此笔记是我学习 B站 尚硅谷相关课程的学习笔记

一、课程大纲

image-20220824110521483

二、安装、启动与关闭

安装去网上学。https://blog.51cto.com/niuben/5203089

启动

启动服务：

1
service start redis

启动客户端：

1
redis-cli

多个端口启动：

1
redis-cli -p 6379

测试：ping

image-20220824110903208

查看运行状态

1
systemctl status redis

关闭

单实例关闭客户端：

1
redis-cli shutdown

进入终端关闭

image-20220824111046500

多实例关闭，指定端口关闭：

1
redis-cli -p 6379 shutdown

关闭服务：

1
service stop redis

三、相关知识

端口：6379

  • 默认 16 个数据库，类似数组下标从 0 开始，初始默认使用 0 号库。

  • 使用命令 select <dbid>来切换数据库。如: select 8 统一密码管理，所有库同样密码。

  • dbsize 查看当前数据库的 key 的数量

  • flushdb 清空当前库

  • flushall 通杀全部库

Redis 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）

与 Memcache 三点不同: 支持多数据类型，支持持久化，单线程+多路 IO 复用

四、常用五大数据类型

常见数据类型操作命令：http://www.redis.cn/commands.html

4.1、Redis 键（key）

  • keys *：查看当前库所有 key （匹配：keys *1）
  • exists <key>：判断<key>是否存在
  • type <key>：查看<key>的类型
  • del <key>：删除指定的<key>的数据
  • unlink key：根据value选择非阻塞删除。仅将 keys 冲 keyspace 元数据中删除，真正的删除会在后续异步操作。
  • expire <key> <time>：设置<time>秒后<key>过期
  • ttl <key>：查看<key>还有多少秒过期，-1 表示永不过期，-2 表示已过期
  • select <n>：切换到 n 号数据库
  • dbsize：查看当前数据库的 key 的数量
  • flushdb：清空当前数据库
  • flushall：清空全部数据库

4.2、Redis 字符串（String）

4.2.1、简介

String 是 Redis 最基本的类型，可以理解成与 Memcached 一模一样的类型，一个 key 对应一个 value。

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 最多可以是 512M

4.2.2、常用命令

增：set、setnx、setex、append、mset、setrange

改：getset、incr、decr、incrby、decrby、set、setex、setrange

查：get、strlen、mget、getrange

  • set <key> <value>：添加键值对

    ​ image-20220824162552062

    • NX：当数据库中 key 不存在时，可以将 key-value 添加到数据库

    • XX：当数据库中 key 存在时，可以将 key-value 添加到数据库，与 NX 参数互斥

      当 key 存在时，再设置这个 key，相当于是修改这个 key 对应的键值

    • EX：key 的超时秒数

    • PX：key 的超时毫秒数，与 EX 互斥

  • get <key>：查询<key>对应键值

  • append <key> <value>：将给定的<value>追加到原值的末尾，返回值是追加后字符串的长度

    image-20220824163129841

  • strlen <key>：获取<key>对应的键值的长度

    image-20220824163344231

  • setnx <key> <value>：只有 key 不存在时，才能设置 key 的值。相当于 set 命令带了 NX 参数

    image-20220824163600073

对数字类型的操作（如果 value 中没有字母只有数字就是数字类型）：

  • incr <key>：将 <key> 中存储的数字类型的值增 1，只能对数字类型的值操作，如果为空，新增值为 1

    image-20220824164021139

  • decr <key>：将 <key> 中存储的数字类型的值减 1，只能对数字类型的值操作，如果为空，新增值为-1

  • incrby/decrby <key> <step>：给<key>的数字值增加/减少step

    image-20220824164344942

redis 的操作是原子性的

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 context switch （切换到另一个线程）。

  • 在单线程中， 能够在单条指令中完成的操作都可以认为是”原子操作”，因为中断只能发生于指令之间。
  • 在多线程中，不能被其它进程（线程）打断的操作就叫原子操作。

Redis 单命令的原子性主要得益于 Redis 的单线程。

  • mset <key1> <value1> <key2> <value2> <key3> <value3>...：同时设置一个或多个 key-value 对

  • mget <key1> <key2> <key3>...：同时获取一个或多个 key 对应的 value 值

  • msetnx <key1> <value1> <key2> <value2>...：同时设置一个或多个 key-value 对，当且仅当所有指定的 key 都不存在是才能添加成功。由于原子性，有一个失败则都失败

  • getrange <key> <起始位置> <结束位置>：获取值的范围，类似于 java 中的 substring 方法，左右都是闭区间（索引从 0 开始）

    image-20220824170133260

  • setrange <key> <起始位置> <value>：用value覆写<key>所存储的字符串值，从<起始位置>开始（索引从 1 开始，将该位置之后的值都替换为<value>）

    image-20220824170441493

  • setex <key> <过期时间> <value>：设置键值的同时，设置过期的时间，单位是秒

    image-20220824170851446

  • getset <key> <value>：以新换旧，设置了新值同时获得（返回）旧值

    image-20220824170659272

4.2.3、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.

image-20220824165923342

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。

4.3、Redis 列表（List）

4.3.1、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）。

它的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。

image-20220824171151681

4.3.2、常用命令

增：lpush、rpush、linsert、rpoplpush

删：lpop、rpop、lrem

改：lset

查：lrange、lindex、llen

  • lpush/rpush <key> <value1> <value2> ...：从 左边 / 右边 插入一个或多个值

    解释：起始对于单边来所，和栈差不多。但是是双边的，所以需要指定左或右。

    image-20220824171526999

    注意点：

    • lpush 使得值都是从左边插入，也就是后面的值显示在前面，比如添加 v1 v2 v3。但是查出来的结果是 v3 v2 v1，顺序是反的
    • 查询列表不能使用字符串的查询方式（get）
    • 查询列表使用lrang命令（后几个命令中有）

