本文主要是介绍Day66~(Redis)67，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

redis

背景

例如，08年北京奥运，网上售票崩溃，12306购票崩溃

像一些网站的崩溃，都是因为，高并发，用户量比较大，而当时使用的是关系型数据库。关系型数据库，存在于磁盘中，那么要到cpu中计算需要

cpu—catch —-内存—–磁盘

而磁盘的io性能较低，

关系型数据库的数据逻辑关系复杂，不是适合做大规模集群

解决思路

降低磁盘IO次数，越低越好

去除数据关系。

故出现了在内存中存储，且不存数据关系，这就是Nosql，泛指非关系型的数据库，是对关系型数据库的补充。

常见的Nosql数据库

redis，hbase，MongoDB，memcache

Redis特征

1.数据间没有必然的关联关系。

2.内部采用单线程机制进行工作。

3.高性能。

4.多数据类型支持 String，list, hash, set, sorted_set

5.持久化支持，可以进行数据灾难恢复

Redis应用

• 为热点数据加速查询（主要场景），如热点商品，热点新闻，热点资讯

• 任务队列，秒杀，抢购，购票排队

• 即时信息查询，如各种排行帮，网站访问统计，公交到站信息，在线人数信息，设备信号等

• 时效信息控制，如验证码控制，投票控制

• 分布式数据共享，分布式集群架构中session分离

• 消息队列

• 分布式锁

Redis基本操作

功能性命令

信息添加

--设置Key，value 数据
--set key value
set name zhangsan

信息查询

--查询命令  如果空值 查询出 nil值
--get key
get name 
Copy

清除屏幕信息

在window

--清除屏幕
clear
Copy

帮助信息查询

获取命令帮助

--help 命令名 可以help 加群组
help get
Copy

退出指令

quit
exit
<ESC>

Redis的数据类型

业务数据的特殊性

1.原始业务功能设计

• 秒杀

• 618活动

• 双十一

• 排队购票

2.运营平台监控到的突发高频访问数据

• 突发时政要闻，娱乐大瓜

3.高频复杂的统计数据

• 在线人数

• 投票排行榜

4.系统功能优化升级

• 单服务升级

• 对tocken的管理

Redis 是基于上述的功能需要设计出数据类型，推出了主要的5种数据类型。也是常用的五种数据类型，但其中数据类型并不止五种。

Redis 自身是一个Map，其中的所有数据都是采用Key：value的形式进行存储的

数据类型指的是存储的数据类型 Value部分，key部分永远都是字符串

String 类型

存储的数据：单个数据，最简单的数据存储类型，也是最常用的数据存储类型

存储数据的格式：一个存储空间一个数据

存储内容：字符串，若字符串按照整数的形式展示、可以作为数字操作使用

String数据操作

--添加修改数据
set key value
--获取数据
get key
--删除数据
del key
--添加多个数据 
mset  key1 value1 key2 value2 key 
--获取多个数据
mget  key1 key2
--获取数据字符个数
strlen  key
--追加信息，有就追加，没有就新建
append key value
--键key不存在时将key的值设置为value 若存在则不变
setnx key value
Copy

对于单数据操作和多数据操作，多数据操作节省，数据发送传递时间。

String类型数据扩展

数值增长

--增长指令，只有当value为数字时才能增长
incr key  
incrby key increment  
incrbyfloat key increment 
​
--减少指令，有当value为数字时才能减少
decr key  
decrby key increment
Copy

按照数值进行操作，如果原始数据无法转换成数值，或超越了redis数值的上限范围，将报错。 9223372036854775807（java中long型数据最大值，Long.MAX_VALUE）

设置数据生命周期

--设置时间 为values秒过期
setex  key seconds value
​
--设置时间 为values毫秒过期
psetex key milliseconds value
Copy

后续的向相同的key中放值 会覆盖他的值 和过期时间，

数据最大的存储量 512MB

String类型业务场景

场景一：“最强女生”，启动海选投票，只能通过微信投票，每个微信号每4个小时只能投1票。

主页高频访问信息显示控制，例如新浪微博大V主页显示粉丝数与微博数。

key的设置约定，在数据库中的表明：主键名：主键值：字段名

key的设置约定，在数据库中的表明：主键名：主键值：字段名

Hash类型

对一系列存储的数据进行编组，方便管理，典型应用存储对象信息。

一个存储空间保存多个键值对数据，

底层使用哈希表结构实现数据存储

hash数据操作

--添加数据
hset key field value
--获取数据
hget key field 
​
hgetall key
--删除数据
hdel key field
Copy

hash操作实例

 

