Redis一文全总结

于 2022-06-02 17:59:31 发布
阅读量466 收藏 2
点赞数 1
文章标签： redis 数据库 database
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/woodslay/article/details/125089696
版权

Redis测试和调试

Redis是一个开源（BSD许可）的内存中的数据结构存储系统，常用作数据库、缓存和消息中间件。代码简洁，实现高效，值得学习和总结，其特点包括以下特点：

  1. 性能高
  2. 丰富的数据类型
  3. 支持事务
  4. 内建replication及集群
  5. 支持持久化
  6. 单线程，原子性操作

可通过自带的性能测试工具Redis-benchmark进行测试，命令如下：

redis-benchmark [-h <host>] [-p <port>] [-c <clients>] [-n <requests]> [-k <boolean>]

若要源码调试，需要：

  1. 修改配置文件中的daemon为yes
  2. 禁用gcc编译优化，将makefile文件OPTIMIZATION?=-O2修为-O0
  3. gdb redis-server [conf]进行调试

数据结构

简单动态字符串

redis自定义简单动态字符串sds，其数据结构如下：

struct __attribute__ ((__packed__)) 
	sdshdr8 { 
	uint8_t len; /* 数据长度 */ 
	uint8_t alloc; /* 去掉头和null结束符，有效长度+数据长度*/ 
	unsigned char flags; /* 3 lsb of type, 5 unused bits，小端*/ 
	char buf[]; 
};

在这里插入图片描述使用自定义sds的优点及相对C字符串的改进：

  • O(1)复杂度获取字符长（C语言字符串是变O(n))
  • 避免缓冲区溢出（C语言不支持扩容且易溢出）
  • 减少字符串修改带来的内存频繁重分配次数
  • 二进制操作安全，可处理任意格式二进制数据（C不支持二进制数据）
  • 以’\0’结尾，使其兼容部分C字符串函数

为减少字符串修改带来的内存频繁重分配次数，包括：

  • 空间扩容（sdsMakeRoomFor）：
    • 当前有效长度>=新增长度，直接返回
    • 新增后长度<预分配的长度(1024*1024)，扩大一倍
    • 新增后长度>=预分配的长度，每次加预分配长度
    • 更新后判断新旧类型是否一致，一致用remalloc否则malloc+free
  • 空间缩容（sdsRemoveFreeSpace）：执行trim时，采用惰性空间释放即：不会立即回收空间，只是进行移动和标记，并修改数据长度。真正的删除被放在后续操作中如tryObjectEncoding

链表

底层是双向链表，节点结构体和链表结构体如下
在这里插入图片描述
在这里插入图片描述
内存结构如下：
在这里插入图片描述
常用API函数如下：

  • lpush:向链表左侧压入元素
  • rpush:向链表右侧压入元素
  • lpop:弹出链表左侧第一个元素
  • rpop:弹出链表右侧第一个元素
  • llen:获得链表长度
  • lrange:按索引范围获得值

哈希表

C没有哈希表故自定义实现，使用拉链法解决哈希冲突，主要结构体包括：dictht（哈希表）、dictEntry（表项，也就是键值对）、dict（给外层调用的哈希表结构，包含两dictht方便rehash），具体如图：
在这里插入图片描述
dictht中的size每次都是<=2^s来进行分配，sizemask用于计算当前的key位于哪个dictEntry，通过hash & dict->ht[x].sizemask计算，见下面siphash算法
在这里插入图片描述
在这里插入图片描述
dict中的rehashindex表示是否在进行rehash，默认-1表示未进行,否则表示当前dt[0]中tb的某个键值对entry在rehash，dictht在第一次初始化时只会启用ht[0],ht[1]在整个dict扮演着临时存储的作用

siphash算法

默认的hash算法是siphash算法，计算哈希值和索引值：

  1. 使用字典设置的哈希函数，计算键 key 的哈希值 hash = dict->type->hashFunction(key)
  2. 使用哈希表的sizemask属性和第一步得到的哈希值，计算索引值 index = hash & dict->ht[x].sizemask
    但hash冲突时，使用拉链法，如下图：
    在这里插入图片描述

