Redis6学习笔记

最新推荐文章于 2024-07-26 12:28:02 发布

Lonely and cold

最新推荐文章于 2024-07-26 12:28:02 发布

阅读量422

点赞数 1

分类专栏：学习笔记整合文章标签： java redis 运维

本文链接：https://blog.csdn.net/weixin_44883584/article/details/119272479

版权

学习笔记整合专栏收录该内容

2 篇文章 0 订阅

订阅专栏

Redis6学习笔记

1.NoSQL数据库简介
2.Redis6的概述和安装
3. Redis常用五大数据类型
- key键常用命令
- Redis字符串(String)
- Redis列表(List)
- Redis集合(Set)
- Redis哈希(Hash)
- Redis有序集合(Zset)
4.Redis配置文件详解
5.Redis的发布和订阅
6.Redis6新数据类型
- Bitmaps
- HyperLogLog
- Geospatial
7.Redis-Jedis
8.SpringBoot集成Redis
9.Redis事务
- Redis事务的定义
- Redis事务涉及到的三个命令Multi、Exec、discard
- 事务的冲突问题
- Redis事务三特性
10.Redis持久化之RDB
- RDB是什么
- RDB相关配置
- save VS bgsave
- RDB备份流程
- 优势与劣势
11.Redis持久化之AOF
- AOF是什么
- AOF默认不开启
- AOF和RDB同时开启，Redis听谁的
- 异常恢复
- AOF同步频率设置
- Rewrite重写
- 优势与劣势
- 总结
- 官网建议
12.主从复制
- 是什么
- 能干嘛
- 主从复制原理
- 一主两从的配置
- 哨兵模式
13.Redis集群
- 什么是集群
- Redis集群配置及相关操作
- 集群的故障恢复
- 集群的Jedis开发
- 集群的优劣
14.Redis应用问题解决
- 缓存穿透
- 缓存击穿
- 缓存雪崩
- 分布式锁
15.Redis6.0新功能
- ACL
- IO多线程
- 工具支持cluster
- 其他新功能

1.NoSQL数据库简介

技术的分类
- 解决功能性的问题：Java、jsp、RDBMS、Tomacat、HTML、Linux、JDBC、SVN
- 解决扩展性的问题：Struts、Spring、SpringMVC、MyBatis
- 解决性能的问题：NoSQL、Java线程、Hadoop、Nginx、MQ、ElasticSearch
NoSQL概述

NoSQL(NoSQL = Not Only SQL)，意即"不仅仅是SQL"，泛指非关系型数据库。NoSQL不依赖业务逻辑方式存储，而已简单的key-value形式存储。因此大大的增加了数据库的扩展能力。
- 不遵循SQL标准
- 支持事务，但不支持ACID
- 远超于SQL的性能
NoSQL适用场景
- 对数据库高并发的读写
- 海量数据的读写
- 对数据高可扩展性的
NoSQL不适用场景
- 需要事务支持
- 基于SQL的结构化查询存储，处理复杂的关系
用不着SQL的和用了SQL也不行的情况，请考虑用NoSQL
常见的NoSQL数据库
- Memcached
  - 很早出现的NoSQL数据库
  - 数据都在内存中，一般不持久化
  - 支持简单的key-value形式，支持类型单一
  - 一般是作为缓存数据库辅助持久化的数据库
- Redis
  - 几乎覆盖了Memcached的绝大部分功能
  - 数据都在内存中，支持持久化，只要用作备份恢复
  - 除了支持简单的key-value形式，还支持多种数据结构的存储，比如list、set、hash、zset等
  - 一般是作为缓存数据库辅助持久化的数据库
- MongoDB
  - 高性能、开源、模式自由的文档型数据库
  - 数据都在内存中，如果内存不足，把不常用的数据存到硬盘
  - 虽然是key-value模式，但是对value(尤其是json)提供了丰富的查询功能
  - 支持二进制数据及大型对象
  - 可以根据数据的特点替代RDBMS，成为独立的数据库，或者配合RDBMS，存储特定的数据

2.Redis6的概述和安装

Redis概述
- Redis是一个开源的key-value存储系统
- 和Memcached类似，它支持存储的value类型相对更多，包括String(字符串)、list(链表)、set(集合)、zset(有序集合)和hash(哈希类型)
- 这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的
- 在此基础上，Redis支持各种不同方式的排序
- 与Memcached一样，为了保证效率，数据都是缓存在内存中
- 区别的是Redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件
- 并且在此基础上实现了master-slave(主从)同步
Redis安装
1. 访问https://redis.io/下载redis压缩包，将压缩包放到Linux中
2. 安装gcc环境
```
yum install gcc
```
3. 解压压缩包后，进入redis目录执行make命令编译，如果出现Jemalloc/jemalloc.h：没有那个文件的错误，make distclean，然后再继续make编译
4. 编译之后执行make install进行安装，安装之后进入/usr/local/bin之后，查看命令是否有redis的相关命令，有redis的相关命令则安装完毕
5. 启动redis推荐后台启动，先修改解压出来的redis目录下的redis.conf文件，将daemonize从no改为yes，然后进入/usr/local/bin目录下，执行命令redis-server [redis.conf的路径]，然后ps-ef|grep redis查看redis是否启动
Redis相关知识
- 默认端口6379，由来：女演员Merz在手机九键中对应的位置
- 默认16个数据库，从下标0开始到15，默认使用0号库，使用命令select [dbid]来切换数据库，所有库同样密码
- Redis底层工作机制是单线程+多路IO复用技术
  多路复用是指使用一个线程来检查多个文件描述符(socket)的就绪状态，比如调用select和poll函数，传入多个文件描述符，如果有一个文件描述符就绪，则返回，否则阻塞直到超时。得到就绪状态后进行真正的操作可以在同一个线程里执行，也可以启动线程执行(比如使用线程池)

3. Redis常用五大数据类型

key键常用命令

命令	作用
keys *	查看当前库中所有key
exists key	判断某个key是否存在
type keyname	查看某个key是什么类型
del key	删除指定的key数据
unlink key	非阻塞删除key数据，仅将key从keyspace元数据中删除，真正的删除会在后续异步操作
expire key 10	为给定的key设置10s过期时间
ttl key	查看还有多少秒过期，-1表示永不过期，-2表示已过期
dbsize	查看当前数据库的key的数量
flushdb	清空当前库
flushall	通杀全部16个库

Redis字符串(String)

String类型是二进制安全的。意味着Redis的String可以包含任何数据。比如jpg图片或者序列化的对象。
String类型是Redis最基本的数据类型，一个Redis中字符串value最大为512M

常用命令

命令	作用
set key value	Redis中添加键值对，多次添加同一个key，会覆盖value的值
setnx key value	只有在key不存在时，才添加
setex key seconds value	Redis中添加键值对，并设置有效时间为多少秒
get key	查询对应的键值对
append key value	将给定的value追加到原值的末尾，并返回追加后字符串的长度
strlen key	获取key对应的value的长度
incr key	将key中存储的value加1，只能对数字值操作，如果为空，新增值为1
decr key	将key中存储的value减1，只能对数字值操作，如果为空，新增值为-1
incrby key 步长	将key中存储的数值加对应的步长
decrby key 步长	将key中存储的数值减对应的步长
mset key1 value1 key2 value2 key3 value3 …	同时设置一个或多个键值对
mget key1 key2 key3 …	同时获取一个或多个value
msetnx key1 value1 key2 value2 key3 value3 …	同时设置一个或多个键值对，当且仅当所有给定的key都不存在。原子性，有一个失败则都失败
getrange key startIndex endIndex	获取值的范围，类似于java中的substring，前包后包(索引从0开始)
setrange key startIndex value	用value覆写key所储存的字符串值，从startIndex开始(索引从0开始)
getset key value	以新换旧，设置了新值同时获得旧值

注意：incr/decr/incrby/decrby都是原子操作。所谓原子操作是指不会被线程调度机制打断的操作，这种操作一旦开始，就一直运行到结束，中间不会有任何contextSwitch(切换到另一个线程)。Redis单命令的原子性主要得益于Redis的单线程。

数据结构
String的数据结构为简单动态字符串(Simple Dynamic String，缩写SDS)，是可以修改的字符串，内部结构实现上类似于Java的ArrayList，采用预分配冗余空间的方式来减少内存的频繁分配。

