01-Redis核心数据结构和高性能原理
Redis核心数据结构和高性能原理
- Redis安装
- 核心数据结构以及用法
- String结构
- 字符串常用操作
- 原子加减
- 应用场景
- Hash结构
- Hash常用操作
- Hash应用场景
- Hash结构优缺点
- List结构
- List常用操作
- List应用场景
- Set结构
- Set常用操作
- Set运算操作
- Set应用场景
- ZSet有序集合结构
- ZSet常用操作
- Zset集合操作
- Zset应用场景
- Redis的单线程和高性能
重要的事说:每一个字都是拾光手敲的,希望你可以一字一字的去阅读和理解拾光在写博客时的思想。希望你有所收获,谢谢!
这是第一篇关于redis的文章,因为redis在我们工作当中可以说是有举足轻重的地位,后续我会写到redis的持久化以及主从架构,哨兵模式,集群模式,redis核心原理,redis的缓存设计与性能优化,redis6的新特性,以及redis的C源码。
今天说redis的五种数据结构与单线程高性能原理
Redis安装
redis中文官网地址
下载地址:http://redis.io/download
安装步骤:
# 安装gcc
yum install gcc# 把下载好的redis-5.0.3.tar.gz放在/usr/local文件夹下,并解压
wget http://download.redis.io/releases/redis-5.0.3.tar.gz
tar xzf redis-5.0.3.tar.gz
cd redis-5.0.3# 进入到解压好的redis-5.0.3目录下,进行编译与安装
make# 修改配置
daemonize yes #后台启动
protected-mode no #关闭保护模式,开启的话,只有本机才可以访问redis
# 需要注释掉bind
#bind 127.0.0.1(bind绑定的是自己机器网卡的ip,如果有多块网卡可以配多个ip,代表允许客户端通过机器的哪些网卡ip去访问,内网一般可以不配置bind,注释掉即可)# 启动服务
src/redis-server redis.conf# 验证启动是否成功
ps -ef | grep redis # 进入redis客户端
src/redis-cli # 退出客户端
quit# 退出redis服务:
(1)pkill redis-server
(2)kill 进程号
(3)src/redis-cli shutdown
核心数据结构以及用法
String结构
字符串常用操作
SET key value //存入字符串键值对
MSET key value [key value ...] //批量存储字符串键值对
SETNX key value //存入一个不存在的字符串键值对
GET key //获取一个字符串键值
MGET key [key ...] //批量获取字符串键值
DEL key [key ...] //删除一个键
EXPIRE key seconds //设置一个键的过期时间(秒)
原子加减
INCR key //将key中储存的数字值加1
DECR key //将key中储存的数字值减1
INCRBY key increment //将key所储存的值加上increment
DECRBY key decrement //将key所储存的值减去decrement
应用场景
String应该是我们工作当中用的最为普遍的一种数据类型,上面以及罗列了一些常用的命令。接下来让我们看看他们有哪些使用场景。
- 单值缓存
SET key value
GET key
这种就是最简单的保存一个字符串,然后get获取
- 对象缓存
SET user:1 value(json格式数据)
MSET user:1:name zhuge user:1:balance 1888MGET user:1:name user:1:balance
如果我们要存储一个对象的数据,我们平时会把一个对象数据变换为json存储到redis,而MSET就是批量存储的命令,如果有很多的数据对象,每次存储都要和redis进行io交互,那么我就就可以用MSET来批量保存。
- 分布式锁
SETNX product:10001 true //返回1代表获取锁成功
SETNX product:10001 true //返回0代表获取锁失败
。。。执行业务操作
DEL product:10001 //执行完业务释放锁SET product:10001 true ex 10 nx //防止程序意外终止导致死锁
SETNX 是『SET if Not eXists』(如果不存在,则 SET)的简写。
用来做分布式锁,如果能保存成功,说明就拿到锁了,加锁失败,说明锁已经被别人占用了。
其实分布式锁远远没有这么简单,如果只是保存了数据,没有设置过期时间,那么获得锁的程序如果卡死,后面所有的业务都不会拿到锁,导致系统崩溃。如果设置了过期时间,那么删除锁的时候也会有一个问题,就是第一个线程加锁了,执行代码时间比较长,锁自动过期了,那么第二个线程就可以加锁了,第二个线程加完锁以后第一个线程代码执行完成删除锁的时候把第二个线程的锁删了,因为第一个线程的锁已经自动过期删除了等等一系列的问题,后面针对redis做分布式锁我会单独说一些会出现的问题和一些大厂现在的解决思路。
- 计数器
INCR article:readcount:{文章id}
GET article:readcount:{文章id}
可以在如下图所示的地方,显示阅读数的时候,每个人只要点击文章一次就执行INCR操作进行加1.
