存储时将其用二进制表示, “abc”分别对应的ASCII码分别是97、 98、 99, 对应的二进制分别是01100001、 01100010和01100011,如下图
合理地使用操作位能够有效地提高内存使用率和开发效率。
Redis提供了Bitmaps这个“数据类型”可以实现对位的操作:
(1) Bitmaps本身不是一种数据类型, 实际上它就是字符串(key-value) , 但是它可以对字符串的位进行操作。
(2) Bitmaps单独提供了一套命令, 所以在Redis中使用Bitmaps和使用字符串的方法不太相同。 可以把Bitmaps想象成一个以位为单位的数组, 数组的每个单元只能存储0和1, 数组的下标在Bitmaps中叫做偏移量。
5.1.2 常用命令
1、setbit
(1)格式
setbit设置Bitmaps中某个偏移量的值(0或1)
*offset:偏移量从0开始
(2)实例
每个独立用户是否访问过网站存放在Bitmaps中, 将访问的用户记做1, 没有访问的用户记做0, 用偏移量作为用户的id。
设置键的第offset个位的值(从0算起) , 假设现在有20个用户,userid=1, 6, 11, 15, 19的用户对网站进行了访问, 那么当前Bitmaps初始化结果如图
unique:users:20201106代表2020-11-06这天的独立访问用户的Bitmaps
注:
很多应用的用户id以一个指定数字(例如10000) 开头, 直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费, 通常的做法是每次做setbit操作时将用户id减去这个指定数字。
在第一次初始化Bitmaps时, 假如偏移量非常大, 那么整个初始化过程执行会比较慢, 可能会造成Redis的阻塞。
2、getbit
(1)格式
getbit获取Bitmaps中某个偏移量的值
获取键的第offset位的值(从0开始算)
(2)实例
获取id=8的用户是否在2020-11-06这天访问过, 返回0说明没有访问过:
注:因为100根本不存在,所以也是返回0
3、bitcount
统计****字符串****被设置为1的bit数。一般情况下,给定的整个字符串都会被进行计数,通过指定额外的 start 或 end 参数,可以让计数只在特定的位上进行。start 和 end 参数的设置,都可以使用负数值:比如 -1 表示最后一个位,而 -2 表示倒数第二个位,start、end 是指bit组的字节的下标数,二者皆包含。
(1)格式
bitcount[start end] 统计字符串从start字节到end字节比特值为1的数量
(2)实例
计算2022-11-06这天的独立访问用户数量
start和end代表起始和结束字节数, 下面操作计算用户id在第1个字节到第3个字节之间的独立访问用户数, 对应的用户id是11, 15, 19。
举例: K1 【01000001 01000000 00000000 00100001】,对应【0,1,2,3】
bitcount K1 1 2 : 统计下标1、2字节组中bit=1的个数,即01000000 00000000
–》bitcount K1 1 2 --》1
bitcount K1 1 3 : 统计下标1、2字节组中bit=1的个数,即01000000 00000000 00100001
–》bitcount K1 1 3 --》3
bitcount K1 0 -2 : 统计下标0到下标倒数第2,字节组中bit=1的个数,即01000001 01000000 00000000
–》bitcount K1 0 -2 --》3
注意:redis的setbit设置或清除的是bit位置,而bitcount计算的是byte位置。
4、bitop
(1)格式
bitop and(or/not/xor) [key…]
bitop是一个复合操作, 它可以做多个Bitmaps的and(交集) 、 or(并集) 、 not(非) 、 xor(异或) 操作并将结果保存在destkey中。
(2)实例
2020-11-04 日访问网站的userid=1,2,5,9。
setbit unique:users:20201104 1 1
setbit unique:users:20201104 2 1
setbit unique:users:20201104 5 1
setbit unique:users:20201104 9 1
2020-11-03 日访问网站的userid=0,1,4,9。
setbit unique:users:20201103 0 1
setbit unique:users:20201103 1 1
setbit unique:users:20201103 4 1
setbit unique:users:20201103 9 1
计算出两天都访问过网站的用户数量
bitop and unique:users:and:20201104_03
unique:users:20201103unique:users:20201104
计算出任意一天都访问过网站的用户数量(例如月活跃就是类似这种) , 可以使用or求并集
5.1.3 Bitmaps与set对比