  • lpop/rpop <key>：从 左边 / 右边 pop 出一个值。值在键在，值光键亡

    image-20220824172207743

  • rpoplpush <key1> <key2>：从<key1>列表右边吐出一个值，插入到<key2>列表右边

    image-20220824172436971

    注意没有lpoplpush等其他组合了，只有这一个

  • lrange <key> <startIndex> <stopIndex>：按照索引，从左往右获得列表中的元素

    索引和 Python 类似，有两套索引机制，正数是左往右，负数是倒数几个，一般获取所有值：

    lrange <key> 0 -1：0 —— -1 就是所有值

    注意，没有rrange。不掩饰了，很常用，前面也用到了的。

  • lindex <key> <index>：按照索引下标获得元素（从左到右，索引从 0 开始）

    image-20220824173306113

    没有rindex

  • llen <key>：获得<key>对应列表的长度

    image-20220824173431479

    没有rlen

  • linsert <key> before/after <value> <newvalue>：在<value>的 前面 / 后面 插入<newvalue>

    image-20220824173948479

  • lrem <key> <n> <value>：从左边删除 n 个 value（从左到右）

    image-20220824174355558

    如果没有 n 个就是有多少个删除多少个，不会报错。

  • lset <key> <index> <value>：将列表<key>下标为<index>的值替换成<value>

    image-20220824174636024

4.3.3、数据结构

Redis 的 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 ，即压缩列表。

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。

image-20220824175213730

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。

4.4、Redis 集合（Set）

4.4.1、简介

Redis 的 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)。

一个算法，随着数据的增加，执行时间的长短，如果是 O(1)，数据增加，查找数据的时间不变

4.4.2、常用命令

  • 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，不会报错。

    image-20220824180622340

  • smembers <key>：取出 <key> 对应集合中的所有值

  • sismember <key> <value>：判断集合<key>是否为含有该<value>值，有 1，没有 0

    image-20220824181058159

  • scard <key>：返回该集合的元素的个数

    image-20220824181203313

  • srem <key> <value1> <value2>...：删除<key>对应的集合中的一个或多个元素

  • spop <key>：随机从<key>对应的集合中 pop 出一个值

  • srandmember <key> <n>：随机从 <key>对应的集合中取出 n 个值。不会从集合中删除

  • smove <sourcekey> <destinationkey> <value>：把<sourcekey>对应的集合中的<value>移动到<destinationkey>对应的集合中

  • sinter <key1> <key2>：返回<key1>与<key2>对应的集合的交集元素

  • sunion <key1> <key2>：返回<key1>与<key2>对应的集合的并集元素

  • sdiff <key1> <key2>：返回<key1>与<key2>对应的集合的差集元素（包含 key1 中的，不包含 key2 中的，也就是 key1 - key2）

4.4.3、数据结构

Set 数据结构是 dict 字典，字典是用哈希表实现的。

Java 中 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。

4.5、Redis 哈希（Hash）

4.5.1、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

举例：

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，如果用普通的 key/value 结构来存储

主要有以下 3 种存储方式：

  1. image-20220824190207212

    每次修改用户的某个属性需要，先反序列化改好后再序列化回去。开销较大。

  2. image-20220824190219774

    用户 ID 数据冗余

  3. image-20220824190318307

    通过 key(用户 ID) + field(属性标签) 就可以操作对应属性数据了，既不需要重复存储数据，也不会带来序列化和并发修改控制的问题

4.5.2、常用命令

  • hset <key> <field> <value>：给<key>集合中的 <field>键赋值<value> (h set)

    image-20220824191722626

  • hget <key1> <field>：从<key1>集合<field>取出 value (h get)

    image-20220824191803414

  • hmset <key1> <field1> <value1> <field2> <value2>...：批量设置 hash 的值(h mset)

    image-20220824191852857

  • hexists <key1> <field>：查看哈希表 <key1> 中，给定属性 <field> 是否存在。 (h exists)

    image-20220824191951793

  • hkeys <key>：列出<key>对应的 hash 集合 的所有 属性 field

    image-20220824192028668

  • hvals <key>：列出该 hash 集合的所有 属性对应的 值 value

    image-20220824192107456

  • hincrby <key> <field> <increment>：为哈希表 <key> 中的域 <field> 的值加上增量 <increment>（h incrby）

    image-20220824192202144

  • hsetnx <key> <field> <value>：将哈希表 key 中的域 field 的值设置为 value ，当且仅当域 field 不存在 (h setnx)

4.5.3、数据结构

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。

4.6、Redis 有序集合 Zset （sorted set）

4.6.1、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。集合的成员是唯一的，但是评分可以是重复了 。==每个成员有一个评分，利用评分来排序==

