redis使用场景
- 缓存系统,减轻主数据库(MySQL)的压力。
- 计数场景,比如微博、抖音中的关注数和粉丝数。
- 热门排行榜,需要排序的场景特别适合使用ZSET。
- 利用 LIST 可以实现队列的功能。
- 利用 HyperLogLog 统计UV、PV等数据。
- 使用 geospatial index 进行地理位置相关查询。
下载框架和连接redis
Go 社区中目前有很多成熟的 redis client 库,比如redigo和go-redis,读者可以自行选择适合自己的库。本文章使用 go-redis 这个库来操作 Redis 数据库。
1. 安装go-redis
# redis 6
go get github.com/go-redis/redis/v8
# redis 7
go get github.com/go-redis/redis/v9
2. 连接redis
var Rdb *redis.Client
func Connect() {
Rdb = redis.NewClient(&redis.Options{
Addr: "localhost:6379",
Password: "",
DB: 0,
PoolSize: 10,
})
}
字符串操作
只要Redis命令足够熟悉,那么对于这个框架的API的学习基本就没有什么问题。由于Redis命令太多,在此只列出了字符串和有序集合这两种数据类型的操作示例。
func String() {
ctx, cancel := context.WithTimeout(context.Background(), 500*time.Millisecond)
defer cancel()
//set命令
_, err := connect.Rdb.Set(ctx, "name", "bing", 0).Result()
if err != nil {
fmt.Println(err.Error())
}
name, err := connect.Rdb.Get(ctx, "name").Result()
fmt.Println(name)
//GetSet命令
v1, _ := connect.Rdb.GetSet(ctx, "name", "xyz").Result()
fmt.Println("旧值: " + v1) //bing
name, err = connect.Rdb.Get(ctx, "name").Result()
fmt.Println("新值: " + name) //xyz
//MSet和MGet命令
connect.Rdb.MSet(ctx, "age", 18, "password", "1234")
v2 := connect.Rdb.MGet(ctx, "name", "age", "password").Val()
for _, v := range v2 {
fmt.Println(v)
}
//IncrBy命令
v3 := connect.Rdb.IncrBy(ctx, "age", 2).Val() //20
fmt.Println(v3)
//append命令
connect.Rdb.Append(ctx, "password", "abc")
v4 := connect.Rdb.Get(ctx, "password").Val() //1234abc
fmt.Println(v4)
//SetRange命令
connect.Rdb.SetRange(ctx, "password", 0, "987654")
v5 := connect.Rdb.Get(ctx, "password").Val() //987654c
fmt.Println(v5)
//GetRange命令
v6 := connect.Rdb.GetRange(ctx, "password", 4, -1).Val() //54c
fmt.Println(v6)
v7 := connect.Rdb.Get(ctx, "password").Val() //987654c
fmt.Println(v7)
//StrLen命令
v8 := connect.Rdb.StrLen(ctx, "name").Val() //3
fmt.Println(v8)
//获取编码方式
v9 := connect.Rdb.ObjectEncoding(ctx, "age").Val() //int
fmt.Println(v9)
//redis.Nil的用法
v10, err := connect.Rdb.Get(ctx, "no_existing").Result()
if redis.Nil == err {
fmt.Println("key不存在")
} else if err != nil {
fmt.Println(err.Error())
} else {
fmt.Println(v10)
}
}
有序集合操作
func ZSet() {
ctx, cancel := context.WithTimeout(context.Background(), 500*time.Millisecond)
defer cancel()
ZSetKey := "languages"
languages := []redis.Z{
{Score: 90, Member: "Go"},
{Score: 85, Member: "Python"},
