Redis深入了解

starcpdk微信～

已于 2022-07-31 20:00:22 修改

阅读量532

点赞数

分类专栏：后端文章标签： java

于 2021-02-05 18:25:02 首次发布

本文链接：https://blog.csdn.net/weixin_44735933/article/details/113240706

版权

后端专栏收录该内容

90 篇文章 5 订阅

订阅专栏

redis的八大类型
基本数据类型:

String
List
Set
Hash
Zset

三种特殊数据类型:

geo
hyperloglog
bitmap

学习Redis之前我们首先要先了解一下NoSql

NoSql了解

单机mysql

在这里插入图片描述

90年代 , 互联网发展不是很普及 , 数据量也小

单机mysql时代的问题:

数据量太大 , 一个机器放不下了
数据的索引 , mysql数据库单表超过300万条数据 , 一定要建立索引(B+ tree) 如果数据量太大了 , 索引在一个机器内存中也放不下
数据库访问量(读写混合) , 一台服务器承受不了

Memcached(缓冲) + Mysql + 垂直拆分

发展历史: 优化数据结构和索引 ----> 文件缓冲(IO) —> Memcached(读写分离)
在这里插入图片描述

分库分表(水平拆分) MySQL集群

本质:数据库(读写)

早些年 MyISAM: 表锁 ,十分影响效率 ! 高并发下机会出现严重的锁问题

早些年 Innodb: 行锁

慢慢使用分库分表解决写的压力! MySQL在那个年代推出了表分区 , 没有多少人使用 , 后来推出了集群

在这里插入图片描述

当今

MySQL等关系型数据库不够用了 , 数据量大 , 变化快

大数据IO压力下 , 表几乎无法更改

目前基本的互联网项目

在这里插入图片描述

为什么要用NoSQL

用户的个人信息 , 社交网络 , 地理位置 , 用户自己产生的数据 , 用户的日志等等爆发式增长!

这时我们就需要使用NoSQL数据库了

什么是NoSQL = Not Only Sql (不仅仅是SQL)

泛指非关系型数据库 , 随着web2.0互联网的诞生! 传统的关系型数据库很难对付web2.0时代 , 尤其是超大规模的高并发

关系型数据库 , 行和列记录值 , NoSQL在当今大数据环境下发展特别快

NoSQL的特点

方便扩展(数据之间没有关系 , 很好扩展)
大数据量高性能(redis 一秒写 8万次 , 读 11万次 , NoSQL的缓冲是一种细粒度的缓冲 , 性能会比较高)
数据类型是多类型的!(不需要事先设计数据库 , 随取随用)

传统的关系型数据库(RDBMS)

结构化组织
SQL
数据和关系都存在单独的表中
操作语言 , 定义语言
严格的一致性
基础的事物
…

NoSQL

不仅仅是数据
没有固定的查询语言
简直对存储 , 列存储 , 文档存储 , 图形数据库
最终一致性
CAP定理 , 和BASE理论 (异地多活)
高性能 , 高可用 , 高可扩
…

大数据时代的3V: 主要是描述问题的

海量（Volume）
多样（Variety）
实时（Velocity）

大数据时代的3高: 主要是对程序的要求

高并发
高可扩
高性能

NoSQL四大分类

KV键值对:

新浪：Redis
美团： Redis + Tair
阿里百度：Redis + Memecache

文档型数据库：（Bson格式和json一样）

MongDB
- MongDB是一个基于分布式文件存储的数据库， C++编写，主要用来处理大量的文档
- MongDB是一个介于关系型数据库和非关系型数据库之间的产品， MongDB是非关系型数据库中功能最丰富，最像关系型数据库的
ConthDB

列存储数据库：

HBase
分布式文件系统

图形关系数据库：
不是存图形的，是存的关系

Neo4j 、 InfoGrid

Redis学习

redis是什么

Redis（Remote Dictionary Server )，即远程字典服务

是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value 数据库，并提供多种语言的API。

Redis能干嘛？

内存存储、持久化，内存中是断电即失的 , 所以说持久化很重要(rdb 、aof)
效率高可用于高速缓冲
发布订阅系统
地图信息分析
计时器、计数器（浏览量）

特性

多样的数据类型
持久化
集群
事务

redis安装

windows安装
1. 下载安装包 https://github.com/MicrosoftArchive/redis/releases
2. 下载完毕得到压缩包，解压压缩包
3. 开启redis ，默认端口是 6379 redis-cli.exe （客户端） redis-server.exe （服务端）
4. 使用redis客户端链接redis
```
ping    #  测试链接
set name yyf    # 设置kv键值对 ， 键：name   值： yyf
get name     # 获取键为name的值
```

Linux安装

下载安装包 http://www.redis.cn/
上传redis压缩包 , 移动倒opt目录
```
mv redis-6.0.6.tar.gz /opt
```
切换路径到opt下面
```
cd /opt
```
解压Redis安装包
```
tar -zxvf redis-6.0.6.tar.gz
```
进入解压后的文件，可以看到redis的配置文件， redis.conf
```
cd ./redis-6.0.6
```

基本的环境安装

yum install gcc-c++   # 安装gcc环境
gcc -v  # 查看gcc的环境版本
make # 安装所有内容
make # 再次安装所有内容
make install # 安装redis

make时可能会报一大堆错 , 这种情况下需要执行一系列命令

# 安装gcc套装：
yum install cpp
yum install binutils
yum install glibc
yum install glibc-kernheaders
yum install glibc-common
yum install glibc-devel
yum install gcc
yum install make

# 升级gcc
yum -y install centos-release-scl

yum -y install devtoolset-9-gcc devtoolset-9-gcc-c++ devtoolset-9-binutils

scl enable devtoolset-9 bash

# 设置永久升级：
echo "source /opt/rh/devtoolset-9/enable" >>/etc/profile

# 开始安装redis , 按照上述步骤执行make以及后续命令

make

redis的默认安装路径 /usr/local/bin

拷贝redis下面的配置文件 redis.conf

mkdir kconfig
cp /opt/redis-6.0.6/redis.conf kconfig/

我们之后就使用拷贝出来的配置文件去使用 , 这样我们可以在不改变原来配置文件的前提下做 , 因此我们即使改坏配置文件也可以继续改回来

修改配置文件 , 使redis可以后台启动

vim redis.conf

# 将配置文件中的daemonize  的值改为  yes

启动redis服务
```
redis-server kconfig/redis.conf
```

启动redis客户端进行测试

redis-cli -p 6379
ping # 测试连通

set name yyf   # 存值
get name       # 取值

keys *   # 查看所有的key

查看redis进程是否开启
```
ps -ef | grep redis
```
关闭redis服务
```
shutdown
```

redis-benchmark 是一个压力测试工具 , 官方自带的性能测试工具

# 测试100 个多并发连接 , 100000个请求

redis-benchmark -h localhost -p 6379 -c 100 -n 100000

如何查看这些分析

redis基础知识

默认使用的是第0个数据库

select 3   # 使用3号数据库

dbsize    # 查看当前数据库大小

flushdb   # 清空当前库

flushall  # 清空全部数据库

Redis是单线程的!!!

