Redis入门笔记

Redis入门笔记

NoSQL概述

NoSQL表示not only sql,泛指非关系型数据库

NoSQL作用

• High performance - 高并发读写
• Huge Storage - 海量数据的高效率存储和访问
• High Scalability && High Availability - 高可扩展性和高可用性

NoSQL数据库的四大分类

分类	相关产品	典型应用	数据模型	优点	缺点
键值(Key-Value)	Redis	内容缓存.主要用户处理大量数据的高访问负载	一系列键值对	快速查询	存储数据缺少结构化
列存储	HBase	分布式的文件系统	以列式存储,将同一列数据存在一起	查找速度块,扩展性强,更容易进行分布式扩展	功能相对局限
文档	MongoDB	Web应用(与Key-Value类似,Value时结构化的)	一系列键值对	数据结构要求不严格	查询性能不高,缺少统一查询语法
图形	InfoGraphic	社交网络,推荐系统等,专注于构建关系图谱	图结构	图结构相关算法	对图做计算做出结果,不容易做分布式集群方案

NoSQL特点

• 易扩展(无关系型数据库结构关系)
• 灵活的数据模型(无需事先对存储数据建立字段)
• 大数据量,高性能存储(具有非常高的读写性能)
• 高可用(不太影响性能的情况下实现高可用框架)

Redis概述

Redis是使用C语言开发的一个开源的高性能的键值对数据库,通过提供多种键值数据类型来适应不同场景下的存储需求

支持的键值数据类型

• 字符串类型string
• 列表类型list
• 有序集合类型sorted set
• 散列类型hash
• 集合类型set

应用场景

• 缓存
• 任务队列
• 网站访问统计
• 数据过期处理
• 应用排行榜
• 分布式集群架构中session分离

Redis安装配置

https://blog.csdn.net/lj402159806/article/details/81910942

Jedis入门

Jedis介绍

• Jedis是Redis官方首选的Java客户端开发包

• jedis github https://github.com/xetorthio/jedis

Jedis连接

单连接

// 1.设置ip地址和端口
Jedis jedis = new Jedis("192.168.1.110", 6379);
jedis.auth("123456");
// 2.保存数据
jedis.set("name", "gavinandre");
// 3.获取数据
String value = jedis.get("name");

连接池连接

//获取连接池的配置对象
JedisPoolConfig config = new JedisPoolConfig();
//设置最大连接数
config.setMaxTotal(30);
//设置最大空闲连接数
config.setMaxIdle(10);
//获得连接池
JedisPool jedisPool = new JedisPool(config, "192.168.1.110", 6379);
//获得核心对象
Jedis jedis = null;
try {
    //通过连接池获得连接
    jedis = jedisPool.getResource();
    jedis.auth("123456");
    //设置数据
    jedis.set("name", "tixialu");
    //获取数据
    String name = jedis.get("name");
} catch (Exception e) {
    e.printStackTrace();
} finally {
    //释放资源
    if (jedis != null) {
        jedis.close();
    }
    if (jedisPool != null) {
        jedisPool.close();
    }
}

Redis数据结构

Key定义的注意点:

• 不要过长(不超过1024字节)
• 不要过短(影响可读性)
• 统一命名规范(使用前缀区分命名)

类型	简介	特性	场景
String(字符串)	二进制安全	可以包含任何数据,比如jpg图片或者序列化的对象,一个键最大能存储512M
Hash(字典)	键值对集合,即编程语言中的Map类型	适合存储对象,并且可以像数据库中update一个属性一样只修改某一项属性值(Memcached中需要取出整个字符串反序列化成对象修改完再序列化存回去)	存储、读取、修改用户属性
List(列表)	链表(双向链表)	增删快,提供了操作某一段元素的API	1,最新消息排行等功能(比如朋友圈的时间线) 2,消息队列
Set(集合)	哈希表实现,元素不重复	1、添加、删除,查找的复杂度都是O(1) 2、为集合提供了求交集、并集、差集等操作	1、共同好友 2、利用唯一性,统计访问网站的所有独立ip 3、好友推荐时,根据tag求交集,大于某个阈值就可以推荐
Sorted Set(有序集合)	将Set中的元素增加一个权重参数score,元素按score有序排列	数据插入集合时,已经进行天然排序	1、排行榜 2、带权重的消息队列

