1. NoSQL 数据库简介
1.1. 技术发展
技术的分类
- 解决功能性的问题:Java、Jsp、RDBMS、Tomcat、HTML、Linux、JDBC、SVN
- 解决扩展性的问题:Struts、Spring、SpringMVC、Hibernate、Mybatis
- 解决性能的问题:NoSQL、Java 线程、Hadoop、Nginx、MQ、ElasticSearch
1.1.1. Web1.0 时代
Web1.0 的时代,数据访问量很有限,用一夫当关的高性能的单点服务器可以 解决大部分问题。
1.1.2. Web2.0 时代
随着 Web2.0 的时代的到来,用户访问量大幅度提升,同时产生了大量的用户 数据。加上后来的智能移动设备的普及,所有的互联网平台都面临了巨大的性能挑 战
1.1.3. 解决 CPU 及内存压力
1.1.4. 解决 IO 压力
1.2. NoSQL 数据库
1.2.1. 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。
1.2.2. NoSQL 适用场景
- 对数据高并发的读写
- 海量数据的读写
- 对数据高可扩展性的
1.2.3. NoSQL 不适用场景
- 需要事务支持
- 基于 sql 的结构化查询存储,处理复杂的关系,需要即席查询。
- (用不着 sql 的和用了 sql 也不行的情况,请考虑用 NoSql)
1.3. 行式存储数据库(大数据时代)
1.3.1. 行式数据库
2. Redis 概述安装
- Redis 是一个开源的 key-value 存储系统。
- 和 Memcached 类似,它支持存储的 value 类型相对更多,包括 string(字符串)、 list(链表)、 set(集合)、 zset(sorted set --有序集合)和 hash(哈希类型)。 ➢
- 这些数据类型都支持 push/pop、add/remove 及取交集并集和差集及更丰富的操 作,而且这些操作都是 原子性的。 ➢
- 在此基础上,Redis 支持各种不同方式的排序。
- 与 memcached 一样,为了保证效率,数据都是缓存在 内存中。
- 区别的是 Redis 会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记 录文件。
- 并且在此基础上实现了 master-slave(主从)同步。
2.1. 应用场景
2.1.1. 配合关系型数据库做高速缓存
高频次,热门访问的数据,降低数据库 IO
分布式架构,做 session 共享
2.1.2. 多样的数据结构存储持久化数据
2.2. Redis 安装
Redis 官方网站 | Redis 中文官方网站 |
---|---|
http://redis.io | http://redis.cn/ |
2.2.1. 安装版本
6.2.1 for Linux(redis-6.2.1.tar.gz)
不用考虑在 windows 环境下对 Redis 的支持
2.2.2. 安装步骤
2.2.2.1. 准备工作:下载安装最新版的 gcc 编译器
安装 C 语言的编译环境
yum install centos-release-scl scl-utils-build
yum install -y devtoolset-8-toolchain
scl enable devtoolset-8 bash
测试 gcc 版本
gcc --version
2.2.2.2. 下载 redis-6.2.1.tar.gz 放/opt 目录
2.2.2.3. 解压命令:tar -zxvf redis-6.2.1.tar.gz
2.2.2.4. 解压完成后进入目录:cd redis-6.2.1
2.2.2.5. 在 redis-6.2.1 目录下再次执行 make 命令(只是 编译好)
2.2.2.6. 如果没有准备好 C 语言编译环境,make 会报错— Jemalloc/jemalloc.h:没有那个文件
2.2.2.7. 解决方案:运行 make distclean
2.2.2.8. 在 redis-6.2.1 目录下再次执行 make 命令(只是 编译好)
2.2.2.9. 跳过 make test 继续执行: make install
2.2.3. 安装目录:/usr/local/bin
查看默认安装目录:
redis-benchmark:性能测试工具,可以在自己本子运行,看看自己本子性能如何
redis-check-aof:修复有问题的 AOF 文件,rdb 和 aof 后面讲
redis-check-dump:修复有问题的 dump.rdb 文件
redis-sentinel:Redis 集群使用
redis-server:Redis 服务器启动命令
redis-cli:客户端,操作入口
2.2.4. 前台启动(不推荐)
前台启动,命令行窗口不能关闭,否则服务器停止
2.2.5. 后台启动(推荐)
2.2.5.1.备份 redis.conf
拷贝一份 redis.conf 到其他目录
cp /opt/redis-3.2.5/redis.conf /myredis
2.2.5.2.后台启动设置 daemonize no 改成 yes
修改 redis.conf(128 行)文件将里面的 daemonize no 改成 yes,让服务在后台启动
2.2.5.3.Redis 启动
redis-server/myredis/redis.conf
2.2.5.4.用客户端访问:redis-cli
2.2.5.5.多个端口可以:redis-cli -p6379
2.2.5.6.测试验证: ping
2.2.5.7.Redis 关闭
单实例关闭:redis-cli shutdown
也可以进入终端后再关闭
多实例关闭,指定端口关闭:redis-cli -p 6379 shutdown