负载因子和rehash

负载因子用来评估键冲突的概率，其中redis中负载因子会根据是否在进行持久化而不同：

  • 非持久化：factor=d->ht[0].used/d->ht[0].size>=1
  • 持久化: factor=d->ht[0].used/d->ht[0].size>dict_force_resize_ratio(5)
    由于空间扩大或缩小，之前的键在老表的存储位置，在新表中就不一定，需重新计算并把老元素迁移到新表元素的过程叫rehash，触发如下图：
    在这里插入图片描述
    由于rehash过程比较消耗性能，因此需优化：
  • 一：渐进式rehash指rehash不是一次性完成。因为若Hash表key太多，导致rehash操作需长时间进行，阻塞服务器，故将rehash操作分散在后续的每次增删改查中（以桶为单位）
  • 二：第一类存在问题：若服务器长时间空闲，哈希表长期用0和1两个表。为解决该问题，在serverCron函数中，每次拿出1ms时间执行Rehash操作，每次步长为100

字典迭代器

字典迭代器dictIterator如图：
在这里插入图片描述
字典迭代器包括两种模式：

  • 安全模式：支持边遍历边修改(字典key的过期判断)，支持字典的添加、删除、查找等操作，但是不支持rehash操作(避免重复遍历)
  • 非安全模式：只支持只读操作，使用字典的删除、添加、查找等方法会造成不可预期的问题，如重复遍历元素或者漏掉元素，但支持rehash操作

总之：避免元素的重复遍历或遍历过程中需处理元素，必须用安全模式，如bgaofwrite、bgsave、keys。允许遍历过程出现个别元素重复，用非安全模式

使用场景

  1. 原生字符串类型：简单直观，但内存占用量大，信息内聚性差，故实践中很少用
  2. 序列化字符串类型：将信息序列化后用一个键保存，简化编程，可提高内存效率，但每次更新都会反序列和序列化，有性能消耗
  3. .哈希类型：每个信息用一对field-value，但是只用一个键保存。简单直观，但在ziplist和hashtable中会消耗更多内存

跳表

本质是并联的有序链表，加速链表查找，相比平衡树易于实现，且效率更高，结构体如下：
在这里插入图片描述

在这里插入图片描述
跳表插入、查找、删除：
在这里插入图片描述
在这里插入图片描述
根据跳表的示意图可知，增、删、查效率跟level有关，level计算公式如下：
在这里插入图片描述
由此可知：level每增加一层概率为p,redis中p为0.25，因此level=1，概率为1-p，level=2，概率为p(1-p)，节点平均层为1(1-p)+2(1-p)p+3pp(1-p)+…=1/(1-p)=4/3

集合：

包含整数集合和普通集合，整数集合如图：
在这里插入图片描述
encoding表元素类型，取值int64、int32、int16，默认为int16。length表元素的个数，content用动态数组按需扩容或缩容分配空间，并按从小到大顺序保存元素，因此有序查找用二分查找

插入与升级

当插入的元素类型大于当前intset类型时，为防止溢出会进行升级操作，注意不支持降级
在这里插入图片描述
示例如图，插入65535=1111 1111 1111 1111，共16位
在这里插入图片描述
升级优点：

  1. 提升灵活性，可通过自动升级底层数组适应任意类型新元素，不必担心类型错误
  2. 节约内存避免浪费，不同类型用不同类型的空间存储

压缩列表

压缩列表是由一系列特殊编码的连续内存块组成的顺序型数据结构，可包含任意多个节点，适合存小对象和长度短的数据，核心结构体如下：

在这里插入图片描述
zlbytes记录压缩列表占用字节数，zltail记录压缩列表表尾节点离压缩列表起始地址多少字节，通过该偏移量无需遍历就可确定表尾节点，zllen记录压缩列表包含的节点数量，zlend标记压缩列表末端
在这里插入图片描述
prevlen记录的是前一个节点字节长，可据此快速定位前一个节点起始位置，支持反向遍历，encoding记录节点的content属性所保存数据的类型和长度
对节点进行操作时，需将压缩版的entry转换成zlentry以节省内存