如图中所示，内部为当前字符串实际分配的空间capacity一般要高于实际字符串长度len。当字符串长度小于1M时，扩容都是加倍现有的空间，如果超过1M，扩容时一次只会多扩1M的空间。需要注意的是字符串最大长度为512M。

Redis列表(List)

简介

单键多值、

Redis列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部(左边)或者尾部(右边)。底层实际是个双向链表，对两端的操作性能很高，通过索引下标的操作中间的节点性能会较差。

常用命令

命令	作用
lpush/rpush key1 value1 value2 value3 …	从左边/右边插入一个或多个值
lpop/rpop key	从左边/右边吐出一个值。值在键在，值光键亡
rpoplpush key1 key2	从key1列表右边吐出一个值，插到key2列表左边
lrange key startIndex endIndex	按照索引下标获取元素(从左到右)，lrange mylist 0 -1 表示获取mylist中所有元素
lindex key index	按照索引下标获得元素(从左到右)
llen key	获得列表长度
linsert key before/after value newvalue	在value前面/后面插入newvalue，返回插入后的列表长度
lrem key n value	从左边删除n个value(从左到右)
lset key index value	将列表key下标为index的值替换成value

数据结构

list的数据结构为快速链表quicklist。

首先在列表元素较少的情况下会使用一块连续的内存存储，这个结构是ziplist，也即是压缩列表。

它将所有的元素紧挨着一起存储，分配的是一块连续的内存。

当数据量比较多的时候才会改成quicklist。

因为普通的链表需要的附加指针空间太大，会比较浪费空间。比如这个列表里存的只是int类型的数据，结构上还需要两个额外的指针prev和next。

Redis将链表和ziplist结合起来组成了quicklist。也就是将多个ziplist使用双向指针串起来使用。这样既满足了快速的插入删除性能，又不会出现太大的空间冗余

Redis集合(Set)

简介

Redis set对外提供的功能与list类似是一个列表的功能，特殊之处在于set是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set是一个很好的选择，并且set提供了判断某个成员是否在一个set集合内的重要接口，这个也是list所不能提供的。

Redis的set是string类型的无序集合。它底层其实是一个value为null的hash表，所以添加，删除，查找的复杂度都是O(1)

常用命令

命令	作用
sadd key value1 value2 …	将一个或多个member元素加入到集合key中，已经存在的member元素将被忽略
smembers key	取出该集合的所有值
sismember key value	判断该集合key是否含有该value值，有为1，没有为0
scard key	返回该集合的元素个数
srem key value1 value2 …	删除集合中的某个元素
spop key	随机从该集合中吐出一个值
srandmember key n	随机从该集合中取出n个值，不会从集合中删除
smove source destination value	把集合中一个值从一个集合移动到另一个集合
sinter key1 key2	返回两个集合的交集元素
sunion key1 key2	返回两个集合的并集元素
sdiff key1 key2	返回两个集合的差集元素(key1中的，不包含key2中的)

数据结构

set数据结构是dict字典，字典使用哈希表实现的。

Java中的HashSet的内部实现使用的是HashMap，只不过所有的value都指向同一个对象。

Redis的set结构也是一样，它的内部也使用hash结构，所有的value都指向同一个内部值。

Redis哈希(Hash)

简介

Redis hash是一个键值对集合。

Redis hash是一个string类型的field和value的映射表，hash特别适合用于存储对象，类似Java里面的Map<String,Object>。

eg：用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，有以下几种方式
1. 使用string类型
2. string类型改进版
3. 使用哈希(hash)类型存

常用命令

命令	作用
hset key1 field1 value1 key2 field2 value2 …	给key集合中的field键赋值value，可以批量赋值
hget key field	从key集合field取出value
hdel key field1 field2 …	删除一个或多个field
hexists key field	查看哈希表key中，给定域field是否存在，1表示存在，0表示不存在
hkeys key	列出该hash集合的所有field
hvals key	列出该hash集合的所有value
hincrby key field n	为哈希表key中的域field的值加n
hsetnx key field value	将哈希表key中的域field的值设置为value，当且仅当field不存在

数据结构

Redis中hash类型对应的数据结构是两种：ziplist(压缩列表)，hashtable(哈希表)。当field-value长度较短且个数较少时，使用ziplist，否则使用hashtable。

Redis有序集合(Zset)

简介

Redis有序集合zset与普通集合set非常相似，是一个没有重复元素的字符串集合。

不同之处是有序集合的每个成员都关联了一个评分(score)，这个评分(score)被用来按照从最低分到最高分的方式排序集合中的成员。集合的成员是惟一的，但是评分是可以重复的。

因为有元素是有序的，所以你也可以很快的根据评分(score)或者次序(position)来获取一个范围的元素。

访问有序集合中的中间元素也是非常快的，因此你能够使用有序集合作为一个没有重复成员的智能列表。

常用命令

命令	作用
zadd key score1 value1 score2 value2 …	将一个或多个member元素及其score值加入到有序集key当中
zrange key startIndex endIndex 【WITHSCORES】	返回有序集key中，下标在startIndex与endIndex之间的元素，带WITHSCORES，可以让分数一起和值返回到结果集
zrangebyscore key min max 【WITHSCORES】【limit offset count】	返回有序集key中，所有score值介于min和max之间(包括等于min或max)的成员。有序集成员按score值递增(从小到大)次序排列
zrevrangebyscore key max min【WITHSCORES】【limit offset count】	同上，改为从大到小排列
zincrby key n value	为指定元素增减分数
zrem key value	删除该集合下，指定值的元素
zcount key min max	统计该集合下在分数区间内的元素个数
zrank key value	返回该值在集合中的排名，从0开始

数据结构

SortedSet(zset)是Redis提供的一个非常特别的数据结构，一方面它等价于Java的数据结构Map<String,Double>，可以给每一个元素value赋予一个权重score，另一方面它又类似于TreeSet，内部的元素会按照权重score进行排序，可以得到每个元素的名次，还可以通过score的范围来获取元素的列表。

zset底层使用了两个数据结构
1. hash，hash的作用就是关联元素value和权重score，保障元素value的唯一性，可以通过元素value找到相应的score值。
2. 跳跃表，跳跃表的目的在于给元素value排序，根据score的范围获取元素列表。
跳跃表与链表对比
1. 有序链表
  
  要查找值为51的元素，需要从第一个元素开始依次查找、比较才能找到。共需要6次比较
2. 跳跃表
  
  从第2层开始，1节点比51节点小，向后比较
  
  21节点比51节点小，继续向后比较，后面就是null了，所以从21节点向下到第1层
  
  在第1层，41节点比51节点小，继续向后，61节点比51节点大，所以从41向下
  
  在第0层，51节点为要查找的节点，节点被找到，共查找4次。
由此可以看出跳跃表比有序链表效率要高

4.Redis配置文件详解

Units单位

配置大小单位，开头定义了一些基本的度量单位，只支持bytes，不支持bit，大小写不敏感
INCLUDE

类似于jsp中的include，多实例的情况下可以把公用的配置文件提取出来
NETWORK网络相关配置
- bind
  
  默认情况 bind 127.0.0.1只能接受本机的访问请求，不写的情况下，无限制接受任何ip地址的访问
  
  生产环境肯定要写你应用服务器的地址；服务器是需要远程访问的，所以需要将其注释掉
- protected-mode
  
  是否开启Redis的自我保护
  
  如果开启了protected-mode，那么在没有设定bind ip且没有设密码的情况下，Redis只允许接受本机的响应
- port
  
  设置Redis的端口号，默认6379
- tcp-backlog
  
  设置tcp的backlog，backlog其实是一个连接队列，backlog队列总和=未完成三次握手队列 + 已经完成三次握手队列
  
  在高并发环境下你需要一个高backlog值来避免慢客户端连接问题
  
  注意Linux内核会将这个值减小到/proc/sys/net/core/somaxconn的值（128），所以需要确认增大/proc/sys/net/core/somaxconn和/proc/sys/net/ipv4/tcp_max_syn_backlog（128）两个值来达到想要的效果
- timeout
  
