狂神说Redis学习笔记进阶篇 （下 ）

一、SpringBoot整合Redis

SpringBoot操作数据：Spring-data、jpa、jdbc、mongodb、redis！
SpringData也是和SpringBoot齐名的项目
说明：在SpringBoot 2.X之后，原来使用的 Jedis被替换为了lettuce
jedis：采用的是直连，多个线程操作的话是不安全的，如果想要避免不安全，使用jedis pool连接池！更像BIO模式
lettuce：采用netty，实例可以再多个线程中进行共享，不存在线程不安全的情况！可以减少线程数量，更像NIO模式
源码分析：

	@Bean
	@ConditionalOnMissingBean(name = "redisTemplate") // 我们可以自己定义一个redisTemplate来替换这个默认的
	@ConditionalOnSingleCandidate(RedisConnectionFactory.class)
	public RedisTemplate<Object, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {
		// 默认的RedisTemplate没有过多的设置redis对象都是需要序列化的！ 	
		// 两个泛型都是Object类型，Object类型使用需要强制转换<String,Object>
		RedisTemplate<Object, Object> template = new RedisTemplate<>();
		template.setConnectionFactory(redisConnectionFactory);
		return template;
	}

	@Bean
	@ConditionalOnMissingBean	//由于String是redis最常使用的类型 所以单独提出来了一个bean
	@ConditionalOnSingleCandidate(RedisConnectionFactory.class)
	public StringRedisTemplate stringRedisTemplate(RedisConnectionFactory redisConnectionFactory) {
		return new StringRedisTemplate(redisConnectionFactory);
	}

1、导入依赖

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>

2、配置连接

spring:
  redis:
    host: 127.0.0.1
    port: 6379

3、测试

@SpringBootTest
class Redis02SpringbootApplicationTests {
    @Autowired
    private RedisTemplate redisTemplate;

    @Test
    void contextLoads() {
        // redisTemplate 操作不同的数据类型，api和指令是一样的
        // opsForValue 操作字符串 类似String
        // opsForList  操作List 类似List
        // opsForSet
        // opsForHash
        // opsForGeo
        // opsForZSet
        // opsForHyperLogLog
        // 除了基本的操作，常用的方法可以直接通过redisTemplate来操作，比如事务和基本的增删改查

        // 获取redis的连接对象
        //RedisConnection connection = redisTemplate.getConnectionFactory().getConnection();
        //connection.flushAll();
        //connection.flushDb();
        redisTemplate.opsForValue().set("mykey","hello");
        System.out.println(redisTemplate.opsForValue().get("mykey"));
    }
}

关于对象的保存：

4、编写自己的redisTemplate

@Configuration
public class RedisConfig {
    // 固定模板
    // 编写自己的redisTemplate
    @Bean
    @SuppressWarnings("all")
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {
        //为了开放方便一般直接使用<String, Object>
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        template.setConnectionFactory(factory);

        //序列化配置
        Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
        ObjectMapper objectMapper = new ObjectMapper();
        objectMapper.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        objectMapper.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        jackson2JsonRedisSerializer.setObjectMapper(objectMapper);
        //String的序列化
        StringRedisSerializer stringRedisSerializer = new StringRedisSerializer();

        //key采用String的序列化方式
        template.setKeySerializer(stringRedisSerializer);
        //hash的key也采用String的序列化方式
        template.setHashKeySerializer(stringRedisSerializer);
        //value序列化方式采用jackson
        template.setValueSerializer(jackson2JsonRedisSerializer);
        //hash的value序列化方式采用jackson
        template.setHashValueSerializer(stringRedisSerializer);
        template.afterPropertiesSet();

        return template;
    }
}

5、封装RedisUtil

使用RedisUtil来操作常用的命令

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.util.CollectionUtils;

import java.util.Collection;
import java.util.List;
import java.util.Map;
import java.util.Set;
import java.util.concurrent.TimeUnit;

@Component
public final class RedisUtil {
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    /**
     * 指定缓存过期时间
     *
     * @param key  键
     * @param time 时间（秒）
     * @return
     */
    public boolean expire(String key, long time) {
        try {
            if (time > 0) {
                redisTemplate.expire(key, time, TimeUnit.SECONDS);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 根据key，获取过期时间
     *
     * @param key 键 不能为null
     * @return 时间（秒） 返回 0 代表为永久有效
     */
    public long getExpire(String key) {
        return redisTemplate.getExpire(key, TimeUnit.SECONDS);
    }

    /**
     * 判断key是否存在
     *
     * @param key 键
     * @return true 存在 false 不存在
     */
    public boolean hashKey(String key) {
        try {
            return redisTemplate.hasKey(key);
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 删除缓存
     *
     * @param key 可以传一个值或多个
     */
    public void del(String... key) {
        if (key != null && key.length > 0) {
            if (key.length == 1) {
                redisTemplate.delete(key[0]);
            } else {
                redisTemplate.delete((Collection<String>) CollectionUtils.arrayToList(key));
            }
        }
    }

    //================================String=======================================

    /**
     * 普通缓存获取
     *
     * @param key 键
     * @return 值
     */
    public Object get(String key) {
        return key == null ? null : redisTemplate.opsForValue().get(key);
    }