假设网站有1亿用户, 每天独立访问的用户有5千万, 如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表
set和Bitmaps存储一天活跃用户对比 | |||
---|---|---|---|
数据类型 | 每个用户id占用空间 | 需要存储的用户量 | 全部内存量 |
集合类型 | 64位 | 50000000 | 64位*50000000 = 400MB |
Bitmaps | 1位 | 100000000 | 1位*100000000 = 12.5MB |
很明显, 这种情况下使用Bitmaps能节省很多的内存空间, 尤其是随着时间推移节省的内存还是非常可观的
set和Bitmaps存储独立用户空间对比 | |||
---|---|---|---|
数据类型 | 一天 | 一个月 | 一年 |
集合类型 | 400MB | 12GB | 144GB |
Bitmaps | 12.5MB | 375MB | 4.5GB |
但Bitmaps并不是万金油, 假如该网站每天的独立访问用户很少, 例如只有10万(大量的僵尸用户) , 那么两者的对比如下表所示, 很显然, 这时候使用Bitmaps就不太合适了, 因为基本上大部分位都是0。
set和Bitmaps存储一天活跃用户对比(独立用户比较少) | |||
---|---|---|---|
数据类型 | 每个userid占用空间 | 需要存储的用户量 | 全部内存量 |
集合类型 | 64位 | 100000 | 64位*100000 = 800KB |
Bitmaps | 1位 | 100000000 | 1位*100000000 = 12.5MB |
5.2 HyperLogLog
5.2.1 简介
在工作当中,我们经常会遇到与统计相关的功能需求,比如统计网站PV(PageView页面访问量),可以使用Redis的incr、incrby轻松实现。
但像UV(UniqueVisitor,独立访客)、独立IP数、搜索记录数等需要去重和计数的问题如何解决?这种求集合中不重复元素个数的问题称为基数问题。
解决基数问题有很多种方案:
(1)数据存储在MySQL表中,使用distinct count计算不重复个数
(2)使用Redis提供的hash、set、bitmaps等数据结构来处理
以上的方案结果精确,但随着数据不断增加,导致占用空间越来越大,对于非常大的数据集是不切实际的。
能否能够降低一定的精度来平衡存储空间?Redis推出了HyperLogLog
Redis HyperLogLog 是用来做基数统计的算法,HyperLogLog 的优点是,在输入元素的数量或者体积非常非常大时,计算基数所需的空间总是固定的、并且是很小的。
在 Redis 里面,每个 HyperLogLog 键只需要花费 12 KB 内存,就可以计算接近 2^64 个不同元素的基数。这和计算基数时,元素越多耗费内存就越多的集合形成鲜明对比。
但是,因为 HyperLogLog 只会根据输入元素来计算基数,而不会储存输入元素本身,所以 HyperLogLog 不能像集合那样,返回输入的各个元素。
什么是基数?
比如数据集 {1, 3, 5, 7, 5, 7, 8}, 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素)为5。 基数估计就是在误差可接受的范围内,快速计算基数。
5.2.2 常用命令
1、pfadd
(1)格式
pfadd < element> [element …] 添加指定元素到 HyperLogLog 中
(2)实例
将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后HLL估计的近似基数发生变化,则返回1,否则返回0。
2、pfcount
(1)格式
pfcount [key …] 计算HLL的近似基数,可以计算多个HLL,比如用HLL存储每天的UV,计算一周的UV可以使用7天的UV合并计算即可
(2)实例
3、pfmerge
(1)格式
pfmerge [sourcekey …] 将一个或多个HLL合并后的结果存储在另一个HLL中,比如每月活跃用户可以使用每天的活跃用户来合并计算可得
(2)实例
5.3 Geospatial
5.3.1 简介
Redis 3.2 中增加了对GEO类型的支持。GEO,Geographic,地理信息的缩写。该类型,就是元素的2维坐标,在地图上就是经纬度。redis基于该类型,提供了经纬度设置,查询,范围查询,距离查询,经纬度Hash等常见操作。
5.3.2 常用命令
1、geoadd
(1)格式
geoadd< longitude> [longitude latitude member…] 添加地理位置(经度,纬度,名称)
(2)实例
geoadd china:city 121.47 31.23 shanghai
geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing
两极无法直接添加,一般会下载城市数据,直接通过 Java 程序一次性导入。
有效的经度从 -180 度到 180 度。有效的纬度从 -85.05112878 度到 85.05112878 度。
