日拱一卒无有尽，功不唐捐终入海

入门篇专题中，探讨 Redis 客户端的不同选择和使用方法。将详细介绍使用 Lettuce 和 Jedis 客户端连接到 Redis 服务器的方法，并进行详细的比较和示例。还探讨了 Redis 的基础数据类型以及高级使用示例。

在进阶篇专题中，将深入探讨 Redis 中的一些高级主题和概念。这些主题包括 Redis 的内存淘汰策略、Redis HyperLogLog 数据结构、Redis 地理位置数据结构 GeoHash、Redis Lua 脚本、Redis 数据类型 Stream、Redis 事务、Redis 过期和淘汰策略、Redis 对象机制以及 Redis 缓存击穿、穿透、雪崩、污染等问题的解决方案。讨论每个主题的原理、使用方法和最佳实践。大家也可以根据Redis从入门到精通的思维导图进行查看。

欢迎来到 Redis从入门到精通博客专栏索引的第三部分！在前两部分的内容中，我们一起探索了Redis的基础知识、数据结构和常用命令等。在本专栏的第三部分，我们将继续深入研究Redis的高级功能和最佳实践。为了方便大家查看，我把之前高阶部分的文章汇集成了一个索引。大家也可以根据Redis从入门到精通的思维导图进行查看。

Redis概述Redis 是一个开源的在内存中存储数据的结构化键值数据库，它支持多种类型的数据结构，如字符串、列表、集合、哈希、有序集合等。此外，Redis还支持事务、持久化、LUA脚本、LRU清除、自动故障转移等功能。Redis特点性能高效：Redis能读的速度是110000次/s，写的速度是81000次/s，因此被广泛应用于缓存场景。支持多种数据类型：Redis支持最常见的数据类型，为复杂的应用提供了广泛的可能性。数据持久化：Redis可以将数据保存在磁盘上，重启后可以再次加载进行使用。支持消息队列。

Jedis 是一个流行的 Java 编写的 Redis 客户端库，它提供了连接和操作 Redis 服务器的功能。Jedis具有以下特点：简单易用：Jedis 提供了简洁的 API，方便开发人员使用，减少了连接和操作 Redis 的复杂性。高性能：Jedis 是通过直接与 Redis 服务器进行通信来实现操作的，因此具有较高的性能。支持多种数据类型：Jedis 支持操作 Redis 的各种数据类型，包括字符串、哈希、列表、集合、有序集合等。

Jedis是Redis的Java客户端，它支持所有的Redis原生命令，使用方便，且可以与Java项目无缝集成。该库的最新版本支持Redis 5.0、6.0、6.2、7.0和7.2。最新依赖

Lettuce是一个高级Redis客户端，用于线程安全的同步、异步和反应式访问。它支持高级的Redis特性，如Sentinel、集群、流水线、自动重新连接和redis数据模型等。Lettuce是完全非阻塞的，基于Netty事件驱动的通信层，其方法将返回具有可观察的类型，可在流或异步编程环境中使用。连接池是一个预先创建并存储数据库连接的容器，应用程序在需要与数据库交互时，可以从连接池中获取已经建立的连接。使用完毕后，将该连接归还给连接池，而不是关闭它。

对于Java开发者来说，Jedis和Lettuce是两种非常常见的Redis客户端，他们可以帮助开发者更容易地在Java应用中使用Redis。然而，这两种客户端在设计和实现上有着许多不同之处，这就需要深入理解它们的差异，以便根据自己的需求做出合适的选择。在这篇博客中，将详细讲解Jedis和Lettuce这两种Redis客户端的特点和区别。首先，将介绍他们的基本特性，包括线程安全性、连接管理方式、API设计等。然后，将深入比较他们在处理Redis二进制协议时的差异。

