Redis从简单到高级的总结（超详细）

Redis简单

1、Redis

 Redis是一个基于内存的key-value结构数据库。Redis 是互联网技术领域使用最为广泛的存储中间件。
     
**官网：**https://redis.io
**中文网：**https://www.redis.net.cn/
**key-value结构存储：**

**主要特点：**

- 基于内存存储，读写性能高  
- 适合存储**热点数据**（热点商品、资讯、新闻）
- 企业应用广泛
   Redis是用C语言开发的一个开源的高性能键值对(key-value)数据库，官方提供的数据是可以达到100000+的
   QPS（每秒内查询10W次）。它存储的value类型比较丰富，也被称为结构化的NoSql数据库。
    NoSql（Not Only SQL），不仅仅是SQL，泛指**非关系型数据库**。NoSql数据库并不是要取代关系型数据
    库，而是关系型数据库的补充。
    
**关系型数据库(RDBMS)：**
- Mysql
- Oracle
- DB2
- SQLServer
    
**非关系型数据库(NoSql)：**
- Redis
- Mongo db
- MemCached
Redis安装包分为windows版和Linux版：

- Windows版下载地址：https://github.com/microsoftarchive/redis/releases
- Linux版下载地址： https://download.redis.io/releases/ 

Redis的安装
1）在Windows中安装Redis(项目中使用)    
Redis的Windows版属于**绿色软件**，直接解压即可使用。
redis-cli.exe: Redis客户端redis-client
        
2）在Linux中安装Redis(简单了解)
        
> - 后续学完Linux课程再操作
> - mac系统安装和Linux一样
> - mac不想自己编译安装，参考：https://blog.csdn.net/realize_dream/article/details/106227622

在Linux系统安装Redis步骤：

1. 将Redis安装包上传到Linux
2. 解压安装包，命令：tar -zxvf redis-4.0.0.tar.gz -C /usr/local
3. 安装Redis的依赖环境gcc，命令：yum install gcc-c++
4. 进入/usr/local/redis-4.0.0，进行编译，命令：make
5. 进入redis的src目录进行安装，命令：make install

安装后重点文件说明：

- /usr/local/redis-4.0.0/src/redis-server：Redis服务启动脚本
- /usr/local/redis-4.0.0/src/redis-cli：Redis客户端脚本
- /usr/local/redis-4.0.0/redis.conf：Redis配置文件

2、Redis服务启动与停止

服务启动命令
   #手动指定配置文件
redis-server.exe redis.windows.conf
 
Redis服务默认端口号为 **6379** ，通过快捷键**Ctrl + C** 即可停止Redis服务

当Redis服务启动成功后，可通过客户端进行连接。
 
客户端连接命令 : redis-cli.exe
通过redis-cli.exe命令默认连接的是本地的redis服务，并且使用默认6379端口。也可以通过指定如下参数
连接：redis-cli.exe -h 127.0.0.1 -p 6379 -a 123456
- -h ip地址
- -p 端口号
- -a 密码（如果需要）

设置Redis服务密码，修改redis.windows.conf
#requirepass password
requirepass 123456

**注意：**
- **修改密码后需要重启Redis服务才能生效**
- Redis配置文件中 # 表示注释

重启Redis后，再次连接Redis时，需加上密码，否则**能连接成功但无法执行指令**
redis-cli.exe -h localhost -p 6379 -a 123456
#a: auth校验
此时，-h 和 -p 参数可省略不写。

3、Redis客户端图形化工具及数据类型

默认提供的客户端连接工具界面不太友好，同时操作也较为麻烦，接下来，引入一个Redis客户端图形工具。

安装完毕后，直接双击启动
> mac或者linux下载地址：https://goanother.com/cn/#download

Redis存储的是key-value结构的数据，其中**key一般使用字符串**，value有**5种常用**的数据类型：

- 字符串 string
- 哈希 hash
- 列表 list
- 集合 set
- 有序集合 sorted set / zset
- bitmap 位图类型
- geo 地理位置类型
- HyperLogLog 基数统计类型

- 字符串(string)：普通字符串，Redis中最简单的数据类型
- 哈希(hash)：也叫散列，类似于Java中的HashMap结构
- 列表(list)：按照插入顺序排序，可以有重复元素，类似于Java中的LinkedList
- 集合(set)：无序集合，没有重复元素，类似于Java中的HashSet
- 有序集合(sorted set/zset)：集合中每个元素关联一个分数(score)，根据分数升序排序，没有重复元素

new HashMap<String, 常用的5种类型>();

1、new HashMap<String, String>();
2、new HashMap<String, new HashMap<>>();
3、new HashMap<String, new ArrayList<>>();
4、new HashMap<String, new HashSet<>>();
5、new HashMap<String, new 有序set<>>();

4、Redis常用命令

Redis 中字符串类型常用命令：

- SET key value 					 设置指定key的值
- GET key                             获取指定key的值
- SETE key seconds value         设置指定key的值，并将 key 的过期时间设为 seconds 秒

set ex(expire:过期)

- SETNX key value                 只有在 key不存在时设置 key 的值

set nx(not exist:不存在)

更多命令可以参考Redis中文网：https://www.redis.net.cn

哈希操作：

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，常用命令：

- HSET key field value       将哈希表 key 中的字段 field 的值设为 value

  hset: hash set

- HGET key field             获取存储在哈希表中指定字段的值

  hget: hast get

- HDEL key field             删除存储在哈希表中的指定字段

- HKEYS key                  获取哈希表中所有字段

- HVALS key                  获取哈希表中所有值

  hvals: hash values

- HGETALL key                获取在哈希表中指定 key 的所有字段和值

  hgetall: hast get all
  
企业开发中常用格式：

hset students 101 "{name:zhangsan, age:20}"
hset students 102 "{name:lisi, age:25}"