2.2.6. Redis 介绍相关知识
3. 常用五大数据类型
Redis 是单线程+多路 IO 复用技术
多路复用是指使用一个线程来检查多个文件描述符(Socket)的就绪状态,比如调用 select 和 poll 函数,传入多个文件描述符,如果有一个文件描述符就绪,则返回,否则 阻塞直到超时。得到就绪状态后进行真正的操作可以在同一个线程里执行,也可以启 动线程执行(比如使用线程池)
(与 Memcache 三点不同: 支持多数据类型,支持持久化,单线程+多路 IO 复用)
哪里去获得 redis 常见数据类型操作命令 http://www.redis.cn/commands.html
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. Redis 字符串(String)
3.2.1. 简介
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
3.2.2. 常用命令
set <key><value>添加键值对
***NX:当数据库中 key 不存在时,可以将 key-value 添加数据库 **
***XX:当数据库中 key 存在时,可以将 key-value 添加数据库,与 NX 参数互斥 **
***EX:key 的超时秒数 **
*PX:key 的超时毫秒数,与 EX 互斥
get<key>查询对应键值
append <key><value>将给定的<value> 追加到原值的末尾
strlen <key>获得值的长度
setnx <key><value>只有在 key 不存在时 设置 key 的值
incr <key>
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 <key>
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 <key><步长>将 key 中储存的数字值增减。自定义步长。
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。 案例: java 中的 i++是否是原子操作?不是 i=0;两个线程分别对 i 进行++100 次,值是多少? 2~2
mset<key1><value1><key2><value2> …
同时设置一个或多个 key-value 对
mget<key1><key2><key3> …
同时获取一个或多个 value
msetnx <key1><value1><key2><value2> …
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 <key><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 <key><起始位置><value>
用 <value>覆写所储存的字符串值,从<起始位置>开始(索引从 0 开始)。
setex <key><过期时间><value>
设置键值的同时,设置过期时间,单位秒。
getset <key><value>
以新换旧,设置了新值同时获得旧值。
3.2.3. 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。
3.3. Redis 列表(List)
3.3.1. 简介
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。
3.3.2. 常用命令
lpush/rpush <key><value1><value2><value3> … 从左边/右边插入一个或多个值。
lpop/rpop <key>从左边/右边吐出一个值。值在键在,值光键亡。
rpoplpush <key1><key2>从<key1>列表右边吐出一个值,插到<key2>列表左边。
lrange <key><start><stop>
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 <key><index>按照索引下标获得元素(从左到右)
llen <key>获得列表长度
linsert <key> before <value><newvalue>在<value>的后面插入<newvalue>插入值
lrem <key><n><value>从左边删除 n 个 value(从左到右)
lset<key><index><value>将列表 key 下标为 index 的值替换成 value
3.3.3. 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. Redis 集合(Set)
3.4.1. 简介
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)。
一个算法,随着数据的增加,执行时间的长短,如果是 O(1),数据增加,查找数据的 时间不变
3.4.2. 常用命令
sadd <key><value1><value2> …
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 <key>取出该集合的所有值。sismember <key><value>判断集合<key>是否为含有该<value>值,有 1,没有 0
scard<key>返回该集合的元素个数。
srem <key><value1><value2> … 删除集合中的某个元素。
spop <key>随机从该集合中吐出一个值。
srandmember <key><n>随机从该集合中取出 n 个值。不会从集合中删除 。
smove <source><destination>value 把集合中一个值从一个集合移动到另一个集合.