INCR 将 key 中储存的数字值增一。 如果 key 不存在,那么 key 的值会先被初始化为 0 ,然后再执行 INCR 操作。 如果值包含错误的类型,或字符串类型的值不能表示为数字,那么返回一个错误。 本操作的值限制在 64 位(bit)有符号数字表示之内。 注:这是一个针对字符串的操作,因为 Redis 没有专用的整数类型,所以 key 内储存 的字符串被解释为十进制 64 位有符号整数来执行 INCR 操作。
场景一: 计数器
计数器是 Redis 的原子性自增操作可实现的最直观的模式了,它的想法相当简单:每 当某个操作发生时,向 Redis 发送一个 INCR 命令。 比如在一个 web 应用程序中,如果想知道用户在一年中每天的点击量,那么只要将用 户 ID 以及相关的日期信息作为键,并在每次用户点击页面时,执行一次自增操作即可。 比如用户名是 peter ,点击时间是 2012 年 3 月 22 日,那么执行命令 INCR peter::2012.3.22
场景二:限速器
限速器是特殊化的计算器,它用于限制一个操作可以被执行的速率(rate)。 限速器的典型用法是限制公开 API 的请求次数,以下是一个限速器实现示例,它将 API 的最大请求数限制在每个 IP 地址每秒钟十个之内:
FUNCTION LIMIT_API_CALL(ip)ts = CURRENT_UNIX_TIME()keyname = ip+":"+tscurrent = GET(keyname)IF current != NULL AND current > 10 THENERROR "too many requests per second"ENDIF current == NULL THENMULTIINCR(keyname, 1)EXPIRE(keyname, 1)EXECELSEINCR(keyname, 1)
ENDPERFORM_API_CALL()
Web集群session共享
spring session + redis实现session共享分布式系统全局序列号
INCRBY orderId 1000 //redis批量生成序列号提升性能
这样的场景可以用在生成自增的id,在数据库中使用。
格式:incrby key increment 将 key 所储存的值加上增量 increment 。 如果 key 不存在,那么 key 的值会先被初始化为 0 ,然后再执行 INCRBY 命令。 如果值包含错误的类型,或字符串类型的值不能表示为数字,那么返回一个错误。 本操作的值限制在 64 位(bit)有符号数字表示之内。
示例代码:
# key 存在且是数字值redis> SET rank 50OK
redis> INCRBY rank 20(integer) 70redis> GET rank"70"# key 不存在时redis> EXISTS counter(integer) 0redis> INCRBY counter 30(integer) 30redis> GET counter"30"# key 不是数字值时redis> SET book "long long ago..."OKredis> INCRBY book 200(error) ERR value is not an integer or out of range
当然了此处也会有弊端,就是如果是订单数据,一小时如果有上亿的数据id需要生成,那么使用redis生成也是耗费性能耗费内存的,我们可以使用雪花算法和一些比如美团开源的leaf生成器。
Hash结构
Hash常用操作
HSET key field value //存储一个哈希表key的键值
HSETNX key field value //存储一个不存在的哈希表key的键值
HMSET key field value [field value ...] //在一个哈希表key中存储多个键值对 批量操作
HGET key field //获取哈希表key对应的field键值
HMGET key field [field ...] //批量获取哈希表key中多个field键值
HDEL key field [field ...] //删除哈希表key中的field键值
HLEN key //返回哈希表key中field的数量
HGETALL key //返回哈希表key中所有的键值HINCRBY key field increment //为哈希表key中field键的值加上增量increment
其实Hash就是维护一个数组,然后在这个数组上可能还有很多的链表去存储数据。
Hash应用场景
- 对象缓存
HMSET user {userId}:name zhuge {userId}:balance 1888
HMSET user 1:name zhuge 1:balance 1888
HMGET user 1:name 1:balance
可以把一个hash操作就看作是一个数据库表,用户表,如果要存储用户信息,只需要根据用户id去存储到user这个槽位,也就是用户表里面。