因为元素是有序的, 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。

4.6.2、常用命令

  • 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。==注意，是 key-socre-value 对，不是 key-value 对了。==

    image-20220824193319810

  • zrange <key> <startIndex> <stopIndex> [WITHSCORES]：返回有序集 key 中，下标索引在<startIndex>与<stopIndex>之间的元素（带[WITHSCORES]，可以让 分数 score 一起和 值 返回到结果集。）

    image-20220824193454710

  • 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。

    image-20220824193820954

  • zrevrangebyscore <key> <max> <min> [withscores] [limit offset count]：同上，改为从大到小排列。

    image-20220824193937548

    注意：<max> 在<min>前

  • zincrby <key> <increment> <value>：为<key>对应的有序集合中<value>值对应的元素的score加上增量<increment> ==操作的是 score==

    image-20220824194212768

  • zrem <key> <value>：删除该集合下，指定值的元素（<key>对应的有序集合中<value>元素）

  • zcount <key> <min> <max>：统计该集合，分数 score 在区间内的 元素 个数==利用分数的区间统计元素个数==

    image-20220824194332862

  • zrank <key> <value>返回该<value>在有序集合<key>中的排名，==从 0 开始==。

    image-20220824194419193

4.6.3、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，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。

    hash 的 filed 就是 value，hash 的 value 就是权重 score。

  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。

4.6.4、跳跃表

  1. 简介

    应用场景：有序集合在生活中比较常见，例如根据成绩对学生排名，根据得分对玩家排名等。

    对于有序集合的底层实现，可以用数组、平衡树、链表等。

    数组不便元素的插入、删除；

    平衡树或红黑树虽然效率高但结构复杂；

    链表查询需要遍历所有效率低。

    Redis 采用的是跳跃表。跳跃表效率堪比红黑树，实现远比红黑树简单。

  2. 实例

    对比有序链表和跳跃表，从链表中查询出 51

    • 有序链表：

      image-20220824194843636

      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。

    • 跳跃表：

      image-20220824194913189

      • 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。

    从此可以看出跳跃表比有序链表效率要高

五、Redis 的发布和订阅

5.1、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。

5.2 Redis 的发布和订阅

  1. 客户端可以订阅频道如下图

image-20220824200846002

  1. 当给这个频道发布消息后，消息就会发送给订阅的客户端

image-20220824200906950

5.3、发布和订阅命令行实现

  1. 打开一个客户端订阅 channel1 频道

    1
    subscribe channel1

  2. 打开另一个客户端，给 channel1 频道发送消息 hello

    1
    publish channel1 hello

    返回值是频道 channel1 的订阅者数量

  3. 打开第一个客户端可以看到发送的消息

    注：发布的消息没有持久化，如果在订阅的客户端收不到 hello，只能收到订阅后发布的消息

六、Reidis 新数据类型

6.1、Bitmaps

6.1.1、简介

实际类型还是 string，但是不能正常用 string 的命令（但是不会报错）

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

image-20220824204804442

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。

image-20220824204941917

6.1.2、常用命令

6.1.2.1、setbit

  1. 语法;

    1
    setbit <key> <offset> <value>

    设置<key>对应的 Bitmaps 中某个偏移量（<offset>）的值（<value>）（0 或 1）

    offset 偏移量从 0 开始

  2. 案例

    每个 独立用户是否访问过网站 存放在 Bitmaps 中， 将访问的用户记做 1， 没有访问的用户记做 0， 用偏移量作为用户的 id。

    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

    image-20220824205450840

    实际操作：

    unique:users:20201106 代表 2020-11-06 这天的独立访问用户的 Bitmaps

    image-20220824205559494

    很多应用的用户 id 以一个指定数字（例如 10000） 开头（有公共前缀）， 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，即去掉公共前缀。

    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。

6.1.2.2、getbit

  1. 语法

    1
    getbit <key> <offset>

    获取<key>对应的 Bitmaps 中的某个偏移量（<offset>）的值

  2. 案例：

image-20220824210430544

6.1.2.3、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 组的字节的下标索引数，二者皆包含。

==这里的单位是 byte，1 byte = 8 bit==

  1. 语法

    1
    bitcount <key> [start end]

    统计字符串从 start 字节 到 end 字节 比特值为 1 的位的数量 ==一个字节是 8 位==

  2. 案例

    计算 2022-11-06 这天全天的独立访问用户数量

    image-20220824211250216

    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。==相当于是区间：[9,24]==

    image-20220824211512224

    结果数为 3，对应的是 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

6.1.2.4、bitop

  1. 语法

    1
    bitop <operation> <destkey> [key1 key2 ...]

    bitop 是一个复合操作。<operation>的取值为：and（交集）、or（并集）、not（非）、xor（异或）。将操作结果保存在<destkey>中。被操作的对象就是[key1,key2...]所对应的 Bitmaps。

  2. 案例

    • 先设置值:

      2020-11-04 这天访问网站的 userid=1,2,5,9。

      1
      2
      3
      4
      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 这天访问网站的 userid=0,1,4,9。

      1
      2
      3
      4
      setbit unique:users:20201103 0 1
      setbit unique:users:20201103 1 1
      setbit unique:users:20201103 4 1
      setbit unique:users:20201103 9 1

    • 需求:

      计算出两天都访问过网站的用户数量

    • 实现

      1
      bitop and unique:users:and:20201104_03 unique:users:20201103 unique:users:20201104

      意思是，将unique:users:20201103对应的的 Bitmaps 与unique:users:20201104对应的 Bitmaps 进行 and（与操作），将操作结果存到新的 key：unique:users:and:20201104_03中，这个 key 对应的 value 就是前面两者进行与操作的结果。

      1
      bitcount unique:users:and:20201104_03

      最后再对其计数。

    对于不同需求使用不同操作就可以了，这里只是演示一种操作。

6.1.3、Bitmaps 与 set 对比

对比基础条件：

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 |
    | ————- | —————————— | ———————— | ———————————— |
    | Set | 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 |
    | ———— | ——— | ——— | ——- |
    | Set | 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（有大量的僵尸用户） ， 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 |
    | ———— | —————————— | ———————— | ———————————— |
    | Set | 64 位 | 100000 | 64 位*100000 = 800KB |
    | Bitmaps | 1 位 | 100000000 | 1 位*100000000 = 12.5MB |

6.2、HyperLogLog

6.2.1、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。

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。

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。

6.2.2、常用命令

6.2.2.1、pfadd

  1. 语法

    1
    pfadd <key> <element> [element ...]