列表list操作

Redis 列表是简单的字符串列表，按照插入顺序排序，常用命令：

LPUSH  key value1 [value2]         将一个或多个值插入到列表头部

lpush mylist d c b a
#list push中可以保存相同的元素
#lpush mylist a b
#right push: rpush

LRANGE key start stop                获取列表指定范围内的元素
lrange mylist 0 -1
#-1代表list中最后一个元素的位置

- RPOP key                    移除并获取列表最后一个元素

- LLEN key                     获取列表长度

- BRPOP key1 [key2 ] timeout   移出并获取列表的最后一个元素， 如果列表没有元素会阻塞直到等待超时
或发现可弹出元素为止

brpop: block right pop

集合set操作
Redis set 是string类型的无序集合。集合成员是唯一的，这就意味着集合中不会出现重复的数据，常用命令：

- SADD key member1 [member2]            向集合添加一个或多个成员
sadd myset a b c d a b

- SMEMBERS key                         返回集合中的所有成员
SMEMBERS myset
#返回结果：a b c d 
#发现没有重复的元素

- SCARD key                         获取集合的成员数

- SINTER key1 [key2]             返回给定所有集合的交集
sadd myset2 c d e f

#求myset和myset2的交集：两个集合中都有的元素
sinter myset myset2
#会输出c d 

- SUNION key1 [key2]                 返回所有给定集合的并集
sunion myset myset2
#会输出：a b c d e f

- SREM key member1 [member2]        移除集合中一个或多个成员
#srem: set remove
srem myset a b 

有序集合zset操作
 
   Redis有序集合是string类型元素的集合，且不允许有重复成员。每个元素都会关联一个double类型的分数(score)。
   redis正是通过分数来为集合中的成员进行从小到大排序。有序集合的成员是唯一的，但分数却可以重复。
   
常用命令：

- ZADD key score1 member1 [score2 member2]     向有序集合添加一个或多个成员，或者更新已存在成员的分数
zadd myzset 80 wangwu
zadd myzset 100 zhangsan 60 lisi

- ZRANGE key start stop [WITHSCORES]    通过索引区间返回有序集合中指定区间内的成员
#默认是升序：从小到大(根据score)
zrange myzset 0 -1
#1) "lisi"
#2) "wangwu"
#3) "zhangsan"

#如果想倒序：zrevrange key start stop [WITHSCORES]     
#revert:反转
zrevrange myzset 0 -1
#1) "zhangsan"
#2) "wangwu"
#3) "lisi"

- ZINCRBY key increment member   有序集合中对指定成员的分数加上增量 increment
#给wangwu增加30分
#increment：增长
zincrby myzset 30 wangwu
zrevrange myzset 0 -1

- ZREM key member [member ...]     移除有序集合中的一个或多个成员

通用命令
Redis的通用命令是不分数据类型的，都可以使用的命令：

- KEYS pattern 	    查找所有符合给定模式( pattern)的 key 

- EXISTS key 		检查给定 key 是否存在

- TYPE key 		    返回 key 所储存的值的类型

- DEL key 		    该命令用于在 key 存在是删除 key

- TTL key           返回给定 key 的剩余生存时间(TTL, time to live)，以秒为单位

共有3种返回结果：
-1: 没有过期时间，永久有效
-2：已经过期或者不存在这个一个key
正数：代表还能在内存中存活的时间，单位：秒

5、Spring Data Redis使用方式

Redis 的 Java 客户端很多，常用的几种：

- Jedis： 在java中操作Redis

- Lettuce

- Spring Data Redis

Spring 对 Redis 客户端进行了整合，提供了 Spring Data Redis，在Spring Boot项目中还提供了对应的
Starter，即 spring-boot-starter-data-redis。

重点学习Spring Data Redis。

1).导入Spring Boot提供了对应的Starter，maven坐标：
<dependency>
	<groupId>org.springframework.boot</groupId>
	<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

Spring Data Redis中提供了一个高度封装的类：RedisTemplate，对相关api进行了归类封装,将同一类型操作
封装为operation接口，具体分类如下：

- ValueOperations：string数据操作

- SetOperations：set类型数据操作

- ZSetOperations：zset类型数据操作

- HashOperations：hash类型的数据操作

- ListOperations：list类型的数据操作

2). 配置Redis数据源
#sky:
  redis:
    host: localhost
    port: 6379
    #设置密码，没有设置则注释掉
    password: 123456
    database: 0

database:指定使用Redis的哪个数据库，Redis服务启动后默认有16个数据库，编号分别是从0到15 
#可以使用select 切换不同的数据库
select 0
select 1

在application.yml中添加读取application-dev.yml中的相关Redis配置

spring:
  profiles:
    active: dev
  redis:
    host: ${sky.redis.host}
    port: ${sky.redis.port}
    password: ${sky.redis.password}
    database: ${sky.redis.database}

3). 编写配置类，创建RedisTemplate对象


@Configuration
@Slf4j
public class RedisConfiguration {

    @Bean
    public RedisTemplate redisTemplate(RedisConnectionFactory redisConnectionFactory){
        log.info("开始创建redis模板对象...");
        RedisTemplate redisTemplate = new RedisTemplate();
        //设置redis的连接工厂对象
        redisTemplate.setConnectionFactory(redisConnectionFactory);
        //设置redis key的序列化器
        redisTemplate.setKeySerializer(new StringRedisSerializer());
        return redisTemplate;
    }
}

/*********************************************************************************/
当前配置类不是必须的，因为 Spring Boot 框架会自动装配 RedisTemplate 对象：RedisAutoConfiguration，
但是默认的key序列化器为JdkSerializationRedisSerializer，导致我们存到Redis中后的数据和原始数据有
差别，故设置为StringRedisSerializer序列化器。
    