这样存储可以节约成本,节约存储空间,但是什么东西都有利弊,如果这样存储数据,就会形成Redis最不能接受的BigKey的问题,会大大的影响性能,有什么解决办法呢,我们可以考虑使用集群模式分片存储,后面会写到16384个槽位分片存储的用法。
- 电商购物车
1)以用户id为key
2)商品id为field
3)商品数量为value
- 购物车操作
添加商品:hset cart:1001 10088 1
增加数量:hincrby cart:1001 10088 1
商品总数:hlen cart:1001
删除商品:hdel cart:1001 10088
获取购物车所有商品:hgetall cart:1001
我觉得用Hash用来存储购物车数据是比String更好的一个选择。具体他的性能会有什么样的提升,后期我会写到redis他自己内部分装的数据结构的原理。
Hash结构优缺点
- 优点
1)同类数据归类整合储存,方便数据管理
2)相比string操作消耗内存与cpu更小
3)相比string储存更节省空间
- 缺点
1)过期功能不能使用在field上,只能用在key上
2)Redis集群架构下不适合大规模使用
List结构
List相信程序员都不陌生,它底层其实就是维护的一个数组。
List常用操作
LPUSH key value [value ...] //将一个或多个值value插入到key列表的表头(最左边)
RPUSH key value [value ...] //将一个或多个值value插入到key列表的表尾(最右边)
LPOP key //移除并返回key列表的头元素
RPOP key //移除并返回key列表的尾元素
LRANGE key start stop //返回列表key中指定区间内的元素,区间以偏移量start和stop指定BLPOP key [key ...] timeout //从key列表表头弹出一个元素,若列表中没有元素,阻塞等待 timeout秒,如果timeout=0,一直阻塞等待
BRPOP key [key ...] timeout //从key列表表尾弹出一个元素,若列表中没有元素,阻塞等待 timeout秒,如果timeout=0,一直阻塞等待
List应用场景
- 做常用数据结构
Stack(栈) = LPUSH + LPOP
我们知道栈的特点就是先进后出,那么我们就可以利用List的特点,使用LPUSH存储数据,这样数据一直是往左递增的,而我们使用 LPOP就是从最左边取数据,这样就是最新存储的数据最早可以取出来,同样的使用RPUSH+RPOP同样可以做栈这种数据结构。学习嘛,肯定要融会贯通
Queue(队列)= LPUSH + RPOP
队列就是先进先出了,和我们日常追女孩子一样,先碰到的先认识的肯定具有优先权。
Blocking MQ(阻塞队列)= LPUSH + BRPOP
从key列表表头弹出一个元素,若列表中没有元素,阻塞等待 timeout秒,如果timeout=0,一直阻塞等。就是一直取数据,没数据就等着,和我们代码的自旋获取数据类似。
- 微博和微信公号以及微信朋友圈消息流
- 微博消息和微信公号消息
甜甜关注了MacTalk,备胎说车等大V
1)MacTalk发微博,消息ID为10018
LPUSH msg:{甜甜-ID} 10018
2)备胎说车发微博,消息ID为10086
LPUSH msg:{甜甜-ID} 10086
3)查看最新微博消息
LRANGE msg:{甜甜-ID} 0 4
意思就是你关注的大V发布了文章,你打开公众号的时候,就会获取到最新的发布的数据,有时候可能默认显示最新的两条,就可以用LRANGE key start stop获取分页数据
Set结构
我觉得Set最大的作用就是取交集,并集等。。。。下面具体说
Set常用操作
SADD key member [member ...] //往集合key中存入元素,元素存在则忽略,若key不存在则新建
SREM key member [member ...] //从集合key中删除元素
SMEMBERS key //获取集合key中所有元素
SCARD key //获取集合key的元素个数
SISMEMBER key member //判断member元素是否存在于集合key中
SRANDMEMBER key [count] //从集合key中选出count个元素,元素不从key中删除
SPOP key [count] //从集合key中选出count个元素,元素从key中删除
Set运算操作
SINTER key [key ...] //交集运算
SINTERSTORE destination key [key ..] //将交集结果存入新集合destination中
SUNION key [key ..] //并集运算
SUNIONSTORE destination key [key ...] //将并集结果存入新集合destination中
SDIFF key [key ...] //差集运算
SDIFFSTORE destination key [key ...] //将差集结果存入新集合destination中