    /**
     * 普通缓存存放
     *
     * @param key   键
     * @param value 值
     * @return true 成功 false 失败
     */
    public boolean set(String key, Object value) {
        try {
            redisTemplate.opsForValue().set(key, value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 普通缓存放入并设置时间
     *
     * @param key   键
     * @param value 值
     * @param time  时间（秒） time要大于0 如果time小于等于0 将设置无限期
     * @return true 成功 false 失败
     */
    public boolean set(String key, Object value, long time) {
        try {
            if (time > 0) {
                redisTemplate.opsForValue().set(key, value, time, TimeUnit.SECONDS);
            } else {
                set(key, value);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 递增
     *
     * @param key   键
     * @param delta 要增加几（大于0）
     * @return
     */
    public long incr(String key, long delta) {
        if (delta < 0) {
            throw new RuntimeException("递增因子必须大于0");
        }
        return redisTemplate.opsForValue().increment(key, delta);
    }


    /**
     * 递减
     *
     * @param key   键
     * @param delta 要减少几（小于0）
     * @return
     */
    public long decr(String key, long delta) {
        if (delta < 0) {
            throw new RuntimeException("递减因子必须大于0");
        }
        return redisTemplate.opsForValue().increment(key, -delta);
    }

    //=====================================Map===================================================

    /**
     * HashGet
     *
     * @param key  键   不能为null
     * @param item 项   不能为null
     * @return
     */
    public Object hget(String key, String item) {
        return redisTemplate.opsForHash().get(key, item);
    }

    /**
     * 获取hashkey对应的所有键值对
     *
     * @param key 键
     * @return 对应多个键值对
     */
    public Map<Object, Object> hmget(String key) {
        return redisTemplate.opsForHash().entries(key);
    }

    /**
     * HashSet
     *
     * @param key 键
     * @param map 对应多个键值
     * @return
     */
    public boolean hmset(String key, Map<String, Object> map) {
        try {
            redisTemplate.opsForHash().putAll(key, map);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }

    }

    /**
     * HashSet 并设置时间
     *
     * @param key  键
     * @param map  对应多个键
     * @param time 时间（秒）
     * @return true成功 false失败
     */
    public boolean hmset(String key, Map<String, Object> map, long time) {
        try {
            redisTemplate.opsForHash().putAll(key, map);
            if (time > 0) {
                expire(key, time);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 向一张hash表中放入数据，如果不存在将创建
     *
     * @param key   键
     * @param item  项
     * @param value 值
     * @return 成功true， 失败false
     */
    public boolean hset(String key, String item, Object value) {
        try {
            redisTemplate.opsForHash().put(key, item, value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 向一张hash表中放入数据，如果不存在将创建
     *
     * @param key   键
     * @param item  项
     * @param value 值
     * @param time  时间（秒） 注意：如果已存在的hash表有时间，这里将会替换原有的时间
     * @return 成功true， 失败false
     */
    public boolean hset(String key, String item, Object value, long time) {
        try {
            redisTemplate.opsForHash().put(key, item, value);
            if (time > 0) {
                expire(key, time);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 删除hash表中的值
     *
     * @param key  键 不能为空
     * @param item 值 可以使用多个 不能为null
     */
    public void hdel(String key, Object... item) {
        redisTemplate.opsForHash().delete(key, item);
    }

    /**
     * 判断hash表中是否有该项的值
     *
     * @param key  键 不能为null
     * @param item 项 不能为null
     * @return 存在true  失败false
     */
    public boolean hhasKey(String key, String item) {
        return redisTemplate.opsForHash().hasKey(key, item);
    }

    /**
     * hash递增，如果不存在，就会创建一个 并把新增后的值返回
     *
     * @param key  键
     * @param item 项
     * @param by   要增加几（大于0）
     * @return
     */
    public double hincr(String key, String item, double by) {
        return redisTemplate.opsForHash().increment(key, item, by);
    }

    /**
     * hash递减，如果不存在，就会创建一个 并把新增后的值返回
     *
     * @param key  键
     * @param item 项
     * @param by   要减去几（小于0）
     * @return
     */
    public double hdecr(String key, String item, double by) {
        return redisTemplate.opsForHash().increment(key, item, -by);
    }

    // ================set==========================

    /**
     * 根据key获取Set中的所有值
     *
     * @param key 键
     * @return
     */
    public Set<Object> sGet(String key) {
        try {
            return redisTemplate.opsForSet().members(key);
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }
    }

    /**
     * 根据value从一个set中查询，是否存在
     *
     * @param key   键
     * @param value 值
     * @return true存在 false 不存在
     */
    public boolean sHasKey(String key, Object value) {
        try {
            return redisTemplate.opsForSet().isMember(key, value);
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 将数据放入set缓存
     *
     * @param key    键
     * @param values 值  可以多个
     * @return 成功个数
     */
    public long sSet(String key, Object... values) {
        try {
            return redisTemplate.opsForSet().add(key, values);
        } catch (Exception e) {
            e.printStackTrace();
            return 0;
        }
    }

    /**
     * 将set数据存入缓存
     *
     * @param key    键
     * @param time   时间（秒）
     * @param values 值 可以是多个
     * @return 成功的个数
     */
    public long sSetAndTime(String key, long time, Object... values) {
        try {
            Long count = redisTemplate.opsForSet().add(key, values);
            if (time > 0) {
                expire(key, time);
            }
            return count;
        } catch (Exception e) {
            e.printStackTrace();
            return 0;
        }
    }

    /**
     * 获取set缓存的长度
     *
     * @param key 键
     * @return 返回长度
     */
    public long sGetSetSize(String key) {
        try {
            return redisTemplate.opsForSet().size(key);
        } catch (Exception e) {
            e.printStackTrace();
            return 0;
        }
    }

    /**
     * 移除值为value的
     *
     * @param key    键
     * @param values 值 可以为多个
     * @return 返回移除的个数
     */
    public long setRemove(String key, Object... values) {
        try {
            Long count = redisTemplate.opsForSet().remove(key, values);
            return count;
        } catch (Exception e) {
            e.printStackTrace();
            return 0;
        }
    }