Redisson 最初由 GitHub 用户 “mrniko” 创建，并在 Apache 2.0 许可证下发布。它的目标是提供一组强大的工具和 API，帮助开发人员在分布式环境中处理数据，并解决并发和一致性的问题。Redisson 是一款在 Redis 的基础上实现的 Java 驻内存数据网格（In-Memory Data Grid）。它提供了很多分布式的java对象并直接映射到Redis服务器的数据结构。

Codis是由Wandou Labs（豌豆荚团队）开发的开源工具，用于解决在大数据环境下使用Redis所面临的挑战。Codis将多个Redis实例组织起来，形成一个统一的数据访问层，从而提供了高可用和分布式的特性，使得Redis能够更好地处理大数据和高并发的场景。Codis的功能是基于Redis构建的。Redis是一种内存数据库，用于存储键值对数据。然而，当数据量或并发请求数量增长时，单个Redis实例可能会遇到性能瓶颈。Codis通过在多个Redis实例之间进行数据分片，解决了这个问题。

Redis，作为一个开源的、内存中的数据结构存储系统，以其卓越的性能和灵活的数据结构而受到广泛的欢迎和使用。然而，尽管Redis的使用相对直观，但要充分利用其潜力并优化其性能，就需要深入理解其工作原理和最佳实践。本博客搜集网上的内容提供一份详尽的Redis使用规范，无论你是刚接触Redis的新手，还是希望进一步提升Redis使用技巧的老手，都能在这里找到有价值的信息。帮助你避免在实际使用中遇到的陷阱。

大家有没有想过 对于内存型中间件Redis 来说。当 Redis 的内存达到最大限制时，会发生什么情况？redis 会怎么处理。由此我们引发了如下 的问题。当 Redis 的内存达到最大限制时，会发生什么情况？Redis 为什么设计了内存淘汰策略Redis 是如何选择要淘汰的键的？什么是内存淘汰策略？有哪些常见的内存淘汰策略？如何配置 Redis 的内存淘汰策略？不同的业务场景适合哪种内存淘汰策略？Redis 内存淘汰策略的选择对系统性能有什么影响？

HyperLogLog算法是一种非常有用的数据结构和算法，它可以在很小的空间内估计一个集合中不重复元素的数量，具有很高的效率和精度，非常适合用于大数据量的计数场景。在使用时，需要注意HyperLogLog算法的概率特性，以及对误差的容忍度，才能得到最好的效果。答：Redis HyperLogLog是一种基数估计算法，它可以在只使用很少的内存空间的情况下，近似地估计一个集合中不重复元素的数量。

随着移动互联网的普及，越来越多的应用需要对地理位置信息进行存储和查询，如LBS（Location-Based Service）服务、附近的人功能、地图搜索等。为了满足这些应用的需求，Redis提供了一种地理位置数据结构，称为GeoHash，可以存储和查询地理位置信息。本文将对Redis地理位置数据结构进行详细介绍。Redis地理位置数据结构是一种基于GeoHash算法实现的数据结构，用于存储和查询地理位置信息。

Redis 其内置了脚本语言Lua，允许用户通过Lua脚本执行一系列操作。本篇博客将深入探讨Redis Lua脚本的执行机制，包括加载脚本、编译脚本和执行脚本的过程，以及脚本的原子性和事务性。我们将通过实例演示的方式，展示如何在Redis中使用Lua脚本，以及Lua脚本在Redis中的应用场景。让我们一起来了解Redis Lua脚本的强大之处吧！Lua是一种轻量级的脚本语言，它具有简洁、灵活、高效的特点。Lua语言最初是为嵌入式系统设计的，但现在已广泛应用于游戏开发、Web开发、嵌入式设备控制等领域。

Redis的Stream是一种新的数据类型，于Redis 5.0版本中引入。它是一个有序、持久化、可重复读的消息流，可以用于实现消息队列、日志系统等应用场景。本文将从底层实现的角度对Redis的Stream进行详解。其实就我主观而言，Redis之所以要搞Stream 是为了解决之前版本的发布和订阅（pub/sub）这种有点鸡肋的消息模式。我们可以从如下几个点了解一下，或者直接参阅我之前的博文《Redis 从入门到精通之Redis 订阅与发布》。可靠性问题。