Redis是很快的 , 官方表示 , Redis是基于内存操作 , CPU不是Redis性能瓶颈 , Redis的瓶颈是根据机器的内存和网络带宽 , 这样单线程就可以做的事情 , 所以就使用单线程了

Redis所C语言写的 . 官方提供的数据为 100000+的QPS , 完全不比同样使用kv键值对的Memecache差!

Redis 为什么单线程还这么快?

核心: Redis是将所有的数据全部放在内存中的 , 所以说使用单线程效率就是最高的
多线程的话 , CPU会上下文切换 , 是一个很耗时的操作
对于内存系统 , 如果没有上下文切换 , 效率就是最高的
多次读写都在一个CPU上的 , 内存情况下 , 单线程几十号最佳的方案

五大基本数据类型

String类型(字符串)

判断是否存在

EXISTS age   # 判断名为age的键是否存在 , 存在返回1 , 不存在返回0

移除

move age 1   # 移除1号数据库的age这个键

设置过期时间

EXPIRE age 10  # 设置age这个键10秒过期

查看过期时间
```
ttl age  # 查看age还有几秒过期
```

查看类型

type name # 查看当前键为name的类型

追加字符串

APPEND name "a"   # 向键为name的值中追加字符串字符串a ， 如果当前key不存在就相当于setKey

获取字符串长度

STRLEN name  # 获取键为name的值得字符串长度

加减运算

INCR views   # 给views这个键的值 + 1

DECR views   # 给当前浏览量 - 1

INCRBY views 10   # 给键为views的值 + 9

DECRBY views  5 # 给当前浏览量 - 5

截取字符串

GETRANGE name 3 5    # 截取字符串  从下标[3,5]

GETRANGE name 0 -1   # 截取字符串  到-1即是查看字符串全部

替换指定字符串

set name "abcdefg"   # 设置name的值为abcdefg
SETRANGE name 1 xx    #  将字符串从1号下标的位置开始替换 ， 替换两个字符为xx , 即 将abcdefg替换为 axxdefg

组合命令创建键值对

setex（set with expire）   # 设置过期时间
setnx （set if not exist）  # 如果不存在设置 （在分布式锁中常常使用）

SETEX key3 30 "hello"  # 设置key3的值为hello ， 并且让key3在30秒后过期
SETNX mykey "redis"   # 判断mykey不存在 则 创建mykey
SETNX mykey "mongDB"  # 判断mykey存在 则 创建失败

批量创建和获取值

mget
mset

mset k1 v1 k2 v2 k3 v3  # 批量设置键值对
mget k1 k2 k3   # 批量查看键的值
MSETNX k1 v1 k4 v4   # 判断不存在 则 创建 ， 这里k1已经存在 ， 所以设置k4即便不存在也设置失败了 ， 就是要么一起成功， 要么一起失败

对象

set user:1{name: zhangsan , age: 3}  # 设置一个user:1 对象 值为json字符来保存一个对象

# 这里的key是一个巧妙地设计 , user:{id}:{filed}  这样的设计在redis中是完全OK的

mset user:1:age 30 user:1:sex "nan"  # 批量设置键值
mget user:1:age user:1:sex   # 批量获取值

getset 组合命令

getset  # 组合命令 先get再set 

getset db redis  # 如果不存在值 , 则返回nil
getset db mongodb   # 如果存在值 , 获取原来的值 , 再设置新的值

String类型的使用场景 : value除了是我们的字符串 , 还可以是我们的数字

计数器
统计多单位的数量
对象缓冲存储
粉丝数

List类型
基本的数据类型 , 在redis中我们可以把list当做栈、队列、阻塞队列~
与list相关的命令都是以L开头的

list存值 lpush

LPUSH list one   # 将一个值(one)或多个值插入到列表(list)的头部(左)

RPUSH list one   # 将一个值(one)或多个值插入到列表(list)的尾部(右)

查看列表中的值 lrange

LRANGE list 0 -1  # 查看列表中的所有值

LRANGE list 0 1  # 查看列表中下标[0,1]的值

移除list lpop rpop

LPOP list   # 从首部(左边)移除list中的一个元素

RPOP list   # 从尾部(右边)边移除list中的一个元素

根据索引查看list的值 lindex

LINDEX list 0   #  查看从左边数下标为0的位置的list

查看list的长度 llen

LLEN list   #  查看list的长度

移除指定的值 lrem

LREM list 1 threwe   # 移除 1 个值  ,  值为threwe

# 如果键一样 , 可以同时移除
LREM list 2 three      #  同时移除两个值为three的

修剪: 截断操作 , 只保留list一部分 ltrim

LTRIM list 1 2    # 只要list中下标[1,2]的元素 , list被修改了 , 只剩下截取的元素

组合命令(rpoplpush) 移除列表的最后一个元素 , 并将他移动到新的列表中 rpoplpush

RPOPLPUSH list mylist   #  移除列表(list)的尾部(最后)一个元素 , 并将他移动到新的列表(mylist)首部(左边)中


127.0.0.1:6379> LRANGE list 0 -1
1) "hello2"
2) "hello1"
127.0.0.1:6379> RPOPLPUSH list mylist   #  移除列表(list)的尾部(最后)一个元素 , 并将他移动到新的列表(mylist)首部(左边)中
"hello1"
127.0.0.1:6379> lrange list 0 -1        
1) "hello2"
127.0.0.1:6379> lrange mylist 0 -1
1) "hello1"