    添加指定元素（一次可以添加多个元素）到 HyperLogLog 中

  2. 案例

    将所有元素添加到指定 HyperLogLog 数据结构中。如果执行命令后 HLL 估计的近似基数发生变化，则返回 1，否则返回 0。

    image-20220824214739257

6.2.2.2、pfcount

  1. 语法

    1
    pfcount <key> [key ...]

    计算<key>的近似基数，可以多个<key>合并起来然后求基数。例如 hll1 存储周一的 UV，hll2 存储周二的 UV….。那么求一周的近似基数就是把 hll1,hll2….hll7 合并起来 然后 求基数

  2. 案例

    计算 hll1 与 hll2 合并之后的的基数

    image-20220824215157445

6.2.2.3、pfmerge

  1. 语法

    1
    pfmerge <destkey> <sourcekey> [sourcekey ...]

    将一个或多个 HLL 合并后的结果存储在另一个 HLL 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. 案例

    将 hll1 与 hll2 合并，将结果存储到 hll3 中，然后求 hll3 的基数

    image-20220824220034112

6.3、Geospatial

6.3.1、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。

6.3.2、常用命令

6.3.2.1、geoadd

  1. 语法

    1
    geoadd <key> <longitude> <latitude> <member> [longitude latitude member ...]

    添加地理位置（经度<longitude>，纬度<latitude>，名称<member>）（一次可以添加多组）

  2. 案例

    添加上海，重庆，深圳，北京的经纬度：

    image-20220824220726865

    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。

6.3.2.2、geopos

  1. 语法

    1
    geopos <key> <member> [member ...]

    获取<key>对应的 geo 中的指定地区（member）的坐标值（一次可获取多个）

  2. 案例

    获取上海，重庆，深圳，北京的经纬度：

    image-20220824220957511

6.3.2.3、geodist

  1. 语法

    1
    geodist <key> <member1> <member2> [m|km|ft|mi]

    获取两个位置之间（需要两个位置元素）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。

  2. 案例

    获取上海和北京之间的距离，使用千米作为单位

    image-20220824221252456

6.3.2.4、georadius

  1. 语法

    1
    georadius <key> <longitude> <latitude> radius m|km|ft|mi

    以给定的经度（<longitude>）和纬度（<latitude>）为中心，找出某一半径（radius）内的元素。需要指定单位。单位和上面一样。

  2. 案例

    查找以经度为 110，纬度 30 为中心，半径为 1000 km 的元素

    image-20220824221705337

七、Jedis

和 JDBC 类似，是使用 java 操作 Redis 的工具

7.1、引入依赖

1
2
3
4
5
6
<!-- https://mvnrepository.com/artifact/redis.clients/jedis -->
<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
    <version>4.2.3</version>
</dependency>

7.2、连接 Redis 注意事项

  • 禁用 Linux 的防火墙

  • redis.conf 中注释调 bind 127.0.0.1

    image-20220825104626995

    69 行左右的位置

    image-20220825104733766

  • redis.conf 中设置 protected-mode 为 no

    image-20220825104529894

    88 行左右的位置

    image-20220825104600113

设置好了之后可以用 xshell 试试是否真的可以连接。

7.3、Jedis 测试

创建 JedisTest01 类

写入代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import redis.clients.jedis.Jedis;

public class JedisTest01 {

    public static void main(String[] args) {
        // 1. 创建Jedis对象
        Jedis jedis = new Jedis("192.168.10.104",6379); // 参数一：host，参数二：port
        // 2. 测试
        String result = jedis.ping();
        System.out.println(result);
        jedis.close();
    }

}

测试能否 ping 通

正确运行结果：

image-20220825110113644

SLF4J 提示的东西可以不用管，输出了 PONG 就是对的。

7.4、测试相关数据类型

7.4.1、Key

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import redis.clients.jedis.Jedis;

import java.util.Set;

public class JedisTestKey {

    public static void main(String[] args) {
        Jedis jedis = new Jedis("192.168.10.104",6379);
        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"));
        jedis.close();
    }

}

运行效果：

image-20220825110638605

7.4.2、String

1
2
3
4
5
6
7
8
9
10
11
12
import redis.clients.jedis.Jedis;

public class JedisTestString {

    public static void main(String[] args) {
        Jedis jedis = new Jedis("192.168.10.104",6379);
        jedis.mset("str1","v1","str2","v2","str3","v3");
        System.out.println(jedis.mget("str1","str2","str3"));
        jedis.close();
    }

}

运行效果：

image-20220825111113377

7.4.3、List

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import redis.clients.jedis.Jedis;

import java.util.List;

public class JedisTestList {

    public static void main(String[] args) {
        Jedis jedis = new Jedis("192.168.10.104",6379);
        jedis.lpush("myList", "List1","List2","List3");
        List<String> list = jedis.lrange("myList",0,-1);
        for (String element : list) {
            System.out.println(element);
        }
        jedis.close();
    }

}

运行效果：

image-20220825111354720

7.4.4、Set

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import redis.clients.jedis.Jedis;

import java.util.Set;

public class JedisTestSet {

    public static void main(String[] args) {
        Jedis jedis = new Jedis("192.168.10.104", 6379);
        jedis.sadd("orders", "order01");
        jedis.sadd("orders", "order02");
        jedis.sadd("orders", "order03","order04");
        Set<String> smembers = jedis.smembers("orders");
        for (String order : smembers) {
            System.out.println(order);
        }
        System.out.println("-------------------------");
        jedis.srem("orders", "order02");
        smembers = jedis.smembers("orders");
        for (String order : smembers) {
            System.out.println(order);
        }
        jedis.close();
    }