Redis对象

redis底层抽象出一个redisObject，结构体如下：
在这里插入图片描述

  • type:对应type命令，存储redis对象，取值有：
    在这里插入图片描述
  • encoding:对应object encoding命令，记对象底层数据结构，取值有
    在这里插入图片描述
  • lru:对象最后一次被命令程序访问的时间
    在这里插入图片描述
  • refcount:对应object refcount命令，共享对象都存在sharedObjectsStruct结构体，如常见字符串、10000个字符串对象，值分别是[0~9999]的整数值等
  • ptr:模拟多态，可存储任何类型的对象

字符串对象

会根据实际情况选择int、embstr、raw三种encoding形式
在这里插入图片描述

字符串对象使用场景

缓存功能，使用场景是mysql存储，redis做缓存

  • 计数器，如点赞次数，视频播放次数。
  • 共享session
  • 限流，如60s内不能超过5次

列表对象

在这里插入图片描述
尽管插入删除复杂度为O(n)，但不需内存拷贝，因此仍高效，访问两端元素复杂度为O(1)，每片entry节点内存连续且顺序存储，可由二分查找以 O(logn) 复杂度定位
列表对象操作有阻塞和非阻塞。 当所有列表中不存在给定key，或key中包含的是空列表，BLPOP或BLPOP命令将被阻塞，直到client将新数据加到任意key的列表中，才会解除阻塞

列表对象使用场景

列表对象可使用不同命令组合成不同数据结构，以消息队列举例

  • 消息队列：lpush+brpop=Message Queue，生产者lrpush往左侧插元素，消费者brpop阻塞式的“抢”尾部元素，多个消费者保证负载均衡和高可用性
  • 栈：lpush+lpop=Stack
  • 队列：lpush+rpop=Queue
  • 有限集合：lpush+ltrim=Capped Collection

哈希对象

同样根据实际情况底层选择ziplist和dict实现哈希对象
在这里插入图片描述
由ziplist转dict的操作不可逆。尽可能用ziplist来作hash底层。长度应在1000内，否则存取时间复杂度在O(n)到O(n^2)，会导致CPU消耗严重

集合对象

同样根据实际情况底层选择intset和dict实现集合对象
在这里插入图片描述

集合对象使用场景

标签：主要用于社交里面感兴趣的内容(注意尽量保证一个事务下完成)，注意set不允许重复，支持交并补

有序集合对象

同样根据实际情况底层选择intset和dict实现集合对象
在这里插入图片描述
同样ziplist转skiplist不可逆。两参数也可在配置文件中修改

有序集合对象使用场景

排行榜：如网站排行榜，排行维度是多方面：时间、播放量、得赞数等

网络模型

事件模型

Reactor模式指由多个客户端并发请求服务端服务。每个服务由一个单独的事件处理程序调度特定服务的请求。调度由管理已注册事件处理程序的启动调度程序执行，redis是单线程的reactor
在这里插入图片描述
优缺点：

  • 优点：
    • 响应快，不必为单个同步操作所阻塞
    • 可扩展性，可扩展reactor实例个数利用CPU资源
    • 可复用性，reactor与具体事件处理逻辑无关，便于复用
  • 缺点：
    • 共享同一个reactor长时间读写，影响响应，可考虑thread-per-connection

Redis网络模型

网络库主要关心的事件：文件事件、定时事件及信号。redis中前两个用I/O复用统一管理，信号由信号处理函数异步处理，事件处理框架如图：
在这里插入图片描述

  • 定时事件：redis支持的是周期任务事件，即执行完后不会删除，而是重新插入链表。定时器用链表管理，新定时任务插入链表表头
  • 信号：initserver中注册信号处理函数sigShutdownHandler，在处理函数中主要将shutdown_asap置为1，若之前已经为1，直接exit，否则在serverCron函数的prepareForShutdown中收尾

redis通信协议

Redis基于Redis Serialization Protocol协议通信。其本质是文本协议，实现简单、易于解析。
在这里插入图片描述

redis命令格式

命令使用的是redisCommand数据结构来管理
在这里插入图片描述

  • arity:限制命令的个数，包含命令本身
  • sflag：字符串方式设置命令的属性
  • flags：将sflags字符串转成整型，多个属性之间用"|"运算，内部自动解析，见函数populateCommandTable
  • redisCommandProc：函数指针类型，指向命令实现函数

redis流程

单机版大致流程图
在这里插入图片描述

持久化

Redis优点内存读取快但容易丢失，断电后内存数据消失，但redis支持持久化，包括RDB（Redis Data Base）、AOF（Append Only File）