判断list是否存在 exists

EXISTS list  # 判断list是否存在

更新指定下标的值(将列表中指定下标的值替换为另外一个值) lset

lset list 0 item


127.0.0.1:6379> LSET list 0 item   # 如果列表不存在直接lset就会报以下错
(error) ERR no such key 
127.0.0.1:6379> LPUSH list value   # 创建列表list并向其中追加一个值value
(integer) 1
127.0.0.1:6379> LRANGE list 0 0    # 查看列表list的值
1) "value"
127.0.0.1:6379> lset list 0 item   # lset将list列表中的 0 号下标的元素替换为item
OK
127.0.0.1:6379> LRANGE list 0 0    # 查看列表list的值
1) "item"
127.0.0.1:6379> LSET list 1 other  # lset一个列表中不存在的下标 , 报错
(error) ERR index out of range

向列表中插入一个值 linsert (将某个具体的value插入到列表中某个元素的前面或后面)

LINSERT list before item other  # 向list中的item元素的左边(前边)插入一个值 other
LINSERT list after item world   # 向list中的item元素的右边(后边)插入一个值 world


127.0.0.1:6379> LRANGE list 0 -1   # 查看list的值
1) "item"

127.0.0.1:6379> LINSERT list before item other  # 向list中的item元素的左边(前边)插入一个值 other

127.0.0.1:6379> LRANGE list  0 -1     # 查看list的值
1) "other"
2) "item"

127.0.0.1:6379> LINSERT list after item world   # 向list中的item元素的右边(后边)插入一个值 world
(integer) 3
127.0.0.1:6379> lrange list 0 -1   # 查看list中的元素
1) "other"
2) "item"
3) "world"
127.0.0.1:6379>

他实际上是一个列表 , before Node after left和right都可以插入值
如果key不存在 , 创建新的链表
如果key存在 , 新增内容
如果移除了所有的值 , 空链表 , 也代表不存在!
在两边插入或改动值效率最高 , 中间元素 , 效率相对来说会低一点

Set类型（集合）
无序不重复集合
set中的命令都是以s开头

创建set集合添加元素

SADD myset "hello" "world"  # 创建set集合并向其中添加两个值

查看set集合中的值

SMEMBERS myset    # 查看myset这个set集合中的 所有元素

判断set集合中某个元素是否存在

SISMEMBER myset hello   # 判断myset集合中是否存在hello这个元素 , 存在返回1 ,  不存在返回0

获取set集合中的元素个数

SCARD myset   # 查看myset这个set集合中的元素个数

移除set集合中的指定元素

SREM myset hello    # 移除myset这个set集合中的hello这个元素

随机抽选一个元素

SRANDMEMBER myset   # 随机抽选一个元素

SRANDMEMBER myset 2  # 随机抽选两个元素

删除指定的key , 随机删除一个key

SPOP myset  # 随机弹出一个元素

SPOP myset 2  # 随机弹出指定个数个元素 ,  给myset这个set集合随机弹出2个元素

将一个指定的值移动到另外一个set集合中

SMOVE myset myset2 hello   #  将myset中的元素hello 移动到 myset2中

求差集 , 交集 , 并集

SDIFF key1 key2    #  差集 , 以key1为参照 ,  也就是看key1中有key2中没有的值

SINTER key1 key2   #  交集 , 查找key1 与 key2中都有的元素

SUNION key1 key2   #  并集 , 查找key1 与 key2 中所有的元素

Hash类型(哈希)

map集合 , key-map , 这时这个值时个map集合
本质和string类型没有太大区别 , 还是key-value , value是由key-value的
hash 的组成 , hash filed value

hash中存放的依旧是键值对 , hash中存放的键值对中键为filed 值为 value

设置hash值&获取hash值

hSET myhash filed1 hello    # 创建myhash这样一个hash类型并设置指定值 , 这个值中的键是filed1 , 值是hello

HGET myhash filed1    # 获取myhash中的值 , 这个值时键值对 , 所以获取这个键值对中键为filed1的值

批量设置hash值&获取多个hash值

hMSET hash filed1 hello filed2 world   # 创建hash类型并批量设置值

HMGET hash filed1 filed2      # 批量获取值

HGETALL hash    # 获取全部的hash值 , 以key-value展示

删除一个hash值

HDEL hash filed1  # 删除hash的指定的key字段! 对应的value值也就没有了

获取hash值得长度

HLEN hash   # 获取hash中元素个数

判断hash中指定字段是否存在

HEXISTS hash filed2   # 判断hash中的key是否存在

只获得hash中所有的key&只获得所有的值

HKEYS hash    # 获取所有的filed

HVALS hash    # 获取所有的value

自增 & 自减

HINCRBY myhash filed1 1   # 设置myhash这个hash值中的键为filed的值自增1

HINCRBY myhash filed1 -1   # 设置myhash这个hash值中的键为filed的值自减1

判断是否存在 , 存在创建失败 , 不存在则创建hash

HSETNX hash filed6 world    # 判断hash中filed6是否存在 , field6不存在则创建
HSETNX hash filed6 yyf      # 判断hash中filed6是否存在 , field6存在则创建失败

Zset类型(有序集合)
在set的基础上增加了一个值

设置有序集合的值(zset和set基本一样 , zset比set增加了一个标志位 , 记录顺序)

ZADD zset 1 one   # 添加一个值

zadd zset 3 three 4 fourth   # 添加多个值

遍历查询所有zet中的值

ZRANGE zset 0 -1   # 查询zset中的所有值

排序

ZRANGEBYSCORE salary -inf +inf   # 排序   给salary中的值按照标志位进行排序  ,  -inf是负无穷 , +inf 是正无穷 , 这里只输出值
ZRANGEBYSCORE salary -inf +inf withscores   #  加上withscores , 就是把键值对都输出
ZRANGEBYSCORE salary -inf 2500     #  这里是只查询从负无穷到2500的值
ZREVRANGE salary 0 -1    #  按照降序排列


# 例子:   添加三个用户
127.0.0.1:6379> ZADD salary 2500 xiaoming
(integer) 1
127.0.0.1:6379> ZADD salary 5000 zhangsan
(integer) 1
127.0.0.1:6379> ZADD salary 500 yyf
(integer) 1

127.0.0.1:6379> ZRANGEBYSCORE salary -inf +inf    # 给salary中的值按照标志位进行排序 
1) "yyf"
2) "xiaoming"
3) "zhangsan"