String

Redis中最为基础的数据存储类型

以二进制方式来进行操作,意味着存储和获取的数据时相同的

Value最多可以容纳的数据长度是512M

常用命令:

• 赋值

  set “key” “value”

  getset “key” “value” (先获取后设置)

• 取值

  get “key”

• 删除

  del “key”

• 数值增减

  incr “key” (加1)

  incrby “key” “value” (增加值)

  decr “key” (减1)

  decrby “key” “value” (减少值)

• 扩展

  append “key” “value” (末尾追加值)

Hash

String Key和String Value的map容器

每一个Hash可以存储4294967295个键值对

常用命令:

• 赋值

  hset “hash” “key” “value” (在一个hash中插入一个键值对)

  hset “hash” “key1” “value1” “key2” “value2” (在一个hash中插入多个键值对)

• 取值

  hget “hash” “key” (通过key取出该hash中value)

  hmget “hash” “key1” “key2” (通过多个key取出该hash中多个value)

  hgetall “hash” (取出该hash中所有键值对)

• 删除

  hdel “hash” “key” (通过key删除该hash中的键值对)

  del “hash” (删除该hash)

• 增加数字

  hincrby “hash” “key” “value” (hash中指定key的value增加值)

• 自学命令

  hexists “hash” “key” (判断该hash中指定的键值对是否存在)

  hlen “hash” (获取该hash中键值对的数量)

  hkeys “hash” (获取该哈希表中的所有key)

  hvals “hash” (获取该哈希表中的所有value)

List

按照插入顺序排列的字符串链表

在头部与尾部添加新的元素效率较高,在中间插入效率较低

List中最大元素数量为4294967295

List存储数据方式:

• ArrayList 数组方式,检索快

• LinkedList 双向链表方式,插入快

常用命令:

• 两端添加

  lpush “list” “value1” [“value2”] (将一个或多个值插入到列表头部)

  lpushx “list” “value1” [“value2”] (将一个或多个值插入到已存在的列表头部)

  rpush “list” “value1” [“value2”] (将一个或多个值插入到列表尾部)

  rpushx “list” “value1” [“value2”] (将一个或多个值插入到已存在的列表尾部)

• 查看列表

  lrange “list” start end (获取列表指定范围内的元素,偏移量以start和end指定,0表示列表的第一个元素,1表示列表的第二个元素,以此类推,负数以-1表示最后一个元素,-2表示倒数第二个元素以此类推)

• 两端弹出

  lpop “list” (移出并获取列表的第一个元素)

  rpop “list” (移除并获取列表最后一个元素)

• 获取列表元素个数

  llen “list”

• 扩展命令

  lrem “list” count “value” (移除列表中与value相等的元素;count>0表示从表头开始的数量;count<0表尾从表尾开始的数量;count=0,表示所有)

  lset “list” “index” “value” (通过index索引设置列表元素的值)

  linsert “list” before|after “pivot” “value” (在列表的老元素pivot前或者后插入新元素value)

  rpoplpush “list1” “list2” (移除list1列表的最后一个元素,并将该元素添加到list2列表的顶部并返回该元素)

Set

没有排序的字符集合,且不允许重复数据

set中最大元素数量为4294967295

常用命令:

• 添加/删除元素

  sadd “set” “value1” [“value2”] (向集合添加一个或多个元素)

  srem “set” “value1” [“value2”] (移除集合中一个或多个元素)

• 获得集合中的元素

  smembers “set” (返回集合中的所有元素)

  sismember “set” “value” (判断value元素是否在集合中)

• 集合中的差集运算

  sdiff “set1” [“set2”] (返回给定所有集合的差集)

  sdiffstore “set” “set1” [“set2”] (将给定所有集合之间的差集存储在set中)