--添加多个
hmset key field1 value1 field2 value2
​
--获取多个
hmget key field1 field2
​
--获取哈希表中字段的数量
hlen key
​
--获取哈希表中是否存在指定的字段
hexists key field
Copy

hash操作实例2

 

hash类型数据扩展操作

--获取哈希表中所有的字段名或字段值
hkeys key
hvals key
​
--设置指定字段的数值数据增加指定范围的值
hincrby key field increment
hincrbyfloat key field increment
​
--指定字段如果不存在，就增加，存在就不变，
hsetnx key field value
Copy

hash操作实例3

 

hash类型数据操作注意事项

• hash类型下的value只能存储字符串，不允许存储其他类型数据，不存在嵌套现象。如果数据未获取到，对应的值为(nil)

• 每个hash可以存储232-1个键值对

• hash类型十分贴近对象的数据存储形式，并且可以灵活添加删除对象属性。但hash设计初中不是为了存储大量对象而设计的，切记不可滥用，更不可以将hash作为对象列表使用

• hgetall操作可以获取全部属性，如果内部fiekd过多，遍历整体数据效率就会很低，有可能成为数据访问瓶颈

hash类型应用场景

电商购物车设计与实现

将用户的id当成key

将商品编号当成 field

将商品购买数量当成 value，对value进行操作

取值 hget，

增加 hincrby

设值 hset

删除 hdel

全选 hgetall

总量 hlen

清空购物车 删除key

购物车模型

 

思考，当前设计是否增加购物车的呈现，

我们看上面的这张图时，我们主要看的商品信息，而不是数量，用户真正看的是，商品，然后再下单。商品的信息还要去查询数据库。

改进，我们将商品记录保存成两条field

field1:保存购买数量， value 数值

field2:保存用于购物车中显示的信息，文字，图片，商家

value json存储

不过一般购物车不持久化

抢购的设计

抢购设计

 

商家id当成key

参与抢购的商品id当成field

参与抢购商品的数量当成value

抢购时使用降值得方式控制产品数量，

尽量不要让redis去做 业务是否存在得判断

String整体型，读为主

hash分块，更新比较灵活

LIst类型

数据存储需求：存储多个数据，并对数据进入存储空间得数据进行区分。

需要得存储结构：一个存储空间保存多个数据，且通过数据可以体现进入顺序

底层使用双向链表存储结构进行实现

List数据操作

--添加修改数据 左添加，右添加
lpush key value1  [value2]
rpush key value1    [value2]
​
--获取数据
lrange key start stop
lindex key index
llen key
​
--获取并移除数据
lpop key
rpop key
Copy

List操作

 

体会一下左进得顺序。

List数据操作扩展

规定时间获取并移除数据

blpop key1 [key2] timeout
brpop key1 [key2] timeout
Copy

再timeout 时间内取数据，有数据就取无数据就等待，

List数据业务场景

微信朋友圈点赞，要求按照点赞顺序显示点赞好友信息，如果取消点赞，移除对应好友信息。如果取消点赞，则移除指定数据

微信朋友圈

 

--移除指定数据
lrem key count value
Copy

注意这个数量，因为队列中得数列可以有重复值故要制定其个数，l是left从左边开始删除，count的值为value的元素

list类型数据操作注意事项

• list 中保存的数据都是string类型的，数据总容量是有限制的，最多232-1个元素（4294967295）

• list具有索引的概念，但是操作数据时候通常以队列的形式进行入队出队操作，或以栈的形式进入栈出栈的操作

• 获取全部数据操作结束索引设置为-1

• list 可以对数据进行分页操作，通过第一页的信息来自list，第2页及更多的信息通过数据库的形式加载

Set类型

存储需求:存储大量数据，再查询方面提供更高的效率

需要的结构：能保存大量的数据结构，高效的内部的存储机制，便与查询。

set类型：与hash存储结构完全相同，仅存储键，不存储值，

Set的数据操作

--添加数据
sadd key member1 [member2]
--获取全部数据
smembers key
--删除数据
srem key member1 [member2]
--获取集合数据总量
scard key
--判断集合中是否包含指定数据
sismember key member
Copy