}

运行效果：

image-20220825111742469

Set 无序

7.4.5 Hash

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
public class JedisTestHash {

    public static void main(String[] args) {
        Jedis jedis = new Jedis("192.168.10.104", 6379);

        jedis.hset("hash1","userName","lisi");
        System.out.println(jedis.hget("hash1","userName"));

        System.out.println("-----------------------");

        Map<String,String> map = new HashMap<String,String>();
        map.put("telPhone","13810169999");
        map.put("address","chongqing");
        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);
        }
        jedis.close();
    }

}

运行效果：

image-20220825112309330

7.4.6 Zset

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import redis.clients.jedis.Jedis;

import java.util.List;

public class JedisTestZset {
    public static void main(String[] args) {
        Jedis jedis = new Jedis("192.168.10.104", 6379);
        jedis.zadd("zset01", 100d, "z3");
        jedis.zadd("zset01", 90d, "l4");
        jedis.zadd("zset01", 80d, "w5");
        jedis.zadd("zset01", 70d, "z6");

        List<String> zrange = jedis.zrange("zset01", 0, -1);
        for (String e : zrange) {
            System.out.println(e);
        }
        jedis.close();
    }
}

运行效果：

image-20220825112659378

7.4.7 总结

最终运行结果：

image-20220825112811478

Linux 下可以查到 keys 的变化，所以以后要使用 Jedis，需要 Linux 是打开状态。

jedis 可以调用常用方法，包括 Bitmaps 等新数据类型的命令都能调用。

八、Jedis 案例

8.1、需求

模拟验证码发送：

  1. 输入手机号，点击发送后随机生成 6 位数字码，2 分钟有效

    • 随机生成 6 位数字码：利用 Random
    • 2 分钟有效：Redis 设置 key 的有效时间

  2. 输入验证码，点击验证，返回成功或失败

    • 从 Redis 中获取验证码，和输入的验证码作比较

  3. 每个手机号每天只能输入 3 次

    • 用 incr 命令

image-20220825113358925

8.2、实现

小案例，就不写页面了，主要写 Java 代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
import redis.clients.jedis.Jedis;

import java.util.Random;
import java.util.Scanner;

public class JedisTestVerificationCode {
    public static void main(String[] args) {
        // 模拟验证码发送：
        Scanner scanner = new Scanner(System.in);
        while(true){
            System.out.print("请输入手机号： ");
            String phoneNum = scanner.next();
            String result = verifyCode(phoneNum);
            System.out.println(result);
            System.out.print("请输入验证码： ");
            String inputCode = scanner.next();
            checkCode(phoneNum,inputCode);
            System.out.println("----------------");
        }
    }

    /**
     * 生成验证码数字
     * @return 生成的验证码
     */
    public static String getVerificationCode() {
        Random random = new Random();
        StringBuilder code = new StringBuilder();
        for(int i = 0 ; i < 6 ; i++){
            code.append(random.nextInt(10));
        }
        return code.toString();
    }

    /**
     * 初始化验证码（产生真正验证码），需要判断24小时内是否产生了三次验证码，也需要设置验证码过期时间是120秒
     * @param phoneNUm 手机号
     * @return 真正生成的验证码
     */
    public static String verifyCode(String phoneNUm){
        // 连接Jedis
        Jedis jedis = new Jedis("192.168.10.104", 6379);

        // 拼接key
        // 手机发送次数 key
        String countKey = phoneNUm + ":count";
        // 验证码的key
        String codeKey = phoneNUm + ":code";

        // 每个手机每天只能发送三次验证码
        String count = jedis.get(codeKey);
        if(count == null){
            // 还没有发送过一次
            // 存入key-value
            jedis.setex(countKey, 24*60*60, "1");
        } else if(Integer.parseInt(count) <= 2){
            // 发送过，但没有达到三次
            if(jedis.exists(codeKey)){
                return "目前还有有效的验证码";
            }
            // 发送次数加一
            jedis.incr(countKey);
        } else {
            // 发送超过三次
            jedis.close();
            return "今天发送次数已经超过三次了";
        }

        // 生成并获取验证码，将验证码放到redis中，设置存在时间为120秒
        String verificationCode = getVerificationCode();
        jedis.setex(codeKey, 120, verificationCode);
        jedis.close();
        return "产生的验证码为: " + verificationCode;
    }

    /**
     * 验证输入验证码是否正确
     * @param phoneNum 手机号
     * @param inputCode 用户输入的验证码
     */
    public static void checkCode(String phoneNum,String inputCode) {
        // 连接Jedis
        Jedis jedis = new Jedis("192.168.10.104", 6379);
        // 拼接该手机号对应的验证码的key
        String codeKey = phoneNum + ":code";
        // 获取Redis中保存的手机号
        String code = jedis.get(codeKey);
        // 比较验证码是否一致
        if(code.equals(inputCode)) {
            // 验证码输入正确
            System.out.println("验证码输入正确");
        } else {
            // 验证码输入错误
            System.out.println("验证码输入错误");
        }
    }
}

九、Redis 与 SpringBoot 整合

9.1、引入依赖

使用脚手架：

image-20220825154908544

产生的默认依赖：

1
2
3
4
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

还需要添加;

1
2
3
4
5
6
<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-pool2 -->
<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-pool2</artifactId>
    <version>2.11.1</version>
</dependency>