127.0.0.1:6379> ZRANGEBYSCORE salary -inf +inf withscores  # 把值和标志位都输出
1) "yyf"
2) "500"
3) "xiaoming"
4) "2500"
5) "zhangsan"
6) "5000"
127.0.0.1:6379> ZRANGEBYSCORE salary -inf 2500   # 输出负无穷到2500区间的值
1) "yyf"
2) "xiaoming"

127.0.0.1:6379> ZREVRANGE salary 0 -1   # 按照降序排列
1) "zhangsan"
2) "yyf"
127.0.0.1:6379>

移除元素

127.0.0.1:6379> ZRANGE salary 0 -1  # 查看salary中的所有值
1) "yyf"
2) "xiaoming"
3) "zhangsan" 
127.0.0.1:6379> ZREM salary xiaoming    # 移除salary中值为xiaoming的这个元素
(integer) 1
127.0.0.1:6379> ZRANGE salary 0 -1  # 查看salary中的所有值
1) "yyf"
2) "zhangsan"
127.0.0.1:6379>

查看元素个数

 ZCARD salary  # 获取有序集合中的个数

计算区间变量

ZCOUNT set 0 1    #  获取   标志位从0到1有多少个值   [0,1]
# 获取指定区间的成员数量


127.0.0.1:6379> ZADD set 1 hello 2 name 3 world 4 yyf 5 xiaoming  # 添加值
(integer) 5
127.0.0.1:6379> ZRANGE set 0  -1   # 查询全部的值
1) "hello"
2) "name"
3) "world"
4) "yyf"
5) "xiaoming"
127.0.0.1:6379> ZCOUNT set 1 3   # 查询  标志位从一到三之间有多少个值
(integer) 3
127.0.0.1:6379> ZCOUNT set 2 3   # 查询  标志位从二到三之间有多少个值   
(integer) 2

三种特殊数据类型

geospatial:
定位、附近的人，城市距离计算等位置相关操作
可以查询一些测试数据:http://www.jsons.cn/lngcode
redis的Geo


底层是zset实现 , 所以我们可以通过zet的相关函数操作geospatial类型

# 添加尘世地理位置
# 规则:两级无法直接添加 , 一般下载城市数据直接通过java程序一次性导入
# 参数:key  值(维度 , 经度 , 城市值)
GEOADD china:city 108.96 34.26 xian 

# 获取指定地点的经纬度
GEOPOS china:city  beijing chongqing

# 计算距离
GEODIST china:city shanghai beijing km  # 求北京到上海之间的距离 单位km

# 通过半径查询附近的人
#以给定的经纬度为中心， 返回键包含的位置元素当中， 与中心的距离不超过给定最大距离的所有位置元素。
GEORADIUS china:city 110 30 1000 km  # 以1110 30 为圆心 , 1000km为半径的附近的元素

GEORADIUS china:city 110 30 1000 km withdist withcoord count 1  # 查询以110 30这个经纬度 为圆心, 1000 km  为半径的附近的元素 , count 1   只查询1个元素 , withdist  查询之间的直线距离 , withcoord  查询经纬度显示

# 找出位于指定元素周围的其他元素
GEORADIUSBYMEMBER china:city beijing 1000 km   # 以beijing这个元素的位置为中心查找1000 km以内的元素

# 返回一个或多个位置元素的 Geohash 表示。返回一个或多个位置元素的 Geohash 表示。

GEOHASH china:city beijing chongqing   #将二维的经纬度转换为一维的字符串 , 如果两个字符串越接近 , 距离越近

hyperloglog
基数:(不重复的元素集合中有多少个)
优点:占用的内存很小

PFADD mykey a b c d e f g h i j   # 添加mykey

PFCOUNT mykey    #  查看mykey中的不重复的数据元素个数

PFADD mykey2  d d d v f g q g h z n   # 添加mykey2

PFCOUNT mykey2   #  查看mykey2中的不重复的数据元素个数

PFMERGE mykey3 mykey mykey2   # 合并mykey和mykey2 , 结果合并到mykey3

PFCOUNT mykey3     # 求mykey3

bitmaps

按位存储
两个状态的都可以使用这个类型
就只有0和1两个状态

#  这里的0 1   就是周一打卡  1 0 就是 周二没打卡 , 第一个数字代表周几  ,第二个数字代表 是否打卡 , 只有两种状态0 和 1
127.0.0.1:6379> SETBIT sign 0 1
(integer) 0
127.0.0.1:6379> SETBIT sign 1 0
(integer) 0
127.0.0.1:6379> SETBIT sign 2 1
(integer) 0
127.0.0.1:6379> SETBIT sign 3 1
(integer) 0
127.0.0.1:6379> SETBIT sign 4 0
(integer) 0
127.0.0.1:6379> SETBIT sign 4 0
(integer) 0
127.0.0.1:6379> SETBIT sign 6 0


# 查看周一是否打卡
127.0.0.1:6379> GETBIT sign 0
(integer) 1
# 查看周二是否打卡
127.0.0.1:6379> GETBIT sign 1
(integer) 0

# 统计打卡记录
BITCOUNT sign

事务

redis事务的本质:一组命令的集合! 一个事务中的所有命令都会被序列化 , 在事务执行的过程中会按照顺序执行!
redis单挑命令是保留原子性的,但是事务不保证原子性!
redis事物没有隔离的概念

所有的命令在事物中并没有被执行！只有复赛执行命令的时候才会执行

一次性、顺序性、排他性

开启事物(Multi)
命令入队(其他命令)
执行事务(exec)
锁:redis可以实现乐观锁

# 开启事务
127.0.0.1:6379> multi
OK
# 命令入队
127.0.0.1:6379> set k1 v1
QUEUED
127.0.0.1:6379> set k2 v2
QUEUED
127.0.0.1:6379> set k3 v3
QUEUED

# 执行事务
127.0.0.1:6379> exec
1) OK
2) OK
3) OK

# 关闭事务
127.0.0.1:6379> multi    # 开启事务
OK
127.0.0.1:6379> set k1 v1
QUEUED
127.0.0.1:6379> set k2 v2
QUEUED
127.0.0.1:6379> set k4 v4
QUEUED
127.0.0.1:6379> DISCARD    # 取消事务
OK
127.0.0.1:6379> get key4    # 事务队列中的命令都不会执行
(nil)

