【Java之Redis】

最新推荐文章于 2024-06-05 19:09:50 发布

Bigcoding

最新推荐文章于 2024-06-05 19:09:50 发布

阅读量785

点赞数 33

分类专栏： # Java核心技术精选文章标签： java redis bootstrap 开发语言

本文链接：https://blog.csdn.net/z140359/article/details/135987726

版权

Java核心技术精选专栏收录该内容

33 篇文章 0 订阅

订阅专栏

Redis

启动

启动服务端

打开命令行，进入redis的安装目录，执行指令

redis-server.exe redis.windows.conf

启动客户端

redis-cli.exe [-h] [-p]

-h : 指定host
-p : 指定端口号

Redis的核心配置文件

常规配置

# 表示Redis是不是以守护进程（后台进程）的方式运行，windows上面不支持
daemonize no

# 当客户端闲置多长时间后关闭连接 0表示不关闭
timeout 0

# 端口号配置
port 6379

# 指绑定的主机地址：是指哪些Ip地址的主机可以来连接这个Redis服务
# 127.0.0.1 指本机才能够访问这个Redis服务
bind 127.0.0.1 
# bind 0.0.0.0 指任意的ip地址都可以来连接当前这个Redis服务

# 日志级别 debug | notice | verbose | warning
loglevel verbose

# 数据库的数量（通常情况下用处不大，默认有16个数据库，默认操作的是编号是0的这个数据库）
databases 16

# 密码的配置
requirepass password

持久化配置

将内存中的数据保存到磁盘里面去，这个过程就是持久化

Redis支持两种方式的持久化

RDB

通过内存快照的方式进行持久化，是默认的持久化策略

配置

# 保存文件的路径，默认是当前路径
dir E:\tmp

# 保存文件的名字
dbfilename dump.rdb

# RDB持久化的策略
save 900 1
save 300 10
save 60 10000

一旦触发某一个条件，就会从头开始计算

RDB持久化的触发方式

当满足条件的时候
手动执行save|bgsave
服务器正常退出

如何恢复

在redis服务器启动的时候会自动去dir配置的文件夹中寻找对应的文件来完成加载

AOF

AOF：append only file

通过追加日志文件的方式来持久化，追加的是我们执行的写命令，恢复的时候将日志文件中的命令重新执行一遍就实现了恢复的操作

# AOF的总开关
appendonly yes

# 文件保存的位置 和RDB文件保存的位置是一致的
dir E:\tmp

# 文件的名字
appendfilename "appendonly.aof"

# AOF的策略
# 总是同步去写入命令（每收到一条写的指令，就去把这个命令写入文件中） 
# appendfsync always
# 每秒写入一次命令
appendfsync everysec
# 不写入命令
# appendfsync no

AOF会生成一个appendonly.aof的文件，这个文件里面保存的是所有的写入的命令。当需要恢复数据库的时候，会依次执行所有的命令来重建整个Redis数据库的内容。

由于时间长了后AOF的文件会越来越大，所以目前采取的方式是精简指令，即只保存最后影响数据的指令

AOF和RDB的优缺点

AOF可以不丢数据，但RDB不行
RDB保存和加载快
RDB适合大内存机器使用，适用于容灾备份，AOF适合生产中的备份

数据结构

常规命令

# 保存
save | bgsave

# 验证密码
auth password

# 查询所有的key [*这里应该是一个parttern]
keys *

# 删除Redis所有的库里面的键值对
flushall

# 删除当前的库里面的所有的键值对
flushdb

string

与JAVA中的map一致，一个key对应一个value，可以是字符串、数字、二进制等

# 设置一个键值对
set key value 

# 获取key的值
get key

# 给对应的值+1 （原子操作）,这个值只能是一个整型
incr key

# 给对应的值增加指定的步长,这个值只能是一个整型
incrby key

# 批量的get
mget key1 key2 [key ...]

# 批量的set
mset key value [key value ...]

# 设置一个key value ，并且指定过期时间
setex key seconds value 

# set not exists 指当key不存在的时候就去设值（不覆盖）
setnx key value

应用场景：我们可以利用incr这个指令来统计网站的访问量（ pv= page view），或者是统计某个大型游戏在线活跃的人数

hash

二维表，key对应的是表名，field相当于属性名，value相当于内容

# 设置指定的hash表中的键值对
hset key field value

# 获取指定的hash表中的键值对的值
hget key field

# 在一个指定的二维表中，查看指定的field是否存在
# 如果存在，返回1，如果不存在，返回0
hexists key field 

# 获取二维表中所有的键值对(key - value)
hgetall key

# 获取二维表中所有的key
hkeys

# 获取二维表中所有的value
hvals

# 一次设置二维表中多个键值对
hmset key field value [filed value ...]

#一次获取二维表中多个键值对
hmget keys field [field ...]