    // ============================list=========================================

    /**
     * 获取list缓存的内容
     *
     * @param key   键
     * @param start 开始
     * @param end   结束 0到-1代表所有值
     * @return
     */
    public List<Object> lGet(String key, long start, long end) {
        try {
            return redisTemplate.opsForList().range(key, start, end);
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }

    }


    /**
     * 获取list缓存的长度
     *
     * @param key 键
     * @return 成功返回长度 失败返回0
     */
    public long lGetListSize(String key) {
        try {
            return redisTemplate.opsForList().size(key);
        } catch (Exception e) {
            e.printStackTrace();
            return 0;
        }
    }

    /**
     * 通过索引 获取list中的值
     *
     * @param key   键
     * @param index 索引 index>= 0时，0表头，1表示第二个元素 以此类推 | index<0时 -1表尾，-2倒数第二个元素，以此类推
     * @return
     */
    public Object lGetIndex(String key, long index) {
        try {
            return redisTemplate.opsForList().index(key, index);
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }
    }

    /**
     * 将list放入缓存
     *
     * @param key   键
     * @param value 值
     * @return 成功true  失败false
     */
    public boolean lSet(String key, Object value) {
        try {
            redisTemplate.opsForList().rightPush(key, value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 将list放入缓存
     *
     * @param key   键
     * @param value 值
     * @param time  时间（秒）
     * @return成功true 失败false
     */
    public boolean lSet(String key, Object value, long time) {
        try {
            redisTemplate.opsForList().rightPush(key, value);
            if (time > 0) {
                expire(key, time);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 将list放入缓存
     *
     * @param key   键
     * @param value 值
     * @return
     */
    public boolean lSet(String key, List<Object> value) {
        try {
            redisTemplate.opsForList().rightPushAll(key, value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }


    /**
     * 将list放入缓存
     *
     * @param key   键
     * @param value 值
     * @param time  时间（秒）
     * @return
     */
    public boolean lSet(String key, List<Object> value, long time) {
        try {
            redisTemplate.opsForList().rightPushAll(key, value);
            if (time > 0) {
                expire(key, time);
            }
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 根据索引修改list中的某条数据
     * @param key       键
     * @param index     索引
     * @param value     值
     * @return
     */
    public boolean lUpdateIndex(String key,long index, Object value){
        try {
            redisTemplate.opsForList().set(key,index,value);
            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

    /**
     * 移除N个值为value
     * @param key   键
     * @param count 移除多个
     * @param value 值
     * @return      移除的个数
     */
    public  long lRemove(String key,long count,Object value){
        try {
            Long remove = redisTemplate.opsForList().remove(key, count, value);
            return remove;
        } catch (Exception e) {
            e.printStackTrace();
            return 0;
        }
    }
}

二、Redis.conf详解

1. 配置文件unit单位 对大小写不敏感

2. 包含可以把多个配置文件都配置过来
   
3. 网络

bind 127.0.0.1 -::1			# 绑定的ip
protected-mode yes		# 保护模式
port 6379							# 端口设置

4. 通用配置 GENERAL

daemonize yes		# 以守护进程的方式运行，默认为no需要自己开启为yes！
pidfile /var/run/redis_6379.pid	 # 如果以后台方式运行，就需要指定一个pid进程文件

# 日志
# Specify the server verbosity level.
# This can be one of:
# debug (a lot of information, useful for development/testing)
# verbose (many rarely useful info, but not a mess like the debug level)
# notice (moderately verbose, what you want in production 生产环境probably)
# warning (only very important / critical messages are logged)
loglevel notice

logfile ""		# 日志的文件位置名
databases 16	# 数据库的数量 默认16个	
always-show-logo no # 是否总是显示logo

5. SNAPSHOTTING快照
   持久化，在规定的时间内，执行了多少次操作，则会持久化到文件.rdb .aof
   redis是内存数据库，如果没有持久化那么数据断电即失！

# 如果3600s内，如果至少有一个key进行了修改，我们就进行持久化操作
save 3600 1
# 如果300s内，如果至少有10个key进行了修改，我们就进行持久化操作
save 300 100
# 如果60s内，如果至少有10000个key进行了修改，我们就进行持久化操作
save 60 10000

stop-writes-on-bgsave-error yes	# 如果持久化出错，是否还需要继续工作

rdbchecksum yes			# 是否压缩rdb文件，需要消耗一些cpu的资源！

dbfilename dump.rdb		# 保存rdb文件的时候，进行错误的检查校验！ 


dir ./				# rdb文件保存的目录

	 	

7. REPLICATION 复制
8. SECURITY 安全
   设置redis密码 ，默认没有密码

127.0.0.1:6379> ping
PONG
127.0.0.1:6379> config get requirepass	# 获取redis密码
1) "requirepass"
2) ""
127.0.0.1:6379> config set requirepass "123456"	 # 设置redis密码
OK
127.0.0.1:6379> auth 123456		# 使用密码进行登录
OK

9. CLIENTS 限制

maxclients 10000	 # 设置能连上redis的最大客户端的数量

maxmemory <bytes>	# redis 配置最大的内存容量

maxmemory-policy noeviction	# neicu # 内存达到上限之后的处理策略

　　当 Redis 内存使用达到 maxmemory 时，需要选择设置好的 maxmemory-policy 进行对数据进行淘汰机制。

        1.volatile-lru(least recently used):最近最少使用算法，从设置了过期时间的键key中选择空转时间最长的键值对清除掉；

        2.volatile-lfu(least frequently used):最近最不经常使用算法，从设置了过期时间的键中选择某段时间之内使用频次最小的键值对清除掉；