sinter <key1><key2>返回两个集合的交集元素。
sunion <key1><key2>返回两个集合的并集元素。
sdiff <key1><key2>返回两个集合的差集元素(key1 中的,不包含 key2 中的).
3.4.3. 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. Redis 哈希(Hash)
3.5.1. 简介
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 主要有以下 2 种存储方式:
3.5.2. 常用命令
hset <key><field><value>给<key>集合中的 <field>键赋值<value>
hget <key1><field>从<key1>集合<field>取出 value
hmset <key1><field1><value1><field2><value2>… 批量设置 hash 的值
hexists<key1><field>查看哈希表 key 中,给定域 field 是否存在。
hkeys <key>列出该 hash 集合的所有 field
hvals <key>列出该 hash 集合的所有 value
hincrby <key><field><increment>为哈希表 key 中的域 field 的值加上增量 1 -1
hsetnx <key><field><value>将哈希表 key 中的域 field 的值设置为 value ,当且仅当域field 不存在 .
3.5.3. 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. Redis 有序集合 Zset(sorted set)
3.6.1. 简介
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 可以是重复了 。
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。
3.6.2. 常用命令
zadd <key><score1><value1><score2><value2>…
将一个或多个 member 元素及其 score 值加入到有序集 key 当中。
zrange <key><start><stop> [WITHSCORES]
返回有序集 key 中,下标在<start><stop>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 <key><increment><value> 为元素的 score 加上增量
zrem <key><value>删除该集合下,指定值的元素
zcount <key><min><max>统计该集合,分数区间内的元素个数
zrank <key><value>返回该值在集合中的排名,从 0 开始。
案例:如何利用 zset 实现一个文章访问量的排行榜?
3.6.3. 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,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。
3.6.4. 跳跃表(跳表)
-
简介
有序集合在生活中比较常见,例如根据成绩对学生排名,根据得分对玩家排名 等。对于有序集合的底层实现,可以用数组、平衡树、链表等。数组不便元素的插入、删除;平衡树或红黑树虽然效率高但结构复杂;链表查询需要遍历所有效率低。 Redis 采用的是跳跃表。跳跃表效率堪比红黑树,实现远比红黑树简单。
-
对比有序链表和跳跃表,从链表中查询出 51
- 有序链表
要查找值为 51 的元素,需要从第一个元素开始依次查找、比较才能找到。共 需要 6 次比较。
-
跳跃表
从第 2 层开始,1 节点比 51 节点小,向后比较。
21 节点比 51 节点小,继续向后比较,后面就是 NULL 了,所以从 21 节点向下到第 1 层
在第 1 层,41 节点比 51 节点小,继续向后,61 节点比 51 节点大,所以从 41 向下
在第 0 层,51 节点为要查找的节点,节点被找到,共查找 4 次。
从此可以看出跳跃表比有序链表效率要高
Redis 新数据类型
6.1. Bitmaps
6.1.1. 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。
6.1.2. 命令
1、setbit
(1)格式
setbit设置 Bitmaps 中某个偏移量的值(0 或 1)
(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
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
4. Redis 配置文件介绍
自定义目录:/myredis/redis.conf
4.1. ###Units 单位###
配置大小单位,开头定义了一些基本的度量单位,只支持 bytes,不支持 bit
大小写不敏感
4.2. ###INCLUDES 包含###
类似 jsp 中的 include,多实例的情况可以把公用的配置文件提取出来
4.3. ###网络相关配置
4.3.1. bind
默认情况 bind=127.0.0.1 只能接受本机的访问请求
不写的情况下,无限制接受任何 ip 地址的访问
生产环境肯定要写你应用服务器的地址;服务器是需要远程访问的,所以需要将其注 释掉
如果开启了 protected-mode,那么在没有设定 bind ip 且没有设密码的情况下,Redis 只允许接受本机的响应
保存配置,停止服务,重启启动查看进程,不再是本机访问了。
4.3.2. protected-mode
4.3.3. Port
端口号,默认 6379
4.3.4. tcp-backlog
设置 tcp 的 backlog,backlog 其实是一个连接队列,backlog 队列总和=未完成三次握手 队列 + 已经完成三次握手队列。
在高并发环境下你需要一个高 backlog 值来避免慢客户端连接问题。