# 获取二维表中的key-value键值对的个数
hlen key

# 给指定的value值增加指定的步长
hincrby key value increment

# 设置值，不覆盖
hsetnx key value

适合存储对象，

key:对象的名字

field：对象中成员变量的名字

value：成员变量的值

list

相当于一个队列，可以从左右弹出或者推入数据

特点：

有序
可重复

# 从左端推入元素,value1 在最右边
lpush key value1 value2 value3 [value ...]

# 从右端推入元素，value1在最左边
rpush key value1 value2 value3 [value ...]

# 从左端推出元素
lpop key 

# 从右端推出元素
rpop key 

# 返回当前列表的长度
llen key 

# 返回指定下边的元素 0表示最左边的元素
lindex key index 

# 假如list存在，就去push，如果list不存在，就不push
lpushx key value

# 插入一个元素，注意：pivot是最左边的指定的元素
linsert key BEFORE|AFTER pivot value 

# 查询一个范围内的值,start 和stop指的是下标
lrange key start stop 

# 删除指定的元素的前几个值
lrem key count value

# 修改指定位置元素的值
lset key index value

应用场景：

最新消息排行榜（bilibili动态功能）
可以当做一个消息队列，来完成程序之间的信息交换

以完成多程序之间的消息交换。可以⽤push操作将任务存在list中（⽣产者），然后线程在⽤pop操作将任务取出进⾏执⾏。（消费者）

set

无序的集合

无序
不可重复
取出随机

# 往无序集合里面添加元素
sadd key value1 value2 [value ...]

# 查询集合里面的所有的元素
smembers key 

# 判断集合中是否有指定的元素,存在返回1，不存在返回0
sismember key value 

# 集合中元素的数量
scard key

# 从集合中取出元素(删除) (例如年会抽奖小程序)
spop key [count]

# 从集合中取出元素（不删除） (例如上课点名小程序)
srandmember key [count]

# 求多个集合的交集
sinter key1 key2 key3 [key ...]

# 保存交集到目标集合
sinterstore destination key1 key2 key3 [key ...]

# 求并集
sunion key1 key2 key3

# 保存并集到目标集合
sunionstore destination key1 key2 key3 [key ...]

# 求差集
sdiff key1 key2 key3 [key ...]

# 保存差集到目标集合 （以key1 作为基准）
sdiffstore  destination key1 key2 key3 [key ...]

# 移动元素
smove source destination member 

# 删除元素
srem key member1 member2 [member ...]

应用场景：

求共同的好友

A的好友是一个无序集合，B的好友也是一个无序集合，那么这个时候可以去求这两个集合的交集，就得到了共同的好友
好友推荐

sortSet

有序的集合，一般用来存分数，是一个二维表

key:表名

filed：成员属性

score：分数

# 往有序集合中添加 field和其对应的score
zadd key score member [score member ...]

# 查询有序集合的长度
zcard key 

# 查询指定成员的分数
zscore key member 

# 返回指定分数区间(闭区间)内成员的数量
zcount key min max 

# 给指定的成员增加对应的分数
zincrby key member increment 

# 返回指定排名区间内的成员(分数从低到高排名)
zrange key start stop [withscores]

# 返回指定排名区间内的成员(分数从高到低排名)
zrevrange key start stop 

# 获得指定分数区间内的成员(分数从低到高排名)
zrangebyscore key min max

# 获得指定分数区间内的成员(分数从高到低排名)
zrevrangebyscore key max min 

# 获取指定成员的排名(分数从低到高排序)
zrank key member 

# 获取指定成员的排名(分数从高到低排序)
zrevrank key member

# 删除指定的成员
zrem key member 

# 根据一个排名区间删除成员
zremrangebyrank

# 根据一个分数区间删除成员
zremrangebyscore

应用场景：积分排行榜。可以帮助我们很方便的取出各个排名区间内的成员，也可以取出各个分数区间内的成员，也可以去通过 zincrby 这个指令随时去更新玩家的分数。

消费排行
荣耀战力
微博打榜
天梯排行榜

Jedis

导包

<!-- jedis -->
<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
    <version>2.9.0</version>
</dependency>

使用

public class JedisTest {
    static Jedis jedis;

    @BeforeClass
    public static void init(){

        // 创建Jedis客户端
        jedis = new Jedis("127.0.0.1",6379);

        // 认证密码
        jedis.auth("cskaoyan");

        jedis.select(2);
    }

    @Test
    public void testGet(){

        String name = jedis.get("name");

        System.out.println(name);

    }

Jedis的API和命令是一致的，这也是Jedis的优势之一。

Redis的内存淘汰策略

内存淘汰策略：当Redis内存不足的时候，Redis会根据配置的内存淘汰策略淘汰掉部分的数据，来保证写入的成功。

Redis在5.0之后提供了8种内存淘汰策略

volatile-lru : 从已设置过期时间的数据集中挑选最近最少使用的数据进行淘汰。

LRU：least recent used
volatile-lfu：从已设置过期时间的数据集中，挑选一段时间内使用次数最少的key进行淘汰
volatile-ttl：从已设置过期时间的数据集中，挑选最近将要过期的数据进行淘汰
volatile-random：从已设置过期时间的数据集中，随机选择数据进行淘汰
allkeys-lru：从所有的数据集中，选择最近最少使用的数据进行淘汰
allkeys-lfu：从所有的数据集中，选择一段时间内使用次数最少的数据进行淘汰
allkeys-random：从所有的数据集中，随机选择数据进行淘汰
no-enviction：禁止淘汰数据

在企业中一般使用allkeys-random来淘汰

速度快
对于Redis中的数据，允许一定程度上的丢失

总结：

假如业务要求对数据的安全性要求较高，但读写速度要求不高，那么就可以把数据存入关系型数据库中
假如安全性要求较低，读写速度要求很高，就可以考虑存入redis中
假如业务对数据的安全性要求较高，读写速度要求也高
- 将数据在mysql和redis中都存一份，写入数据先写入mysql然后再同步到redis；读取直接从redis中读取
  - 可能出现数据不一致的问题
- 存入搜索引擎中