RDB

RDB思想是把当前进程数据生成快照保存到硬盘，保存数据库的键值对。触发RDB持久化过程分为手动触发和自动触发
在这里插入图片描述
流程如图
在这里插入图片描述
自动触发是在serverCron中，根据参数来进行判断
在这里插入图片描述

AOF

日志的方式记录每次写命令，重启时重新执行文件中的命令达到恢复的目的。主要解决数据持久化的实时性，目前是Redis持久化的主流方式

  • 写入到AOF文件的命令都以RESP协议纯文本格式保存，可直接改
  • 只保存写命令(pubsub除外)
  • 支持aof重写
    执行流程如图
    在这里插入图片描述

AOF重写

随着服务器运行，AOF文件会越来越大，导致还原所需时间越多。重写后的aof具备如下特点：

  1. 过期的键不会写入
  2. 重写用最终数据生成，新AOF文件只保留最终数据写入命令
  3. 多条写命令可以合并为一个
  4. 单独开辟一个子进程执行rewrite

同样AOF重写包括手动触发（bgrewriteaof）和自动触发
bgrewriteaof流程如图

在这里插入图片描述
自动触发是通过配置文件中appendonly yes开启自动写入策略：同步、每秒、no等同步策略

过期处理对比

在这里插入图片描述

优缺点对比

RDB

  • 优点：
    • 文件紧凑，一个二进制文件，适用于备份，全量复制等场景。
    • 父进程不进行任何IO操作
    • Redis启动时恢复速度快
  • 缺点：
    • 无法做到实时持久化/秒级持久化。可能会丢失数据
    • 兼容性的问题

AOF

  • 优点：
    • 提供更灵活的策略，来平衡性能和可靠性。
    • 追加模式，容错性强，写到一半宕机或者错误，可以快速恢复
    • 优先使用AOF
  • 缺点：
    • 对于相同数量的数据集而言，AOF文件通常要大于RDB文件
    • 恢复速度慢于rdb

缓存

缓存淘汰

本身缓存固定但数据大于缓存量，如何选择缓存数据，默认实现LRU

  • FIFO
  • LRU：最近最少使用，双向链表+哈希表实现，用链表结点组织数据，最近长访问排在前，哈希表存储key和值链表结点，保证有序
  • LFU：最不经常使用，结点和被访问次数并串成链表，最多访问次数放首，访问次数最少放尾，淘汰最少次数结点

过期删除

缓存都有有效期，为避免前端读老数据，缓存会设置过期时间，到期则删除，策略是定期删除=主动+惰性

  • 主动删除：到达指定的删除间隔后主动删除，易于理解，通过回调函数删除，设置合理间隔会节省内存，缺点是redis忙时设置睡眠时间碰巧到期，主动删除会额外增加redis负担
  • 惰性删除，程序取值时看数据是否已经过期若没则返回，否则删除，优点是资源占用小，缺点是某些数据长期霸占在内存不被删除

缓存一致

业务数据从数据库走，数据库读取基于硬盘，通过缓存加快读取，需保证缓存的数据和数据库中数据相同，即缓存一致。多并发时，多写一读可能不一致。注意可在小范围时间内数据不一致，但在并发请求后最终要一致。
两种读写流程

  1. 先删除缓存在更新数据库
    在这里插入图片描述

会出现一些问题，客户1时刻1删除缓存，时刻2完成，客户2时刻2查询，查询失败，从数据库查询并更新缓存，由于写数据库比读更慢，故时刻3客户2读到并更新缓存，而时刻4后时刻5又有客户3查询，读到的客户2更新到缓存的老数据，导致后面都是老数据

为解决该问题，提出延时双删
在这里插入图片描述

时刻1客户删除数据，时刻2完成删除，时刻2客户2查询失败，时刻3查询数据库，并更新缓存，时刻4由于缓存时老数据，客户1完成数据库修改，因此删除缓存，时刻5客户发现缓存失败读数据库，后面保证一致性