捕获2

 

Set数据操作扩展

随机推荐

每位用户首次使用今日头条时会设置3项爱好的内容，但是后期为了增加用户的活跃度、兴趣点，必须让用户对其他信息类别产生兴趣，增加客户留存度，如何实现。

系统分析出各类最新的数据或最热的信息条目组成set集合

随机条选其中部分信息

配合用户关注的信息分类中的热点信息，组合抽取成全信息集合，例如:前6条你关注的第7条随机抽取的热点信息。

--随机获取集合中指定数量的数据
srandmember key [count]
​
--随机获取集合中的某个数据并将该数据移出集合
spop key
Copy

--求两个集合的交、并、差集
sinter key1 [key2]
sunion key1 [key2]
sdiff key1 [key2]
​
​
--求两个集合的交并差集并存储到指定集合中
sinterstore destination key1 [key2]
sunionstore destination key1 [key2]
sdiffstore destination key1 [key2]
​
--将指定数据从原始集合移动到目标集合中
smove source destination member
Copy

Set类型操作注意事项

set类型不允许数据重复，如果添加的的数据已经存在将只保存一份

Set类型应用场景

权限控制

这个场景只为举例，具体的权限控制，有具体的权限框架。

解决方案

• 依赖set集合数据不重复的特征，依赖set集合hash存储结构特征完成数据过滤与快速查询

• 根据用户id获取用户所有角色

• 根据用户所有角色获取用户所有操作权限放入set集合

• 根据用户所有角色获取用户所有数据全选放入set集合

网站的访问数据

解决方案

• 利用set集合的数据去重，记录各种访问数据

• 建立String类型数据，利用incr统计日常访问量（PV）

• 建立set模型记录不同cookie（UV）

• 建立set模型，记录不同IP数量（IP)

sorted_set类型

存储需求：数据排序有利于数据的有效展示，需要一种可以提供自身特征进行排序的方式

存储结构，在set存储结构基础上添加可排序字段。根据排序字段进行排序。

sorted_set基本操作

--添加数据
zadd key score1 member1 [score2 member2]

--获取全部数据
zrange key start stop [withscores]
zrevrange key start stop [withscores]

--删除数据
zrem key member [member ...]
Copy

--按照条件获取数据
zrangebyscore key min max [withscores] [limit]
zrevrangebyscore key max min [withscores]

--条件删除数据
zremrangebyrank key start stop
zremrangebyscore key min max 
Copy

注意

• min和max用于限定搜索条件

• start和stop 用于限定查询范围，作用与索引

捕获11

 

--获取集合数据总量
zcard key
zcount key min max

--集合交、并操作
zinterstore destination numkeys key [key ]
zunionstore destination numkeys key  [key]
Copy

• numkeys的值是后面key得个数，必须匹配。

• 注意交操作：只有都有的适合才会交，他默认将都有的值加起来了。

• 可以通过帮助命令来查看，求max值，min值

捕获13

 

sorted_set 类型扩展操作

业务场景

活跃度统计，亲密度排序，榜单类

统计数量，排序

为所有参加排名得资源建立排序依据，根据排序后得结果获取索引

--获取数据对应的索引
zrank key member
zrevrank key member	

--score值获取与修改
zscore key member
zincrby key increment member
Copy

捕获14

 

sorted_set注意事项

• score 保存的数据存储空间是64位,所以有范围。正负九百万亿

• score保存的数据也可以是一个双精度的double值，基于双精度浮点数的特征，可能会丢失精度，使用时侯要慎重

• sorted_set底层存储还是基于set结构的，因此数据不能重复，如果重复添加相同的数据，score值将被反复覆盖，保留最后一次修改的结果

sorted_set应用场景

定时任务执行管理，任务过期管理

体验VIP，云盘体验VIP，当VIP体验到期后怎么管理。

解决方案

• 对于基于时间线限定的任务处理，将处理时间记录位score值，利用排序功能区分处理的先后顺序

• 记录下一个要处理的事件，当到期后处理对应的任务，移除redis中的记录，并记录下一个要处理的时间

• 当新任务加入时，判定并更新当前下一个要处理的任务时间

• 为提升sorted_set的性能，通常将任务根据特征存储成若干个sorted_set.例如1小时内，1天内，年度等，操作时逐渐提升，将即将操作的若干个任务纳入到1小时内处理队列中