Set应用场景
- 微信抽奖小程序
1)点击参与抽奖加入集合
SADD key {userlD}
2)查看参与抽奖所有用户
SMEMBERS key
3)抽取count名中奖者
SRANDMEMBER key [count] / SPOP key [count]
在这里强调一下使用SRANDMEMBER key [count]
和SPOP key [count]
都是可以从中取出count个数据的,你抽奖抽一等奖和二等奖,只需要修改count值就可以了,是不是使用redis都特别方便特别简单?SPOP key [count] 会将得奖者删除,不能再参与抽奖,SRANDMEMBER则是得奖者也可以继续抽奖
- 微信微博点赞,收藏,标签
1) 点赞
SADD like:{消息ID} {用户ID}
2) 取消点赞
SREM like:{消息ID} {用户ID}
3) 检查用户是否点过赞
SISMEMBER like:{消息ID} {用户ID}
4) 获取点赞的用户列表
SMEMBERS like:{消息ID}
5) 获取点赞用户数
SCARD like:{消息ID}
这个地方没什么好解释的,代码应该都可以看懂。下面玩高级的
- 集合操作
SINTER set1 set2 set3 --> { c } 取交集
SUNION set1 set2 set3 --> { a,b,c,d,e } 去重取并集
SDIFF set1 set2 set3 --> { a } 取第一个集合与其他集合之间的差异,也可以认为说第一个集合中独有的元素。不存在的集合 key 将视为空集。
- 集合操作实现微博微信关注模型
这个就是我们常见的可能认识的人,共同好友等
1) 拾光关注的人:
shiguangSet-> {bingan, xushu}
2) 甜甜关注的人:tiantianSet--> {shiguang, baiqi, bingan, xushu}
3) 饼干关注的人: binganSet-> {shiguang, tiantian, baiqi, xushu, xunyu)
4) 拾光和甜甜共同关注:
SINTER shiguangSet tiantianSet--> {bingan, xushu}
5) 我关注的人也关注他(甜甜):
SISMEMBER binganSet tiantian
SISMEMBER xushuSet tiantian
6) 我可能认识的人:
SDIFF tiantianSet shiguangSet->(shiguang, baiqi}
ZSet有序集合结构
ZSet常用操作
ZADD key score member [[score member]…] //往有序集合key中加入带分值元素
ZREM key member [member …] //从有序集合key中删除元素
ZSCORE key member //返回有序集合key中元素member的分值
ZINCRBY key increment member //为有序集合key中元素member的分值加上increment
ZCARD key //返回有序集合key中元素个数
ZRANGE key start stop [WITHSCORES] //正序获取有序集合key从start下标到stop下标的元素
ZREVRANGE key start stop [WITHSCORES] //倒序获取有序集合key从start下标到stop下标的元素
Zset集合操作
ZUNIONSTORE destkey numkeys key [key ...] //并集计算
ZINTERSTORE destkey numkeys key [key …] //交集计算
Zset应用场景
- Zset集合操作实现排行榜
1)点击新闻
ZINCRBY hotNews:20190819 1 守护香港
2)展示当日排行前十
ZREVRANGE hotNews:20190819 0 9 WITHSCORES
3)七日搜索榜单计算
ZUNIONSTORE hotNews:20190813-20190819 7
hotNews:20190813 hotNews:20190814... hotNews:20190819
4)展示七日排行前十
ZREVRANGE hotNews:20190813-20190819 0 9 WITHSCORES
Redis的单线程和高性能
- Redis是单线程吗?
Redis 的单线程主要是指 Redis 的网络 IO 和键值对读写是由一个线程来完成的,这也是 Redis 对外 提供键值存储服务的主要流程。但 Redis 的其他功能,比如持久化、异步删除、集群数据同步等,其实是由额外的线程执行的。 - Redis 单线程为什么还能这么快?
因为它所有的数据都在内存中,所有的运算都是内存级别的运算,而且单线程避免了多线程的切换性 能损耗问题。正因为 Redis 是单线程,所以要小心使用 Redis 指令,对于那些耗时的指令(比如 keys),一定要谨慎使用,一不小心就可能会导致 Redis 卡顿。 - Redis 单线程如何处理那么多的并发客户端连接?