编译型异常

127.0.0.1:6379> MULTI    # 开启事务
OK
127.0.0.1:6379> set k1 v1
QUEUED
127.0.0.1:6379> mset k2 v2 k3 v3
QUEUED
127.0.0.1:6379> GETSET k3    # 错误的命令
(error) ERR wrong number of arguments for 'getset' command
127.0.0.1:6379> set k4 v4
QUEUED
127.0.0.1:6379> set k5 v5
QUEUED
127.0.0.1:6379> exec   # 执行事务报错
(error) EXECABORT Transaction discarded because of previous errors.
127.0.0.1:6379> get k1    # 所有的命令都没有被执行 , 这里get上面set的值也都get不到
(nil)
127.0.0.1:6379>

运行时异常

127.0.0.1:6379> set k1 "v1"   # 设置一个字符串
OK
127.0.0.1:6379> MULTI      #  开启事务
OK
127.0.0.1:6379> INCR k1    # 让那个字符串自增1 , 这个是运行时异常,命令没有错 , 但是运行时会发现字符串不能自增
QUEUED
127.0.0.1:6379> set k2 v2
QUEUED
127.0.0.1:6379> set k3 v3
QUEUED
127.0.0.1:6379> get k3
QUEUED
127.0.0.1:6379> EXEC   # 虽然第一条命令报错了,但是事务依旧执行成功了
1) (error) ERR value is not an integer or out of range 
2) OK
3) OK
4) "v3"
127.0.0.1:6379> get k2
"v2"
127.0.0.1:6379> get k3
"v3"

乐观锁 , 监控! Watch

悲观锁

很悲观 , 认为什么时候都会出问题 , 无论什么时候都会加锁

乐观锁

很乐观 , 认为什么时候都不会出现问题 , 所以不会上锁 , 更新数据时候会判断一下在此期间是否有人修改过这个数据 version!+
获取version
更新时候比较version

Redis的监视测试

127.0.0.1:6379> set money 100   # 设置money100
OK
127.0.0.1:6379> set out 0     # 设置out 0
OK
127.0.0.1:6379> WATCH money    # 监视money
OK

127.0.0.1:6379> MULTI   # 开启事务   事务正常结束 , 数据期间没有发生变动 , 这时候就正常执行成功
OK
127.0.0.1:6379> DECRBY money 20   # money 减少 20
QUEUED
127.0.0.1:6379> INCRBY out 20   #  out 增加  20
QUEUED
127.0.0.1:6379> EXEC
1) (integer) 80
2) (integer) 20

测试多线程 , 修改完值 , 事务失败
使用watch 可以当做redis的乐观锁操作

127.0.0.1:6379> WATCH money   ##   监视money
OK
127.0.0.1:6379> MULTI    ## 开启事务
OK
127.0.0.1:6379> DECRBY money 10    # 
QUEUED
127.0.0.1:6379> INCRBY out 10
QUEUED
127.0.0.1:6379> EXEC   # 执行之前 , 另外一个线程修改了我们的money值 , 这个时候就会导致我们事务执行失败
(nil)
127.0.0.1:6379>

127.0.0.1:6379> UNWATCH   # 如果发现事务执行失败 , 就先解锁
OK
127.0.0.1:6379> WATCH money    # 获取最新的值 ,  再次监视 , select version
OK
127.0.0.1:6379> MULTI   # 开启事务
OK 
127.0.0.1:6379> DECRBY money 10    
QUEUED
127.0.0.1:6379> INCRBY out 10
QUEUED
127.0.0.1:6379> EXEC   # 比对监视的值有无变化 , 如果没有变化 , 那么可以执行成功 , 如果变化了 , 就执行失败

如果修改失败获取最新的值就可

Jedis

什么是Jedis 是Redis官方推荐的java连接开发工具 , 使用java操作Redis中间件 , 如果使用java操作redis , 那么一定要对Jedis十分熟悉

导入对应依赖

<dependencies>
     <!--导入Jedis的包-->
     <!-- https://mvnrepository.com/artifact/redis.clients/jedis -->
     <dependency>
         <groupId>redis.clients</groupId>
         <artifactId>jedis</artifactId>
         <version>3.2.0</version>
     </dependency>

     <!--导入fastjson的包-->
     <dependency>
         <groupId>com.alibaba</groupId>
         <artifactId>fastjson</artifactId>
         <version>1.2.74</version>
     </dependency>
 </dependencies>

编码测试

连接数据库
操作命令
断开连接

package com.starcpdk;

import redis.clients.jedis.Jedis;

public class TestPing {
    public static void main(String[] args) {
        // 第一步new一个Jedis对象
        Jedis jedis = new Jedis("192.168.174.131" , 6379);

        // jedis 所有的命令就是我们之前学习的所有指令
        System.out.println(jedis.ping());
    }
}

这里测试极有可能会报错 , 大概报错就是连接不上远程redis

redis.clients.jedis.exceptions.JedisConnectionException: Failed connecting to host 192.168.80.128:6379