注意 Linux 内核会将这个值减小到/proc/sys/net/core/somaxconn 的值(128),所以需要 确认增大/proc/sys/net/core/somaxconn 和/proc/sys/net/ipv4/tcp_max_syn_backlog (128)两个值来达到想要的效果
4.3.5. timeout
一个空闲的客户端维持多少秒会关闭,0 表示关闭该功能。即永不关闭。
4.3.6. tcp-keepalive
对访问客户端的一种心跳检测,每个 n 秒检测一次。
单位为秒,如果设置为 0,则不会进行 Keepalive 检测,建议设置成 60
4.4. ###GENERAL 通用###
4.4.1. daemonize
是否为后台进程,设置为 yes 守护进程,后台启动
4.4.2. pidfile
存放 pid 文件的位置,每个实例会产生一个不同的 pid 文件
指定日志记录级别,Redis 总共支持四个级别:debug、verbose、notice、warning,默 认为 notice
四个级别根据使用阶段来选择,生产环境选择 notice 或者 warning
4.4.4. logfile
日志文件名称
设定库的数量 默认 16,默认数据库为 0,可以使用 SELECT 命令在连接上指定 数据库 id
4.5. ###SECURITY 安全###
4.5.1. 设置密码
访问密码的查看、设置和取消
在命令中设置密码,只是临时的。重启 redis 服务器,密码就还原了。
永久设置,需要再配置文件中进行设置。
4.6. #### LIMITS 限制
4.6.1. maxclients
➢ 设置 redis 同时可以与多少个客户端进行连接。
➢ 默认情况下为 10000 个客户端。
➢ 如果达到了此限制,redis 则会拒绝新的连接请求,并且向这些连接请求方发出 “max number of clients reached”以作回应。
4.6.2. maxmemory
➢建议必须设置,否则,将内存占满,造成服务器宕机
➢ 设置 redis 可以使用的内存量。一旦到达内存使用上限,redis 将会试图移除内部数 据,移除规则可以通过 maxmemory-policy 来指定。
➢ 如果 redis 无法根据移除规则来移除内存中的数据,或者设置了“不允许移除”, 那么 redis 则会针对那些需要申请内存的指令返回错误信息,比如 SET、LPUSH 等。
➢ 但是对于无内存申请的指令,仍然会正常响应,比如 GET 等。如果你的 redis 是主 redis(说明你的 redis 有从 redis),那么在设置内存使用上限时,需要在系统中留 出一些内存空间给同步队列缓存,只有在你设置的是“不移除”的情况下,才不 用考虑这个因素。
4.6.3. maxmemory-policy
➢volatile-lru:使用 LRU 算法移除 key,只对设置了过期时间的键;(最近最少使 用)
➢ allkeys-lru:在所有集合 key 中,使用 LRU 算法移除 key
➢ volatile-random:在过期集合中移除随机的 key,只对设置了过期时间的键
➢ allkeys-random:在所有集合 key 中,移除随机的 key
➢ volatile-ttl:移除那些 TTL 值最小的 key,即那些最近要过期的 key
➢ noeviction:不进行移除。针对写操作,只是返回错误信息
4.6.4. maxmemory-samples
➢设置样本数量,LRU 算法和最小 TTL 算法都并非是精确的算法,而是估算值,所 以你可以设置样本的大小,redis 默认会检查这么多个 key 并选择其中 LRU 的那 个。
➢ 一般设置 3 到 7 的数字,数值越小样本越不准确,但性能消耗越小。
5. Redis 的发布和订阅
5.1. 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。
9. Redis 与 Spring Boot 整合
Spring Boot 整合 Redis 非常简单,只需要按如下步骤整合即可
9.1. 整合步骤
-
在 pom.xml 文件中引入 redis 相关依赖
<!-- redis --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency> <!-- spring2.X 集成 redis 所需 common-pool2--> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-pool2</artifactId> <version>2.6.0</version> </dependency>2、 application.properties 配置 redis 配置
-
application.properties 配置 redis 配置
#Redis 服务器地址 spring.redis.host=192.168.140.136 #Redis 服务器连接端口 spring.redis.port=6379 #Redis 数据库索引(默认为 0) spring.redis.database= 0 #连接超时时间(毫秒) spring.redis.timeout=1800000 #连接池最大连接数(使用负值表示没有限制) spring.redis.lettuce.pool.max-active=20 #最大阻塞等待时间(负数表示没限制) spring.redis.lettuce.pool.max-wait=-1 #连接池中的最大空闲连接 spring.redis.lettuce.pool.max-idle=5 #连接池中的最小空闲连接 spring.redis.lettuce.pool.min-idle=0
-
添加 redis 配置类