当坐标位置超出指定范围时,该命令将会返回一个错误。
已经添加的数据,是无法再次往里面添加的。
2、geopos
(1)格式
geopos [member…] 获得指定地区的坐标值
(2)实例
)
3、geodist
(1)格式
geodist [m|km|ft|mi ] 获取两个位置之间的直线距离
(2)实例
获取两个位置之间的直线距离
单位:
m 表示单位为米[默认值]。
km 表示单位为千米。
mi 表示单位为英里。
ft 表示单位为英尺。
如果用户没有显式地指定单位参数, 那么 GEODIST 默认使用米作为单位
4、georadius
(1)格式
georadius< longitude>radius m|km|ft|mi 以给定的经纬度为中心,找出某一半径内的元素
经度 纬度 距离 单位
(2)实例
六、Jedis
连接注意事项:
- redis.conf中注释掉bind 127.0.0.1 ,然后 protected-mode no
- 云服务器的安全组要放开6379端口
- Centos中的防火墙也要放开6379,并重启防火墙
模拟验证码发送
代码:
package com.jiazq.jedis;
import redis.clients.jedis.Jedis;
import java.util.Random;
public class PhoneCode {
public static void main(String[] args) {
verifyPhone("123456");
// verifyCode("123456","342411");
}
/**
* 生成随机6位数验证码
* @return
*/
public static String getCode(){
Random random = new Random();
String code="";
for (int i=0;i<6;i++){
//生成10以内的值
int num = random.nextInt(10);
code=code+num;
}
return code;
}
/**
* 判断验证码的正确性
* @param phone
* @param code
*/
public static void verifyCode(String phone,String code){
//连接redis
Jedis jedis = new Jedis("49.233.255.138", 6379);
jedis.auth("yhn876600");
//验证码key
String codeKey=phone+":code";
//获取验证码
String RCode = jedis.get(codeKey);
if (code.equals(RCode)){
System.out.println("成功");
}else{
System.out.println("失败");
}
}
/**
* 一个手机号每天只能发三次
* @param phone
*/
public static void verifyPhone(String phone){
//连接redis
Jedis jedis = new Jedis("49.233.255.138", 6379);
jedis.auth("yhn876600");
//每个手机每天发送验证码的最大次数
int countPhone=3;
// 手机发送次数key
String countKey=phone+":count";
//验证码key
String codeKey=phone+":code";
//每个手机每天只能发送三次
String count=jedis.get(countKey);
if (count==null){
jedis.setex(countKey,60*60*24,"1");
}else if (Integer.parseInt(count)<=countPhone-1){
jedis.incr(countKey);
}else{
System.out.println("今日已达最大次数");
return;
}
//发送验证码放到redis中
String code = getCode();
jedis.setex(codeKey,120,code);
//关闭连接
jedis.close();
}
}
七、事物和锁机制
7.1 Redis事物的定义
Redis事务是一个单独的隔离操作:事务中的所有命令都会序列化、按顺序地执行。事务在执行的过程中,不会被其他客户端发送来的命令请求所打断。
Redis事务的主要作用就是串联多个命令防止别的命令插队。
7.2 Multi、Exec、discard
从输入Multi命令开始,输入的命令都会依次进入命令队列中,但不会执行,直到输入Exec后,Redis会将之前的命令队列中的命令依次执行。
组队的过程中可以通过discard来放弃组队。
组队成功:
执行成功:
放弃执行:
7.3 事物的错误处理
组队过程中的命令出错:整个队列都会被取消
执行过程中出错,则只有报错的命令不会被执行,而其他的命令都会执行,不会回滚。