Redis 事务是一种将多个命令打包在一起执行的机制，可以保证这些命令的原子性，即要么全部执行成功，要么全部执行失败。开启事务在客户端执行 MULTI 命令时，Redis 会将该客户端标记为事务状态。此时，客户端发送的所有命令都会被暂存到一个事务队列中，而不是立即执行。执行事务在客户端执行 EXEC 命令时，Redis 会将客户端状态从事务状态中移除，并依次执行事务队列中的所有命令。在执行期间，Redis 会将事务队列中的命令全部执行完毕，而不会中途中断。

当涉及Redis中的过期和淘汰策略时，有很多值得探讨的内容。以下是一个关于Redis过期和淘汰策略的详细解释，希望对你有所帮助。

Redis 之所以是一款高性能和受大家欢迎的的内存数据库，不仅是它支持多种数据类型，包括字符串、列表、哈希、集合、有序集合等数据结构。而且这些数据类型都是由对象结构(redisObject) 和对应编码的数据结构组合而成。在 Redis 中，对象结构是所有数据类型的底层实现，它包含了数据对象的类型、引用计数、编码方式、值等信息。使得Redis在性能和内存利用方面有着无可比拟的地位。奠定了它的江湖地位。本文将重点介绍 Redis 对象结构(redisObject) 的实现原理。

背景：有个社群网友说面试的时候，在Redis 缓存环节，面试官抽风，问了他一些缓存常见问题，关于Redis缓存穿击, 穿透, 雪崩,污染导致的原因和预防措施，本文从网络上搜接了一些概念和解释。希望大家能吊打八股文面试官。缓存穿透是指在缓存系统中，大量的请求查询一个缓存中不存在的数据，导致这些请求都绕过了缓存层，直接查询数据库或其他存储系统。这种情况下，缓存无法提供任何帮助，而且频繁访问数据库可能会对系统的性能和稳定性产生负面影响。

从两个点，我们来了解下Redis持久化为什么需要持久化？Redis是个基于内存的数据库。那服务一旦宕机，内存中的数据将全部丢失。通常的解决方案是从后端数据库恢复这些数据，但后端数据库有性能瓶颈，如果是大数据量的恢复，1、会对数据库带来巨大的压力，2、数据库的性能不如Redis。导致程序响应慢。所以对Redis来说，实现数据的持久化，避免从后端数据库中恢复数据，是至关重要的。Redis持久化有哪些方式呢？为什么我们需要重点学RDB和AOF？RDBAOF虚拟内存（VM）和DISKSTORE。

Redis 支持多种持久化方式来保证数据的可靠性和持久性。其中AOF（Append Only File）机制是一种常用的持久化方式，它记录了所有对 Redis 数据库进行修改的命令，在 Redis 重启时可以使用这些命令来重构数据库状态。本文将详细介绍 Redis AOF 持久化机制的实现原理。

Redis的主从复制是指将一台Redis服务器（主服务器）的数据复制到其他Redis服务器（从服务器）上的过程。主服务器接收客户端的写操作并将其记录到本地数据库中，同时将这些写操作发送给从服务器。从服务器接收这些写操作并将其在本地数据库中重放，从而实现主从数据的同步。

Redis是一个高性能的键值存储系统，广泛应用于Web应用、缓存、消息队列等领域。在实际应用中，为了保证Redis的高可用性，通常需要使用主从复制来进行数据备份和故障转移。本文将介绍Redis主从复制的概念、原理和实现方式，以及主从复制中的一些问题和解决方案。主从复制是指将一个Redis实例（主服务器）的数据复制到其他Redis实例（从服务器）的过程。主服务器将自己的数据变化通过网络发送给从服务器，从服务器接收到数据后进行更新，从而保证从服务器的数据和主服务器的数据保持一致。