  一个空闲的客户端维持多少秒会关闭，0表示关闭该功能。即永不关闭
- tcp-keepalive
  
  对访问客户端的一种心跳检测，每隔n秒检测一次
  
  单位为秒，如果设置为0，则不会进行Keepalive检测，建议设置成60
GENERAL通用
- daemonize
  
  设置Redis是否为后台启动
- pidfile
  
  存放pid文件的位置，每个实例会产生一个不同的pid文件
- loglevel
  
  指定日志记录级别，Redis总共支持四个级别：debug、verbose、notice、warning，默认为notice
  
  四个级别根据使用阶段来选择，生产环境选择notice 或者warning
- logfile
  
  日志文件名称
- databases
  
  设定库的数量默认16，默认数据库为0，可以使用SELECT dbid 命令在连接上指定数据库id
SECURITY安全
- requirepass
  
  访问密码的查看、设置和取消
  
  在命令中设置密码，只是临时的。重启redis服务器，密码就还原了
  
  永久设置，需要再配置文件中进行设置
LIMITS限制
- maxclients
  
  设置redis同时可以与多少个客户端进行连接，默认情况下为10000个客户端
  
  如果达到了此限制，redis则会拒绝新的连接请求，并且向这些连接请求方发出“max number of clients reached”以作回应
- maxmemory
  
  设置Redis可以占用的最大内存，Ø 建议必须设置，否则，将内存占满，造成服务器宕机
  
  设置redis可以使用的内存量。一旦到达内存使用上限，redis将会试图移除内部数据，移除规则可以通过maxmemory-policy来指定
  
  如果redis无法根据移除规则来移除内存中的数据，或者设置了“不允许移除”，那么redis则会针对那些需要申请内存的指令返回错误信息，比如SET、LPUSH等
  
  但是对于无内存申请的指令，仍然会正常响应，比如GET等。如果你的redis是主redis（说明你的redis有从redis），那么在设置内存使用上限时，需要在系统中留出一些内存空间给同步队列缓存，只有在你设置的是“不移除”的情况下，才不用考虑这个因素
- maxmemory-policy
  
  Ø volatile-lru：使用LRU算法移除key，只对设置了过期时间的键；（最近最少使用）
  
  Ø allkeys-lru：在所有集合key中，使用LRU算法移除key
  
  Ø volatile-random：在过期集合中移除随机的key，只对设置了过期时间的键
  
  Ø allkeys-random：在所有集合key中，移除随机的key
  
  Ø volatile-ttl：移除那些TTL值最小的key，即那些最近要过期的key
  
  Ø noeviction：不进行移除。针对写操作，只是返回错误信息
- maxmemory-samples
  
  设置样本数量，LRU算法和最小TTL算法都并非是精确的算法，而是估算值，所以你可以设置样本的大小，redis默认会检查这么多个key并选择其中LRU的那个
  
  一般设置3到7的数字，数值越小样本越不准确，但性能消耗越小

5.Redis的发布和订阅

什么是发布和订阅

Redis发布订阅(pub/sub)是一种消息通信模式，发送者(pub)发送消息，订阅者(sub)接收消息

Redis客户端可以订阅任意数量的频道
Redis发布和订阅

客户端可以订阅频道

当给这个频道发布消息后，消息就会发送给订阅的客户端
命令实现发布和订阅
1. 开启两个redis客户端
2. 第一个客户端中用subscribe命令订阅频道
3. 第二个客户端用publish发送消息，返回的是订阅者的数量
4. 查看第一个客户端收到的消息

6.Redis6新数据类型

Bitmaps

简介

现代计算机用二进制（位）作为信息的基础单位， 1个字节等于8位，例如“abc”字符串是由3个字节组成，但实际在计算机存储时将其用二进制表示， “abc”分别对应的ASCII码分别是97、 98、 99，对应的二进制分别是01100001、 01100010和01100011，如下图

合理地使用操作位能够有效地提高内存使用率和开发效率。

Redis提供了Bitmaps这个“数据类型”可以实现对位的操作：

（1） Bitmaps本身不是一种数据类型，实际上它就是字符串（key-value），但是它可以对字符串的位进行操作。

（2） 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。
命令
- setbit
  1. 格式
    
    setbit key offset value 设置Bitmaps中某个偏移量的值(0或1)，offset：偏移量从0开始
  2. 实例
    
    每个独立用户是否访问过网站存放在Bitmaps中，将访问的用户记作1，没有访问的用户记作0，用户的id作为偏移量
    
    设置键的第offset个位的值（从0算起），假设现在有20个用户，userid=1，6，11，15，19的用户对网站进行了访问，那么当前Bitmaps初始化结果如图
    
    unique:users:20201106代表2020-11-06这天的独立访问用户的Bitmaps
    
    注：很多应用的用户id以一个指定数字（例如10000）开头，直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费，通常的做法是每次做setbit操作时将用户id减去这个指定数字。
    
    在第一次初始化Bitmaps时，假如偏移量非常大，那么整个初始化过程执行会比较慢，可能会造成Redis的阻塞。
- getbit
  1. 格式
    
    getbit key offset 获取Bitmaps中某个偏移量的值，偏移量从0开始算
  2. 实例
    
    获取id=8的用户是否在2020-11-06这天访问过，返回0说明没有访问过
    
    注：因为100根本不存在，所以也是返回0
- bitcount
  
  统计字符串被设置为1的bit数。一般情况下，给定的整个字符串都会被进行计数，通过指定额外的 start 或 end 参数，可以让计数只在特定的位上进行。start 和 end 参数的设置，都可以使用负数值：比如 -1 表示最后一个位，而 -2 表示倒数第二个位，start、end 是指bit组的字节的下标数，二者皆包含。
  1. 格式
    
    bitcount key 【start end】统计字符串从start字节到end字节比特值为1的数量
  2. 实例
    
    计算2022-11-06这天的独立访问用户数量
    
    start和end代表起始和结束字节数，下面操作计算用户id在第1个字节到第3个字节之间的独立访问用户数，对应的用户id是11， 15， 19
    
    举例： K1 【01000001 01000000 00000000 00100001】，对应【0，1，2，3】
    
    bitcount K1 1 2 ：统计下标1、2字节组中bit=1的个数，即01000000 00000000
    
    –>bitcount K1 1 2 -->1
    
    bitcount K1 1 3 ：统计下标1、2字节组中bit=1的个数，即01000000 00000000 00100001
    
    –>bitcount K1 1 3–>3
    
    bitcount K1 0 -2 ：统计下标0到下标倒数第2，字节组中bit=1的个数，即01000001 01000000 00000000
    
    –>bitcount K1 0 -2–>3
    
    注意：redis的setbit设置或清除的是bit位置，而bitcount计算的是byte位置。
- bitop
  1. 格式
    
    bitop and(or/not/xor) destkey 【key…】
    
    bitop是一个复合操作，它可以做多个Bitmaps的and（交集）、 or（并集）、 not（非）、 xor（异或）操作并将结果保存在destkey中。
  2. 实例
    
    2020-11-04 日访问网站的userid=1,2,5,9
    
    setbit unique:users:20201104 1 1
    
    setbit unique:users:20201104 2 1
    
    setbit unique:users:20201104 5 1
    
    setbit unique:users:20201104 9 1
    
    2020-11-03 日访问网站的userid=0,1,4,9
    
    setbit unique:users:20201103 0 1
    
    setbit unique:users:20201103 1 1
    
    setbit unique:users:20201103 4 1
    
    setbit unique:users:20201103 9 1
    
    计算出两天都访问过网站的用户数量
    
    bitop and unique:users:and:20201104_03 unique:users:20201103unique:users:20201104
    
    计算出任意一天都访问过网站的用户数量（例如月活跃就是类似这种），可以使用or求并集
Bitmaps与set对比

假设网站有1亿用户，每天独立访问的用户有5千万，如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表
set和Bitmaps存储一天活跃用户对比

数据类型每个用户id占用空间需要存储的用户量全部内存量
集合类型 64位 50000000 64位*50000000 = 400MB
Bitmaps 1位 100000000 1位*100000000 = 12.5MB
很明显，这种情况下使用Bitmaps能节省很多的内存空间，尤其是随着时间推移节省的内存还是非常可观的
set和Bitmaps存储独立用户空间对比

数据类型一天一个月一年
集合类型 400MB 12GB 144GB
Bitmaps 12.5MB 375MB 4.5GB
但Bitmaps并不是万金油，假如该网站每天的独立访问用户很少，例如只有10万（大量的僵尸用户），那么两者的对比如下表所示，很显然，这时候使用Bitmaps就不太合适了，因为基本上大部分位都是0
set和Bitmaps存储一天活跃用户对比（独立用户比较少）

数据类型每个userid占用空间需要存储的用户量全部内存量
集合类型 64位 100000 64位*100000 = 800KB
Bitmaps 1位 100000000 1位*100000000 = 12.5MB

数据类型	每个用户id占用空间	需要存储的用户量	全部内存量
集合类型	64位	50000000	*64位50000000 = 400MB**
Bitmaps	1位	100000000	*1位100000000 = 12.5MB**

数据类型	一天	一个月	一年
集合类型	400MB	12GB	144GB
Bitmaps	12.5MB	375MB	4.5GB

数据类型	每个userid占用空间	需要存储的用户量	全部内存量
集合类型	64位	100000	*64位100000 = 800KB**
Bitmaps	1位	100000000	*1位100000000 = 12.5MB**

HyperLogLog

简介

在工作当中，我们经常会遇到与统计相关的功能需求，比如统计网站PV（PageView页面访问量）,可以使用Redis的incr、incrby轻松实现。

但像UV（UniqueVisitor，独立访客）、独立IP数、搜索记录数等需要去重和计数的问题如何解决？这种求集合中不重复元素个数的问题称为基数问题。

什么是基数?