## 7.4乐观锁与悲观锁
悲观锁(Pessimistic Lock), 顾名思义,就是很悲观,每次去拿数据的时候都认为别人会修改,所以每次在拿数据的时候都会上锁,这样别人想拿这个数据就会block直到它拿到锁。传统的关系型数据库里边就用到了很多这种锁机制,比如行锁,表锁等,读锁,写锁等,都是在做操作之前先上锁。
乐观锁(Optimistic Lock), 顾名思义,就是很乐观,每次去拿数据的时候都认为别人不会修改,所以不会上锁,但是在更新的时候会判断一下在此期间别人有没有去更新这个数据,可以使用版本号等机制。乐观锁适用于多读的应用类型,这样可以提高吞吐量。Redis就是利用这种check-and-set机制实现事务的。
7.5 Redis中使用乐观锁
-
watch key [key…]
在执行multi之前,先执行watch key1 [key2],可以监视一个(或多个) key ,如果在事务执行之前这个(或这些) key 被其他命令所改动,那么事务将被打断。
-
unwatch
取消 WATCH 命令对所有 key 的监视。
如果在执行 WATCH 命令之后,EXEC 命令或DISCARD 命令先被执行了的话,那么就不需要再执行UNWATCH 了。
7.6 Redis事物三特性
单独的隔离操作
- 事务中的所有命令都会序列化、按顺序地执行。事务在执行的过程中,不会被其他客户端发送来的命令请求所打断。
没有隔离级别的概念
- 队列中的命令没有提交之前都不会实际被执行,因为事务提交前任何指令都不会被实际执行
不保证原子性
- 事务中如果有一条命令执行失败,其后的命令仍然会被执行,没有回滚
八、Redis持久化
Redis 提供了2个不同形式的持久化方式:
- RDB(Redis DataBase)
- AOF(Append Of File)
RDB
RDB是什么
在指定的时间间隔内将内存中的数据集快照写入磁盘, 也就是行话讲的Snapshot快照,它恢复时是将快照文件直接读到内存里。
备份是如何执行的
Redis会单独创建(fork)一个子进程来进行持久化,会先将数据写入到 一个临时文件中,待持久化过程都结束了,再用这个临时文件替换上次持久化好的文件。
整个过程中,主进程是不进行任何IO操作的,这就确保了极高的性能 如果需要进行大规模数据的恢复,且对于数据恢复的完整性不是非常敏感,那RDB方式要比AOF方式更加的高效。
RDB的缺点是最后一次持久化后的数据可能丢失。
Fork
-
Fork的作用是复制一个与当前进程一样的进程。新进程的所有数据(变量、环境变量、程序计数器等) 数值都和原进程一致,但是是一个全新的进程,并作为原进程的子进程
-
在Linux程序中,fork()会产生一个和父进程完全相同的子进程,但子进程在此后多会exec系统调用,出于效率考虑,Linux中引入了“写时复制技术”
-
一般情况父进程和子进程会共用同一段物理内存,只有进程空间的各段的内容要发生变化时,才会将父进程的内容复制一份给子进程。
RDB持久化流程
RDB的优势
- 适合大规模的数据恢复
- 对数据完整性和一致性要求不高更适合使用
- 节省磁盘空间
- 恢复速度快
RDB的劣势
- Fork的时候,内存中的数据被克隆了一份,大致2倍的膨胀性需要考虑
- 虽然Redis在fork时使用了写时拷贝技术,但是如果数据庞大时还是比较消耗性能。
- 在备份周期在一定间隔时间做一次备份,所以如果Redis意外down掉的话,就会丢失最后一次快照后的所有修改。
AOF
AOF是什么
以日志的形式来记录每个写操作(增量保存),将Redis执行过的所有写指令记录下来(读操作不记录), 只许追加文件但不可以改写文件,redis启动之初会读取该文件重新构建数据,换言之,redis 重启的话就根据日志文件的内容将写指令从前到后执行一次以完成数据的恢复工作
AOF持久化流程
(1)客户端的请求写命令会被append追加到AOF缓冲区内;
(2)AOF缓冲区根据AOF持久化策略[always,everysec,no]将操作sync同步到磁盘的AOF文件中;
(3)AOF文件大小超过重写策略或手动重写时,会对AOF文件rewrite重写,压缩AOF文件容量;
(4)Redis服务重启时,会重新load加载AOF文件中的写操作达到数据恢复的目的;
AOF默认不开启,可以在配置文件中开启。
当RDB与AOF同时开启时,系统默认取AOF的数据。
AOF恢复
-
AOF的备份机制和性能虽然和RDB不同, 但是备份和恢复的操作同RDB一样,都是拷贝备份文件,需要恢复时再拷贝到Redis工作目录下,启动系统即加载。
-
正常恢复
- 修改默认的appendonly no,改为yes
- 将有数据的aof文件复制一份保存到对应目录(查看目录:config get dir)
- 恢复:重启redis然后重新加载
-
异常恢复
- 修改默认的appendonly no,改为yes
- 如遇到AOF文件损坏,通过/usr/local/bin/redis-check-aof–fix appendonly.aof进行恢复
- 备份被写坏的AOF文件
- 恢复:重启redis,然后重新加载
九、主从复制
主机数据更新后根据配置和策略, 自动同步到备机的master/slaver机制,Master以写为主,Slave以读为主
优点:
- 读写分离,性能扩展
- 容灾快速恢复