        3.volatile-ttl:从设置了过期时间的键中选择过期时间最早的键值对清除；

        4.volatile-random:从设置了过期时间的键中，随机选择键进行清除；

        5.allkeys-lru:最近最少使用算法，从所有的键中选择空转时间最长的键值对清除；

        6.allkeys-lfu:最近最不经常使用算法，从所有的键中选择某段时间之内使用频次最少的键值对清除；

        7.allkeys-random:所有的键中，随机选择键进行删除；

        8.noeviction:不做任何的清理工作，在redis的内存超过限制之后，所有的写入操作都会返回错误；但是读操作都能正常的进行;

 

10. APPEND ONLY MODE aof

appendonly no  # 默认是不开启aof模式的，默认是使用rdb方式持久化的，在所有的情况下rdb完全够用了

appendfilename "appendonly.aof" # 持久化文件的名字 


# appendfsync always	# 每次修改都会写入sync，消耗性能，速度比较慢
appendfsync everysec	# 每秒执行一次sync，可能会丢失一秒的数据
# appendfsync no		# 不执行sync这个时候操作系统自己同步数据，速度是最快的

三、Redis持久化

Redis是内存数据库，如果不将内存中的数据库状态保存到磁盘，那么一旦服务器进程退出，服务器中的数据库状态也会消失，所以Redis提供了持久化功能！

1、RDB（Redis DataBase）

在主从复制中，rdb就是备用的！从机上面！

在指定的时间间隔内将内存中的数据集快照写入磁盘，也就是Snapshot快照，它恢复时是将快照直接读到内存里。
Redis会单独创建（fork）一个子进程来进行持久化，会先将数据写入到一个临时文件中，待持久化过程都结束了，再用这个临时文件替换上次持久化好的文件。整个过程中，主进程是不进行任何IO操作的。这就确保了极高的性能。如果需要大规模的数据恢复，且对于数据恢复的完整性不是非常敏感，那么RDB方式要比ROF方式更加的高效，RDB的缺点是最后一次持久化的数据可能会丢失。我们默认的就是RDB，一般情况下不需要修改这个配置！
RDB保存的文件默认是dump.rdb 都是在配置文件中快照中进行配置的！

1.触发机制

1. save的规则满足的情况下，会自动触发rdb规则
2. 执行flushall命令，也会触发我们的rdb规则！
3. 退出redis，也会产生rdb文件！
   备份就会自动生成一个dump.rdb文件
   

2.恢复rdb文件

1. 只需要将rdb文件放入到redis启动目录下就可以了，redis启动的时候会自动检查dump.rdb恢复其中的数据！
2. 查看需要存在的位置

127.0.0.1:6379> config get dir
1) "dir"
2) "/usr/local/bin"		# 如果在这个目录下存在dump.rdb文件，启动的时候就会自动恢复其中的数据

3.优点和缺点

优点：

1. 适合大规模的数据恢复！dump.rdb
2. 对数据的完整性要求不高！

缺点：

1. 需要一定的时间间隔进行操作，如果redis宕机了，这个最后一次修改数据就没有了！
2. fork进程的时候，会占用一定的内存空间！

2、AOF（Append Only File）

将我们的所有命令都记录下来，histroy，恢复的时候就把这个文件全部在执行一遍

以日志的形式去记录每一个写的操作，将Redis执行过的所有指令都记录下来（读操作不记录），只许追加文件但不可以改写文件，redis启动之初会读取该文件重新构建数据，换言之，redis重启的话就根据日志文件的内容将写指令从前到后执行一次以完成数据的恢复工作

Aof保存的是appendonly.aof文件

1.Aof的开启

默认是不开启的，需要手动进行配置，我们只需要将appendonly改为yes就开启了aof！

重启，redis就可以生效了！

2.aof文件错误修复

如果这个aof文件有错误，这时候redis是启动不起来的，我们需要修复aof文件， redis提供了一个工具redis-check-aof --fix

[root@Aug bin]# redis-check-aof --fix appendonly.aof 
0x               0: Expected prefix '*', got: 'i'
AOF analyzed: size=10, ok_up_to=0, ok_up_to_line=1, diff=10
This will shrink the AOF from 10 bytes, with 10 bytes, to 0 bytes
Continue? [y/N]: y
Successfully truncated AOF

如果文件正常，重启就可以直接恢复了

3.重写规则

aof默认就是文件的无线追加，文件就会越来越大

如果aof文件大于64MB，这个时候就会fork一个新的进程来将我们的文件进行重写！

4.优点和缺点

appendonly no  # 默认是不开启aof模式的，默认是使用rdb方式持久化的，在所有的情况下rdb完全够用了

appendfilename "appendonly.aof" # 持久化文件的名字 


# appendfsync always	# 每次修改都会写入sync，消耗性能，速度比较慢
appendfsync everysec	# 每秒执行一次sync，可能会丢失一秒的数据
# appendfsync no		# 不执行sync这个时候操作系统自己同步数据，速度是最快的

# rewrite 重写

优点：

1. 每一次修改都同步，文件的完整性会更加好
2. 每秒同步一次，可能会丢失一秒的数据
3. 如果是no的话从不同步，效率最高的！
   缺点：
4. 相对于数据文件来说，aof远远大于rdb，修复的速度也比rdb慢！
5. Aof运行效率也比rdb慢，所以默认的配置就是rdb持久化！