比如数据集 {1, 3, 5, 7, 5, 7, 8}，那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素)为5。基数估计就是在误差可接受的范围内，快速计算基数。

解决基数问题有很多种方案：

（1）数据存储在MySQL表中，使用distinct count计算不重复个数

（2）使用Redis提供的hash、set、bitmaps等数据结构来处理

以上的方案结果精确，但随着数据不断增加，导致占用空间越来越大，对于非常大的数据集是不切实际的。

能否能够降低一定的精度来平衡存储空间？Redis推出了HyperLogLog

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是固定的、并且是很小的。

在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 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对比。

但是，因为 HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以 HyperLogLog 不能像集合那样，返回输入的各个元素。
命令
- pfadd
  1. 格式
    
    pfadd key element … 将指定元素添加到HyperLogLog中
  2. 实例
    
    将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后HyperLogLog估计的近似基数发生变化，则返回1，否则返回0。
- pfcount
  1. 格式
    
    pfcount key1 key2 … 计算HyperLogLog的近似基数，可以计算多个HyperLogLog，比如用HyperLogLog存储每天的UV，计算一周的UV可以使用7天的UV合并计算即可
  2. 实例
- pfmerge
  1. 格式
    
    pfmerge destkey sourcekey 【sourcekey…】将一个或多个HyperLogLog合并后的结果存储在另一个HyperLogLog中，比如每月活跃用户可以使用每天的活跃用户来合并计算可得
  2. 实例

Geospatial

简介

Redis 3.2 中增加了对GEO类型的支持。GEO，Geographic，地理信息的缩写。该类型，就是元素的2维坐标，在地图上就是经纬度。redis基于该类型，提供了经纬度设置，查询，范围查询，距离查询，经纬度Hash等常见操作。
命令
- geoadd
  1. 格式
    
    geoadd key longitude latitude member [longitude latitude member…] 添加地理位置(经度，纬度，名称)
  2. 实例
    
    geoadd china:city 121.47 31.23 shanghai
    
    geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing
    
    两极无法直接添加，一般会下载城市数据，直接通过 Java 程序一次性导入。
    
    有效的经度从 -180 度到 180 度。有效的纬度从 -85.05112878 度到 85.05112878 度。
    
    当坐标位置超出指定范围时，该命令将会返回一个错误。
    
    已经添加的数据，是无法再次往里面添加的。
- geopos
  1. 格式
    
    geopos key member [member…] 获取指定地区的坐标值
  2. 实例
- geodist
  1. 格式
    
    geodist key member1 member2 [m|km|ft|mi] 获取两个位置之间的直线距离
  2. 实例
    
    获取两个位置之间的直线距离
    
    单位：
    
    m 表示单位为米[默认值]
    
    km 表示单位为千米
    
    mi 表示单位为英里
    
    ft 表示单位为英尺
    
    如果用户没有显式地指定单位参数，那么 GEODIST 默认使用米作为单位
- georadius
  1. 格式
    
    georadius key longitude latitude radius m|km|ft|mi 以给定的经纬度为中心，找出某一半径内的元素
  2. 实例

7.Redis-Jedis

Jedis所需要的jar包

<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
    <version>3.2.0</version>
</dependency>

连接Redis注意事项

禁用Linux的防火墙：Linux(CentOS7)里执行命令

systemctl stop/disable fiorewalld.service

redis.conf中注释掉bind 127.0.0.1，然后 protected-mode no

Jedis常用操作

Jedis测试程序

public class TestJedis {
    public static void main(String[] args) {
        Jedis jedis = new Jedis("192.168.23.132",6379);
        String ping = jedis.ping();
        System.out.println("连接成功" + ping);//连接成功PONG
        jedis.close();
    }
}

key键操作

jedis.set("k1", "v1");
jedis.set("k2", "v2");
jedis.set("k3", "v3");
Set<String> keys = jedis.keys("*");
System.out.println(keys.size());
for (String key : keys) {
    System.out.println(key);
}
System.out.println(jedis.exists("k1"));
System.out.println(jedis.ttl("k1"));                
System.out.println(jedis.get("k1"));

string操作

jedis.mset("str1","v1","str2","v2","str3","v3");
System.out.println(jedis.mget("str1","str2","str3"));

list操作

List<String> list = jedis.lrange("mylist",0,-1);
for (String element : list) {
	System.out.println(element);
}

set操作

jedis.sadd("orders", "order01");
jedis.sadd("orders", "order02");
jedis.sadd("orders", "order03");
jedis.sadd("orders", "order04");
Set<String> smembers = jedis.smembers("orders");
for (String order : smembers) {
	System.out.println(order);
}
jedis.srem("orders", "order02");

hash操作

jedis.hset("hash1","userName","lisi");
System.out.println(jedis.hget("hash1","userName"));
Map<String,String> map = new HashMap<String,String>();
map.put("telphone","13810169999");
map.put("address","atguigu");
map.put("email","abc@163.com");
jedis.hmset("hash2",map);
List<String> result = jedis.hmget("hash2", "telphone","email");
for (String element : result) {
	System.out.println(element);
}

zset操作

jedis.zadd("zset01", 100d, "z3");
jedis.zadd("zset01", 90d, "l4");
jedis.zadd("zset01", 80d, "w5");
jedis.zadd("zset01", 70d, "z6");
 
Set<String> zrange = jedis.zrange("zset01", 0, -1);
for (String e : zrange) {
	System.out.println(e);
}

Jedis实例

完成一个手机验证码功能

要求：

1.输入手机号，点击发送后随机生成6位数字验证码，2分钟有效

2.输入验证码，点击验证，返回成功或失败

3.每个手机号每天只能输入3次

思路：

1.生成6位数字验证码，用Java中的Random实现

2.2分钟有效，把验证码放到Redis里面，设置过期时间120秒

3.判断验证码是否一致，从Redis获取验证码和输入的验证码作比较

4.每个手机每天只能输入3次验证码，incr每次发送之后+1，当值大于2时，提交不能发送

代码简单实现

public class TestJedis {
    public static void main(String[] args) {
        //生成验证码
        String verification = verifyCode("12345678910");
        //比较验证码
        if (verification != null) {
            compareVerification("12345678910", verification);
        }
    }

    /**
     * 获取当前时间到第二天凌晨0点之间的秒差
     *
     * @return
     */
    public static Long getTime() {
        Calendar cal = Calendar.getInstance();
        cal.add(Calendar.DAY_OF_YEAR, 1);
        cal.set(Calendar.HOUR_OF_DAY, 0);
        cal.set(Calendar.SECOND, 0);
        cal.set(Calendar.MINUTE, 0);
        cal.set(Calendar.MILLISECOND, 0);
        return (cal.getTimeInMillis() - System.currentTimeMillis()) / 1000;
    }

    /**
     * 生成6位数字验证码
     *
     * @return
     */
    public static String generateVerification() {
        Random random = new Random();
        String verification = "";
        for (int i = 0; i < 6; i++) {
            int code = random.nextInt(10);
            verification += code;
        }
        return verification;
    }

    /**
     * 将验证码放入redis中，并且判断是否超出3次
     *
     * @param phone
     */
    public static String verifyCode(String phone) {
        Jedis jedis = null;
        String verification = null;
        try {
            jedis = new Jedis("192.168.23.132", 6379);