//jar包中RedisAutoConfiguration类的源码
@Bean
@ConditionalOnMissingBean(name = "redisTemplate")
@ConditionalOnSingleCandidate(RedisConnectionFactory.class)
public RedisTemplate<Object, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {
   RedisTemplate<Object, Object> template = new RedisTemplate<>();
   template.setConnectionFactory(redisConnectionFactory);
   return template;
}

4). 通过RedisTemplate对象操作Redis

@SpringBootTest
public class SpringDataRedisTest {
    @Autowired
    private RedisTemplate redisTemplate;

    @Test //注意：使用长的import org.junit.jupiter.api.Test;
    public void testRedisTemplate(){
        System.out.println(redisTemplate);
        //string数据操作
        ValueOperations valueOperations = redisTemplate.opsForValue();
        //hash类型的数据操作
        HashOperations hashOperations = redisTemplate.opsForHash();
        //list类型的数据操作
        ListOperations listOperations = redisTemplate.opsForList();
        //set类型数据操作
        SetOperations setOperations = redisTemplate.opsForSet();
        //zset类型数据操作
        ZSetOperations zSetOperations = redisTemplate.opsForZSet();
    }
}

6、测试实例

1). 操作字符串类型数据
     //set name 小明
        redisTemplate.opsForValue().set("name","小明");
        //get name
        String city = (String) redisTemplate.opsForValue().get("name");
        System.out.println(city);
2). 操作哈希类型数据
     HashOperations hashOperations = redisTemplate.opsForHash();
        hashOperations.put("100","name","tom");
        hashOperations.put("100","age","20");
        String name = (String) hashOperations.get("100", "name");
        System.out.println(name);
3). 操作列表类型数据
    ListOperations listOperations = redisTemplate.opsForList();
        listOperations.leftPushAll("mylist","a","b","c");
        listOperations.leftPush("mylist","d");
        List mylist = listOperations.range("mylist", 0, -1);
        System.out.println(mylist);
4). 操作集合类型数据
       SetOperations setOperations = redisTemplate.opsForSet();
        setOperations.add("set1","a","b","c","d");
        setOperations.add("set2","a","b","x","y");
        Set members = setOperations.members("set1");
        System.out.println(members);
        Long size = setOperations.size("set1");
        System.out.println(size);
5). 操作有序集合类型数据
        ZSetOperations zSetOperations = redisTemplate.opsForZSet();
        zSetOperations.add("zset1","a",10);
        zSetOperations.add("zset1","c",9);
        //默认升序
        Set zset1 = zSetOperations.range("zset1", 0, -1);
        System.out.println(zset1);
        //降序：进行反转reverse
        zset1 = zSetOperations.reverseRange("zset1", 0, -1);
        System.out.println(zset1);
6). 通用命令操作
     Set keys = redisTemplate.keys("*");
    System.out.println(keys);
    //是否存在：have
    Boolean name = redisTemplate.hasKey("name");
    System.out.println("是否存在name: " + name);
    Boolean set1 = redisTemplate.hasKey("set1");
    System.out.println("是否存在set1: " + set1);
    for (Object key : keys) {
        DataType type = redisTemplate.type(key);
        System.out.println(type.name());
    }
    redisTemplate.delete("mylist");
    //查询剩余存活时间：time to live
    //expire: 过期
    Long ttl = redisTemplate.getExpire("set1");
    System.out.println(ttl);

7、数据同步

   为了保证数据库和Redis中的数据保持一致，修改管理端接口 DishController的相关方法，加入清理缓存逻辑。
   
- 注意：在使用缓存过程中，要注意保证数据库中的数据和缓存中的数据一致
- 如果MySQL中的数据发生变化，需要及时清理缓存数据。否则就会造成缓存数据与数据库数据不一致的情况。
抽取清理缓存的方法：

在管理端DishController中添加
新增菜品优化
   @PostMapping
    @ApiOperation("新增菜品")
    public Result save(@RequestBody DishDTO dishDTO) {
        log.info("新增菜品：{}", dishDTO);
        dishService.saveWithFlavor(dishDTO);

        //==========================新增代码=====================
        //清理缓存数据
        String key = "dish_" + dishDTO.getCategoryId();
        cleanCache(key);
        return Result.success();
    }
菜品批量删除优化
//==========================新增代码=====================
        //将所有的菜品缓存数据清理掉，所有以dish_开头的key
        cleanCache("dish_*");
修改菜品优化
 //==========================新增代码=====================
        cleanCache("dish_" + dishDTO.getCategoryId());
菜品起售停售优化
//==========================新增代码=====================
        //将所有的菜品缓存数据清理掉，所有以dish_开头的key
        cleanCache("dish_*");

8、Spring Cache 框架

Spring Cache 是一个框架，实现了基于注解的缓存功能，只需要简单地加一个注解，就能实现缓存功能。

- Spring Cache 提供了一层抽象，底层可以切换不同的缓存实现，例如：
- EHCache
- Caffeine
- Redis(常用)
起步依赖：

<dependency>
	<groupId>org.springframework.boot</groupId>
	<artifactId>spring-boot-starter-cache</artifactId>  		            		       
	        <version>2.7.3</version> 
</dependency>

常用的注解

注解	说明
@EnableCaching	开启缓存注解功能，通常加在启动类上
@Cacheable	在方法执行前先查询缓存中是否有数据，如果有数据，则直接返回缓存数据；如果没有缓存数据，调用方法并将方法返回值放到缓存中
@CachePut	将方法的返回值放到缓存中
@CacheEvict	将一条或多条数据从缓存中删除

