wlcass zhengge blog

代码更清晰，处理逻辑更简单；不用考虑各种锁的问题，不存在加锁和释放锁的操作，没有因为可能出现死锁而导致的性能问题；不存在多线程切换而消耗CPU；无法发挥多核CPU的优势，但可以采用多开几个Redis实例来完善；缺点：无法发挥多核CPU的优势，但可以采用多开几个Redis实例来完善。

造成这个问题的原因是，我们现在的逻辑，发起请求只是给数据库+1，所以才会出现这个问题。因为我们的数据是不能重复的，当用户操作过之后，无论他怎么操作，都是。

Redis是一个key-value的数据库，key一般是String类型，不过value的类型多种多样：贴心小建议：命令不要死记，学会查询就好啦Redis为了方便我们学习，将操作不同数据类型的命令也做了分组，在官网）可以查看到不同的命令：当然我们也可以通过Help命令来帮助我们去查看命令String类型，也就是字符串类型，是 Redis 中最简单的存储类型。string：普通字符串int：整数类型，可以做自增、自减操作float：浮点类型，可以做自增、自减操作。

用户一次签到，就是一条记录，假如有1000万用户，平均每人每年签到次数为10次，则这张表一年的数据量。假设今天是10号，那么我们就可以从当前月的第一天开始，获得到当前这一天的位数，是10号，那么就是10。统计有多少个1即可。我们把签到结果和1进行与操作，每与一次，就把签到结果向右移动一位，依次内推，我们就能完成逐个遍历。我们只需要让得到的10进制数字和1做与运算就可以了，因为1只有遇见1才是1，其他数字都是0 ，我们可以将数据库的数据，所对应的id写入到一个list集合中，当用户过来访问的时候，

前言:什么是缓存?就像自行车,越野车的避震器举个例子：越野车,山地自行车,都拥有"避震器",防止车体加速后因惯性,在酷似"U"字母的地形上飞跃,硬着陆导致的损害,像个弹簧一样;同样,实际开发中,系统也需要"避震器",防止过高的数据访问猛冲系统,导致其操作线程无法及时处理信息而瘫痪;这在实际开发中对企业讲,对产品口碑,用户评价都是致命的;所以企业非常重视缓存技术;缓存(Cache),就是数据交换的缓冲区,俗称的缓存就是缓冲区内的数据,一般从数据库中获取,存储于本地代码例1:本地用于高并发。

存储方式关系型数据库基于磁盘进行存储，会有大量的磁盘IO，对性能有一定影响非关系型数据库，他们的操作更多的是依赖于内存来操作，内存的读写速度会非常快，性能自然会好一些扩展性关系型数据库集群模式一般是主从，主从数据一致，起到数据备份的作用，称为垂直扩展。非关系型数据库可以将数据拆分，存储在不同机器上，可以保存海量数据，解决内存大小有限的问题。称为水平扩展。关系型数据库因为表之间存在关联关系，如果做水平扩展会给数据查询带来很多麻烦Redis诞生于2009年全称是RemoteD。

Redis是一个CS架构的软件，通信一般分两步（不包括pipeline和PubSub）：客户端（client）向服务端（server）发送一条命令服务端解析并执行命令，返回响应结果给客户端因此客户端发送命令的格式、服务端响应结果的格式必须有一个规范，这个规范就是通信协议。Redis 1.2版本引入了RESP协议Redis 2.0版本中成为与Redis服务端通信的标准，称为RESP2。

RDB 全称 Redis Database Backup file（ Redis 数据备份文件），也被叫做 Redis 数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当 Redis 实例故障重启后，从磁盘读取快照文件，恢复数据。快照文件称为 RDB 文件，默认是保存在当前运行目录。

缓存是一种数据存储技术，用于存储经常访问的数据，以便在需要时快速获取。通过缓存数据，可以减少数据的访问时间和系统的负载，从而提高应用程序的性能。缓存可以应用在多个层次，例如CPU缓存、数据库缓存和Web缓存。缓存穿透是指用户查询数据，在数据库没有，自然在缓存中也不会有。这样就导致用户查询的时候，在缓存中找不到，每次都要去数据库再查询一遍，然后返回空（相当于进行了两次无用的查询）这样请求就绕过缓存直接查数据库，这也是经常提的缓存命中率问题。举例：客户端发送大量的不可响应的请求（如下图）

每个店铺都可以发布优惠券：当用户抢购时，就会生成订单并保存到tb_voucher_order这张表中，而订单表如果使用数据库自增ID就存在一些id的规律性太明显受单表数据量的限制场景分析一：如果我们的id具有太明显的规则，用户或者说商业对手很容易猜测出来我们的一些敏感信息，比如商城在一天时间内，卖出了多少单，这明显不合适。场景分析二：随着我们商城规模越来越大，mysql的单表的容量不宜超过500W，数据量过大之后，我们要进行拆库拆表，但拆分表了之后，他们从逻辑上讲他们是同一张表，