            String countKey = phone + ":count";
            String codeKey = phone + ":code";

            Long time = getTime();

            String count = jedis.get(countKey);
            long nowTime = System.currentTimeMillis();
            if (count == null) {
                jedis.setex(countKey, time.intValue(), "1");
            } else if (Integer.parseInt(count) <= 2) {
                jedis.incr(countKey);
            } else if (Integer.parseInt(count) > 2) {
                System.out.println("今日发送验证码次数超过3次");
                return verification;
            }
            verification = generateVerification();
            jedis.set(codeKey, verification);
            return verification;
        } catch (NumberFormatException e) {
            e.printStackTrace();
        } finally {
            if (jedis != null) {
                jedis.close();
            }
        }
        return verification;
    }

    /**
     * 比较验证码是否输入正确
     *
     * @param phone
     * @param code
     */
    public static void compareVerification(String phone, String code) {
        Jedis jedis = new Jedis("192.168.23.132", 6379);
        String codeKey = phone + ":code";
        String verification = jedis.get(codeKey);
        if (code.equals(verification)) {
            System.out.println("验证成功！！！");
        } else {
            System.out.println("验证失败");
        }
    }
}

8.SpringBoot集成Redis

pom导入依赖

<parent>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-parent</artifactId>
    <version>2.5.2</version>
    <relativePath/> <!-- lookup parent from repository -->
</parent>

<groupId>com.tao</groupId>
<artifactId>springboot_redis</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>springboot_redis</name>

<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.apache.commons</groupId>
        <artifactId>commons-pool2</artifactId>
        <version>2.7.0</version>
    </dependency>

</dependencies>

application.properties

#Redis服务器地址
spring.redis.host=192.168.23.132
#Redis服务器连接端口
spring.redis.port=6379
#Redis数据库索引（默认为0）
spring.redis.database= 0
#连接超时时间（毫秒）
spring.redis.timeout=1800000
#连接池最大连接数（使用负值表示没有限制）
spring.redis.lettuce.pool.max-active=20
#最大阻塞等待时间(负数表示没限制)
spring.redis.lettuce.pool.max-wait=-1
#连接池中的最大空闲连接
spring.redis.lettuce.pool.max-idle=5
#连接池中的最小空闲连接
spring.redis.lettuce.pool.min-idle=0

RedisConfig配置类

@EnableCaching
@Configuration
public class RedisConfig extends CachingConfigurerSupport {

    @Bean
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        RedisSerializer<String> redisSerializer = new StringRedisSerializer();
        Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
        ObjectMapper om = new ObjectMapper();
        om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        jackson2JsonRedisSerializer.setObjectMapper(om);
        template.setConnectionFactory(factory);
        //key序列化方式
        template.setKeySerializer(redisSerializer);
        //value序列化
        template.setValueSerializer(jackson2JsonRedisSerializer);
        //value hashmap序列化
        template.setHashValueSerializer(jackson2JsonRedisSerializer);
        return template;
    }

    @Bean
    public CacheManager cacheManager(RedisConnectionFactory factory) {
        RedisSerializer<String> redisSerializer = new StringRedisSerializer();
        Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
        //解决查询缓存转换异常的问题
        ObjectMapper om = new ObjectMapper();
        om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        jackson2JsonRedisSerializer.setObjectMapper(om);
        // 配置序列化（解决乱码的问题）,过期时间600秒
        RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
                .entryTtl(Duration.ofSeconds(600))
                .serializeKeysWith(RedisSerializationContext.SerializationPair.fromSerializer(redisSerializer))
                .serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(jackson2JsonRedisSerializer))
                .disableCachingNullValues();
        RedisCacheManager cacheManager = RedisCacheManager.builder(factory)
                .cacheDefaults(config)
                .build();
        return cacheManager;
    }
}

controller测试

@RestController
@RequestMapping("/testRedis")
public class RedisController {

    @Autowired
    private RedisTemplate<String,Object> redisTemplate;

    @GetMapping("/getRedis")
    public String redisTest(){
        redisTemplate.opsForValue().set("name","mary");
        return (String)redisTemplate.opsForValue().get("name");
    }

}

主启动类

@SpringBootApplication
public class SpringbootRedisApplication {

    public static void main(String[] args) {
        SpringApplication.run(SpringbootRedisApplication.class, args);
    }

}

spring中几个注解说明

@EnableCaching：标记注解@EnableCaching，开启缓存，并配置Redis缓存管理器。@EnableCaching 注释触发后置处理器, 检查每一个Spring bean 的 public 方法是否存在缓存注解。如果找到这样的一个注释, 自动创建一个代理拦截方法调用和处理相应的缓存行为。
@Cacheable：根据方法对其返回结果进行缓存，下次请求时，如果缓存存在，则直接读取缓存数据返；如果缓存不存在，则执行方法，并把返回的结果存入缓存中。一般用在查询方法上。

属性解释
value 缓存名，必填，它指定了你的缓存存放在哪块命名空间
cacheNames 与value差不多，二选一即可
key 可选属性，可以使用SpEL标签自定义缓存的key
@CachePut：使用该注解标志的方法，每次都会执行，并将结果存入指定的缓存中。其他方法可以直接从响应的缓存中读取缓存数据，而不需要再去查询数据库。一般用在新增方法上。

属性解释
value 缓存名，必填，它指定了你的缓存存放在哪块命名空间
cacheNames 与value差不多，二选一即可
key 可选属性，可以使用SpEL标签自定义缓存的key

@CacheEvict：使用该注解标志的方法，会清空指定的缓存。一般用在更新或者删除方法上

属性	解释
value	缓存名，必填，它指定了你的缓存存放在哪块命名空间
cacheNames	与value差不多，二选一即可
key	可选属性，可以使用SpEL标签自定义缓存的key
allEntries	是否清空所有缓存，默认为false，如果指定为true，则方法调用后将立即清空所有缓存
beforeInvocation	是否在方法执行前就清空，默认为false。如果指定为true，则在方法执行前就会清空缓存

9.Redis事务

Redis事务的定义

Redis事务是一个单独的隔离操作，事务中的所有命令都会序列化、按顺序的执行。事务在执行过程中，不会被其他客户端发送来的命令请求所打断。Redis事务的主要作用就是串联多个命令防止别的命令插队。

Redis事务涉及到的三个命令Multi、Exec、discard

从输入Multi命令开始，输入的命令都会依次进入命令队列中，但不会执行，直到输入Exec后，Redis会将之前的命令队列中的命令依次执行。组队的过程中可以通过discard来放弃组队。

实例：
1. 组队成功，提交成功
2. 组队阶段报错，提交失败
3. 组队成功，提交有成功有失败情况
  
  组队中某个命令出现了报告错误，执行时整个的所有队列都会被取消。
  
  如果执行阶段某个命令报出了错误，则只有错误的命令不会被执行，而其他的命令都会执行，不会回滚。

事务的冲突问题

例子

同时有三个请求向同一个账户进行金额的扣除

一个请求想给金额减8000

一个请求想给金额减5000

一个请求想给金额减1000
Redis可以使用锁来解决上述问题
1. 悲观锁
  
  悲观锁(Pessimistic Lock)，顾名思义，就是很悲观，每次去拿数据的时候都认为给别人会修改，所以每次在拿数据的时候都会上锁，这样别人想拿这个数据就会block知道它拿到锁。传统的关系型数据库里边就用到了很多这种锁机制，比如行锁，表锁等，读锁，写锁等，都是在做操作之前先上锁。
2. 乐观锁
  
  乐观锁(Optimistic Lock)，顾名思义，就是很乐观，每次去那数据的时候都认为别人不会修改，所以不会上锁，但是在更新的时候会判断一下在此期间别人有没有去更新这个数据，可以使用版本号等机制。乐观锁适用于多读的应用类型，这样可以提高吞吐量。Redis就是利用这种check-and-set机制实现事务的。
实例
1. 向Redis中添加一个key-value
2. 开启两个Redis客户端，分别使用watch命令监控k1，并且开启事务，然后对k1做添加操作
  
  客户端1
  
  客户端2
3. 客户端1执行exec命令结束事务，增加成功，返回增加后的值
4. 客户端2执行exec命令结束事务，增加失败，返回nil，相当于Java的null，因为在事务执行过程中，客户端1已经对k1的值进行了修改