    在spring boot项目中，使用缓存技术只需在项目中导入相关缓存技术的依赖包，并在启动类上使用
    @EnableCaching开启缓存支持即可。
    使用Redis作为缓存技术，只需要导入Spring data Redis的maven坐标即可。
    
创建名为spring_cache_demo数据库，将springcachedemo.sql脚本直接导入数据库中。
引导类上加@EnableCaching:

@Slf4j
@SpringBootApplication
@EnableCaching//开启缓存注解功能
public class CacheDemoApplication {
    public static void main(String[] args) {
        SpringApplication.run(CacheDemoApplication.class,args);
        log.info("项目启动成功...");
    }
}

检查密码：application.yml

#数据库密码和Redis密码
spring:
  datasource:
    druid:
      username: root
      password: root
  redis:
    host: localhost
    port: 6379
    password: 123456

2). @CachePut注解

@CachePut 说明：

​	作用: 将方法返回值，放入缓存

​	value: 缓存的名称, 每个缓存名称下面可以有很多key

​	key: 缓存的key  ----------> 支持Spring的表达式语言SPEL语法

在save方法上加注解@CachePut
当前UserController的save方法是用来保存用户信息的，在该用户信息保存到数据库的同时，也往缓存中缓存
一份数据，我们可以在save方法上加上注解 @CachePut，用法如下：
   /*
	 CachePut：将方法返回值放入缓存
	 value：缓存的名称，每个缓存名称下面可以有多个key
	 key：缓存的key
	*/
	@PostMapping
    //@CachePut(value = "userCache", key = "#resutl.id")
    @CachePut(value = "userCache", key = "#user.id")//key的生成：userCache::1
    public User save(@RequestBody User user){
        userMapper.insert(user);
        return user;
    }

#user.id : #user指的是方法形参的名称, id指的是user的id属性 , 也就是使用user的id属性作为key ;
#result.id : #result代表方法返回值，该表达式 代表以返回对象的id属性作为key ；
    
了解：
    
#p0.id：#p0指的是方法中的第一个参数，id指的是第一个参数的id属性,也就是使用第一个参数的id属性作为key 
p: param

#a0.id：#a0指的是方法中的第一个参数，id指的是第一个参数的id属性,也就是使用第一个参数的id属性作为key 
a: argument

#root.args[0].id：#root.args[0]指的是方法中第一个参数，id指的是第一个参数的id属性,也就是使用
第一个参数的id属性作为key 

3). @Cacheable注解
    
作用: 在方法执行前，spring先查看缓存中是否有数据，如果有数据，则直接返回缓存数据；若没有数据，调用方法并将方法返回值放到缓存中

​	value: 缓存的名称，每个缓存名称下面可以有多个key

​	key: 缓存的key  ----------> 支持Spring的表达式语言SPEL语法
    
在getById上加注解@Cacheable

	/**
	* Cacheable：在方法执行前spring先查看缓存中是否有数据，如果有数据，则直接返回缓存数据；
	* 若没有数据，
	* *调用方法并将方法返回值放到缓存中
	* value：缓存的名称，每个缓存名称下面可以有多个key
	* key：缓存的key
	*/
	@GetMapping
    @Cacheable(cacheNames = "userCache",key="#id")
    public User getById(Long id){
        User user = userMapper.getById(id);
        return user;
    }

4). @CacheEvict注解

@CacheEvict 说明：
    作用: 清理指定缓存

​	value: 缓存的名称，每个缓存名称下面可以有多个key

​	key: 缓存的key  ----------> 支持Spring的表达式语言SPEL语法
在 delete 方法上加注解@CacheEvict
    
    
	@DeleteMapping
    @CacheEvict(cacheNames = "userCache",key = "#id")//删除某个key对应的缓存数据
    public void deleteById(Long id){
        userMapper.deleteById(id);
    }

	@DeleteMapping("/delAll")
    @CacheEvict(cacheNames = "userCache",allEntries = true)//删除userCache下所有的缓存数据
    public void deleteAll(){
        userMapper.deleteAll();
    }

5). 缓存非null值【扩展】
    思考：如果getById时查询的是一个不存在的用户，那么会缓存一个null值，此时就毫无意义，该如何判断下
    如果是null就不缓存呢？
    
condition : 表示满足条件, 再进行缓存 ;
unless : 表示满足条件则不缓存 ; 与上述的condition是反向的 ;

/**
 * Cacheable：在方法执行前spring先查看缓存中是否有数据，如果有数据，则直接返回缓存数据；若没有数据，
 * 调用方法并将方法返回值放到缓存中
 * value：缓存的名称，每个缓存名称下面可以有多个key
 * key：缓存的key
 * condition：条件，满足条件时才缓存数据
 * unless：满足条件则不缓存
 */
@Cacheable(value = "userCache",key = "#id", unless = "#result == null")
@GetMapping("/{id}")
public User getById(@PathVariable Long id){
    User user = userService.getById(id);
    return user;
}

#注意
#此处，我们只能使用 unless（什么时候不存储）
#1.condition中只能使用方法参数中数据：如果使用#result，不管是否查询到数据都是返回null
#2.unless才能使用方法返回值中的数据

Redis高级

1、Redis持久化

单点Redis的问题

- 1.数据丢失问题：Redis是内存存储，服务重启可能会丢失数据

- 2.并发能力问题：单节点Redis并发能力虽然不错，但也无法满足如618这样的高并发场景

- 3.故障恢复问题：如果Redis宕机，则服务不可用，需要一种自动的故障恢复手段

- 4.存储能力问题：Redis基于内存，单节点能存储的数据量难以满足海量数据需求

如何解决呢？

Redis有两种持久化方案：

- RDB持久化
- AOF持久化

Redis为什么快：

- 1、操作的是内存，使用C语言

- 2、是单线程，避免频繁的上下文切换

- 3、非阻塞IO，多路复用

1.1.RDB持久化

★ 1.RDB持久化

   RDB全称Redis Database Backup file（Redis数据备份文件），也被叫做Redis数据快照。简单来说就是把内
   存中的所有数据都记录到磁盘中。
   