• 获取当前系统时间

--获取当前时间，获取秒，毫秒。
time
Copy

任务或消息权重设定应用

对于带有权重的任务，优先处理权重高的任务，采用score记录权重即可

捕获15

 

注意：这样可能无法保证原子性。这里再删除要用到事务。

KEY通用操作

key基本操作

--删除指定key
del key
​
--获取key是否存在
exists key
​
--获取key的类型
type key
​
--为指定key设置有效期
expire key seconds
pexpire key milliseconds
expireat key timestamp
pexpireat key milliseconds-timestamp
​
--获取key的有效期
ttl key    
pttl key
​
--切换key从失效性转换为永久性
persist key
Copy

会返回三种值，当该key不存在时，返回-2，当该key未被设置有效期时，返回-1，当该key设置有有效期时，返回剩余时间。

当一个key被设置有效期后，有效期结束后，该key值将会被清空。

--查询key
keys pattern 
* --匹配任意数量的任意符号
？ --匹配一个任意符号
[]   --匹配一个指定符号
​
Copy

--为key改名
rename key newkey
renamenx key newkey
​
--对所有key排序，再list，set，zset中。
sort
​
--其他key的通用操作，可以使用tab键进行切换
help @generic
Copy

改名操作，谨慎操作，如果错误改名，容易覆盖已有的值。

redis中的数据库

当数据量越来越大的时候，key值难免会发生重复，另外各种类型混杂在一起，易出现冲突。为此redis为每个服务提供了16个数据库，编号0到15，每个数据库之间数据相互独立。

--切换数据库 0-15
select index
​
--其他操作
quit
ping
echo massage
​
--移动数据，必须保证目的数据库没有该数据
move key db
​
--查看库中数据总量
dbsize
Copy

捕获17

 

默认库是0库，使用move 操作是剪切，如果目标库中有相应的key则移动失败。

--库中元素数量
dbsize
--清除库中的所有元素
flushdb
--清除redis所有库中的所有元素
flushall
Copy

Jedis

JAVA操作Redis需要导入jar或引入Maven依赖

1.连接redis

2.操作redis

3.关闭连接

//参数为Redis所在的ip地址和端口号
Jedis jedis = new Jedis(String host, int port)
//操作redis的指令和redis本身的指令几乎一致,仅在此列出string和list
jedis.set(String key, String value);
jedis.lpush(String key, String value);
//关闭连接。
jedis.close();
Copy

编程案例

使用redis 控制不同用户，有不同免费使用次数。使用最大值控制异常减少次数判断。

public class Service {
​
    String sa;
    int num;
​
    public Service(String sa, int num) {
    this.sa=sa;
    this.num=num;
    }
​
    public void business(Long val) {
​
        System.out.println("业务执行:"+val);
    }
    public void Service() {
        Jedis jedis = new Jedis("127.0.0.1", 6379);
        String value = jedis.get("compid" + sa);
        try {
​
            if (value == null) {
                jedis.setex("compid" + sa, 60, Long.MAX_VALUE - num + "");
            } else {
                Long incr = jedis.incr("compid" + sa);
                business(incr-Long.MAX_VALUE+num);
            }
        } catch (Exception e) {
            System.out.println("请提升级别");
        } finally {
            jedis.close();
        }
​
    }
}
class MyThread extends Thread {
    Service sc;
    MyThread(String sa,int num){
     sc=new Service(sa,num);
    }
​
​
    @Override
    public void run() {
        while (true) {
            sc.Service();
​
            try {
                Thread.sleep(1000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
}
class main{
    public static void main(String[] args) {
        MyThread myThread1 =new MyThread("chuji",10);
        MyThread myThread2=new MyThread("gaoji",20);
        myThread1.start();
        myThread2.start();
    }
}
​
Copy