Redis事务三特性

事务的隔离操作

事务中的所有命令都会序列化、按顺序地执行。事务在执行的过程中，不会被其他客户端发送来的命令请求所打断
没有隔离级别的概念

队列中的命令没有提交之前都不会实际被执行，因为事务提交前任何指令都不会被实际执行
不保证原子性

事务中如果有一条命令执行失败，其后的命令仍然会被执行，没有回滚

10.Redis持久化之RDB

RDB是什么

在指定的时间间隔内将内存中的数据集快照写入磁盘，也就是行话讲的snapshot快照，它恢复时是将快照文件直接读到内存里。Redis默认开启RDB。

RDB相关配置

RDB文件名称，默认为dump.rdb
RDB文件的保存路径，默认为Redis启动时命令所在的目录下
快照保存策略

格式：save s n 表示在s秒钟有n个key发生改变就执行rdb持久化

默认是1分钟内改了1万次，或5分钟内改了10次，或15分钟内改了1次
stop-writes-on-bgsave-error

当Redis无法写入磁盘的话，直接关掉Redis的写操作。推荐yes
rdbcompression压缩文件

对于存储到磁盘中的快照，可以设置是否进行压缩存储。如果是的话，redis会采用LZF算法进行压缩

如果你不想消耗CPU来进行压缩的话，可以设置为关闭此功能。推荐yes.
rdbchecksum检查完整性

save VS bgsave

save ：save时只管保存，其它不管，全部阻塞。手动保存。不建议。
bgsave：Redis会在后台异步进行快照操作，快照同时还可以响应客户端请求。
可以通过lastsave 命令获取最后一次成功执行快照的时间

RDB备份流程

Redis会单独创建（fork）一个子进程来进行持久化，会先将数据写入到一个临时文件中，待持久化过程都结束了，再用这个临时文件替换上次持久化好的文件。整个过程中，主进程是不进行任何IO操作的，这就确保了极高的性能如果需要进行大规模数据的恢复，且对于数据恢复的完整性不是非常敏感，那RDB方式要比AOF方式更加的高效。RDB的缺点是最后一次持久化后的数据可能丢失。
Fork
1. Fork的作用是复制一个与当前进程一样的进程。新进程的所有数据（变量、环境变量、程序计数器等）数值都和原进程一致，但是是一个全新的进程，并作为原进程的子进程
2. 在Linux程序中，fork()会产生一个和父进程完全相同的子进程，但子进程在此后多会exec系统调用，出于效率考虑，Linux中引入了“写时复制技术“
3. 一般情况父进程和子进程会共用同一段物理内存，只有进程空间的各段的内容要发生变化时，才会将父进程的内容复制一份给子进程

优势与劣势

优势
- 适合大规模的数据恢复
- 对数据完整性和一致性要求不高更适合使用
- 节省磁盘空间
- 恢复速度快
劣势
- Fork的时候，内存中的数据被克隆了一份，大致2倍的膨胀性需要考虑
- 虽然Redis在fork时使用了写时拷贝技术，但是如果数据庞大时还是比较消耗性能
- 在一定间隔时间做一次备份，所以如果Redis意外down掉的话，就会丢失最后一次快照后的所有修改

11.Redis持久化之AOF

AOF是什么

以日志的形式来记录每个写操作（增量保存），将Redis执行过的所有写指令记录下来(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

AOF默认不开启

可以在redis.conf中配置 appendonly yes 开启AOF，appendfilename设置AOF文件名

AOF和RDB同时开启，Redis听谁的

AOF和RDB同时开启，系统默认取AOF的数据（数据不会存在丢失）

异常恢复

如遇到AOF文件损坏，通过/usr/local/bin/redis-check-aof --fix AOF文件名进行恢复

AOF同步频率设置

appendfsync

appendfsync always

始终同步，每次Redis的写入都会立刻记入日志；性能较差但数据完整性比较好
appendfsync everysec

每秒同步，每秒记入日志一次，如果宕机，本秒的数据可能丢失
appendfsync no

redis不主动进行同步，把同步时机交给操作系统

Rewrite重写

是什么

AOF采用文件追加方式，文件会越来越大为避免出现此种情况，新增了重写机制, 当AOF文件的大小超过所设定的阈值时，Redis就会启动AOF文件的内容压缩，只保留可以恢复数据的最小指令集.可以使用命令bgrewriteaof
重写原理，如何实现重写

AOF文件持续增长而过大时，会fork出一条新进程来将文件重写(也是先写临时文件最后再rename)，redis4.0版本后的重写，就是把rdb 的快照，以二级制的形式附在新的aof头部，作为已有的历史数据，替换掉原来的流水账操作

如果no-appendfsync-on-rewrite=yes ,不写入aof文件只写入缓存，用户请求不会阻塞，但是在这段时间如果宕机会丢失这段时间的缓存数据。（降低数据安全性，提高性能）

如果no-appendfsync-on-rewrite=no, 还是会把数据往磁盘里刷，但是遇到重写操作，可能会发生阻塞。（数据安全，但是性能降低）
何时重写

Redis会记录上次重写时的AOF大小，默认配置是当AOF文件大小是上次rewrite后大小的一倍且文件大于64M时触发

重写虽然可以节约大量磁盘空间，减少恢复时间。但是每次重写还是有一定的负担的，因此设定Redis要满足一定条件才会进行重写。

auto-aof-rewrite-percentage：设置重写的基准值，文件达到100%时开始重写（文件是原来重写后文件的2倍时触发）

auto-aof-rewrite-min-size：设置重写的基准值，最小文件64MB。达到这个值开始重写。

例如：文件达到70MB开始重写，降到50MB，下次什么时候开始重写？100MB

系统载入时或者上次重写完毕时，Redis会记录此时AOF大小，设为base_size，如果Redis的AOF当前大小>=base_size+base_size*100% (默认)且当前大小>=64MB(默认)的情况下，Redis会对AOF进行重写。
重写流程
1. bgrewriteaof触发重写，判断是否当前有bgsave或bgrewriteaof在运行，如果有，则等待该命令结束后再继续执行
2. 主进程fork出子进程执行重写操作，保证主进程不会阻塞
3. 子进程遍历redis内存中数据到临时文件，客户端的写请求同时写入aof_buf缓冲区和aof_rewrite_buf重写缓冲区保证原AOF文件完整以及新AOF文件生成期间的新的数据修改动作不会丢失
4. ①子进程写完新的AOF文件后，向主进程发信号，父进程更新统计信息
  
  ②主进程把aof_rewrite_buf中的数据写入到新的AOF文件
5. 使用新的AOF文件覆盖旧的AOF文件，完成AOF重写

优势与劣势

优势
- 备份机制更稳健，丢失数据概率更低
- 可读的日志文本，通过操作AOF稳健，可以处理误操作
劣势
- 比起RDB占用更多的磁盘空间
- 恢复备份速度要慢
- 每次读写都同步的话，有一定的性能压力
- 存在个别Bug，造成不能恢复

总结

AOF和RDB用哪个好
- 官方推荐两个都启用
- 如果对数据不敏感，可以选单独用RDB
- 不建议单独用AOF，因为可能会出现bug
- 如果只是做纯内存缓存，可以都不用

官网建议

RDB持久化方式能够在指定的时间间隔能对你的数据进行快照存储
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
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方式.
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？

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。
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。
- 如果使用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AOFrewrite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AOFrewrite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%大小时重写可以改到适当的数值。

12.主从复制

是什么

主机数据更新后根据配置和策略，自动同步到备机的master/slaver机制，Master以写为主，Slave以读为主

能干嘛

读写分离，性能扩展
容灾快速恢复

主从复制原理

slave启动成功连接到master后会发送一个sync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，以完成一次完全同步
全量复制：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

一主两从的配置

创建目录/myredis
```
mkdir /myredis
```
复制redis.conf文件到/myredis目录下
编辑redis.conf中的内容，关闭aof

新建redis6379.conf，填写以下内容

include /myredis/redis.conf
pidfile /var/run/redis_6379.pid
port 6379
dbfilename dump6379.rdb

新建redis6380.conf，填写以下内容

include /myredis/redis.conf
pidfile /var/run/redis_6380.pid
port 6380
dbfilename dump6380.rdb

新建redis6381.conf，填写以下内容

include /myredis/redis.conf
pidfile /var/run/redis_6381.pid
port 6381
dbfilename dump6381.rdb