3、拓展

1、RDB持久化方式能够在指定的时间间隔内对你的数据进行快照存储。
2、AOF 持久化方式记录每次对服务器写的操作，当服务器重启的时候会重新执行这些命令来恢复原始的数据,，AOF命令以Redis协议追加保存每次写的操作到文件末尾，Redis还能对AOF文件进行后台重写，使得AOF文件的体积不至于过大。
3、只做缓存，如果你只希望你的数据在服务器运行的时候存在，你也可以不使用任何持久化
4、同时开启两种持久化方式
在这种情况下，当redis重启的时候会优先载入AOF文件来恢复原始的数据，因为在通常情况下AOF文件保存的数据集要比RDB文件保存的数据集要完整。
RDB的数据不实时，同时使用两者时服务器重启也只会找AOF文件，那要不要只使用AOF呢？作者建议不要，因为RDB更适合用于备份数据库( AOF在不断变化不好备份)，快速重启，而且不会有AOF可能潜在的Bug，留着作为一个万一的手段。
5、性能建议
因为RDB文件只用作后备用途，建议只在Slave上持久化RDB文件，而且只要15分钟备份一 次就够了，只保留 save 900 1 这条规则。
如果Enable AOF，好处是在最恶劣情况下也只会丢失不超过两秒数据，启动脚本较简单只load自己的AOF文件就可以了，代价一是带来了持续的IO，二是AOF rewrite的最后将rewrite过程中产生的新数据写到新文件造成的阻塞几乎是不可避免的。只要硬盘许可，应该尽量减少AOF rewrite的频率，AOF重写的基础大小默认值64M太小了，可以设到5G以上，默认超过原大小100%大小重写可以改到适当的数值。
如果不Enable AOF，仅靠Master-Slave Repllcation实现高可用性也可以，能省掉一大笔IO，也减少了rewrite时带来的系统波动。代价是如果Master/Slave 同时挂掉，会丢失 十几分钟的数据，启动脚本也要比较两个Master/Slave中的RDB文件，载入较新的那个，微博就是这种架构。

四、Redis发布和订阅

Redis发布订阅（pub/sub）是一种消费通信模式：发送者（pub）发送消息，订阅者（sub）接收消息。微信，微博，关注微博！
Redis客户端可以订阅任意数量的频道
订阅/发布消息图：
第一个：消息发送者，第二个：频道，第三个：消息订阅者！

下图展示了频道 channel1 ， 以及订阅这个频道的三个客户端 —— client2 、 client5 和 client1 之间的关系：转载菜鸟教程

当有新消息通过 PUBLISH 命令发送给频道 channel1 时， 这个消息就会被发送给订阅它的三个客户端：

1、命令

这些命令被广泛用于构建即时通信应用，比如网络聊天室（chatroom）和实时广播、实时提醒等。转载菜鸟教程

2、测试

订阅端：

127.0.0.1:6379> SUBSCRIBE java		# 订阅一个频道 java
Reading messages... (press Ctrl-C to quit)
1) "subscribe"
2) "java"
3) (integer) 1
# 等待推送的信息
1) "message"		# 消息
2) "java"			# 哪个频道的消息
3) "hello"			# 消息的具体内容

1) "message"
2) "java"
3) "world"

发送端：

127.0.0.1:6379> PUBLISH java hello	# 发布者发布消息到指定的频道
(integer) 1
127.0.0.1:6379> PUBLISH java world
(integer) 1
127.0.0.1:6379> 

3、原理

Redis是使用C实现的，通过分析Redis源码里的pubsub.c文件。了解发布和订阅机制的底层实现，加深对Redis的理解。

Redis通过PUBLISH、SUBSCRIBE和PSUBSCRIBE等命令实现订阅于发布功能。

通过SUBSCRIBE命令订阅某个频道后，redis-server里维护了一个字典，字典的一个个键就是channel，而字典的值就是一个链表，链表中保存了所有订阅这个channel的客户端，SUBSCRIBE命令的关键，就是将客户端添加到给定的channel的订阅链表中。

通过PUBLISH命令向订阅者发送消息，redis-servcer会使用给定的频道作为键，在它维护的channel字典中查找记录了订阅这个频道的所有客户端的链表，遍历这个链表，将消息发送给所有订阅者。

Pub/Sub从字面上理解就是发布（Pubkish）和订阅（Subscribe），在Redis中，你可以对某个key值做消息发布及消息订阅，当一个key值上进行了消息发布后，所有订阅它的客户端都会收到相应的消息。这一功能最明显的用法就是用作实时消息系统，比如普通的即时聊天，群聊等功能。

五、Redis主从复制

1、概念

主从复制，是指将一台Redis服务器的数据，复制到其他的Redis服务器，前者称为主节点（master/leader），后者称为从节点（slave/follower）；数据的复制是单向的，只能由主节点到从节点。Master为主，Slave为从。

默认情况下，每台Redis服务器都是主节点；且一个主节点可以有多个从节点（或没有从节点），但一个从节点只能有一个主节点。

主从复制的作用主要包括:
1、数据冗余︰主从复制实现了数据的热备份，是持久化之外的一种数据冗余方式。
2、故障恢复∶当主节点出现问题时，可以由从节点提供服务，实现快速的故障恢复;实际上是一种服务的冗余。
3、负载均衡∶在主从复制的基础上，配合读写分离，可以由主节点提供写服务，由从节点提供读服务（即写Redis数据时应用连接主节点，读Redis数据时应用连接从节点），分担服务器负载;尤其是在写少读多的场景下，通过多个从节点分担读负载，可以大大提高Redis服务器的并发量。
4、高可用（集群）基石︰除了上述作用以外，主从复制还是哨兵和集群能够实施的基础，因此说主从复制是Redis高可用的基础。