9.2、相关配置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
spring:
  redis:
    # Redis 服务器地址
    host: 192.168.10.104
    # Redis 端口位置
    port: 6379
    # 数据库索引（默认为0）
    database: 0
    # 连接超时时间，单位毫秒
    timeout: 1800000
    # 配置连接池
    lettuce:
      pool:
        # 连接池最大连接数 （使用负值表示没有影响）
        max-active: 8
        # 最大阻塞等待时间（负数表示没有限制）单位毫秒
        max-wait: -1
        # 连接池中的最大空闲连接
        max-idle: 5
        # 连接池终端最小空闲连接
        min-idle: 0

9.3、配置类

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.JsonTypeInfo;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.fasterxml.jackson.databind.jsontype.impl.LaissezFaireSubTypeValidator;
import org.springframework.cache.CacheManager;
import org.springframework.cache.annotation.CachingConfigurerSupport;
import org.springframework.cache.annotation.EnableCaching;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.cache.RedisCacheConfiguration;
import org.springframework.data.redis.cache.RedisCacheManager;
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.RedisSerializationContext;
import org.springframework.data.redis.serializer.RedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;

import java.time.Duration;

@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<Object> jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<>(Object.class);
        ObjectMapper om = new ObjectMapper();
        om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        om.activateDefaultTyping(LaissezFaireSubTypeValidator.instance, ObjectMapper.DefaultTyping.NON_FINAL, JsonTypeInfo.As.WRAPPER_ARRAY);
        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<Object> 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.activateDefaultTyping(LaissezFaireSubTypeValidator.instance, ObjectMapper.DefaultTyping.NON_FINAL, JsonTypeInfo.As.WRAPPER_ARRAY);
        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();
        return RedisCacheManager.builder(factory)
                .cacheDefaults(config)
                .build();
    }
}

9.4、测试

编写一个 RedisTestController 方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/redisTest")
public class RedisTestController {

    @Autowired
    private RedisTemplate redisTemplate;

    @GetMapping
    public String testRedis(){
        // 设置值到redis
        redisTemplate.opsForValue().set("k1","v1");
        // 获取值
        return redisTemplate.opsForValue().get("k1").toString();
    }

}

image-20220825171423590

十、事务、锁机制

10.1、Redis 的事务定义

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。

Redis 事务的主要作用就是串联多个命令防止别的命令插队。

10.2、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，等待按顺序执行（相当于开启事务）

  • 直到输入 Exec 后，Redis 会将之前的命令队列中的命令依次执行。（相当于提交事务）

  • 组队的过程中可以通过 discard 来放弃组队。 （相当于事务回滚）

image-20220826105919953

案例：

exec:

image-20220826111113774

discard:

image-20220826111253308

组队阶段出错（如果组队阶段出错，所有命令都不执行）：

image-20220826111500581

组队阶段成功，执行阶段出错（除了出错的命令都会成功）：

image-20220826111840955

10.4、悲观锁

image-20220826141543634

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 直到它拿到锁。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。

10.5、乐观锁

image-20220826141623532

乐观锁(Optimistic Lock), 顾名思义，就是很乐观，每次去拿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。

10.5.1、watch

使用 watch 监视一个 key

在执行 multi 之前，先执行 watch key1 [key2],可以监视一个(或多个) key ，如果在事务执行之前 这个(或这些) key 被其他命令所改动，那么事务将被打断。

10.5.2、unwatch

取消 watch 命令对所有 key 的监视

10.6、Redis 事务三特性

  • 单独的隔离操作

    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

十一、秒杀案例

看视频吧，我没动手写。

十二、Redis 持久化之 RDB

12.1、总体介绍

官网介绍：http://www.redis.io

image-20220826154814431

Redis 提供了 2 个不同形式的持久化方式。

  • RDB（Redis DataBase）

  • AOF（Append Of File）

12.2、RDB（Redis DataBase）

12.2.1、官网介绍

image-20220826154850036

12.2.2、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

12.2.3、备份是如何执行的

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。

12.2.4、Fork

  • 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。

  • 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”

  • 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。

12.2.5、持久化流程

image-20220826155347759

12.2.6、dump.rdb

在 redis.conf 中配置文件名称，默认为 dump.rdb

image-20220826155622341

12.2.7、配置位置

rdb 文件的保存路径，也可以修改。默认为 Redis 启动时命令行所在的目录下

image-20220826155744603

12.2.8、触发 RDB 快照；保持策略

12.2.8.1、配置文件中默认的快照配置

image-20220826155850234

解释一个就行了：

save 3600 1：表示在 3600 秒内，有 1 个 key 发生变化就执行替换操作。执行替换操作之后又继续记录时间和发生变化的 key 的个数。

12.2.8.2、save 命令 VS bgsave 命令

  • 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

12.2.8.3、flushall 命令

执行 flushall 命令，也会产生 dump.rdb 文件，但里面是空的，无意义

12.2.8.4、save 命令

格式：save 秒钟 写操作次数

RDB 是整个内存的压缩过的 Snapshot，RDB 的数据结构，可以配置复合的快照触发条件，

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

不适用 save（禁用）：不设置 save 指令，或者给 save 传入空字符串

12.2.8.5、stop-writes-on-bgsave-error

image-20220826161400040

当 Redis 无法写入磁盘的话，直接关掉 Redis 的写操作。推荐 yes.

12.2.8.6、rdbcompression 压缩文件

image-20220826161439478

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.

12.2.8.7、rdbchecksum 检查完整性

image-20220826162236514

在存储快照后，还可以让 redis 使用 CRC64 算法来进行数据校验，

但是这样做会增加大约 10%的性能消耗，如果希望获取到最大的性能提升，可以关闭此功能。推荐 yes.