@EnableCaching @Configuration public class RedisConfig extends CachingConfigurerSupport { @Bean public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) { RedisTemplate<String, Object> template = new RedisTemplate<>(); RedisSerializer<String> redisSerializer = new StringRedisSerializer(); Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class); ObjectMapper om = new ObjectMapper(); om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY); om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL); jackson2JsonRedisSerializer.setObjectMapper(om); template.setConnectionFactory(factory); //key 序列化方式 template.setKeySerializer(redisSerializer); //value 序列化 template.setValueSerializer(jackson2JsonRedisSerializer); //value hashmap 序列化 template.setHashValueSerializer(jackson2JsonRedisSerializer); return template; } @Bean public CacheManager cacheManager(RedisConnectionFactory factory) { RedisSerializer<String> redisSerializer = new StringRedisSerializer(); Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class); //解决查询缓存转换异常的问题 ObjectMapper om = new ObjectMapper(); om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY); om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL); jackson2JsonRedisSerializer.setObjectMapper(om); // 配置序列化(解决乱码的问题),过期时间 600 秒 RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig() .entryTtl(Duration.ofSeconds(600)) .serializeKeysWith(RedisSerializationContext.SerializationPa ir.fromSerializer(redisSerializer)) .serializeValuesWith(RedisSerializationContext.Serialization Pair.fromSerializer(jackson2JsonRedisSerializer)) .disableCachingNullValues(); RedisCacheManager cacheManager = RedisCacheManager.builder(factory) .cacheDefaults(config) .build(); return cacheManager; } }
-
测试一下
@RestController @RequestMapping("/redisTest") public class RedisTestController { @Autowired private RedisTemplate redisTemplate; @GetMapping public String testRedis() { //设置值到 redis redisTemplate.opsForValue().set("name","lucy"); //从 redis 获取值 String name = (String)redisTemplate.opsForValue().get("name"); return name; } }
eysWith(RedisSerializationContext.SerializationPa
ir.fromSerializer(redisSerializer))
.serializeValuesWith(RedisSerializationContext.Serialization
Pair.fromSerializer(jackson2JsonRedisSerializer))
.disableCachingNullValues();
RedisCacheManager cacheManager = RedisCacheManager.builder(factory)
.cacheDefaults(config)
.build();
return cacheManager;
}
}
4. 测试一下
```java
@RestController
@RequestMapping("/redisTest")
public class RedisTestController {
@Autowired
private RedisTemplate redisTemplate;
@GetMapping
public String testRedis() {
//设置值到 redis
redisTemplate.opsForValue().set("name","lucy");
//从 redis 获取值
String name = (String)redisTemplate.opsForValue().get("name");
return name;
}
}