    at redis.clients.jedis.Connection.connect(Connection.java:207)
    at redis.clients.jedis.BinaryClient.connect(BinaryClient.java:93)
    at redis.clients.jedis.Connection.sendCommand(Connection.java:126)
    at redis.clients.jedis.Connection.sendCommand(Connection.java:117)
    at redis.clients.jedis.Jedis.get(Jedis.java:152)
    at com.redis.study.test.RedisTest.test(RedisTest.java:14)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at org.junit.runners.model.FrameworkMethod$1.runReflectiveCall(FrameworkMethod.java:50)
    at org.junit.internal.runners.model.ReflectiveCallable.run(ReflectiveCallable.java:12)
    at org.junit.runners.model.FrameworkMethod.invokeExplosively(FrameworkMethod.java:47)
    at org.junit.internal.runners.statements.InvokeMethod.evaluate(InvokeMethod.java:17)
    at org.junit.runners.ParentRunner.runLeaf(ParentRunner.java:325)
    at org.junit.runners.BlockJUnit4ClassRunner.runChild(BlockJUnit4ClassRunner.java:78)
    at org.junit.runners.BlockJUnit4ClassRunner.runChild(BlockJUnit4ClassRunner.java:57)
    at org.junit.runners.ParentRunner$3.run(ParentRunner.java:290)
    at org.junit.runners.ParentRunner$1.schedule(ParentRunner.java:71)
    at org.junit.runners.ParentRunner.runChildren(ParentRunner.java:288)
    at org.junit.runners.ParentRunner.access$000(ParentRunner.java:58)
    at org.junit.runners.ParentRunner$2.evaluate(ParentRunner.java:268)
    at org.junit.runners.ParentRunner.run(ParentRunner.java:363)
    at org.junit.runner.JUnitCore.run(JUnitCore.java:137)
    at com.intellij.junit4.JUnit4IdeaTestRunner.startRunnerWithArgs(JUnit4IdeaTestRunner.java:68)
    at com.intellij.rt.execution.junit.IdeaTestRunner$Repeater.startRunnerWithArgs(IdeaTestRunner.java:47)
    at com.intellij.rt.execution.junit.JUnitStarter.prepareStreamsAndStart(JUnitStarter.java:242)
    at com.intellij.rt.execution.junit.JUnitStarter.main(JUnitStarter.java:70)
Caused by: java.net.SocketTimeoutException: connect timed out
    at java.net.DualStackPlainSocketImpl.waitForConnect(Native Method)
    at java.net.DualStackPlainSocketImpl.socketConnect(DualStackPlainSocketImpl.java:85)
    at java.net.AbstractPlainSocketImpl.doConnect(AbstractPlainSocketImpl.java:350)
    at java.net.AbstractPlainSocketImpl.connectToAddress(AbstractPlainSocketImpl.java:206)
    at java.net.AbstractPlainSocketImpl.connect(AbstractPlainSocketImpl.java:188)
    at java.net.PlainSocketImpl.connect(PlainSocketImpl.java:172)
    at java.net.SocksSocketImpl.connect(SocksSocketImpl.java:392)
    at java.net.Socket.connect(Socket.java:589)
    at redis.clients.jedis.Connection.connect(Connection.java:184)
    ... 27 more

报这样的错我们首先要考虑到的就是ip地址和端口写对了没
检查代码
然后我们考虑是否是防火墙的问题 , 如果是防火墙的问题我们需要把防火墙关闭
我们接着考虑redis本身的问题
经过检查 , 我们的redis没有将bind注释掉以及关闭保护模式 , 接下来我们解决这个问题
修改redis.conf配置

在这里插入图片描述

SpringBoot整合redis

导入依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>2.4.2</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>
    <groupId>com.starcpdk</groupId>
    <artifactId>redis-springboot</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <name>redis-springboot</name>
    <description>Demo project for Spring Boot</description>
    <properties>
        <java.version>1.8</java.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-devtools</artifactId>
            <scope>runtime</scope>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-configuration-processor</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>
</project>

配置连接

# springboot所有的 配置类都有一个自动配置类   RedisAutoConfiguration
# 自动配置类都会绑定一个properties 配置文件  RedisProperties

# 配置redis
spring.redis.host=192.168.174.131
spring.redis.port=6379
spring.redis.database=0

测试

package com.starcpdk;

import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.redis.core.RedisTemplate;

@SpringBootTest
class RedisSpringbootApplicationTests {

    @Autowired
    private RedisTemplate redisTemplate;

    @Test
    void contextLoads() {

        // redisTemplate
        // opsForValue  操作字符串的 类似string
        // opsForList 操作list的

        // 除了基本的操作 , 我们常用的方法都可以直接通过redisTemplate操作 , 比如事务 ,  和基本的CRUD

        // 获取连接
        // RedisConnection connection = redisTemplate.getConnectionFactory().getConnection();
        // connection.flushAll();
        // connection.flushDb();

        redisTemplate.opsForValue().set("mykey" , "yyf");
        System.out.println(redisTemplate.opsForValue().get("mykey"));


    }

}

序列化

我们在User实体类中必须序列化对象 , 也就是实现Serializable接口


@Test
    public void test() throws JsonProcessingException {
        User user = new User("hello", 3);
        String jsonUser = new ObjectMapper().writeValueAsString(user);  // 将user对象序列化为json字符串
        redisTemplate.opsForValue().set("user" , jsonUser);
        System.out.println(redisTemplate.opsForValue().get("user"));
    }

自定义配置类


package com.starcpdk.config;

import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.boot.autoconfigure.condition.ConditionalOnMissingBean;
import org.springframework.boot.autoconfigure.condition.ConditionalOnSingleCandidate;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;

@Configuration
public class RedisConfig {
    @Bean
    @ConditionalOnMissingBean(name = "redisTemplate")
    @ConditionalOnSingleCandidate(RedisConnectionFactory.class)
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {

        // 我们为了自己开发方便 , 一般直接使用<String , Object>
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        template.setConnectionFactory(redisConnectionFactory);

        // 序列化配置
        //Json的序列化
        Jackson2JsonRedisSerializer objectJackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
        ObjectMapper om = new ObjectMapper();
        om.setVisibility(PropertyAccessor.ALL , JsonAutoDetect.Visibility.ANY);
        om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        objectJackson2JsonRedisSerializer.setObjectMapper(om);
        // String的序列化
        StringRedisSerializer stringRedisSerializer = new StringRedisSerializer();

        // key采用String序列化
        template.setKeySerializer(stringRedisSerializer);
        
        // hash的key采用String的序列化
        template.setHashKeySerializer(stringRedisSerializer);
        
        // value采用jackson的序列化
        template.setValueSerializer(objectJackson2JsonRedisSerializer);

        // hash 的value采用Jackson序列化
        template.setHashValueSerializer(objectJackson2JsonRedisSerializer);
        
        template.afterPropertiesSet();

        return template;
    }
}

自己写一些RedisUtils

package com.starcpdk.utils;

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

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;

    // =============================common============================
    /**
     * 指定缓存失效时间
     * @param key  键
     * @param time 时间(秒)
     */
    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 hasKey(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
     */
    @SuppressWarnings("unchecked")
    public void del(String... key) {
        if (key != null && key.length > 0) {
            if (key.length == 1) {
                redisTemplate.delete(key[0]);
            } else {
                redisTemplate.delete(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);
    }

    /**
     * 普通缓存放入
     * @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)
     */
    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)
     */
    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
     */
    public Object hget(String key, String item) {
        return redisTemplate.opsForHash().get(key, item);
    }