捕获18

 

jedis工具类

public class JedisUtil {
    private static Jedis jedis = null;
    private static String host = null;
    private static int port;
    private static int maxTotal;
    private static int maxIdle;
​
    //使用静态代码块，只加载一次
    static {
        //读取配置文件
        ResourceBundle resourceBundle = ResourceBundle.getBundle("redis");
        //获取配置文件中的数据
        host = resourceBundle.getString("redis.host");
        port = Integer.parseInt(resourceBundle.getString("redis.port"));
        //读取最大连接数
        maxTotal = Integer.parseInt(resourceBundle.getString("redis.maxTotal"));
        //读取最大活跃数
        maxIdle = Integer.parseInt(resourceBundle.getString("redis.maxIdle"));
        JedisPoolConfig jedisPoolConfig = new JedisPoolConfig();
        jedisPoolConfig.setMaxTotal(maxTotal);
        jedisPoolConfig.setMaxIdle(maxIdle);
        //获取连接池
        JedisPool jedisPool = new JedisPool(jedisPoolConfig, host, port);
        jedis = jedisPool.getResource();
    }
​
    public Jedis getJedis() {
        return jedis;
    }
}
Copy
redis.host=127.0.0.1
redis.port=6379
redis.maxTotal=30
redis.maxIdle=10
Copy

Redis持久化

利用永久性存储介质将数据进行保存，在特定的时间将保存的数据进行恢复的工作机制称为持久化。

防止数据丢失。

持久化过程存什么

将当前数据状态进行保存，快照形式，存储数据结果，关注点在数据，RDB

将数据的操作过程进行保存，日志形式，存储操作过程，存储格式复杂，关注点在数据的操作过程，AOF

捕获19

 

RDB

RDB启动方式—save

命令

save    
Copy

执行完之后，会在data文件夹中生成rdb文件，

RDB配置相关命令

在配置文件中改写。

• dbfilename dump.rdb

  • 说明：设置本地数据库文件名，默认值为 dump.rdb

  • 经验：通常设置为dump-端口号.rdb

• dir

  • 说明：设置存储.rdb文件的路径

  • 经验：通常设置成存储空间较大的目录中，目录名称data

• rdbcompression yes

  • 说明：设置存储至本地数据库时是否压缩数据，默认为 yes，采用 LZF 压缩

  • 经验：通常默认为开启状态，如果设置为no，可以节省 CPU 运行时间，但会使存储的文件变大（巨大）

• rdbchecksum yes

  • 说明：设置是否进行RDB文件格式校验，该校验过程在写文件和读文件过程均进行

  • 经验：通常默认为开启状态，如果设置为no，可以节约读写性过程约10%时间消耗，但是存储一定的数据损坏风险

Save指令工作原理

注意：save指令的执行会阻塞当前Redis服务器，直到当前RDB过程完成为止，有可能会造成长时间阻塞，线上环境不建议使用。

捕获20

 

bgsave 指令工作原理

bgsave
Copy

bgsave命令是针对save阻塞问题做的优化。Redis内部所有涉及到RDB操作都采用bgsave的方式，save命令可以放弃使用，推荐使用bgsave

捕获21

 

调用fork函数生成子进程。

自动保存save 配置

配置

在conf文件中进行配置

save second changes 
Copy

满足限定时间范围内key的变化数量达到指定数量即进行持久化

• second：监控时间范围

• changes：监控key的变化量

控制频度的，时间周期，如果该时间周期过完，未达到变化量，重新计时计数，周期达到，存所有改变。

• save配置要根据实际业务情况进行设置，频度过高或过低都会出现性能问题，结果可能是灾难性的

• save配置中对于second与changes设置通常具有互补对应关系（一个大一个小），尽量不要设置成包含性关系

• save配置启动后执行的是bgsave操作

三种对比

sava配置实际上是bgsava故没有写bgsava

捕获23

 

可以在关服务器之前使用 shutdown save

RDB优缺点

• 优点

  • RDB是一个紧凑压缩的二进制文件，存储效率较高

  • RDB内部存储的是redis在某个时间点的数据快照，非常适合用于数据备份，全量复制等场景

  • RDB恢复数据的速度要比AOF快很多

  • 应用：服务器中每X小时执行bgsave备份，并将RDB文件拷贝到远程机器中，用于灾难恢复

• 缺点

  • RDB方式无论是执行指令还是利用配置，无法做到实时持久化，具有较大的可能性丢失数据

  • bgsave指令每次运行要执行fork操作创建子进程，要牺牲掉一些性能

  • Redis的众多版本中未进行RDB文件格式的版本统一，有可能出现各版本服务之间数据格式无法兼容现象

  • RDB，当存储数据量较大的时候，效率较低，基于快照思想，每次读写全部数据。

这篇关于Day66~(Redis)67的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！