Redis的认知

最新推荐文章于 2024-11-15 10:30:36 发布

名字被注册了

最新推荐文章于 2024-11-15 10:30:36 发布

阅读量66

点赞数

分类专栏： java学习文章标签： redis 数据库缓存

本文链接：https://blog.csdn.net/qq_37018378/article/details/132823997

版权

java学习专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文详细介绍了Redis的Key-Value存储、五种主要数据结构、解决缓存问题（如雪崩、穿透和击穿）、持久化策略、与MySQL数据一致性、以及在SpringBoot中的集成应用，如布隆过滤器和分布式锁。

摘要由CSDN通过智能技术生成

一、redis的简介

Redis是一个高性能的基于Key-Value结构存储的NoSQL(not only sql)开源数据库。支持多种数据结构存储。

二、redis的五种数据结构

1、string(字符串)

1. set key value: 设置指定 key 的值

2.get key 获取指定 key 的值

3.mset key value key value .... 同时设置一个或多个 key-value 对

4.mget key key .... 获取所有(一个或多个)给定 key 的值

5.incr key 将 key 中储存的数字值增一。用于点赞收藏

6.decr key 将 key 中储存的数字值减一


public class RedisService {

    @Autowired
    private StringRedisTemplate redisTemplate;

    // 写入String类型数据
    @Test
    public void setString(String key, String value) {
        redisTemplate.opsForValue().set(key, value);
    }

    // 获取String类型数据
    @Test
    public String getString(String key) {
        return redisTemplate.opsForValue().get(key);
    }
}

2、map(哈希)

表示redis的value类型为Hash类型，一般存放对象数据。

1. hset key field value 将哈希表 key 中的字段 field 的值设为 value 。

2. hget key field 获取存储在哈希表中指定字段的值/td>

3. hget key 获取在哈希表中指定 key 的所有字段和值

4. hkeys key 获取所有哈希表中的字段

5.hvals key 获取哈希表中所有值

3、list(列表)

value 可以是一个队列---该队列的值可以重复而且有序。

1. LPush key value value value... 将一个或多个值插入到列表头部

2. lrange key start end 获取列表指定范围内的元素

Redis Lrange 返回列表中指定区间内的元素，区间以偏移量 START 和 END 指定。其中 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。你也可以使用负数下标，以 -1 表示列表的最后一个元素， -2 表示列表的倒数第二个元素，以此类推。

3.lpop key 移出并获取列表的第一个元素

4、set(集合)

无序不允许重复.

1. sadd key value value ....向集合添加一个或多个成员

2.smemebers key 返回集合中的所有成员

3.SRANDMEMBER KEY 随机获取一个或多个元素

4.sinter key key: 返回给定所有集合的交集

5、zset(有序集合)

和上面的set区别在于多了一个score分数列----- 排行耪

1.zadd key score value score value :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

2.zrange key 通过索引区间返回有序集合成指定区间内的成员

3.ZREVRANK key start end 返回有序集合中指定成员的排名，有序集成员按分数值递减(从大到小)排序

三、使用Redis要解决的三种问题

1.缓存雪崩

缓存雪崩是指大量的应用请求无法在Redis缓存中进行处理，从而使得大量请求发送到数据库层，导致数据库压力过大甚至宕机。

产生原因：1.大面积的缓存失效2.Redis服务故障宕机

解决方案：

均匀过期：给热点数据设置不同的过期时间，给每个key的失效时间加一个随机值

集群部署：构建 Redis 缓存高可靠集群。如果 Redis 缓存的主节点故障宕机了，从节点还可以切换成为主节点，继续提供缓存服务，避免了由于缓存实例宕机而导致的缓存雪崩问题

2.缓存穿透

缓存穿透指用户要访问的数据既不在缓存中也不在数据库中，导致用户每次请求该数据时都要去数据库查一遍，然后返回空。如果有恶意攻击者不断请求这种系统不存在的数据，会导致数据库压力过大，严重会击垮数据库。

解决方案：

布隆过滤器：快速判断数据是否存在，避免从数据库中查询数据是否存在，减轻数据库压力。

3.缓存击穿

缓存击穿是指某个访问非常频繁的热点数据，大量并发请求集中在这一个点访问，在这个Key失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿了一个洞。