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

    /**
     * HashSet
     * @param key 键
     * @param map 对应多个键值
     */
    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  对应多个键值
     * @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 true 成功 false失败
     */
    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 true 成功 false失败
     */
    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null
     * @param item 项 可以使多个 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 true 存在 false不存在
     */
    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)
     */
    public double hincr(String key, String item, double by) {
        return redisTemplate.opsForHash().increment(key, item, by);
    }


    /**
     * hash递减
     *
     * @param key  键
     * @param item 项
     * @param by   要减少记(小于0)
     */
    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
     */
    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 可以是多个
     * @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数据放入缓存
     *
     * @param key    键
     * @param time   时间(秒)
     * @param values 值 可以是多个
     * @return 成功个数
     */
    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
     */
    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 可以是多个
     * @return 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
     */
    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
     */
    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 第二个元素，依次类推；index<0时，-1，表尾，-2倒数第二个元素，依次类推
     */
    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
     */
    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)
     */
    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 移除多少个
     * @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;
        }

    }

}

RedisConf详解

启动的时候通过配置文件启动

网络

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

通用 GENERAL


daemonize yes # 以守护进程的方式运行，默认是 no，我们需要自己开启为yes！ 
pidfile /var/run/redis_6379.pid # 如果以后台的方式运行，我们就需要指定一个 pid 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 probably) 生产环境 
# 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，默认是 16 个数据库 
always-show-logo yes # 是否总是显示LOGO

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，那么数据断电及失！

# 如果900s内，如果至少有一个1 key进行了修改，我们及进行持久化操作 
save 900 1 
# 如果300s内，如果至少10 key进行了修改，我们及进行持久化操作 
save 300 10 
# 如果60s内，如果至少10000 key进行了修改，我们及进行持久化操作 
save 60 10000
# 我们之后学习持久化，会自己定义这个测试！ 

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

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

rdbchecksum yes # 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！

REPLICATION 复制

SECURITY 安全

可以在这里设置redis的密码，默认是没有密码！

127.0.0.1:6379> ping 
PONG 
127.0.0.1:6379> config get requirepass # 获取redis的密码
1) "requirepass" 
2) "" 
127.0.0.1:6379> config set requirepass "123456" # 设置redis的密码 
OK
127.0.0.1:6379> config get requirepass # 发现所有的命令都没有权限了
(error) NOAUTH Authentication required. 
127.0.0.1:6379> ping 
(error) NOAUTH Authentication required. 
127.0.0.1:6379> auth 123456 # 使用密码进行登录！ 
OK
127.0.0.1:6379> config get requirepass 
1) "requirepass" 
2) "123456"

限制 CLIENTS

maxclients 10000 # 设置能连接上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 # 内存到达上限之后的处理策略 
1、volatile-lru：只对设置了过期时间的key进行LRU（默认值） 
2、allkeys-lru ： 删除lru算法的key 
3、volatile-random：随机删除即将过期key 
4、allkeys-random：随机删除 
5、volatile-ttl ： 删除即将过期的 
6、noeviction ： 永不过期，返回错误

APPEND ONLY 模式 aof配置

appendonly no # 默认是不开启aof模式的，默认是使用rdb方式持久化的，在大部分所有的情况下， rdb完全够用！ 
appendfilename "appendonly.aof" # 持久化的文件的名字 
# appendfsync always # 每次修改都会 sync。消耗性能 
appendfsync everysec # 每秒执行一次 sync，可能会丢失这1s的数据！ 
# appendfsync no # 不执行 sync，这个时候操作系统自己同步数据，速度最快！

Redis持久化

RDB持久化

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！
备份就自动生成一个 dump.rdb

如果恢复rdb文件！

只需要将rdb文件放在我们redis启动目录就可以，redis启动的时候会自动检查dump.rdb 恢复其中的数据！

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，启动就会自动恢复其中的数据

优点：
1、适合大规模的数据恢复！
2、对数据的完整性要不高！
缺点：
1、需要一定的时间间隔进程操作！如果redis意外宕机了，这个最后一次修改数据就没有的了！
2、fork进程的时候，会占用一定的内容空间

AOF持久化

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

以日志的形式来记录每个写操作，将Redis执行过的所有指令记录下来（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

默认是不开启的，我们需要手动进行配置！我们只需要将 appendonly 改为yes就开启了 aof！
重启，redis 就可以生效了！
如果这个 aof 文件有错误，这时候 redis 是启动不起来的吗，我们需要修复这个aof文件
redis 给我们提供了一个工具 redis-check-aof --fix
优点：
1、每一次修改都同步，文件的完整会更加好！
2、每秒同步一次，可能会丢失一秒的数据
3、从不同步，效率最高的！
缺点：
1、相对于数据文件来说，aof远远大于 rdb，修复的速度也比 rdb慢！
2、Aof 运行效率也要比 rdb 慢，所以我们redis默认的配置就是rdb持久化

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 同时倒掉，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。

Redis发布订阅

在这里插入图片描述

订阅端

127.0.0.1:6379> SUBSCRIBE yyf     #  订阅频道  yyf
Reading messages... (press Ctrl-C to quit)
1) "subscribe"
2) "yyf"
3) (integer) 1

# 等待读取推送信息
1) "message"     # 消息
2) "yyf"        # 哪儿个频道的消息
3) "hello yyf"   #  消息的具体内容
1) "message"
2) "yyf"
3) "hello redis"

发送端

127.0.0.1:6379> PUBLISH yyf "hello yyf"     # 发布一条消息到yyf频道
(integer) 1
127.0.0.1:6379> PUBLISH yyf "hello redis"    # 发布一条消息到yyf频道
(integer) 1
127.0.0.1:6379>

Redis主从复制

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！

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。

Redis集群环境配置

只配置从库，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_replid:77c0f291240f0f3314f952975c0788ee0aea53d9
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
127.0.0.1:6379>

复制3个配置文件 , 修改对应信息
1、端口
2、pid 名字
3、log文件名字
4、dump.rdb 名字

修改完毕之后，启动我们的3个redis服务器，可以通过进程信息查看！

在这里插入图片描述

我们要配置的是一主两从
默认情况下，每台Redis服务器都是主节点；我们一般情况下只用配置从机就好了！
一般情况下只需要配置从机就好了

一主(79)二从(80,81)

