redis内容扩展
1、Pipeline
Pipeline指的是管道技术,指的是客户端允许将多个请求依次发给服务器,过程中而不需要等待请求的回复,在最后再一并读取结果即可。
管道技术使用广泛,例如许多POP3协议已经实现支持这个功能,大大加快了从服务器下载新邮件的过程。
Redis很早就支持管道(pipeline)技术。(因此无论你运行的是什么版本,你都可以使用管道(pipelining)操作Redis)
注意:使用Pipeline的操作是非原子操作。
2、GEO
Redis GEO 主要用于存储地理位置信息,并对存储的信息进行操作,该功能在 Redis 3.2 版本新增。
GEOADD locations 116.419217 39.921133 beijin
GEOPOS locations beijin
GEODIST locations tianjin beijin km
计算距离
GEORADIUSBYMEMBER locations beijin 150 km
通过距离计算城市
注意:没有删除命令,它的本质就是zset(type locations)
所以可以使用zrem key member
删除元素
zrange key 0 -1
表示所有 返回指定集合中所有value。
3、HyperLogLog
Redis在2.8.9版本添加了HyperLogLog结构。
Redis HyperLogLog是用来做基数统计的算法,HyperLogLog的优点是,在输入元素的数量或者体积非常非常大时,计算基数所需的空间总时固定的,并且很小的。
在Redis里面,每个HyperLogLog键只需要花费12KB内存,就可以计算接近2^64个不同元素的基数。这和计算基数时,元素越多耗费内存就越多的集合形成鲜明的对比。
PFADD 2022_03_11:test 'yes' 'yes' 'yes' 'yes' 'no'
PFCOUNT 2022_03_11:test
统计有多少不同的值
PFADD 2020_03_12:test uuid9 uuid10 uu11
PFMERGE 2022_03_11:test 2020_03_12:taibai
合并
注意:本质还是字符串,有容错率,官方数据时0.81%
。
4、bitmaps
Bitmaps本身不是一种数据结构, 实际上它就是字符串, 但是它可以对字符串的位进行操作。
Bitmaps单独提供了一套命令, 所以在Redis中使用Bitmaps和使用字符串的方法不太相同。 可以把Bitmaps想象成一个以位为单位的数组, 数组的每个单元只能存储0和1, 数组的下标在Bitmaps中叫做偏移量。
setbit test1 500000 0
getbit test1 500000
bitcount test1
Bitmap本质时string,是一串连续的2进制数字(0或1),每一位所在的位置为偏移(offset)。string(Bitmap)最大长度是512M,所以它们可以表示2^32=4294967296个不同的位。
缓存问题及解决方案
1、缓存粒度控制
通俗来讲,缓存粒度问题就是我们在使用缓存时,是将所有数据缓存还是缓存部分数据?
缓存粒度问题是一个容易被忽视的问题,如果使用不当,可能会造成网络带宽的浪费,可能会造成代码通用性较差等情况,必须学会综合数据通用性、空间占用比、代码维护性 三点评估取舍因素权衡使用。
2、缓存穿透问题
缓存穿透是指查询一个一定不存在的数据,由于缓存不命中,并且出于容错考虑,如果从存储层查不到数据则不写入缓存,这将导致这个不存在的数据每次都要到存储层去查询,失去了缓存的意义。
可能造成原因:
- 业务代码自身问题 2. 恶意攻击、爬虫等等。
危害:
对底层数据源压力过大,有些底层数据源不具备高并发性。例如MySQL一般来说单台能够抗1000-QPS就已经很不错了。
解决方案
- 缓存空对象
public class NullValueResultDO implements Serializable{
private static final long serialVersionUID = -6550539547145486005L;
}
public class UserMapper{
UserDAO userDAO;
LocalCache localCache;
public UserDO getUser(String userNick){
Object object = localCache.get(userNick);
if(object != null){
if(object instanceof NullValueResultDO){
return null;
}
return (UserDO)object;
}else{
User user = userDAO.getUser(userNick);
if(user != null){
localCache.put(userNick,user);
}else{
localCache.put(userNick, new NullValueResultDO());
}
return user;
}
}
}
- 布隆过滤器
3、缓存击穿.热点key重建缓存问题
缓存击穿是指缓存中没有单数据库中有的数据(一般是缓存时间到期),这时由于并发用户特别多,同时读缓存没读到数据,又同时去数据库中取数据,引起数据库压力瞬间增大,造成过大压力。
我们知道,使用缓存,如果获取不到,才会去数据库里获取。但是如果是热点key,访问量非常的大,数据库在重建缓存的时候,会出现很多线程同时重建的情况。因为高并发导致的大量热点key在重建还没完成的时候,不断被重建缓存的过程,由于大量线程都去做重建缓存工作,导致服务器拖慢的情况。
解决方案
1. 互斥锁
public String getKey(String key) {
String value = redis.get(key);
if(value == null) {
// 设置互斥锁的key
String mutexKey = "mutex:key" + key;
// 给这个key上一把锁,ex表示只有一个线程能执行,过期时间为180秒
if(redis.set(mutexKey,"1","ex 180","nx")) {
value = db.get(key);
redis.set(key,value);
redis.delete(mutexKey);
}else {
// 其他线程休息100毫秒后重试
Thread.sleep(100);
getKey(key);
}
}
return value;
}
互斥锁的优点是思路非常简单,具有一致性,但是互斥锁也有一定的问题,就是大量的线程在等待的问题。存在死锁的可能性。
4、缓存雪崩问题
缓存雪崩是指机器宕机或在我们设置缓存时采用了相同的过期时间,导致缓存在某一时刻同时失效,请求全部转发到数据库,数据库瞬时压力过重导致雪崩。
1: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。
2:做二级缓存,A1为原始缓存,A2为拷贝缓存,A1失效时,可以访问A2,A1缓存失效时间设置为短期,A2设置为长期。
3:不同的key,设置不同的过期时间,让缓存实现的失效的时间点尽量均匀。
4:如果缓存数据库是分布式部署,将热点数据均匀分布在不同的缓存数据库中。