{Score: 99, Member: "C"},
{Score: 95, Member: "Java"},
{Score: 99, Member: "Rust"},
{Score: 80, Member: "PHP"},
}
err := connect.Rdb.ZAdd(ctx, ZSetKey, languages...).Err()
if err != nil {
fmt.Println(err.Error())
}
//按照分数从低到高遍历
v1 := connect.Rdb.ZRange(ctx, ZSetKey, 0, -1).Val()
fmt.Println(v1) //[PHP Python Go Java C Rust]
v2 := connect.Rdb.ZRangeWithScores(ctx, ZSetKey, 0, -1).Val()
fmt.Println(v2) //[{80 PHP} {85 Python} {90 Go} {95 Java} {99 C} {99 Rust}]
opt1 := &redis.ZRangeBy{
Min: "0", //查询的最小分数值
Max: "95", //查询的最大分数值
Offset: 0, //查询的起始位置
Count: 6, //需要查询的元素个数
}
v3 := connect.Rdb.ZRangeByScoreWithScores(ctx, ZSetKey, opt1).Val()
fmt.Println(v3) //[{80 PHP} {85 Python} {90 Go} {95 Java}]
opt2 := &redis.ZRangeBy{
Min: "[K", //查询的最小字典序值
Max: "[X", //查询的最大字典序值
Offset: 0, //查询的起始位置
Count: 5, //需要查询的元素个数
}
v4 := connect.Rdb.ZRangeByLex(ctx, ZSetKey, opt2).Val()
fmt.Println(v4) //[PHP Python Go Java C]
v5 := connect.Rdb.ZCard(ctx, ZSetKey).Val()
fmt.Println("集合长度: " + strconv.FormatInt(v5, 10)) // 6
}
流水线
使用流水线就是将多个执行的命令放入 pipeline 中,然后使用1次读写操作就像执行单个命令一样执行它们,就相当于把多个命令打包,然后一起发送给redis服务器,让redis服务器一次性执行完毕。这样做的好处是节省了执行命令的网络往返时间(RTT)。
注意:
如果redis采用了分布式集群模式,不可以直接使用pipeline命令进行操作,因为访问的key可能并不在同一个节点上。
下面的示例代码中演示了使用 pipeline 将pipeline_counter键的值加1和设置过期时间。
func PipeLine() {
ctx, cancel := context.WithTimeout(context.Background(), 500*time.Millisecond)
defer cancel()
//创建一个Pipeline对象:pipe
pipe := connect.Rdb.Pipeline()
//将名为"pipeline_counter"的键的值加1
incr := pipe.Incr(ctx, "pipeline_counter")
//设置"pipeline_counter"键的过期时间为1分钟
pipe.Expire(ctx, "pipeline_counter", time.Minute)
//执行所有的命令。
_, err := pipe.Exec(ctx)
if err != nil {
panic(err)
}
// 在执行pipe.Exec之后才能获取到结果
fmt.Println(incr.Val())
}
上面的代码相当于将以下两个redis命令一次发给 Redis Server 端执行,与不使用 Pipeline 相比能减少一次RTT。
INCR pipeline_counter
EXPIRE pipeline_counts 60
或者,你也可以使用Pipelined
方法,它会在当前函数退出时调用 Exec。
func PipeLine() {
ctx, cancel := context.WithTimeout(context.Background(), 500*time.Millisecond)
defer cancel()
var incr *redis.IntCmd
cmdS, err := connect.Rdb.Pipelined(ctx, func(pipe redis.Pipeliner) error {
incr = pipe.Incr(ctx, "pipelined_counter")
pipe.Expire(ctx, "pipelined_counter", time.Minute)
return nil
})
if err != nil {
panic(err)
}
// 在pipeline执行后获取到结果
fmt.Println(incr.Val())
//使用类型断言特性来对 cmd 进行类型检查
for _, cmd := range cmdS {
switch v := cmd.(type) {