我们先来了解一下哨兵机制实现了以下主要功能，进一步了解这些功能的实现原理。监控：哨兵节点定期检查Redis主节点和从节点的健康状态。它们发送命令并等待响应，以确保Redis实例正常运行。如果一个节点没有响应，哨兵节点会将其标记为下线。故障检测和转移：当一个哨兵节点检测到主节点下线时，它会将这个信息广播给其他哨兵节点。当大多数哨兵节点都确认主节点下线后，它们会开始选举出一个新的主节点。这个过程称为故障转移，它可以确保Redis集群在主节点故障时仍然能够正常运行。

前面两个章节我们学习关于Redis 中的高可用 Redis主从复制. 以及Redis的哨兵模式（sentinel）。我们能够发现上面两种方式主要解决读写分离，备份冗余，以及故障恢复，故障转移。但是无法解决redis的性能问题，我们如果做过测试会发现 redis在单节点的情况下，只能将CPU的一个核心跑满。这主要是因为由于Redis是单线程的，无法充分利用多核CPU的优势，因此在高并发场景下可能会出现性能瓶颈。为了解决这个问题，Redis提供了集群技术，可以将数据分布在多个节点上，实现分布式存储和高并发读写。

发布订阅模式（Publish-Subscribe Pattern）是一种消息传递模式，其基本原理是消息的发送者（发布者）不会直接发送消息给特定的接收者（订阅者），而是将消息分成不同的类别（频道），然后将消息发送给订阅了这些类别的所有接收者。发布订阅模式在分布式系统中广泛应用，例如实时消息推送、日志收集等。在 Redis 中，发布订阅模式有两个主要的角色：发布者和订阅者。

当我们谈论 Redis 时，一般来说，我们讨论的核心是它用来存储和检索数据的多种数据结构：字符串、列表（Lists）、集合（Sets）、有序集合（Sorted Sets）和散列表（Hashes）等。但是，这些操作必须通过一定的协议来执行，这个协议就是Redis协议 (RESP, Redis Serialization Protocol)。RESP 是一个简单而强大的协议，设计得非常易于理解和实现，几乎可以说是目前中间件中最简单的一种协议。这也是 Redis 受到广泛欢迎的一部分原因。

Redis是一个快速、开源、内存数据库，它是一个基于键值对的存储系统，由Salvatore Sanfilippo开发。Redis支持多种数据结构，其中字符串（String）是最常用的一种数据结构之一。在Redis中，字符串是由简单动态字符串（SDS）实现的。本文将详细介绍SDS的内部实现原理、优势以及在Redis中的应用。

Redis中的快表（QuickList）是一种特殊的数据结构，用于存储一系列的连续节点，每个节点可以是一个整数或一个字节数组。快表是Redis中的底层数据结构之一，常用于存储有序集合（Sorted Set）等数据类型的底层实现。在本文中，我们将深入了解Redis中的快表，包括快表的结构和操作等。

上个篇章回顾，我们上个章节，讲了Redis中的快表（QuickList），它是一种特殊的数据结构，用于存储一系列的连续节点，每个节点可以是一个整数或一个字节数组。快表是Redis中的底层数据结构之一，常用于存储有序集合（Sorted Set）等数据类型的底层实现。那么本章讲解Redis中的底层数据结构中的字典（Dictionary）也称为哈希表（Hash Table）。字典（Dictionary）是一种高效的数据结构，用于存储键值对，常用于实现哈希表。

上个篇章我们从源码层了解字典是一种以键值对（key-value）形式存储数据的数据结构。在 Redis 中，字典使用哈希表来实现。哈希表是一种以常数时间复杂度 O(1) 进行插入、删除和查找的数据结构。了解到在 Redis 中，字典被广泛应用于实现哈希表和集合等数据结构。本章节，我们详细了解一下Redis底层数据结构整数集（IntSet），它是用于存储整型数据，是一种紧凑的、高效的数据结构，可以用来实现集合等功能。