单个命令的执行流程N 条命令的执行流程redis 处理指令是很快的，主要花费的时候在于网络传输。于是乎很容易想到将多条指令批量的传输给 redis用来做缓存的 Redis 实例尽量不要开启持久化功能建议关闭 RDB 持久化功能，使用 AOF 持久化利用脚本定期在 slave 节点做 RDB，实现数据备份设置合理的 rewrite 阈值，避免频繁的 bgrewrite。

Windows系统中启动Redis，直接双击redis-server.exe即可启动Redis服务，redis服务默认端口号为6379。双击 redis-cli.exe 即可启动Redis客户端，默认连接的是本地的Redis服务，而且不需要认证即可连接成功。前面我们已经启动了Redis服务，默认情况下Redis启动后是在前台运行，而且客户端不需要密码就可以连接到。如果没有指定，就说明可以接受。通过 redis-cli 可以连接到本地的Redis服务，默认情况下不需要认证即可连接成功。

假设在t1 时刻，我们去读取第一页，此时page = 1 ，size = 5 ，那么我们拿到的就是10~6 这几条记录，本例中的个人页面，是基于关注的好友来做Feed流，因此采用Timeline的模式。我们本次针对好友的操作，采用的就是Timeline的方式，只需要拿到我们关注用户的信息，然后按照时间排序即。size=5 ，那么此时读取到的第二页实际上是从 6 开始，然后是6~2 ，那么我们就读取到了重复的数据，推模式是没有写邮箱的，当张三写了一个内容，此时会主动的把张三写的内容发送到他的粉丝收件箱中去，

我们知道 Redis 是一个键值型（ Key-Value Pair ）的数据库，我们可以根据键实现快速的增删改查。而键与值的映射关系正是通过 Dict 来实现的。Dict 由三部分组成，分别是：哈希表（ DictHashTable ）、哈希节点（ DictEntry ）、字典（ Dict ）当我们向 Dict 添加键值对时，Redis 首先根据 key 计算出 hash 值（ h ），然后利用 h & sizemask 来计算元素应该存储到数组中的哪个索引位置。

在Redis官网中提供了各种语言的客户端，JedisLettuceRedissonJedis和Lettuce：这两个主要是提供了Redis命令对应的API，方便我们操作Redis，而Spring 对 Redis 客户端进行了整合，提供了 Spring Data Redis，在Spring Boot项目中还提供了对应的Starter，即 spring-Redisson：是在Redis基础上实现了分布式的可伸缩的java数据结构，例如：Map、Queue等，而且支持跨。

0~2的32次方， 这片寻址空间对应的就是2的32个字节，就是4GB，这个4GB，会有3个GB分给用户空间，会有。来我们要控制哪些数据，比如要监听的数据，是1,2,5三个数据，此时会执行select函数，然后将整个fd发给内核。中，然后再返回给应用程序，整体而言，速度慢，就是这个原因，为了加速，我们希望read也好，还是wait for。那个FD的最大值+1，但是大小整体是有限制的 ），这个集合的长度大小是有限制的，同时在这个集合中，标明出。

我们要做的事情是：将数据库表中的数据导入到redis中去，redis中的GEO，GEO在redis中就一个menber和。一个经纬度，我们把x和y轴传入到redis做的经纬度位置去，但我们不能把所有的数据都放入到menber中去，以当前坐标作为圆心，同时绑定相同的店家类型type，以及分页信息，把这几个条件传入后台，后台查询出对。当我们点击美食之后，会出现一系列的商家，商家中可以按照多种排序方式，我们此时关注的是距离，这个地方就需要使用到我们的GEO，向后台传入当前app收集的地址(我们此处是写死的) ，

Hyperloglog(HLL)是从Loglog算法派生的概率算法，用于确定非常大的集合的基数，而不需要存储其所有。PV：全称Page View，也叫页面访问量或点击量，用户每访问网站的一个页面，记录1次PV，用户多次打开页。Redis中的HLL是基于string结构实现的，单个HLL的内存永远小于16kb，内存占用低的令人发指！UV统计在服务端做会比较麻烦，因为要判断该用户是否已经统计过了，需要将统计过的用户信息保存。通常来说UV会比PV大很多，所以衡量同一个网站的访问量，我们需要综合考虑很多因素，

官方网站：

线程会找到用户想要访问的工程，然后用这个线程转发到工程中的controller，service，dao中，并且访问对应的。DB，在用户执行完请求后，再统一返回，再找到tomcat端的socket，再将数据写回到用户端的socket，完成请求。下，会选择使用mysql集群，同时为了进一步降低Mysql的压力，同时增加访问的性能，我们也会加入Redis，同。~7000左右，上万并发， 瞬间就会让Mysql服务器的cpu，硬盘全部打满，容易崩溃，所以我们在高并发场景。