   作用：当Redis实例故障重启后，从磁盘读取快照文件rdb文件，恢复数据到内存中。快照文件称为RDB文件，默认
   是保存在当前运行目录。

1).执行时机

RDB持久化在四种情况下会执行：

- 执行save命令
- 执行bgsave命令
- Redis停机时
- 触发RDB条件时

save命令
执行下面的命令，可以立即执行一次RDB：

save命令会导致主进程执行RDB，这个过程中其它所有命令都会被阻塞。只有在数据迁移时可能用到。

2）bgsave命令
下面的命令可以异步执行RDB：

bg: background
后台执行

这个命令执行后会开启独立进程完成RDB，主进程可以持续处理用户请求，不受影响。

3）停机时

Redis停机时会执行一次save命令，实现RDB持久化。

> 通过ctrl+c 正常中止Redis，不能直接杀进程

4）触发RDB条件【常用】

Redis内部有触发RDB的机制，可以在redis.conf文件中找到，格式如下：

# 900秒内，如果至少有1个key被修改，则执行bgsave （后台执行save，用子进程）
#save 900 1  
#save 300 10  
#save 60 10000 
save 10 1

# 如果是save "" 则表示禁用RDB
#save ""

#RDB的其它配置也可以在redis.conf文件中设置：
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
# 是否压缩 ,建议不开启，压缩也会消耗cpu，磁盘的话不值钱
rdbcompression no

# RDB文件名称
dbfilename dump.rdb  

# 文件保存的路径目录
dir ./ 
#dir /opt/data/sky/

#修改完配置文件后，需要重启redis，并且指定配置文件：
redis-server.exe redis.windows.conf

★ 2.RDB原理

bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据写入 RDB 文件

fork采用的是copy-on-write技术：

- 当主进程执行读操作时，访问共享内存；
- 当主进程执行写操作时，则会拷贝一份数据，执行写操作。

RDB会在什么时候执行？save 60 1000代表什么含义？

- 默认是服务停止时
- 代表60秒内至少执行1000次修改则触发RDB

RDB的缺点？

- RDB执行有间隔时间，两次RDB之间写入数据有丢失的风险
- fork子进程、压缩、写出RDB文件都比较耗时

RDB方式bgsave的基本流程？

- fork主进程得到一个子进程，共享内存空间
- 子进程读取内存数据并写入新的RDB文件
- 用新RDB文件替换旧的RDB文件

1.2.AOF持久化

    AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令（增删改）都会记录在AOF文件，
    可以看做是命令日志文件。

思考：

当修改Redis中的数据时，是先执行命令写入数据，还是先记录日志呢？

Redis采用了“写后”日志，意思即是Redis先执行了命令，把数据写入了内存了，再把命令记录到日志

为什么AOF是“写后”日志而不是“写前”？

- 可以避免额外的检查开销，Redis 在向 AOF 记录日志的时候，并不会先去对这些命令进行语法检查。
因此如果先记日志再执行命令的话，日志中就有可能记录了错误的命令，Redis 在使用日志恢复数据时，
就可能会出错。所以采取写后日志这种方式，就是先让系统执行命令，只有命令能执行成功，才会被
记录到日志中。而且在命令执行后才记录日志，不会阻塞当前的写操作。

   AOF默认是关闭的，需要修改redis.conf配置文件来开启AOF：

# 是否开启AOF功能，默认是no
appendonly yes
# AOF文件的名称
appendfilename "appendonly.aof"


#&& AOF的命令记录的频率也可以通过redis.conf文件来配：

# 表示每执行一次写命令，立即记录到AOF文件
appendfsync always 

# 默认方案每秒一次: 写命令执行完先放入AOF缓冲区，然后表示每隔1秒将缓冲区数据写到AOF文件: 
every second
appendfsync everysec 

# 写命令执行完先放入AOF缓冲区，由操作系统决定何时将缓冲区内容写回磁盘
appendfsync no

三种策略对比：

刷盘：将内存中的数据刷新到硬盘中（持久化）

配置项	刷盘时机	优点	缺点
Always	同步刷盘	可靠性高，几乎不丢数据	性能影响大
everysec	每秒刷盘	性能适中	最多丢失1秒数据
no	操作系统控制	性能最好	可靠性较差，可能丢失大量数据

AOF文件重写

   因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次
   写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。
   
   #bgrewriteaof: background rewrite aof（后台重写aof日志文件）
#在客户端redis-cli手动执行
bgrewriteaof

如图，AOF原本有三个命令，但是`set num 123 和 set num 666`都是对num的操作，第二次会覆盖第一次的值，
因此第一个命令记录下来没有意义。

所以重写命令后，AOF文件内容就是：

mset name jack num 666

Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置：

# AOF文件比上次文件 增长超过多少百分比则触发重写
auto-aof-rewrite-percentage 100
# AOF文件体积最小多大以上才触发重写 
auto-aof-rewrite-min-size 64mb 

1.3.RDB与AOF对比

RDB和AOF各有自己的优缺点，如果对数据安全性要求较高，在实际开发中往往会结合两者来使用。

	RDB	AOF
持久化方式	定时对整个内存做快照	记录每一次执行的命令
数据完整性	不完整，两次备份之间会丢失	相对完整，取决于刷盘速度
文件大小	会有压缩，文件体积小	记录命令，文件体积很大
宕机恢复速度	很快	慢
数据恢复速度	低，因为数据完整性不如AOF	高，因为数据完整性更高
系统资源占用	高，大量CPU和内存消耗	低，主要是磁盘IO资源但AOF重写时会占用大量CPU和内存资源
使用场景	可以容忍数分钟的数据丢失，追求更快的启动速度	对数据安全性要求较高常见