case *redis.StringCmd:
fmt.Println(v.Val())
case *redis.IntCmd:
fmt.Println(v.Val())
case *redis.BoolCmd:
fmt.Println(v.Val())
default:
fmt.Printf("unexpected type %T\n", v)
}
}
}
运行结果如下:
所以,在那些我们需要一次性执行多个命令的场景下,就可以考虑使用 pipeline 来优化。
事务
1. 普通事务
Redis 是单线程执行命令的,因此单个命令始终是原子的,但是来自不同客户端的两个给定命令可以依次执行,例如在它们之间交替执行。使用事务后,Redis会按照命令的顺序执行这些命令,并且在执行过程中不会立即返回结果,只有在所有命令都执行完毕后,才会一次性返回所有命令的执行结果。也就是在执行过程中保证了原子性,即要么所有命令都执行成功,要么所有命令都不执行。
同时,Redis事务还支持WATCH命令,可以在事务执行之前监视一个或多个键,如果在事务执行期间这些键发生了改变,事务会被中断。这样可以确保在执行事务期间,被监视的键没有被其他客户端修改。
"Tx"是"Transaction"的缩写,意为"事务”。TxPipeline 和 TxPipelined 的使用方法如下所示:
func Work() {
ctx, cancel := context.WithTimeout(context.Background(), 500*time.Millisecond)
defer cancel()
pipe := connect.Rdb.TxPipeline()
incr := pipe.Incr(ctx, "tx_pipeline_counter")
pipe.Expire(ctx, "tx_pipeline_counter", time.Minute)
_, err := pipe.Exec(ctx)
fmt.Println(incr.Val(), err)
var incr2 *redis.IntCmd
_, err = connect.Rdb.TxPipelined(ctx, func(pipe redis.Pipeliner) error {
incr2 = pipe.Incr(ctx, "tx_pipeline_counter")
pipe.Expire(ctx, "tx_pipeline_counter", time.Minute)
return nil
})
fmt.Println(incr2.Val(), err)
}
运行结果如下:
2. Watch
我们通常搭配 WATCH
命令来执行事务操作。从使用WATCH
命令监视某个 key 开始,直到执行EXEC
命令的这段时间里,如果有其他用户抢先对被监视的 key 进行了替换、更新、删除等操作,那么当用户尝试执行EXEC
的时候,事务将失败并返回一个错误,用户可以根据这个错误选择重试事务或者放弃事务。
Watch方法接收一个函数和一个或多个key作为参数。
Watch(fn func(*Tx) error, keys ...string) error
假设我们有一个应用程序,它需要保持用户的积分。我们需要一个函数,可以安全地减少用户的积分。为了避免并发问题,我们将使用WATCH命令来监视用户的积分,并在事务中更新积分。
func WatchUserPoints(userID string, points int) error {
ctx, cancel := context.WithTimeout(context.Background(), 500*time.Millisecond)
defer cancel()
for {
// 监控
err := connect.Rdb.Watch(ctx, func(tx *redis.Tx) error {
// 得到当前用户的积分n
n, err := tx.Get(ctx, userID).Int()
//扣除积分时开启事务,points表示要扣除的积分
_, err = tx.TxPipelined(ctx, func(pipe redis.Pipeliner) error {
err := pipe.Set(ctx, userID, n-points, 0).Err()
return err
})
return err
}, userID) //监控的键为userID,也就是当这个键的值(积分)如果在事务执行过程中被其他客户端修改,那么当前事务就会执行失败。
//对错误的判断
if err == redis.TxFailedErr {
//表示监视的键在事务执行过程中被其他客户端修改了,因此事务执行失败了。
continue
} else if err != nil {
//其他类型的错误
return err
} else {
//没有错误
break
}
}
//能够跳出循环说明一切正常
return nil
}
这段代码的目的是监视用户的当前积分,如果在事务执行过程中,其他客户端改变了这个键的值(也就是用户的积分),那么 Watch
会发现这个变化并使得事务失败,返回 redis.TxFailedErr
错误。
总的来说,这段代码的目的是确保在减少用户积分的过程中,用户的积分没有被其他客户端修改。这是通过Redis的 WATCH
命令来实现的,这个命令可以将一个或多个键标记为监视,然后在执行事务之前检查这些键是否已经被修改。