分别使用不同的配置文件启动Redis服务

redis-server /myredis/redis6379.conf
redis-server /myredis/redis6380.conf
redis-server /myredis/redis6381.conf

通过redis-cli -p 端口号连接三个Redis服务，分别使用info replication查看三个Redis服务的信息

可以看到三台都是master主，并没有slave从
分别在6380和6381上执行slaveof 主机IP 端口号，指定6379为主机，然后查看Redis服务信息
一主两从的配置就完成了，接下来可以测试一下

可以看到数据从主机复制到从机上了，从机不能设置值，只能读取值
一主两从的两个问题
1. 从机挂了，重启需重设：slaveof 主机IP 端口号
2. 主机挂掉，重启就行，一切如初

哨兵模式

是什么

能够后台监控主机是否故障，如果故障了根据投票数自动将从库转换为主库
配置步骤
1. 按照一主两从的配置启动三台Redis服务
2. 在/myredis目录下新建sentinel.conf文件
```
sentinel monitor mymaster 127.0.0.1 6379 1
```
  mymaster为监控对象起的服务器名称，1为至少有多少个哨兵同意故障迁移的数量
3. redis-sentinel sentinel.conf 启动哨兵
4. 当主机挂掉，从机选举中产生新的主机，大概10秒左右可以看到哨兵窗口日志，切换了新的主机
复制延时
由于所有的写操作都是先在Master上操作，然后同步更新到Slave上，所以从Master同步到Slave机器有一定的延迟，当系统很繁忙的时候，延迟问题会更加严重，Slave机器数量的增加也会使这个问题更加严重
故障恢复
- 新主登基：从下线的主服务的所有从服务里面挑选一个从服务，将其转成主服务，选择条件依次为：
  - 选择优先级靠前的，优先级在redis.conf中默认：replica-priority 100，值越小优先级越高
  - 选择偏移量最大的，偏移量是指获得原主机数据最全的
  - 选择runid最小的从服务，每个Redis实例启动后都会随机生成一个40位runid
- 群臣俯首：挑选出新地主服务之后sentinel向原主服务的从服务发送slaveof新主服务的命令，复制新master
- 旧主俯首：当已下线的服务重新上线时，sentinel会向其发送slaveof命令，让其成为新主的从

哨兵模式下的Jedis连接池代码

private static JedisSentinelPool jedisSentinelPool=null;

public static  Jedis getJedisFromSentinel(){
    if(jedisSentinelPool==null){
        Set<String> sentinelSet=new HashSet<>();
        sentinelSet.add("192.168.11.103:26379");

        JedisPoolConfig jedisPoolConfig =new JedisPoolConfig();
        jedisPoolConfig.setMaxTotal(10); //最大可用连接数
        jedisPoolConfig.setMaxIdle(5); //最大闲置连接数
        jedisPoolConfig.setMinIdle(5); //最小闲置连接数
        jedisPoolConfig.setBlockWhenExhausted(true); //连接耗尽是否等待
        jedisPoolConfig.setMaxWaitMillis(2000); //等待时间
        jedisPoolConfig.setTestOnBorrow(true); //取连接的时候进行一下测试 ping pong

        jedisSentinelPool=new JedisSentinelPool("mymaster",sentinelSet,jedisPoolConfig);
        return jedisSentinelPool.getResource();
    }else{
        return jedisSentinelPool.getResource();
    }
}

13.Redis集群

什么是集群

Redis3.0中提供了集群的解决方案，就是无中心化集群配置，即每一个Redis服务都可以作为整个Redis集群的入口对外进行服务

Redis 集群实现了对Redis的水平扩容，即启动N个redis节点，将整个数据库分布存储在这N个节点中，每个节点存储总数据的1/N

Redis 集群通过分区（partition）来提供一定程度的可用性（availability）：即使集群中有一部分节点失效或者无法进行通讯，集群也可以继续处理命令请求

Redis集群配置及相关操作

删除之前主从配置后产生的rdb文件
修改之前的redis6379.conf文件，删除其余配置文件

复制redis6379.conf，并vim使用:%s/6379/6380修改配置文件内容并保存，以此类推修改所有配置文件

cp redis6379.conf redis6380.conf
cp redis6379.conf redis6381.conf
cp redis6379.conf redis6389.conf
cp redis6379.conf redis6390.conf
cp redis6379.conf redis6391.conf

集群配置6380

分别启动6个Redis服务

redis-server redis6379.conf
redis-server redis6380.conf
redis-server redis6381.conf
redis-server redis6389.conf
redis-server redis6390.conf
redis-server redis6391.conf

确保nodes文件生成正常，然后将6个节点合成一个集群

切换到Redis安装目录下src目录下，执行命令，注意IP不能是127.0.0.1，要用真实IP，-replicas 1 采用最简单的方式配置集群，一台主机，一台从机，正好三组
```
redis-cli --cluster create --cluster-replicas 1 192.168.23.130:6379 192.168.23.130:6380 192.168.23.130:6381 192.168.23.130:6389 192.168.23.130:6390 192.168.23.130:6391
```
输入yes
以集群模式登录Redis客户端
```
redis-cli -c -p 6379
```
使用cluster nodes查看集群信息
redis cluster 如何分配这六个节点

一个集群至少要有三个主节点。

选项 --cluster-replicas 1 表示我们希望为集群中的每个主节点创建一个从节点。

分配原则尽量保证每个主数据库运行在不同的IP地址，每个从库和主库不在一个IP地址上。
什么是slots

一个Redis 集群包含 16384 个插槽(hash slot)，数据库中的每个键都属于这 16384 个插槽的其中一个

集群使用公式 CRC16(key) % 16384 来计算键 key 属于哪个槽，其中 CRC16(key) 语句用于计算键 key 的 CRC16 校验和

集群中的每个节点负责处理一部分插槽。举个例子：

节点 A 负责处理 0 号至 5460 号插槽。
节点 B 负责处理 5461 号至 10922 号插槽。
节点 C 负责处理 10923 号至 16383 号插槽。
在集群中录入值

不在一个slot下的键值，是不能使用mget,mset等多键操作

可以通过{}来定义组的概念，从而使key中{}内相同内容的键值对放到一个slot中去
集群中对key的相关操作

计算指定key经过CRC16计算后对应的slot值

查询对应的槽当中有多少个key，注意只能在该槽被分配到的节点上查询

查询指定槽中指定个数的键

集群的故障恢复

如果主节点下线，从节点将自动升为主节点
主节点恢复后，主节点变为从机
如果某一段插槽的主从都挂掉，而cluster-require-full-coverage为yes，那么，整个集群都挂掉，而cluster-require-full-coverage为no，那么该插槽数据全都不能使用，也无法存储

集群的Jedis开发

public class JedisClusterTest {
    public static void main(String[] args) {
        Set<HostAndPort>set =new HashSet<HostAndPort>();
        set.add(new HostAndPort("192.168.23.130",6379));
        JedisCluster jedisCluster=new JedisCluster(set);
        jedisCluster.set("k1", "v1");
        System.out.println(jedisCluster.get("k1"));
    }
}

集群的优劣

优势
1. 实现扩容
2. 分摊压力
3. 无中心配置相对简单
劣势
1. 多键操作是不被支持的，需要使用{}分组，操作繁琐
2. 多键的Redis事务是不被支持的。lua脚本不被支持
3. 由于集群方案出现较晚，很多公司已经采用了其他的集群方案，而代理或者客户端分片的方案想要迁移至redis cluster，需要整体迁移而不是逐步过渡，复杂度较大

14.Redis应用问题解决

缓存穿透

问题描述

key对应的数据在数据库并不存在，每次针对此key的请求从缓存获取不到，请求都会压到数据库，从而可能压垮数据库。比如一个不存在的用户id获取用户信息，不论缓存还是数据库都没有，若黑客利用此漏洞进行攻击可能压垮数据库
解决方案

一个一定不存在缓存及查询不到的数据，由于缓存是不命中时被动写的，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请求都要到存储层去查询，失去了缓存的意义
1. 对空值缓存：如果一个查询返回的数据为空（不管是数据是否不存在），我们仍然把这个空结果（null）进行缓存，设置空结果的过期时间会很短，最长不超过五分钟
2. 设置可访问的名单（白名单）：
  使用bitmaps类型定义一个可以访问的名单，名单id作为bitmaps的偏移量，每次访问和bitmap里面的id进行比较，如果访问id不在bitmaps里面，进行拦截，不允许访问
3. 采用布隆过滤器：(布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量(位图)和一系列随机映射函数（哈希函数）
  布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难
  将所有可能存在的数据哈希到一个足够大的bitmaps中，一个一定不存在的数据会被这个bitmaps拦截掉，从而避免了对底层存储系统的查询压力
4. 进行实时监控：当发现Redis的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务