12.2.8.8、rdb 的备份

  1. 先通过 config get dir 查询 rdb 文件的目录

  2. 将 *.rdb 的文件拷贝到别的地方

  3. rdb 的恢复:

    • 关闭 Redis
    • 先把备份的文件拷贝到工作目录下 cp dump2.rdb dump.rdb
    • 启动 Redis, 备份数据会直接加载

12.2.9、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

image-20220826162526604

12.2.10、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。

  • 在备份周期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。

12.2.11、如何停止

动态停止 RDB：redis-cli config set save ""

save 后给空值，表示禁用保存策略

12.2.12、总结

image-20220826162732185

十三、Redis 持久化之 AOF

13.1 AOF（Append Only File）

13.1.1 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。

13.1.2、AOF 持久化流程

  1. 客户端的请求写命令会被 append 追加到 AOF 缓冲区内；

  2. AOF 缓冲区根据 AOF 持久化策略[always,everysec,no]将操作 sync 同步到磁盘的 AOF 文件中；

  3. AOF 文件大小超过重写策略或手动重写时，会对 AOF 文件 rewrite 重写，压缩 AOF 文件容量；

  4. Redis 服务重启时，会重新 load 加载 AOF 文件中的写操作达到数据恢复的目的；

image-20220826163405116

13.1.3、AOF 默认不开启

可以在 redis.conf 中配置文件名称，默认为 appendonly.aof

AOF 文件的保存路径，同 RDB 的路径一致。

13.1.4、AOF 和 RDB 同时开启，redis 执行哪一个？

AOF 和 RDB 同时开启，系统默认取 AOF 的数据（数据不会存在丢失）

13.1.5、AOF 启动、修复、恢复

  • AOF 的备份机制和性能虽然和 RDB 不同, 但是备份和恢复的操作同 RDB 一样，都是拷贝备份文件，需要恢复时再拷贝到 Redis 工作目录下，启动系统即加载。

  • 正常恢复

    • 修改默认的 appendonly no，改为 yes

    • 将有数据的 aof 文件复制一份保存到对应目录(查看目录：config get dir)

    • 恢复：重启 redis 然后重新加载

  • 异常恢复

    • 修改默认的 appendonly no，改为 yes

    • 如遇到AOF 文件损坏，通过/usr/local/bin/redis-check-aof—fix appendonly.aof进行恢复

      1
      redis-check-aof --fix appendonly.aof

    • 备份被写坏的 AOF 文件

    • 恢复：重启 redis，然后重新加载

13.1.6 AOF 同步频率设置（持久化策略）

  • 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。

13.1.7、Rewrite 压缩

image-20220826170710759

  1. 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

  2. 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，是指上就是把 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。

    • no-appendfsync-on-rewrite：

      • 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）

    • 触发机制，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。

  3. 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. 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。
    5. 主进程把 aof_rewrite_buf 中的数据写入到新的 AOF 文件。
    6. 使用新的 AOF 文件覆盖旧的 AOF 文件，完成 AOF 重写。

13.1.8、优势

image-20220826170959394

  • 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。

13.1.9、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，造成恢复不能。

13.1.10、总结

image-20220826171116796

十二——十三、用哪个好

官方推荐两个都启用。

如果对数据不敏感，也就是允许部分数据丢失，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 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%大小时重写可以改到适当的数值。

十四、主从复制

14.1、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，Slaver以读为主

14.2、能干嘛

  • 读写分离，性能扩展

  • 容灾快速恢复

image-20220826182302989

14.3、怎么用

看视频，看文档，看笔记

网络下显示：

<iframe src="//player.bilibili.com/player.html?aid=247670776&bvid=BV1Rv41177Af&cid=326382019&page=32" scrolling="no" border="1px" width=100% height=550px frameborder="no" framespacing="0" allowfullscreen="true"></iframe>

14.4、常用 3 招

14.4.1、一主二仆

  • 切入点问题？slave1、slave2 是从头开始复制还是从切入点开始复制?比如从 k4 进来，那之前的 k1,k2,k3 是否也可以复制？

    不可以

  • 从机是否可以写？set 可否？

    不可写

  • 主机 shutdown 后情况如何？从机是上位还是原地待命？

    原地待命

  • 主机又回来了后，主机新增记录，从机还能否顺利复制？

    能

  • 其中一台从机 down 后情况如何？依照原有它能跟上大部队吗？

    恢复之后能跟上之后的数据，down 的这段时间的数据就没有了

image-20220826184632972

14.4.2、薪火相传

就像是 N 叉树一样

上一个 Slave 可以是下一个 slave 的 Master，Slave 同样可以接收其他 slaves 的连接和同步请求，那么该 slave 作为了链条中下一个的 master, 可以有效减轻 master 的写压力,去中心化降低风险。

用 slaveof <ip> <port>

中途变更转向：会清除之前的数据，重新建立拷贝最新的

风险是一旦某个 slave 宕机，后面的 slave 都没法备份

主机挂了，从机还是从机，无法写数据了

14.4.3、反客为主

当一个 master 宕机后，后面的 slave 可以立刻升为 master，其后面的 slave 不用做任何修改。

用 slaveof no one 将从机变为主机。如果不用命令就不会反客为主

但是如果输入命令也需要人力，还不如快速再把主机重启。

自动化的反客为主：14.6、哨兵模式

image-20220826214212693

14.5、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：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

image-20220826214304724

14.6、哨兵模式

14.6.1、是什么

反客为主的自动版，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

==哨兵不是从服务器，就只是监听主机状态，还有选择合适从机做主机（原本主机 down 了的情况下）==

之后即使是原本的主机再次上线，新主机也不会再变成从机，而是让原本的主机做新主机的从机

image-20220826215924396

14.6.2、使用步骤

看文档

14.6.3、故障修复

image-20220826220041510

  1. 优先级在 redis.conf 中默认：slave-priority 100，可以自己设置。值越小优先级越高

  2. 偏移量是指获得原主机数据最全的服务器

  3. 每个 redis 实例启动后都会随机生成一个 40 位的 runid

14.7、Java 代码实现

写一个获得哨兵的类：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
private static JedisSentinelPool jedisSentinelPool=null;

public static  Jedis getJedisFromSentinel(){
    if(jedisSentinelPool==null){
        Set<String> sentinelSet=new HashSet<>();
        sentinelSet.add("192.168.10.104:26379");