  1. 先更新数据库在删除缓存
    在这里插入图片描述

比1好但也会不一致，发生概率低，如时刻1客户查询失败，时刻2查询数据库，客户2时刻2发生数据修改，更新数据库在删除缓存，但更新后，客户1（网络阻塞等）比客户2请求慢，但server拿到旧数据，写入缓存的也是老数据，写入缓存的老数据但数据库中是新数据，时刻5后面读取的都是缓存的老数据。

缓存击穿

若对某数的查询突然特别大（不是热点数据），缓存无该数据，但数据库有，请求就会到后端数据库，若达到mysql上限就会宕机。一般缓存都会设置过期时间，故缓存击穿较常见
在这里插入图片描述

解决方法：

  1. mysql角度，减少击穿后的直接流量（锁）
  2. redis角度，设置热点数据永不过时，或后台启动异步线程，把数据回写到缓存层

缓存穿透

查询缓存和数据库都不存在的数据，解决办法：

  1. 拦截非法查询请求
  2. 缓存空对象（value为空）
  3. 布隆过滤器，快速判断数据是否存在某个集合

布隆过滤器：设计k个不同hash函数，把数据映射到指定位置置为1，查询时通过hash函数判断对应位置是否全为1，只要有1位为0则一定是不存在，否则极大概率存在，但不一定存在
在这里插入图片描述

缓存雪崩

一大批被缓存的数据同时失效，此时对于这批数据请求就全打到数据库，导致数据库宕机，注意缓存击穿时单点，雪崩是多点，解决方法类似雪崩：

  1. 从mysql角度：减少并发量
  2. Redis角度：设置永不过期热点、分析失效时间尽量让失效时间点分散、缓存预热（即上线前，根据当天情况，将热数据直接加载到缓存系统（最可能时开机时间，刚开始服务时，没有缓存，所以服务上线前，缓存预热））

集群

前面是单机服务器运行方法，若多个装redis的机器协同合作，帮助分担压力，官方提供如下的解决方案，先确定基本概念

  • 服务器运行ID：唯一确定主库身份
  • 复制偏移量：主节点传输了的字节数
  • 复制挤压缓冲区：复制挤压缓冲区是FIFO队列，存储了最近主节点的数据修改命令

主从复制

客户端请求，主库写，从库读，主从之间数据同步。
在这里插入图片描述
主库从库上线后，不急着直接进行复制，先进行握手进行信息验证。主和从中配置文件中写入master和slave字段，以及ip和端口，上线后进行握手
在这里插入图片描述

握手完成后，从库向主库发送PSYNC命令，开启数据同步，并发送主库ID（网断后，可能认为之前主库不可靠，设置新的主库），复制偏移量offset(有可能中间断网，因此是第二次/三次连接)
在这里插入图片描述
主库会根据从库发送信息判断，并告诉从库是全量复制/断线后重复复置
在这里插入图片描述

全量复制

初次复制后的同步。主库执行BGSAVE，生产对象RDB文件开辟缓冲区记录RDB文件实行过程中，收到的新数据命令。RDB产生后，主库发给从库，从库通过rdb恢复数据

命令传播阶段

主库状态改变（如增加新数据，修改原始数据）为使得从库和主库数据状态一致，主库将会把数据变更命令发给从库，从库收到后执行命令

断线后复制

从库与主库短线重连后复制，此过程以来服务器运行ID，复制偏移量，复制挤压缓冲区

哨兵

本质上讲，从代码层面上讲，哨兵是不提供数据服务的redis服务器。哨兵数据结构如下：
在这里插入图片描述
哨兵启动流程如图
在这里插入图片描述

哨兵对主库从库统一监控，若主库宕机，哨兵组进行投票，从从库中重新选出主库
在这里插入图片描述

如图一主库三从库，每个机器都会隔段时间（10s）向哨兵发送心跳。哨兵若一定时间收不到就默认断联。当某哨兵发现主库断连，会将其标注为主观下线，并通知其他哨兵连接主库。半数哨兵确认连接不上后，就会标记该主库为客观下线，并执行故障转移（从从库中挑个当主库）