注意：如果同时有appendonly.aof + dump.rdb，优先用appendonly.aof去恢复数据

1.4.混合持久化方式

Redis 4.0 开始支持 RDB 和 AOF 的混合持久化（默认关闭，可以通过配置项 `aof-use-rdb-preamble` 开启）。

> 如果把混合持久化打开，AOF 重写的时候就直接把 RDB 的内容写到 AOF 文件开头。这样做的好处是可以
结合 RDB 和 AOF 的优点, 快速加载同时避免丢失过多的数据。当然缺点也是有的，
 AOF 里面的 RDB 部分就是压缩格式不再是 AOF 格式，可读性较差。

2、Redis主从集群

    单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，就需要搭建主从集群，实现读写分离。 

2.1.搭建主从架构【运维】

验证主从数据同步：

- 利用redis-cli连接6381，执行```set num 123```

- 利用redis-cli连接6382，执行```get num```，再执行```set num 666```

- 利用redis-cli连接6383，执行```get num```，再执行```set num 888```

可以发现，只有在6381这个master节点上可以执行写操作，6382和6383这两个slave节点只能执行读操作。

#在任一redis-cli的客户端中都可以查看状态：
info replication

2.2.数据同步原理

★ 全量同步
   主从第一次建立连接时，会执行全量同步，将master节点的所有数据都拷贝给slave节点

master如何得知salve是第一次来连接呢？？  

有几个概念，可以作为判断依据：

> - Replication Id：简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的
replid，slave则会继承master节点的replid

> - offset：偏移量，随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步
的offset。如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。

   因此slave做数据同步，必须向master声明自己的replication id 和offset（对应图中1.1），
   master才能判断需要同步哪些数据。

   因为slave原本也是一个master，有自己的replid和offset，当第一次变成slave，与master建立连接时，
发送的replid和offset是自己的replid和offset。

   master判断发现slave发送来的replid与自己的不一致（对应图中1.2），说明这是一个全新的slave，就知道
   要做全量同步了。master会将自己的replid和offset发送给这个slave（对应图中1.3），
   slave保存这些信息（对应图中1.4）。以后slave的replid就与master一致了。

因此，master判断一个节点是否是第一次同步的依据，就是看replid是否一致。

完整流程描述：

- slave节点请求增量同步
- master节点判断replid，发现不一致，拒绝增量同步
- master将完整内存数据生成RDB，发送RDB到slave
- slave清空本地数据，加载master的RDB
- master将RDB期间的命令记录在repl_baklog，并持续将log中的命令发送给slave
- slave执行接收到的命令，保持与master之间的同步

★ 增量同步

全量同步需要先做RDB，然后将RDB文件通过网络传输个slave，成本太高了。因此除了第一次做全量同步，
其它大多数时候slave与master都是做增量同步。

什么是增量同步？就是只更新slave与master存在差异的部分数据。

那么master怎么知道slave与自己的数据差异在哪里呢?

★★★ repl_backlog原理

master怎么知道slave与自己的数据差异在哪里呢?

这就要说到全量同步时的repl_baklog文件了。这个文件是一个固定大小的数组，只不过数组是环形，也就是说
角标到达数组末尾后，会再次从0开始读写，这样数组头部的数据就会被覆盖。

repl_baklog中会记录Redis处理过的命令日志及offset，包括master当前的offset，和slave已经拷贝到的offset

slave与master的offset之间的差异，就是salve需要增量拷贝的数据了。

随着不断有数据写入，master的offset逐渐变大，slave也不断的拷贝，追赶master的offset

直到数组被填满：

此时，如果有新的数据写入，就会覆盖数组中的旧数据。不过，旧的数据只要是绿色的，说明是已经被同步到slave
的数据，即便被覆盖了也没什么影响。因为未同步的仅仅是红色部分。

但是，如果slave出现网络阻塞，导致master的offset远远超过了slave的offset： 

如果master继续写入新数据，其offset就会覆盖旧的数据，直到将slave现在的offset也覆盖：

棕色框中的红色部分，就是尚未同步，但是却已经被覆盖的数据。此时如果slave恢复，需要同步，却发现自己的
offset都没有了，无法完成增量同步了。只能做全量同步。

● 注意：repl_baklog的大小有上限，写满后会覆盖最早的数据，如果slave断开时间过久，导致尚未备份的数据
被覆盖，则无法基于log做增量同步，只能再次全量同步。

2.3.主从同步优化

主从同步可以保证主从数据的一致性，非常重要。

可以从以下几个方面来优化Redis主从就集群：

- 在master中配置repl-diskless-sync yes启用无磁盘复制，避免全量同步时的磁盘IO。
- Redis单节点上的内存占用不要太大，减少RDB导致的过多磁盘IO
- 适当提高repl_baklog的大小，发现slave宕机时尽快实现故障恢复，尽可能避免全量同步
- 限制一个master上的slave节点数量，如果实在是太多slave，则可以采用主-从-从链式结构，减少master压力

主从从架构图：

2.4.小结

简述全量同步和增量同步区别？

- 全量同步：master将完整内存数据生成RDB，发送RDB到slave。后续命令则记录在repl_baklog，逐个发送给slave。
- 增量同步：slave提交自己的offset到master，master获取repl_baklog中从offset之后的命令给slave