解决方案：

使用分布式锁，如果是单体应用的话使用互斥锁

四、Redis的持久化方式

AOF:记录服务器执行的所有写操作命令，并在服务器启动时，通过重新执行这些命令来还原数据集

RDB:可以在指定的时间间隔内生成数据集的时间点快照

五、Redis与mysql的数据一致性

双写策略：进行写操作时，首先将数据写入MySQL，然后再将数据写入Redis。这确保了数据的一致性，因为MySQL是持久性数据库，数据写入后会持久保存。Redis则用于提高读取性能。

使用消息队列：可以使用消息队列，例如RabbitMQ或Kafka，来确保Redis和MySQL之间的数据一致性。当数据发生更改时，将消息发送到消息队列，然后由消费者负责更新Redis和MySQL中的数据。这种方法可以实现异步数据更新，提高性能和可扩展性。

订阅mysql的binlog日志：一旦MySQL中产生了新的写入、更新、删除等操作，就可以把binlog相关的消息推送至Redis，Redis再根据binlog中的记录，对Redis进行更新

分布式中使用延迟双删：删除redis，更新数据库，延时500毫秒，删除redis。防止第一次删除Redis之后，有访问去读数据库，然后Redis的数据还是以前的数据，所以二次删除。

六、Redis的过期策略

用于管理过期数据的策略，这些策略决定了在何时自动删除过期键（Key）以释放内存

定时过期策略 (TTL - Time To Live)：Redis中的每个键可以关联一个过期时间（TTL）。当一个键设置了TTL后，它将在一定时间内自动过期。

惰性删除策略：Redis不会主动检查键是否过期。而是在访问某个键时，如果发现该键已过期，Redis会立即删除它并返回空值。

定期删除策略：Redis周期性地（默认每秒钟10次）从所有已设置过期时间的键中选择一部分，然后删除其中已经过期的键

七、Redis的淘汰算法

Redis使用不同的淘汰（Eviction）算法来管理内存，以处理内存不足的情况。

第一种，采用 LRU （Least Recently Used）策略，就是把不经常使用的 key 淘汰掉 .

第二种，采用 LFU （Least Frequently Used）策略，它在 LRU 算法上做了优化，增加了数据访问次数，从而确保淘汰的是非热点 key。

第三种，随机策略，也就是随机删除一些 key

第四种，ttl 策略，从设置了过期时间的 key 里面，挑选出过期时间最近的 key 进行优先淘汰

第五种，当内存不够的时候，直接报错，这是默认的策略。

八、springboot集成Redis实现布隆过滤器

可以使用现有的Java布隆过滤器库，如Google Guava的“BloomFilter”，或者使用第三方库如Redisson来实现布隆过滤器

下面是一个使用Redisson实现布隆过滤器的示例：

需要加入redission的依赖

        <!-- redis的依赖 -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>       
        
        <!-- redission的依赖 -->
         <dependency>
            <groupId>se.svt.oss</groupId>
            <artifactId>redisson-starter</artifactId>
            <version>1.1.3</version>
        </dependency>

package com.zsc.service.impl;

import org.redisson.api.RBloomFilter;
import org.redisson.api.RedissonClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

@Service
public class BloomFilterService {

    @Autowired
    private RedissonClient redissonClient;

    public void addToBloomFilter(String filterName, String value) {
        RBloomFilter<String> bloomFilter = redissonClient.getBloomFilter(filterName);
        bloomFilter.add(value);
    }

    public boolean checkExistsInBloomFilter(String filterName, String value) {
        RBloomFilter<String> bloomFilter = redissonClient.getBloomFilter(filterName);
        return bloomFilter.contains(value);
    }
}

package com.zsc.controller;

import com.zsc.service.impl.BloomFilterService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;

@RestController
@RequestMapping("/api/bloom-filter")
public class BloomFilterController {

    @Autowired
    private BloomFilterService bloomFilterService;

    @PostMapping("/add")
    public void addToBloomFilter(@RequestParam String filterName, @RequestParam String value) {
        bloomFilterService.addToBloomFilter(filterName, value);
    }

    @GetMapping("/check")
    public boolean checkExistsInBloomFilter(@RequestParam String filterName, @RequestParam String value) {
        return bloomFilterService.checkExistsInBloomFilter(filterName, value);
    }
}