通过选举协议，从所有哨兵中选择一节点作为老大，主持负责新主库的选举工作。选取完成后，哨兵会对该从库发送slaveof no one，该从库就变成主库。同时向其他slave发送新主库的ip端口
在这里插入图片描述
若此时主库重新上线就会被哨兵降级为从库，从属于新主库
在这里插入图片描述

集群

redis提供的分布式数据库解决方案，自动将数据切分成多个节点存储，即使一部分节点宕机也可继续数据库操作
分区策略：采用虚拟槽，所有键通过CRC16校验函数，对16384取模，决定数据分配到哪个槽位，每个节点负责部分槽数据的存储，该节点可结合主从复制模式，将分配给它的数据进行复制
查询策略：每个节点都会存储整个集群节点信息，这些信息被称元信息，包括各节点的草数据、各节点master和slave状态、各节点是否存活
元数据信息的传播：gossip协议，每个节点周期性每隔一定时间，把自己的信息通过该协议选择k个邻接节点散播出去
集群查询逻辑：由于集群可能发生数据的扩容和缩容，因此数据可能发生迁移，查询逻辑如图
在这里插入图片描述

总结

本文详细总结redis基本数据结构、redis对象及使用场景、网络模型、持久化、缓存、集群等知识

辛酉廖镛錂庚巳
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
(精)一文总结Redis知识点
Jaemon
08-30 325
(精)一文总结Redis知识点
Redis基础笔记总结
最新发布
04-23
Redis基础笔记总结
一文看懂Redis
caohao0591的专栏
07-12 1527
什么是Redis     Redis是由意大利人Salvatore Sanfilippo（网名：antirez）开发的一款内存高速缓存数据库。Redis全称为：Remote Dictionary Server（远程数据服务），该软件使用C语言编写，Redis是一个key-value存储系统，它支持丰富的数据类型，如：string、list、set、zset(sorted set)、hash。 ...
一文深入了解Redis！
weixin_34088598的博客
08-18 410
2019独角兽企业重金招聘Python工程师标准>>> ...
一文让你彻底了解Redis(进阶)，史上最全,不看后悔！！！【建议收藏】
嵌入式Linux内核的博客
12-11 2242
一、Redis基础 重新整理了一下，这篇笔记之前还有一篇基础相关的笔记： Redis基础:https://blog.csdn.net/m0_50662680/article/details/110948426 二、为什么Redis是单线程的？ 官方回答：Redis是基于内存操作，CPU不是Redis的性能瓶颈，Redis的性能瓶颈是机器的内存大小、以及网络的带宽，既然单线程容易实现，那就直接使用单线程来实现了 此外：使用单线程实现，那所有的命令就会排队执行，不需要考虑各种同步问题和加锁带来的性能消耗问题。
一文搞懂Redis
Soheyi的博客
09-08 396
要知道Redis的应用场景就得首先了解什么是redis。 1、什么是Redis Redis是一款内存高速缓存数据库。Redis全称为：Remote Dictionary Server （远程数据服务），使用C语言编写，Redis是一个key-value存储系统（键值存储系统），支持丰富的数据类型，如：String、list、set、zset、hash。Redis是一种支持key-value等多种数据结构的存储系统。可用于缓存，事件发布或订阅，高速队列等场景。使用C语言编写，支持网络，提供...
Redis个人学习总结
03-25
Redis个人学习总结
redis 技能总结.mmap
08-02
总结了java开发和数据分析中，涉及到的redis的诸多方面，面向理论，注重实践，适用于中高级开发工程师和DBA等。
Redis相关技术总结
06-29
Redis相关技术总结
Redis geo操作总结.pdf
06-09
Redis geo 基于地理位置的保存和搜索操作简单总结
【Redis】（一）一文读懂Redis基本数据类型及其常见应用场景与底层实现原理
时光、疏离了记忆づ童话的博客
11-19 1591
文章目录前言一、String（字符串）1.1 String常用命令1.2 String主要应用场景1.3 String底层实现二、List（列表）2.1 List常用命令2.2 list常见应用场景2.3 List底层实现ziplistquicklist三、Set（集合）3.1 Set常用命令3.2 Set常见应用场景3.3 Set底层实现四、Sorted Set（有序集合，也称为Zset）4.1 Sorted Set常用命令4.2 Sorted Set常见应用场景4.3 Sorted Set底层实现五、H
