Redisson简单学习

Redisson项目官方地址 https://github.com/redisson/redisson

简述

Redisson 不只是一个 Java Redis 客户端，可以处理java.util.List, java.util.Map, java.util.Set, java.util.concurrent.locks.Lock 等对象

每个 Redis 服务器实例最多可处理 1TB 内存。

基于 Netty 框架。 Redis 2.8+ 和 JDK 1.6+ 兼容性。 特别快

这里主要介绍一下，常见几种数据类型的使用

Redisson分布式对象

key

每个 Redisson 对象都绑定到一个 Redis 键(即对象名称)，且可以通过 getName 方法读取。

RBucket<Long> rBucket = redisson.getBucket("bucket");
rBucket.getName()   

-----------------------------
输出  bucket

allkeys

所有和redis 键相关的操作都被抽象到 Rkeys 接口中：

RKeys keys = redisson.getKeys();

//常见api
Iterable<String> allKeys = keys.getKeys();   //获取keys的迭代器

long count = keys.count()    //获取总key的数量

long removeKeys = keys.delete("key1","key2","key3");   //移除key的数量

RBucket

可用作任意类型对象的通用容器：

作用：桶存储单个对象，提供了原子替换功能，可在高并发场景下进行更新操作

相关接口

public interface RBucket<V> extends RExpirable, RBucketAsync<V> {
 
    void set(V var1);  //设置桶存储的对象
    void set(V var1, long var2, TimeUnit var4);  //设置桶存储的对象，设置操作的超时时间var2
 
    boolean trySet(V var1);  //尝试设置桶的新值
    boolean trySet(V var1, long var2, TimeUnit var4);  //尝试设置桶的新值，设置超时时间var2
 
    boolean compareAndSet(V var1, V var2); //原子替换桶的新值为var2
 
    long size();       //桶存储对象的大小
 
    V get();           //返回桶存储的对象
    V getAndDelete();  //返回并删除桶存储的对象
 
    V getAndSet(V var1);//返回桶的旧值，设置新值
    V getAndSet(V var1, long var2, TimeUnit var4);  //返回桶的旧值，设置新值，设置操作的超时时间var2

RBitSet

redisson提供的操作 redis位运算的对象。

RBitSet bitSet = redisson.getBitSet("bitset");

bitSet.set(1, true);
bitSet.set(2, true);
bitSet.set(3, true);
bitSet.set(4, false);
bitSet.set(5, false);
bitSet.set(6, true);

bitSet.cardinality()   // 输出4，即可以统计true的个数，这个可以用来常见的打卡操作，高峰期用redis做key，每天一位，打卡了存1
  
  
bitSet.clear(1);   //清除
bitSet.xor("anotherBitset");     //和另一个对象异或

AtomicLong

原子类型的Long，可做为分布式 id 生成器，提供原子操作

下面方法基本见名知意

public interface RAtomicLong extends RExpirable, RAtomicLongAsync {

    long getAndDecrement();      //获取当前值，并减 1

    long addAndGet(long delta);  // 添加 并取值  
 
    boolean compareAndSet(long expect, long update);   //以cas线程安全方式修改， 只有当预期值和当前值相等，才会修改成功
 
    long decrementAndGet();  //先减1然后取值

    long get();       

    long getAndDelete();
    
    long getAndAdd(long delta);

    long getAndSet(long newValue);

    long incrementAndGet();

    long getAndIncrement();

    void set(long newValue);

}

同样的还有RAtomicDouble

下面看两个比较有意思的数据类型

RHyperLogLog

说道这个类型，我们来说一下Page Views(PV) 和 User View(UV), 通常一个网站在统计浏览量的时候统计的是PV，但是想微信公众号这类是统计的UV， 如果瞬间阅读量激增，还是考虑放缓存里。

这种可以不用展示谁阅读了，完全可以用 HyperLogLog, 添加过程中可以自动去重。 但是会有一定误差

这里以一个文章为key，不断的增加UserId

RHyperLogLog rHyperLogLog = redisson.getHyperLogLog("name");

rHyperLogLog.add(userId1);
rHyperLogLog.add(userId2);

rHyperLogLog.count()   //统计数量    这里是2

这个是热点微博、文章峰值阅读的利器

布隆过滤器 BloomFilter

布隆过滤器是用多个hash函数，将内容存储到哈希表里，原理可以自行了解下。

可以快速判断出某个值存不存在，如果返回false，那么一定不存在。 如果返回true，可能存在。

应用场景：

1. 推送去重

2. 应对缓存击穿，假设我有 1亿 条用户数据，现在查询用户要去数据库中查，效率低而且数据库压力大，所以我们会把请 求首先在 Redis 中布隆过滤器中处理(活跃用户存在 Redis 中)，过滤器中没有的用户，肯定是不存在的，过滤器中有的，再去数据库中查询。

RBloomFilter<SomeObject> bloomFilter = redisson.getBloomFilter("bloom");
// initialize bloom filter with 
// expectedInsertions = 55000000
// falseProbability = 0.03
bloomFilter.tryInit(55000000L, 0.03);         //预期数量总数，  误差率
bloomFilter.add(new SomeObject("field1Value", "field2Value"));
bloomFilter.add(new SomeObject("field5Value", "field8Value"));
bloomFilter.contains(new SomeObject("field1Value", "field8Value"));

误差率越低，要求的hash函数越多。