本章节，我们详细了解一下在Redis又一个底层数据结构跳表(SkipList)，它是一种基于链表的数据结构，用于快速地插入、删除和查找元素。跳表通过多层级的指针数组来实现快速的操作，时间复杂度为O(log n)，其中n为跳表中元素的个数。Redis中的有序集合（Sorted Set 也叫ZSet 它们讲的是同一个）就是通过跳表来实现的。。

本文将Redis底层数据结构 listpacks（链表包）详解，它用于实现列表数据类型。listpacks是一种紧凑的连续内存块，其设计目标是减少内存的占用，通过紧凑的内存布局和多种数据类型的编码方式，提供了高效的插入和删除操作。| zlbytes | 4字节，列表总字节数| zltail | 4字节，列表尾节点偏移量| zllen | 2字节，列表节点数量。

本文详细介绍了Redis中的压缩列表（ZipList），包括ZipList的结构和操作等。压缩列表是Redis中的底层数据结构之一，常用于存储列表和哈希表等数据类型的底层实现。压缩列表具有紧凑的存储结构、支持动态增加和删除节点、支持快速的节点访问和遍历等优点，但也有节点大小不固定、不支持快速的节点插入和删除操作等缺点。在实际应用中，需要根据具体的需求选择合适的数据结构来存储数据。

Redis管道（Pipeline）是一种批量执行Redis命令的机制。通常情况下，客户端向Redis发送一个命令时，需要等待Redis服务器执行完该命令并返回结果后才能发送下一个命令。但使用管道可以在客户端一次性发送多个命令，然后等待Redis服务器一次性返回所有命令的结果，从而减少了多次网络往返的开销。在管道中，客户端发送的每个命令都会被Redis服务器缓存起来，而不是立即执行。

本章第四章主要介绍Ression分布式集合使用指南。前两章我们了解了《【实践篇】Redis最强Java客户端(一)之Redisson入门介绍》和《【实践篇】Redis最强Java客户端(二)之Redisson基础概念》本章第四章主要介绍Ression分布式集合使用指南。上一章《Redisson 7种分布式锁使用指南》回顾。本章我们介绍了在Redisson中实现的各种分布式集合，这些集合适应于各种不同类型的使用场景。每个分布式集合的实现原理都基于对应的Redis数据结构。

前两章我们了解了《【实践篇】Redis最强Java客户端(一)之Redisson入门介绍》和《【实践篇】Redis最强Java客户端(二)之Redisson基础概念》本章第三章主要介绍Redisson的七种分布式锁，分别是简单锁、公平锁、可重入锁、红锁、读写锁、信号量和闭锁。下面是每种锁的基本概念、使用方法以及性能和并发控制方面的考虑。

确保缓存和数据库之间的数据一致性是一项挑战，这需要考虑的因素包括更新策略、操作顺序以及是否引入消息队列等等。更新缓存还是删缓存？一般来说，推荐的做法是删除缓存，而不是更新缓存。原因是更新缓存会引入更复杂的一致性问题。例如，如果在更新缓存之前，数据库的数据已经发生了变化，那么更新后的缓存数据将是过时的。另一方面，如果删除了缓存数据，那么下次请求时，如果缓存中没有数据，就会去数据库中查找，并将查找的结果存入缓存，这样可以确保缓存中的数据是最新的。先更新数据库，再删除缓存，还是先删除缓存，再更新数据库？

在我们的上一篇文章中，我们介绍了 Redisson 的相关概念 历史背景，发展现状。现在我们已经准备好进一步深入了解 Redisson基础概念，并了解它如何以及在哪些场景中提供出色、可靠的性能。在本篇文章中, 我们将 进一步理解和使用 Redisson，这是一种为 Java 提供的高级 Redis 客户端。上一章内容《【实践篇】Redis最强Java客户端(一)之Redisson入门介绍》