一文带你深入理解Redis
热门推荐
TuT
03-24 1万+
概念 Redis 是一款高性能的NOSQL系列的非关系型数据库 基于内存的数据库，存储缓存用的数据。完成高并发，高速读写 Redis是一种key-value存储系统 value的值可以是多种数据结构类型 用作缓存数据理由：传统数据库，进行大量读取操作时效率很低。存储redis，就是将数据直接存储在内存上，提高开发效率。存储的数据为，数据量小，需要大量访问，而且主要进行读操作。（例如用户登陆的信息...
tp5结合redis实现查询最新100条记录--redis 项目运用场景
范范范国超的博客
11-13 2029
这几天寻思着学习学习reids。看了菜鸟教程中相关的redis教程。给我的PHP环境增加了redis扩展。因为网上对php操作redis的实际应用的比较少，所以我结合实际来聊聊redis具体是怎么在PHP项目中使用的。今天就来看看我们常用的取最新几条数据这个例子。 先说明一下需求，一个cms系统中有一个展示最新的100条广告的一个功能。（） 分析一下，我们在写这个功能的时候是不是要查询数据库中...
redis事务
tangxinzhuan
08-05 320
// 获取100条数据 $list = $redis->lrange($key, 0, 100); //myvar_dump($list); // 开始redis事务 $redis->multi(); Db::startTrans(); try { // 从list表头取出佣金订单，开始给用户增加佣
Redis + Lua 实现 sorted set 集合保证固定数量的数据，并保留新数据剔除旧数据
cainiao1412的博客
07-21 2133
场景：公司某个场景要求保留前20个最新的数据，用作查询展示，用MySQL每次频繁查询太耗费性能，所以用Redis处理一下。 直接上代码： local key = KEYS[1] -- 定义从参数中获取的key local value = ARGV[1] -- 定义从参数中获取的value local maxLen= tonumber(ARGV[2]) -- 定义从参数中获取的最大长度 local result = redis.call("ZCARD", key) -- 使用ZCARD获取key对应的集合最大
redis 如何批量获取数据
jiankefeng1000的博客
10-16 5153
redis 如何批量获取数据，存在集群的情况下。。 业务场景 {aaaaaa_123 Obejct} {aaaaaa_645 Obejct} {aaaaaa_789 Obejct} {aaaaaa_555 Obejct} {aaaaaa_999 Obejct} 如何一次性得到 List 请大神指点啊。。。...
从redis list中获取多个元素
赖勇浩的编程私伙局
02-28 3803
因为redis服务器和计算服务器有比较长的通信时间，发现取多个元素的时候，有很多IO等待，影响了并发效率。放狗去搜，很快发现redis的lpop支持count参数，见： https://redis.io/commands/lpop 可细看之下，发现是6.2版本才加入的新特性，而我们使用的是6.0版本，暂时没办法用上了。 再去找资料，发现redis pipeline可以加速redis查询，见： https://redis.io/topics/pipelining 整体的原理就是pipeline是执行的时候一次
从list集合中数据以固定数目取出
weixin_30852451的博客
09-12 1443
假设一个接口请求数据每次最多只能10个，现在有105条数据怎么处理。 C#语言： List<int> list = new List<int>(); //简单制造数据 for (int i = 1; i < 105;i++ ) { ...
redis存储 100 条最新的记录
weixin_34000916的博客
11-18 2249
为什么80%的码农都做不了架构师？>>> ...
redis 的rehash
jobali的博客
12-14 4244
redis的rehash什么是rehashrehash的步骤 什么是rehash 众所周知，redis在项目中时长被用来存放缓存信息，是由位桶组成的，随着缓存信息越来越大，这时候就需要对redis进行扩容。然而，之前已经存在的键值对是redis经过hash计算计算出的值来存放在对应的位桶上的，此时扩容需要对之前的键值对进行重新计算也就是rehash。 rehash的步骤 1.为 ht[1] 分配空间， 让字典同时持有 ht[0] 和 ht[1] 两个哈希表。 2.在字典中维持一个索引计数器变量 rehash

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值