        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();
    }
}

十五、集群

集群搭建具体可看我博客的另一篇文章，更加详细。

15.1、问题

容量不够，redis 如何进行扩容？

并发写操作， redis 如何分摊？

另外，主从模式，薪火相传模式，主机宕机，导致 ip 地址发生变化，应用程序中配置需要修改对应的主机地址、端口等信息。

之前通过代理主机来解决，但是 redis3.0 中提供了解决方案。就是无中心化集群配置。

15.2、什么是集群

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。

15.3、删除持久化数据

将 rdb,aof 文件都删除掉。

15.4、搭建模拟集群

看视频看文档

主要步骤：

  1. 先配置全局配置文件：

    开启 daemonize yes

    Appendonly 关掉或者换名字

  2. 配置局部配置

    • cluster-enabled yes 打开集群模式

    • cluster-config-file nodes-6379.conf 设定节点配置文件名

    • cluster-node-timeout 15000 设定节点失联时间，超过该时间（毫秒），集群自动进行主从切换。

    最终配置文件：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    include /home/bigdata/redis.conf
    port 6379
    pidfile "/var/run/redis_6379.pid"
    dbfilename "dump6379.rdb"
    dir "/home/bigdata/redis_cluster"
    logfile "/home/bigdata/redis_cluster/redis_err_6379.log"
    cluster-enabled yes
    cluster-config-file nodes-6379.conf
    cluster-node-timeout 15000

  3. 然后拷贝几份这个局部配置文件，对端口等做修改。

    可以利用 vim 快捷方式（例如将 6379

    改成 6380）：:%s /6379 /6380

  4. 启动这几个 Redis 服务

    例如启动 redis6379 ：redis-server redis6379.conf

    可通过进程命令查看是否成功启动：ps -ef | grep redis

  5. 将节点合成一个集群

    组合之前，请确保所有 redis 实例启动后，nodes-xxxx.conf 文件都生成正常。

    image-20220827103308069

    合体：

    1. 进入 redis 安装目录下的 src 目录

      1
      cd  /opt/redis-7.0.4/src

    2. 集群化启动

      1
      redis-cli --cluster create --cluster-replicas 1 192.168.11.101:6379 192.168.11.101:6380 192.168.11.101:6381 192.168.11.101:6389 192.168.11.101:6390 192.168.11.101:6391

      此处不要用 127.0.0.1， 请用真实 IP 地址

      —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。

  6. 登录集群

    可能直接进入读主机，存储数据时，会出现 MOVED 重定向操作。所以，应该以集群方式登录。

  7. 切换到相应的写主机

    使用 -c 选项

    1
    redis-cli -c -p 6379

    image-20220827153712835

  8. 查看集群信息

    通过 cluster nodes 命令

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。

什么是插槽？

[OK] All nodes agree about slots configuration.

>>> Check for open slots…

>>> Check slots coverage…

[OK] All 16384 slots covered.

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， 如果一个集群可以有主节点， 其中：

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

在 redis-cli 每次录入、查询键值，redis 都会计算出该 key 应该送往的插槽，如果不是该客户端对应服务器的插槽，redis 会报错，并告知应前往的 redis 实例地址和端口。

redis-cli 客户端提供了 –c 参数实现自动重定向。

如 redis-cli -c –p 6379 登入后，再录入、查询键值对可以自动重定向。

不在一个 slot 下的键值，是不能使用 mget,mset 等多键操作。

image-20220827154211315

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。

image-20220827154225033

在集群中 查询 值

CLUSTER GETKEYSINSLOT <slot><count> 返回 <count> 个 <slot> 槽中的键。

image-20220827154333884

故障恢复

如果主节点下线？从节点能否自动升为主节点？注意：15 秒超时

image-20220827154409693

主节点恢复后，主从关系会如何？主节点回来变成从机。

image-20220827154445110

如果所有某一段插槽的主从节点都宕掉，redis 服务是否还能继续?

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

如果某一段插槽的主从都挂掉，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。

redis.conf 中的参数 cluster-require-full-coverage

15.5、集群的 Jedis 开发

即使连接的不是主机，集群会自动切换主机存储。主机写，从机读。

==无中心化主从集群。无论从哪台主机写的数据，其他主机上都能读到数据。==

1
2
3
4
5
6
7
8
9
10
11
public class JedisClusterTest {
	public static void main(String[] args) {
		Set<HostAndPort>set =new HashSet<HostAndPort>();
        set.add(new HostAndPort("192.168.10.104",6379));

        // new 的是JedisCluster
        JedisCluster jedisCluster=new JedisCluster(set);
        jedisCluster.set("k1", "v1");
        System.out.println(jedisCluster.get("k1"));
	}
}

15.6、集群优势

实现扩容

分摊压力

无中心配置相对简单

15.7、集群不足

多键操作是不被支持的

多键的 Redis 事务是不被支持的。lua 脚本不被支持

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。