什么时候执行全量同步？

- slave节点第一次连接master节点时
- slave节点断开时间太久，offset差距过大，repl_baklog中的offset已经被覆盖时

什么时候执行增量同步？

- slave节点断开又恢复，并且在repl_baklog中能找到offset时

3、Redis哨兵集群

Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。

3.1.哨兵原理

哨兵的结构如图：

★★★ 哨兵的作用如下：

- 监控：Sentinel 会不断检查您的master和slave是否按预期工作

- 自动故障恢复：如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主

- 通知：Sentinel充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端

> 1.哨兵是一个集群，一般是奇数个节点防止脑裂

> 2.哨兵会与master slave保持心跳，判断服务是否可用

> 3.如果master宕机进行投票判断是否客观下线，如果客观下线选出新的主节点

> 4.发送命令slave of no one 新主节点

> 5.发送命令slave of 新的master ip 端口号 给所有其他节点

★★★ 集群监控原理

Sentinel基于心跳机制监测服务状态，每隔1秒向集群的每个实例发送ping命令：

•主观下线：如果某sentinel节点发现某实例未在规定时间响应，则认为该实例主观下线（个人判断）。

•客观下线：若超过指定数量（quorum）的sentinel都认为该实例主观下线，则该实例客观下线（真正下线）。
quorum值最好超过Sentinel实例数量的一半。

★★★ 集群故障恢复原理

一旦发现master故障，sentinel需要在salve中选择一个作为新的master，选择依据是这样的：

- 首先会判断slave节点与master节点断开时间长短，如果超过指定值（down-after-milliseconds * 10）
则会排除该slave节点
- 然后判断slave节点的slave-priority值，越小优先级越高，如果是0则永不参与选举
- 如果slave-prority一样，则判断slave节点的offset值，越大说明数据越新，优先级越高
- 最后是判断slave节点的运行id大小，越小优先级越高。

当选出一个新的master后，该如何实现切换呢？

流程如下：

- sentinel给备选的slave1节点发送slaveof no one命令，让该节点成为master
- sentinel给所有其它slave发送slaveof 192.168.150.101 7002 命令，让这些slave成为新master的从节点，
开始从新的master上同步数据。
- 最后，sentinel将故障节点标记为slave，当故障节点恢复后会自动成为新的master的slave节点

★★★★★ 小结:

Sentinel的三个作用是什么？

- 监控
- 自动故障转移（选一个新的slave做为master）
- 通知（通知其他的slave，master换人了）

Sentinel如何判断一个redis实例是否健康？

- 每隔1秒发送一次ping命令，如果超过一定时间没有相向则认为是主观下线
- 如果大多数sentinel都认为实例主观下线，则判定服务下线

故障转移步骤有哪些？

- 首先选定一个slave作为新的master，执行slaveof no one
- 然后让所有节点都执行slaveof 新master
- 修改故障节点配置，添加slaveof 新master

3.2.搭建哨兵集群

具体搭建流程参考快速安装Redis以及配置Redis集群

3.3.RedisTemplate

    在Sentinel集群监管下的Redis主从集群，其节点会因为自动故障转移而发生变化，Redis的客户端必须感知这种变
    化，及时更新连接信息。Spring的RedisTemplate底层利用lettuce实现了节点的感知和自动切换。

下面，我们通过一个测试来实现RedisTemplate集成哨兵机制。

★★★ 导入Demo工程

首先，导入我提供的Demo工程：

点击获取工程
提取码：mcpt

★★★ 检查依赖
  在项目的pom文件中引入依赖：
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

配置Redis地址
然后在配置文件application.yml中指定redis的sentinel相关信息：

spring:
  redis:
    sentinel: #哨兵
      master: mymaster #指定master名称
      nodes: #指定哨兵的集群信息
        - 127.0.0.1:26401
        - 127.0.0.1:26402
        - 127.0.0.1:26403

为什么不配置master和slave的地址？

  因为在集群运行过程中，master可能宕机，导致重新选举，产生新的master。

★★★ 配置读写分离

在项目的启动类中，添加一个新的bean：

@Bean
public LettuceClientConfigurationBuilderCustomizer clientConfigurationBuilderCustomizer(){
    //readFrom：指定从什么地方读取数据
    //replica: 副本=== slave（从）
    //PREFERRED: 优先
    return 
        clientConfigurationBuilder -> clientConfigurationBuilder.readFrom(ReadFrom.REPLICA_PREFERRED);
}
/*************************************************************************************************
这个bean中配置的就是读写策略，包括四种：

- MASTER：从主节点读取
- MASTER_PREFERRED：优先从master节点读取，master不可用才读取replica
- REPLICA：从slave（replica）节点读取
- REPLICA _PREFERRED：优先从slave（replica）节点读取，所有的slave都不可用才读取master

4、Redis分片集群【主流】

在生产环境（用户真实使用的服务器集群）

分片集群结构

主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决：

- 海量数据存储问题（单个redis内存数据量过大的问题）

- 高并发写的问题（单个redis主节点写入操作并发过多的问题）

使用分片集群可以解决上述问题，如图:

分片集群特征：

- 集群中有多个master，每个master保存不同数据

- 每个master都可以有多个slave节点

- master之间通过ping监测彼此健康状态

- 客户端请求可以访问集群任意节点，最终都会被转发到正确节点

4.1.搭建分片集群

具体搭建流程参考快速安装Redis以及配置Redis集群：

4.2.散列插槽

★★★ 插槽原理

    分片集群中（master数量）整体编号，分为16384个插槽；如果集群中有3个master，则每个master分到的插槽个数
    为：16384 / 3  ≈  5461，可以通过查询看到：