缓存击穿

问题描述

key对应的数据存在，但在redis中过期，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮
解决方案

key可能会在某些时间点被超高并发地访问，是一种非常“热点”的数据。这个时候，需要考虑一个问题：缓存被“击穿”的问题
1. 预先设置热门数据：在redis高峰访问之前，把一些热门数据提前存入到redis里面，加大这些热门数据key的时长
2. 实时调整：现场监控哪些数据热门，实时调整key的过期时长
3. 使用锁：
  
  （1）就是在缓存失效的时候（判断拿出来的值为空），不是立即去load db
  
  （2）先使用缓存工具的某些带成功操作返回值的操作（比如Redis的SETNX）去set一个mutex key
  
  （3）当操作返回成功时，再进行load db的操作，并回设缓存,最后删除mutex key
  
  （4）当操作返回失败，证明有线程在load db，当前线程睡眠一段时间再重试整个get缓存的方法

缓存雪崩

问题描述

key对应的数据存在，但在redis中过期，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮

缓存雪崩与缓存击穿的区别在于这里针对很多key缓存，前者则是某一个key

正常情况

缓存失效瞬间
解决方案

缓存失效时的雪崩效应对底层系统的冲击非常可怕！
1. 构建多级缓存架构： nginx缓存 + redis缓存 +其他缓存（ehcache等）
2. 使用锁或队列：
  
  用加锁或者队列的方式保证来保证不会有大量的线程对数据库一次性进行读写，从而避免失效时大量的并发请求落到底层存储系统上。不适用高并发情况
3. 设置过期标志更新缓存：
  
  记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际key的缓存
4. 将缓存失效时间分散开：
  比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。

分布式锁

问题描述

随着业务发展的需要，原单体单机部署的系统被演化成分布式集群系统后，由于分布式系统多线程、多进程并且分布在不同机器上，这将使原单机部署情况下的并发控制锁策略失效，单纯的Java API并不能提供分布式锁的能力。为了解决这个问题就需要一种跨JVM的互斥机制来控制共享资源的访问，这就是分布式锁要解决的问题！
分布式锁主流的实现方案
1. 基于数据库实现分布式锁
2. 基于缓存（Redis等）
3. 基于zookeeper
每一种分布式解决方案都有各自的优缺点
1. 性能：redis最高
2. 可靠性：zookeeper最高
Redis实现分布式锁

代码

@GetMapping("testLockLua")
public void testLockLua() {
    //1 声明一个uuid ,将做为一个value 放入我们的key所对应的值中
    String uuid = UUID.randomUUID().toString();
    //2 定义一个锁：lua 脚本可以使用同一把锁，来实现删除！
    String skuId = "25"; // 访问skuId 为25号的商品 100008348542
    String locKey = "lock:" + skuId; // 锁住的是每个商品的数据

    // 3 获取锁
    Boolean lock = redisTemplate.opsForValue().setIfAbsent(locKey, uuid, 3, TimeUnit.SECONDS);

    // 第一种： lock 与过期时间中间不写任何的代码。
    // redisTemplate.expire("lock",10, TimeUnit.SECONDS);//设置过期时间
    // 如果true
    if (lock) {
        // 执行的业务逻辑开始
        // 获取缓存中的num 数据
        Object value = redisTemplate.opsForValue().get("num");
        // 如果是空直接返回
        if (StringUtils.isEmpty(value)) {
            return;
        }
        // 不是空 如果说在这出现了异常！ 那么delete 就删除失败！ 也就是说锁永远存在！
        int num = Integer.parseInt(value + "");
        // 使num 每次+1 放入缓存
        redisTemplate.opsForValue().set("num", String.valueOf(++num));
        /*使用lua脚本来锁*/
        // 定义lua 脚本
        String script = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end";
        // 使用redis执行lua执行
        DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>();
        redisScript.setScriptText(script);
        // 设置一下返回值类型 为Long
        // 因为删除判断的时候，返回的0,给其封装为数据类型。如果不封装那么默认返回String 类型，
        // 那么返回字符串与0 会有发生错误。
        redisScript.setResultType(Long.class);
        // 第一个要是script 脚本 ，第二个需要判断的key，第三个就是key所对应的值。
        redisTemplate.execute(redisScript, Arrays.asList(locKey), uuid);
    } else {
        // 其他线程等待
        try {
            // 睡眠
            Thread.sleep(1000);
            // 睡醒了之后，调用方法。
            testLockLua();
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

为了确保分布式锁可用，我们至少要确保锁的实现同时满足以下四个条件：

互斥性。在任意时刻，只有一个客户端能持有锁
不会发生死锁。即使有一个客户端在持有锁的期间崩溃而没有主动解锁，也能保证后续其他客户端能加锁
解铃还须系铃人。加锁和解锁必须是同一个客户端，客户端自己不能把别人加的锁给解了
加锁和解锁必须具有原子性

15.Redis6.0新功能

ACL

简介

Redis ACL是Access Control List（访问控制列表）的缩写，该功能允许根据可以执行的命令和可以访问的键来限制某些连接。

在Redis 5版本之前，Redis 安全规则只有密码控制还有通过rename 来调整高危命令比如 flushdb ， KEYS* ，shutdown 等。Redis 6 则提供ACL的功能对用户进行更细粒度的权限控制：

（1）接入权限:用户名和密码

（2）可以执行的命令

（3）可以操作的 KEY
相关命令
- 使用acl list查看用户权限列表
- 使用acl cat查看某个类型下的具体命令
- 使用acl whoami命令查看当前用户
- 使用acl setuser命令创建和编辑用户
  1. acl规则
  2. 命令实例
  3. 切换用户，验证权限

IO多线程

简介

Redis6终于支撑多线程了，告别单线程了吗？

IO多线程其实指客户端交互部分的网络IO交互处理模块多线程，而非执行命令多线程。Redis6执行命令依然是单线程
原理架构

Redis 6 加入多线程,但跟
Memcached 这种从 IO处理到数据访问多线程的实现模式有些差异。Redis 的多线程部分只是用来处理网络数据的读写和协议解析，执行命令仍然是单线程。之所以这么设计是不想因为多线程而变得复杂，需要去控制 key、lua、事务，LPUSH/LPOP 等等的并发问题。整体的设计大体如下：

另外，多线程IO默认也是不开启的，需要再配置文件中配置

io-threads-do-reads yes

io-threads 4

工具支持cluster

之前老版Redis想要搭集群需要单独安装ruby环境，Redis 5 将 redis-trib.rb 的功能集成到 redis-cli 。另外官方 redis-benchmark 工具开始支持 cluster 模式了，通过多线程的方式对多个分片进行压测

工具支持cluster

其他新功能

RESP3新的 Redis 通信协议：优化服务端与客户端之间通信
Client side caching客户端缓存：基于 RESP3 协议实现的客户端缓存功能。为了进一步提升缓存的性能，将客户端经常访问的数据cache到客户端。减少TCP网络交互
Proxy集群代理模式：Proxy 功能，让 Cluster 拥有像单实例一样的接入方式，降低大家使用cluster的门槛。不过需要注意的是代理不改变 Cluster 的功能限制，不支持的命令还是不会支持，比如跨 slot 的多Key操作
Modules API
Redis 6中模块API开发进展非常大，因为Redis Labs为了开发复杂的功能，从一开始就用上Redis模块。Redis可以变成一个框架，利用Modules来构建不同系统，而不需要从头开始写然后还要BSD许可。Redis一开始就是一个向编写各种系统开放的平台

Lonely and cold

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Redis6学习笔记

Redis6学习笔记1.NoSQL数据库简介2.Redis6的概述和安装3. Redis常用五大数据类型key键常用命令Redis字符串(String)Redis列表(List)Redis集合(Set)Redis哈希(Hash)Redis有序集合(Zset)4.Redis配置文件详解5.Redis的发布和订阅6.Redis6新数据类型Bitmaps合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPan
复制链接

扫一扫

专栏目录