一般来说，要将Redis运用于工程项目中，只使用一台Redis是万万不能的（宕机，一主二从），原因如下:
1、从结构上，单个Redis服务器会发生单点故障，并且一台服务器需要处理所有的请求负载，压力较大;
2、从容量上，单个Redis服务器内存容量有限，就算一台Redis服务器内存容量为256G，也不能将所有内存用作Redis存储内存，一般来说，单台Redis最大使用内存不应该超过20G。
电商网站上的商品，一般都是一次上传，无数次浏览的，说专业点也就是"多读少写"。对于这种场景，我们可以使如下这种架构∶

主从复制，读写分离，80%的情况下都是在进行读操作，减缓服务器的压力，架构中经常使用! 一主二从！(必用)，真实的项目中

2、环境配置

只配从库，不用配置主库！

127.0.0.1:6379> info replication		# 查看当前库的信息
# Replication			
role:master						# 角色 master
connected_slaves:0	 			# 没有从机
master_failover_state:no-failover
master_replid:d85293e1079e4688b33183a507c4ec5f153d2212
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:0
second_repl_offset:-1
repl_backlog_active:0
repl_backlog_size:1048576
repl_backlog_first_byte_offset:0
repl_backlog_histlen:0

复制3个配置文件修改对应的信息
1、端口
2、pid
3、log文件名字
4、dump.rdb名字
修改完毕之后启动3个redis服务，可以通过进程信息查看

[root@Aug bin]# ps -ef|grep redis
root      22745      1  0 17:37 ?        00:00:00 redis-server 127.0.0.1:6379
root      22798      1  0 17:38 ?        00:00:00 redis-server 127.0.0.1:6380
root      22858      1  0 17:39 ?        00:00:00 redis-server 127.0.0.1:6381
root      22921  21986  0 17:39 pts/3    00:00:00 grep --color=auto redis

3、一主二从

默认情况下，每台Redis服务器都是主节点，我们一般情况下就只用配置从机就好了！一个主机（79）两个从机（80，81）3

slaveof

127.0.0.1:6380> SLAVEOF 127.0.0.1 6379	 # slaveof host 6379 找谁当自己的老大
OK
127.0.0.1:6380> info replication
# Replication
role:slave							# 当前角色是从机
master_host:127.0.0.1				# 可以看到主机的信息
master_port:6379
master_link_status:up
master_last_io_seconds_ago:0
master_sync_in_progress:0
slave_read_repl_offset:42
slave_repl_offset:42
slave_priority:100
slave_read_only:1
replica_announced:1
connected_slaves:0
master_failover_state:no-failover
master_replid:c01d38d6913dec1637f3a7cdffa2af1fc938b34f
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:42
second_repl_offset:-1
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:15
repl_backlog_histlen:28


# 在主机中查看
127.0.0.1:6379> info replication
# Replication
role:master
connected_slaves:2		# 多了从机的配置
slave0:ip=127.0.0.1,port=6381,state=online,offset=28,lag=1
slave1:ip=127.0.0.1,port=6380,state=online,offset=28,lag=1
master_failover_state:no-failover
master_replid:c01d38d6913dec1637f3a7cdffa2af1fc938b34f
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:28
second_repl_offset:-1
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:1
repl_backlog_histlen:28

如果两个都配置完就会有两个从机的。
真实的配置应在配置文件中配置，这样是永久的，以上使用的是命令，是暂时的

细节：

主机可以写，从机不能写只能读!主机中的所有信息和数据，都会自动被从机保存！
主机写：

从机只能读：

**测试：**主机断开连接，从机依旧连接主机的，但是没有写操作了，这个时候，主机如果回来了，从机依旧可以获取主机写的信息！
如果是使用命令行来配置的主从，这个时候如果重启了就会变回主机，只要再变为从机，数据立马就会从主机中获取！

复制原理：
Slave启动成功连接到master后会发送一个sync同步命令
Master接到命令，启动后台的存盘进程，同时收集所有接收到用于修改数据集命令，在后台进程执行完毕之后，master会传送整个数据文件到slave，并完成一次完全同步。

全量复制：而slave服务在接收到数据库文件数据后，将其存盘并加载到内存中。

增量复制`：Master继续将新的所有收集到的修改命令依次传给slave，完成同步但是只要重新连接master，一次完全同步（全量复制）将被自动执行！我们数据一定可以在从机中看到！

层层链路：

上一个M链接下一个S！

这个时候也可以完成主从复制

如果没有主机了，这个时候能不能选择一个来当主机

谋朝篡位
如果主机断开了连接，我们可以使用Slaveof no one 让自己变成主机！其他的节点就可以（手动）连接到最新的这个主节点 !如果这是时候原来的主机修复了，那就只能重新连接

六、哨兵模式

（自动选举主机的模式）

1、概论

主从切换技术的方法是∶当主服务器宕机后，需要手动把一台从服务器切换为主服务器，这就需要人工干预，费事费力，还会造成一段时间内服务不可用。这不是一种推荐的方式，更多时候，我们优先考虑哨兵模式。Redis从2.8开始正式提供了Sentinel (哨兵）架构来解决这个问题。
谋朝篡位的自动版，能够后台监控主机是否故障，如果故障了根据投票数自动将从库转换为主库。
哨兵模式是一种特殊的模式，首先Redis提供了哨兵的命令，哨兵是一个独立的进程，作为进程，它会独立运行。其原理是哨兵通过发送命令，等待Redis服务器响应，从而监控运行的多个Redis实例。

这里的哨兵有两个作用

• 通过发送命令，让Redis服务器返回监控其运行状态，包括主服务器和从服务器。
• 当哨兵监测到master宕机，会自动将slave切换成master，然后通过发布订阅模式通知其他的从服务器，修改配置文件，让它们切换主机。
  然而一个哨兵进程对Redis服务器进行监控，可能会出现问题，为此，我们可以使用多个哨兵进行监控。各个哨兵之间还会进行监控，这样就形成了多哨兵模式。
  