#打开集群客户端
redis-cli -c -p 端口号

#查看集群节点信息
cluster nodes

set name zhangsan

数据key不是与节点绑定，而是与插槽绑定。redis会根据key的有效部分计算插槽值，分两种情况：

- 计算方式：`HASH_SLOT=CRC16(key) % 16384`, 结果在0 -16383之间

- key中如果包含"{}"，且“{}”中至少包含1个字符，“{}”中的部分是有效部分

`set goods-10001 xx`
`set goods-222000 xx`

`set {goods}-1001 xxxx`
`set {goods}-56889234 xxxx`
#计算存储时，
CRC16(goods) % 16384 = 一个固定值

key中不包含“{}”，整个key都是有效部分

例如：key是num，那么就根据num计算，如果是{itcast}num，则根据itcast计算。计算方式是利用CRC16算法得到一个
hash值（纯数字），然后对16384取余，得到的结果肯定位于0-16383之间就是插槽值。

如图，在7001这个节点执行`set a 1`时，对a做hash运算，对16384取余，得到的结果是15495，因此要存储到7003节点。

到了7003后，执行`get num`时，对num做hash运算，对16384取余，得到的结果是2765，因此需要切换到7001节点

★★★ 小结

Redis如何判断某个key应该在哪个Master实例？

- 计算方式：`HASH_SLOT=CRC16(key) % 16384`, 结果在0 -16383之间
- 将16384个插槽分配到不同的实例
- 根据key的有效部分计算哈希值，对16384取余
- 余数作为插槽，寻找插槽所在实例即可

如何将同一类数据固定的保存在同一个Redis实例？

- 这一类数据使用相同的有效部分，例如key都以{typeId}为前缀

set {goods}1001 info
set {goods}10002 info2

hash(goods) % 16384 = 固定值，
#这样所有商品的数据就能保存到同一个master中

4.3.集群伸缩

集群伸缩也可以称为：集群扩展

作用：如果添加或者减少 Master节点，手动进行分槽，将原来的一些槽移到新的节点上去

redis-cli --cluster提供了很多操作集群的命令，可以通过下面方式查看：

比如，添加节点的命令：

★★ 需求分析

需求：向集群中添加一个新的master节点，并向其中存储 num = 10

- 启动一个新的redis实例，端口为7004
- 添加7004到之前的集群，并作为一个master节点
- 给7004节点分配插槽，使得num这个key可以存储到7004实例


这里需要两个新的功能：

- 添加一个节点到集群中
- 将部分插槽分配到新插槽

★★ 创建新的redis实例

#创建一个文件夹：
mkdir 7004

#拷贝配置文件：
cp redis.conf /7004

#修改配置文件：
sed /s/6379/7004/g 7004/redis.conf

#启动
redis-server 7004/redis.conf

★★ 添加新节点到redis

添加节点的语法如下：

# 执行命令：
redis-cli --cluster add-node  192.168.150.101:7004 192.168.150.101:7001

#通过命令查看集群状态：
redis-cli -p 7001 cluster nodes


如图，7004加入了集群，并且默认是一个master节点：

但是，可以看到7004节点的插槽数量为0，因此没有任何数据可以存储到7004上

★★ 转移插槽

我们要将num存储到7004节点，因此需要先看看num的插槽是多少：

如上图所示，num的插槽为2765.

我们可以将0~3000的插槽从7001转移到7004，命令格式如下：

具体命令如下：

建立连接：

得到下面的反馈：

询问要移动多少个插槽，我们计划是3000个：

新的问题来了：

那个node来接收这些插槽？？

显然是7004，那么7004节点的id是多少呢？

复制这个id，然后拷贝到刚才的控制台后：

这里询问，你的插槽是从哪里移动过来的？

- all：代表全部，也就是三个节点各转移一部分
- 具体的id：目标节点的id
- done：没有了



这里我们要从7001获取，因此填写7001的id：

填完后，点击done，这样插槽转移就准备好了：

确认要转移吗？输入yes：

然后，通过命令查看结果：

可以看到：下面这些内容就代表目的达成。

4.4.故障转移

> 当master宕机之后，集群会重新将slave提升成master集群可以继续工作

集群初识状态是这样的：

其中7001、7002、7003都是master，我们计划让7002宕机

★★★ 自动故障转移

当集群中有一个master宕机会发生什么呢？

直接停止一个redis的master实例，例如7002：

redis-cli -p 7002 shutdown

#1）首先是该实例与其它实例失去连接

#2）然后是疑似宕机：

#通过redis-cli.exe，查看集群信息
redis-cli -c -p 6501
cluster nodes

3）最后是确定下线，自动提升一个slave为新的master：

4）当7002再次启动，就会变为一个slave节点了：

★★★ 手动故障转移

    利用cluster failover命令可以手动让集群中的某个master宕机，切换到执行cluster failover命令的这个slave节点，
    实现无感知的数据迁移。其流程如下：

这种failover命令可以指定三种模式：

- 缺省：默认的流程，如图1~6歩
- force：省略了对offset的一致性校验
- takeover：直接执行第5歩，忽略数据一致性、忽略master状态和其它master的意见



案例需求：在7002这个slave节点执行手动故障转移，重新夺回master地位

步骤如下：

1）利用redis-cli连接7002这个节点

2）执行cluster failover命令

如图：

效果：

4.5.RedisTemplate访问分片集群

RedisTemplate底层同样基于lettuce实现了分片集群的支持，而使用的步骤与哨兵模式基本一致：

1）引入redis的starter依赖

2）配置分片集群地址

3）配置读写分离

与哨兵模式相比，其中只有分片集群的配置方式略有差异，如下：


spring:
  redis:
#    sentinel:
#      master: mymaster #指定master名称
#      nodes: #指定哨兵的集群信息
#        - 127.0.0.1:26401
#        - 127.0.0.1:26402
#        - 127.0.0.1:26403
    cluster: #分片集群
      nodes:
        - 127.0.0.1:6501
        - 127.0.0.1:6502
        - 127.0.0.1:6503
        - 127.0.0.1:6504
        - 127.0.0.1:6505
        - 127.0.0.1:6506