• 集合中的交集运算

  sinter “set1” [“set2”] (返回给定所有集合的交集)

  sinterstore “set” “set1” [“set2”] (将给定所有集合之间的交集存储在set中)

• 集合中的并集运算

  sunion “set1” [“set2”] (返回给定所有集合的并集)

  sunionstore “set” “set1” [“set2”] (将给定所有集合之间的并集存储在set中)

• 扩展命令

  scard “set” (获取集合的元素数)

  srandmember “set” [count] (返回集合中一个或多个随机数)

Sorted Set

类似Set,每个元素都会关联一个double类型的分数,redis正是通过分数来为集合中的元素进行从小到大的排序

集合中的元素是唯一的,但分数(score)却可以重复

常用命令:

• 添加元素

  zadd “sort” score1 “value1” [score2 “value2”] (向有序集合添加一个或多个元素,或者更新已存在元素的分数)

• 删除元素

  zrem “sort” “value1” [“value2”] (移除有序集合中的一个或多个元素)

  zremrangebyrank “sort” start end (移除有序集合中给定的排名区间的所有元素)

  zrangebyscore “sort” min max (移除有序集合中给定的分数区间的所有元素)

• 范围查询

  zrange “sort” start end [withscores] (通过索引区间返回有序集合的指定区间内的元素,按分数值递增排序)

  zrevrange “sort” start end [withscores] (通过索引区间返回有序集合的指定区间内的元素,按分数值递减排序)

  zrangebyscore “sort” min max [withscores] [limit offset count] (通过分数返回有序集合指定区间内的元素,按分数值递增排序)

• 扩展命令

  zscore “sort” “value” (返回有序集中,元素的分数值)

  zcard “sort” (获取有序集合的元素数)

  zincrby “sort” increment “value” (有序集合中对指定元素的分数加上增量increment)

  zcount “sort” min max (计算在有序集合中指定区间分数的元素数)

Keys操作

• keys * 查询所有key

• keys name* 查询所有以name开头的key

• keys name? 查询以name开头?作为占位符的key(name1/name2)

• del “key1” [“key2”] 删除一个或多个key

• exists “key1” [“key2”] 查询一个或多个key是否存在

• rename “key” “newkey” 重命名key名

• expire “key” time 设置过期时间,time单位为秒

• ttl “key” 查看超时时间

• type “key” 获取key的数据类型

• flushall 清空数据库

Redis特性

多数据库

一个Redis实例最多可包含16个数据库,客户端可指定连接某个数据库,下标0-15,默认为0,可通过select来选择连接指定数据库

• select 0-15 连接指定数据库

• move “key” 0-15 移动key到指定数据库

Redis事务

事务中所有命令都会被串行化顺序执行,事务执行期间redis不会再为其他客户端提供任何服务,保证事务中所有命令都被原子化执行,redis事务中某个命令执行失败,之后的命令还会继续执行

• multi 开启事务,该语句之后的命令都被存到命令的队列中

• exec 提交事务

• discard 回滚事务

Redis持久化

持久化方式:

• RDB 在指定时间间隔内将内存中的数据集快照写入到磁盘(30秒写入一次)
• AOF 将以日志的形式记录服务器所处理的每一个操作,在redis启动时,读取该文件重新构建数据库
• AOF + RDB 当redis重启时,它会有限使用AOF文件来还原数据集,因为AOF文件保存的数据集通常比RDB文件所保存的数据集更加完

RDB

优点

• RDB是一个非常紧凑(compact)的文件,它保存了Redis在某个时间点上的数据集,这种文件非常适合用于进行备份:比如说,你可以在最近的24小时内,每小时备份一次RDB文件,并且在每个月的每一天,也备份一个RDB文件,这样的话,即使遇上问题,也可以随时将数据集还原到不同的版本