  假设主服务器宕机，哨兵1先检测到这个结果，系统并不会马上进行failover过程，仅仅是哨兵1主观的认为主服务器不可用，这个现象成为主观下线。当后面的哨兵也检测到主服务器不可用，并且数量达到一定值时，那么哨兵之间就会进行一次投票，投票的结果由一个哨兵发起，进行failover[故障转移]操作。切换成功后，就会通过发布订阅模式，让各个哨兵把自己监控的从服务器实现切换主机，这个过程称为客观下线。

2、测试

目前的状态是一主二从

1. 配置哨兵配置文件 sentinel.conf

# sentinel monitor 被监控的名称 主机地址  端口  1
sentinel monitor myredis 127.0.0.1 6379 1

后面数字1代表主机挂了，slave投票看让谁接替成为主机，票数最多的就会成为主机！

2. 启动哨兵

[root@Aug bin]# redis-sentinel kconfig/sentinel.conf
7466:X 30 Apr 2022 20:24:26.725 # oO0OoO0OoO0Oo Redis is starting oO0OoO0OoO0Oo
7466:X 30 Apr 2022 20:24:26.725 # Redis version=6.2.6, bits=64, commit=00000000, modified=0, pid=7466, just started
7466:X 30 Apr 2022 20:24:26.725 # Configuration loaded
7466:X 30 Apr 2022 20:24:26.726 * Increased maximum number of open files to 10032 (it was originally set to 1024).
7466:X 30 Apr 2022 20:24:26.726 * monotonic clock: POSIX clock_gettime
                _._                                                  
           _.-``__ ''-._                                             
      _.-``    `.  `_.  ''-._           Redis 6.2.6 (00000000/0) 64 bit
  .-`` .-```.  ```\/    _.,_ ''-._                                  
 (    '      ,       .-`  | `,    )     Running in sentinel mode
 |`-._`-...-` __...-.``-._|'` _.-'|     Port: 26379
 |    `-._   `._    /     _.-'    |     PID: 7466
  `-._    `-._  `-./  _.-'    _.-'                                   
 |`-._`-._    `-.__.-'    _.-'_.-'|                                  
 |    `-._`-._        _.-'_.-'    |           https://redis.io       
  `-._    `-._`-.__.-'_.-'    _.-'                                   
 |`-._`-._    `-.__.-'    _.-'_.-'|                                  
 |    `-._`-._        _.-'_.-'    |                                  
  `-._    `-._`-.__.-'_.-'    _.-'                                   
      `-._    `-.__.-'    _.-'                                       
          `-._        _.-'                                           
              `-.__.-'                                               

7466:X 30 Apr 2022 20:24:26.726 # WARNING: The TCP backlog setting of 511 cannot be enforced because /proc/sys/net/core/somaxconn is set to the lower value of 128.
7466:X 30 Apr 2022 20:24:26.729 # Sentinel ID is 9c1b458a4e0305be1d1aa927d5ba233f06969d2d
7466:X 30 Apr 2022 20:24:26.729 # +monitor master myredis 127.0.0.1 6379 quorum 1
7466:X 30 Apr 2022 20:24:26.730 * +slave slave 127.0.0.1:6380 127.0.0.1 6380 @ myredis 127.0.0.1 6379
7466:X 30 Apr 2022 20:24:26.732 * +slave slave 127.0.0.1:6381 127.0.0.1 6381 @ myredis 127.0.0.1 6379

如果Master节点断开了，这个时候就会从从机中随机选择一个服务器！（这里面有一个投票算法）

哨兵日志

如果主机此时回来了 只能归并到新的主机下当作从机，这就是哨兵模式的规则！

3、优点与缺点

优点：

1. 哨兵集群，基于主从复制模式，所有的主从配置的优点，它全有
2. 主从可以切换，故障可以转移，系统的可用性就会更好
3. 哨兵模式就是主从复制模式的升级，手动到自动更加健壮

缺点：

1. Redis不好在线扩容的，集群容量一旦到达上限，在线扩容就十分麻烦！
2. 实现哨兵模式的配置其实是非常麻烦的，里面有很多选择！

4、哨兵模式的全部配置

# Example sentinel.conf

# 哨兵sentinel实例运行的端口 默认26379
port 26379

# 哨兵的工作目录
dir /tmp

# 哨兵sentinel监控的redis主节点的 ip port
# master-name 可以自己命名的主节点名字 只能由字母A-Z,数字0-9、这三个字符“ . - _”组成。
# quorum 配置多少个sentinel哨兵统一认为master主节点失联，那么这时客观上认为主节点失联了
# sentinel monitor <master-name> <ip> <redis-port> <quorum>
sentinel monitor mymaster 127.0.0.1 6379 2

# 当在Redis实例中开启了requirepass foobared 授权密码 这样所有连接Redis实例的客户端都要提供密码
# 设置哨兵sentinel连接主从的密码 注意必须为主从设置一样的验证密码
# sentinel auth-pass mymaster MySUPER--secret-0123passwOrd

# 指定多少毫秒后，主节点没有答应哨兵sentinel此时 哨兵主观上认为主节点下线 默认30秒
# sentinel down-after-milliseconds mymaster 30000

# 这个配置项指定了在发生failover主备切换时最多可以有多少个slave同时对新的master进行同步，这个数字越大，就意味着越多的slave因为replication而不可用。但是可以将这个值设为1来保证每次只有一个slave处于不能处理命令请求的状态。
# sentinel parallel-syncs <master-name> <numslaves>
sentinel parallel-syncs mymaster 1