在从机进行配置

127.0.0.1:6380> SLAVEOF 127.0.0.1 6379    #  认老大 ,  找谁当老大
OK
127.0.0.1:6380> info replication
# Replication
role:slave      # 当前角色是从机
master_host:127.0.0.1    #   这里是主机的信息
master_port:6379
master_link_status:up
master_last_io_seconds_ago:4
master_sync_in_progress:0
slave_repl_offset:14
slave_priority:100
slave_read_only:1
connected_slaves:0
master_replid:4367d86257a09e481d240c63e14252310a9f095a
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:14
second_repl_offset:-1
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:1
repl_backlog_histlen:14
127.0.0.1:6380> 


# 在主机中查看
127.0.0.1:6379> info replication
# Replication
role:master
connected_slaves:1    # 多了从机的配置
slave0:ip=127.0.0.1,port=6380,state=online,offset=28,lag=0   # 这里是从机的信息
master_replid:4367d86257a09e481d240c63e14252310a9f095a
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
127.0.0.1:6379>

真实的从主配置应该在配置文件中配置，这样的话是永久的，我们这里使用的是命令，暂时的！

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！

测试：

主机断开连接，从机依旧可以连接到主机的，但是没有写操作，这个时候，主机如果回来了，从机依旧可以直接获取到主机写的信息！

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！只要变为从机，立马就会从主机中获取值！

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的用于修改数据集命令，在后台进程执行完毕之后，master将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。

但是只要是重新连接master，一次完全同步（全量复制）将被自动执行！我们的数据一定可以在从机中看到！

如果没有主节点了, 这时候能不能自己从从节点中选一个主节点

在没有哨兵模式的时候 , 主节点挂掉 , 我们只能自己手动设置

在某个从节点的主机中执行下面的命令 , 就可以自己当主节点了 , 其他的节点就可以手动连接到这个主节点

slaveof no one

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（手动）！如果这个时候老大修复了，那就重新连接！

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。

我们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 host port 1 
sentinel monitor myredis 127.0.0.1 6379 1

后面的这个数字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@localhost bin]# redis-sentinel kconfig/sentinel.conf 
12133:X 05 Feb 2021 17:25:52.362 # oO0OoO0OoO0Oo Redis is starting oO0OoO0OoO0Oo
12133:X 05 Feb 2021 17:25:52.362 # Redis version=6.0.6, bits=64, commit=00000000, modified=0, pid=12133, just started
12133:X 05 Feb 2021 17:25:52.362 # Configuration loaded
12133:X 05 Feb 2021 17:25:52.363 * Increased maximum number of open files to 10032 (it was originally set to 1024).
                _._                                                  
           _.-``__ ''-._                                             
      _.-``    `.  `_.  ''-._           Redis 6.0.6 (00000000/0) 64 bit
  .-`` .-```.  ```\/    _.,_ ''-._                                   
 (    '      ,       .-`  | `,    )     Running in sentinel mode
 |`-._`-...-` __...-.``-._|'` _.-'|     Port: 26379
 |    `-._   `._    /     _.-'    |     PID: 12133
  `-._    `-._  `-./  _.-'    _.-'                                   
 |`-._`-._    `-.__.-'    _.-'_.-'|                                  
 |    `-._`-._        _.-'_.-'    |           http://redis.io        
  `-._    `-._`-.__.-'_.-'    _.-'                                   
 |`-._`-._    `-.__.-'    _.-'_.-'|                                  
 |    `-._`-._        _.-'_.-'    |                                  
  `-._    `-._`-.__.-'_.-'    _.-'                                   
      `-._    `-.__.-'    _.-'                                       
          `-._        _.-'                                           
              `-.__.-'                                               

12133:X 05 Feb 2021 17:25:52.365 # WARNING: The TCP backlog setting of 511 cannot be enforced because /proc/sys/net/core/somaxconn is set to the lower value of 128.
12133:X 05 Feb 2021 17:25:52.411 # Sentinel ID is c603cfbdf9717eb8daa156fb621c918fd75e8780
12133:X 05 Feb 2021 17:25:52.411 # +monitor master myredis 127.0.0.1 6379 quorum 1
12133:X 05 Feb 2021 17:25:52.413 * +slave slave 127.0.0.1:6380 127.0.0.1 6380 @ 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！）

如果主机此时回来了，只能归并到新的主机下，当做从机，这就是哨兵模式的规则！

优点：
1、哨兵集群，基于主从复制模式，所有的主从配置优点，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、哨兵模式就是主从模式的升级，手动到自动，更加健壮！
缺点：
1、Redis 不好啊在线扩容的，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很麻烦的，里面有很多选择！

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sentinel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 <master-name> <password> 
sentinel auth-pass mymaster MySUPER--secret-0123passw0rd 

# 指定多少毫秒之后 主节点没有应答哨兵sentinel 此时 哨兵主观上认为主节点下线 默认30秒 
# sentinel down-after-milliseconds <master-name> <milliseconds> 
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， 
这个数字越小，完成failover所需的时间就越长， 
但是如果这个数字越大，就意味着越 多的slave因为replication而不可用。 
可以通过将这个值设为 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 可以用在以下这些方面： 
#1. 同一个sentinel对同一个master两次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依然会被正确配置为指向master，但是就不按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。 

#通知型脚本:当sentinel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，SMS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sentinel.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sentinel无 法正常启动成功。 
#通知脚本 # shell编程 
# 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“leader”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 
# 一般都是由运维来配置！

Redis缓存穿透和雪崩

缓存穿透(查不到导致的 )

缓存穿透的概念很简单，用户想要查询一个数据，发现redis内存数据库没有，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（秒杀！），于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力，这时候就相当于出现了缓存穿透。

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
- 但是这种方法会存在两个问题：
  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。

缓存击穿（量太大，缓存过期！）

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，并且回写缓存，会导使数据库瞬间压力过大

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很大

缓存雪崩

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，比如在写本文的时候，马上就要到双十二零点，很快就会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么到了凌晨一点钟的时候，这批商品的缓存就都过期了。而对这批商品的访问查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。于是所有的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。

解决方案

redis高可用
这个思想的含义是，既然redis有可能挂掉，那我多增设几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建的集群。（异地多活！）
限流降级（在SpringCloud讲解过！）
这个解决方案的思想是，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
数据加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，让缓存失效的时间点尽量均匀。