• RDB非常适用于灾难恢复(disaster recovery):它只有一个文件,并且内容都非常紧凑,可以(在加密后)将它传送到别的数据中心,或者亚马逊S3中

• RDB可以最大化Redis的性能:父进程在保存RDB文件时唯一要做的就是fork出一个子进程,然后这个子进程就会处理接下来的所有保存工作,父进程无须执行任何磁盘I/O操作

• RDB在恢复大数据集时的速度比AOF的恢复速度要快

缺点

• 如果你需要尽量避免在服务器故障时丢失数据,那么RDB不适合你,虽然Redis允许你设置不同的保存点(savepoint)来控制保存RDB文件的频率,但是,因为RDB文件需要保存整个数据集的状态,所以它并不是一个轻松的操作,因此你可能会至少5分钟才保存一次RDB文件,在这种情况下,一旦发生故障停机,你就可能会丢失好几分钟的数据

• 每次保存RDB的时候,Redis都要fork()出一个子进程,并由子进程来进行实际的持久化工作,在数据集比较庞大时,fork()可能会非常耗时,造成服务器在某某毫秒内停止处理客户端；如果数据集非常巨大,并且CPU时间非常紧张的话,那么这种停止时间甚至可能会长达整整一秒,虽然AOF重写也需要进行fork(),但无论AOF重写的执行间隔有多长,数据的耐久性都不会有任何损失

AOF

优点

• 使用AOF持久化会让Redis变得非常耐久(muchmoredurable):你可以设置不同的fsync策略,比如无fsync,每秒钟一次fsync,或者每次执行写入命令时fsync,AOF的默认策略为每秒钟fsync一次,在这种配置下,Redis仍然可以保持良好的性能,并且就算发生故障停机,也最多只会丢失一秒钟的数据(fsync会在后台线程执行,所以主线程可以继续努力地处理命令请求)

• AOF文件是一个只进行追加操作的日志文件(appendonlylog),因此对AOF文件的写入不需要进行seek,即使日志因为某些原因而包含了未写入完整的命令(比如写入时磁盘已满,写入中途停机,等等),redis-check-aof工具也可以轻易地修复这种问题

• Redis可以在AOF文件体积变得过大时,自动地在后台对AOF进行重写:重写后的新AOF文件包含了恢复当前数据集所需的最小命令集合,整个重写操作是绝对安全的,因为Redis在创建新AOF文件的过程中,会继续将命令追加到现有的AOF文件里面,即使重写过程中发生停机,现有的AOF文件也不会丢失,而一旦新AOF文件创建完毕,Redis就会从旧AOF文件切换到新AOF文件,并开始对新AOF文件进行追加操作

• AOF文件有序地保存了对数据库执行的所有写入操作,这些写入操作以Redis协议的格式保存,因此AOF文件的内容非常容易被人读懂,对文件进行分析(parse)也很轻松,导出(export)AOF文件也非常简单:举个例子,如果你不小心执行了FLUSHALL命令,但只要AOF文件未被重写,那么只要停止服务器,移除AOF文件末尾的FLUSHALL命令,并重启Redis,就可以将数据集恢复到FLUSHALL执行之前的状态

缺点

• 对于相同的数据集来说,AOF文件的体积通常要大于RDB文件的体积

• 根据所使用的fsync策略,AOF的速度可能会慢于RDB,在一般情况下,每秒fsync的性能依然非常高,而关闭fsync可以让AOF的速度和RDB一样快,即使在高负荷之下也是如此,不过在处理巨大的写入载入时,RDB可以提供更有保证的最大延迟时间(latency)

• AOF在过去曾经发生过这样的bug:因为个别命令的原因,导致AOF文件在重新载入时,无法将数据集恢复成保存时的原样,(举个例子,阻塞命令BRPOPLPUSH就曾经引起过这样的bug,)测试套件里为这种情况添加了测试:它们会自动生成随机的、复杂的数据集,并通过重新载入这些数据来确保一切正常,虽然这种bug在AOF文件中并不常见,但是对比来说,RDB几乎是不可能出现这种bug的