# 故障转移的超时时间 failover-timeout 可以用在一下这些方面：
# 1.同一个sentinel对同一个master俩歌词failover之间的间隔时间。
# 2.当一个slave从一个错误的master那里同步数据开始计算时间。直到slave被纠正为向正确的master那里同步数据时。
# 3.当想要取消一个正在进行的failover所需要的时间。
# 4.当进行failover时，配置所有slaves指向新的master所需的最大时间。不过，即使过了这个超时，slaves依然会被正确配为指向master，但是就不按照parallel-syncs所配置的规则来了
# 默认三分钟
# sentinel failover-timeout <master-name>	<milliseconds>
sentinel failover-timeout mymaster 180000 

# SCRIPTS EXECUTION
#配置当某一事件发生时所需要执行的脚本，可以通过脚本来通知管理员，例如当系统运行不正常时发邮件通知相关人员。#对于脚本的运行结果有以下规则:
#若脚本执行后返回1，那么该脚本稍后将会被再次执行，重复次数目前默认为10#若脚本执行后返回2，或者比2更高的一个返回值，脚本将不会重复执行。
#如果脚本在执行过程中由于收到系统中断信号被终止了，则同返回值为1时的行为相同。
#一个脚本的最大执行时间为60s，如果超过这个时间，脚本将会被一个SIGKILL信号终止，之后重新执行。
I
#通知型脚本:当sentine1有任何警告级别的事件发生时（比如说redis实例的主观失效和客观失效等等），将会去调用这个脚本，这时这个脚本应该通过邮件，SNS等方式去通知系统管理员关于系统不正常运行的信息。调用该脚本时，将传给脚本两个参数，一个是事件的类型，一个是事件的描述。如果sentine1.conf配置文件中配置了这个脚本路径，那么必须保证这个脚本存在于这个路径，并且是可执行的，否则sentine1无法正常启动成功。
#通知脚本
# sentinel notification-script <master-name> <script-path>sentinel notification-script mymaster /var/redis/notify.sh

#客户端重新配置主节点参数脚本
#当一个master由于failover而发生改变时，这个脚本将会被调用，通知相关的客户端关于master地址已经发生改变的信息。#以下参数将会在调用脚本时传给脚本:
# <master-name> <role> <state> <from-ip> <from-port> <to-ip> <to-port>#目前<state>总是“failover",
#<role>是“1eader”或者"observer"中的一个。
#参数 from-ip，from-port，to-ip，to-port是用来和旧的master和新的master(即旧的slave)通信的# 这个脚本应该是通用的，能被多次调用，不是针对性的。
# sentinel client-reconfig-script <master-name> <script-path>sentinel client-reconfig-script mymaster /var/redis/reconfig.sh

七、Redis缓存穿透和雪崩

Redis缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。但同时，它也带来了一些问题。其中，最要害的问题，就是数据的一致性问题，从严格意义上讲，这个问题无解。如果对数据的一致性要求很高，那么就不能使用缓存。
另外的一些典型问题就是，缓存穿透、缓存雪崩和缓存击穿。目前，业界也都有比较流行的解决方案。

1、缓存穿透（查不到导致的）

1.概念

缓存穿透的概念，用户想要查询一个数据，发现redis内存数据中没有，也就是缓存没有命中，于是向持久层数据库查询。发现也没有，于是本次查询失败，当用户很多的时候，缓存都没有命中，于是都去请求持久层数据库，这就会给持久层数据库造成很大的压力，这个时候就相当于出现了缓存穿透。

2.解决方案

布隆过滤器
布隆过滤器是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力；

缓存空对象
当存储层不命中后，即使返回的空对象也将其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中获取，保存了后端的资源；

但是这种方法存在两个问题：

1. 如果空值能够被缓存起来，这就意味着缓存需要更多的空间存储更多的键，因为这当中可能会有很多的空值的键
2. 即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响。

2、缓存击穿（量太大，缓存过期）

1.概念

这里需要注意和缓存击穿的区别，缓存击穿，是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间，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开了一个洞。

当某个key在过期的瞬间，有大量的请求并发访问，这类数据一般都是热点数据，由于缓存过期，会同时访问数据库来查询最新数据，并且写回缓存，会导致数据库瞬间压力过大。

2.解决方案

设置热点数据永不过期
从缓存层面来看，没有设置过期时间，所以不会出现热点key过期后产生的问题。

加互斥锁
分布式锁：使用分布式锁，保证对于每个key同时只有一个线程去查询后端服务，其他线程没有获得分布式锁的权限，因此只需要等待即可，这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验极大。

3、缓存雪崩

1.概念

缓存雪崩，是指在某一个时间段，缓存集中过期失效，Redis宕机！
产生雪崩的原因之一，马上就要到双十二零点，很快来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么到凌晨一点钟的时候，这些商品的缓存都过期了。而对这批商品的访问查询，却落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。于是所有请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况。

其实集中过期，倒不是非常致命的，比较致命的是缓存雪崩，是缓存服务器某个节点宕机或者断网，因为自然形成的缓存雪崩，一定是在某个时间段集中创建缓存，这个时候，数据库也是可以顶住压力的，无非就是对数据库产生周期性的压力而已。而缓存服务器节点的宕机，对数据库服务器造成的压力是不可预知的，很有可能瞬间把数据库压垮。

2.解决方案

redis高可用

这个思想的含义是，即然redis有可能挂掉，那我多增设几台redis，这样一台挂了之后其他的还可以继续工作，就是搭建的集群。（异地多活！）

限流降级

这个解决方案的思想，在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待，

数据预热

数据预热的含义就是在正式部署之前，我先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中，在即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间尽量均匀。