Redis的IO多路复用:redis利用epoll来实现IO多路复用,将连接信息和事件放到队列中,依次放到 文件事件分派器,事件分派器将事件分发给事件处理器。
后面如果有机会我会单独写Netty的多路复用和eopll模型
欢迎阅读,如有疑问请及时提出,我们一起进步一起成长!
01-Redis核心数据结构和高性能原理相关推荐
- redis核心数据结构以及他的应用场景
文章目录 redis核心数据结构 1.string字符串 1.1应用场景 2.hash哈希 2.1应用场景 2.2优缺点 3.list数组列表 3.1应用场景 4.set集合 4.1应用场景 5.zs ...
- Redis核心数据结构List应用场景-商品列表、缓存击穿、PV阅读量、抢红包、推送帖子、普通分布式锁、Redis可重入锁与红锁
List应用场景 Redis之List 一. Redis list命令实战 二.商品列表 高并发的淘宝聚划算实现技术方案 SpringBoot+Redis实现商品列表功能 二.缓存击穿 什么是缓存击穿 ...
- 并发框架Disruptor(核心概念 入门 高性能原理-伪共享 CAS 环形数据 生产和消费模式 高级使用 )
并发框架Disruptor 并发框架Disruptor Disruptor概述 背景 什么是Disruptor 为什么使用Disruptor Disruptor 的核心概念 Ring Buffer S ...
- Redis的数据结构及底层原理
一.Redis的两层数据结构简介 redis的性能高的原因之一是它每种数据结构都是经过专门设计的,并都有一种或多种数据结构来支持,依赖这些灵活的数据结构,来提升读取和写入的性能. 如果要了解redis ...
- Redis核心数据结构ZSET、GeoHash 、 Stream--排行榜、消息Pull推送、附近搜索、布隆过滤器 、IM聊天室
ZSET.Geo . Stream redis zset数据结构 常用命令 排行榜 步骤一.初始化1个月的历史数据 步骤二:定时刷新数据 步骤3:排行榜查询接口 GeoHash 命令 附近酒店搜索实现 ...
- Redis核心原理与应用实践
Redis核心原理与应用实践 在很多场景下都会使用Redis,但是到了深层次的时候就了解的不是那么深刻,以至于在面试的时候经常会遇到卡壳的现象,学习知识要做到系统和深入,不要把Redis想象的过于复杂 ...
- Redis高性能原理:Redis为什么这么快?
前言:Redis 为了高性能,从各方各面都进行了优化.学习一门技术,通常只接触了零散的技术点,没有在脑海里建立一个完整的知识框架体系.这样会很吃力,而且会出现一看好像自己会,过后就忘记的懵逼情况.知识 ...
- 浅谈Redis五种数据结构的底层原理
概念 Redis作为一个开源的用C编写的非关系型数据库,基于优秀的CRUD效率,常用于软件系统的缓存,其本身提供了以下五种数据格式: string:字符串 list:列表 hash:散列表 set:无 ...
- Redis高级数据结构原理解析-bitmap,hyperloglog
Redis 位图 开发过程中,我们可能遇到这种场景记录用户的打卡情况,签到情况,这些场景只有两种结果,有或者没有,加入记录的数据量比较大,比如用一年的数据,如果用Redis中普通key/value,每 ...
最新文章
- R 语言聚类关联规则
- 将JPA Hibernate与OptaPlanner集成
- 数据库语言 数据查询_使用这种简单的查询语言开始查询数据
- 李飞飞:为什么计算机视觉对机器人如此重要?
- Nodejs ORM框架Sequelize
- mysql between 等于_MySQL中BETWEEN子句的用法详解
- 全民超神服务器维护,全民超神更新维护公告 更新内容详细一览
- Web服务中延时对QoE(体验质量)的影响
- 快速排序QuickSort
- 基于卷积网络的度量学习
- 可道云 docker 群晖_【curl】校园网群晖DS120j自动认证
- 查看office2016是不是永久激活状态
- 第三章 Unity基础之API
- H3C MSR 2600-10 Winet 交换机consol口设置
- 京东白条如何直接取现|分分卡开通说明
- html和css的图片怎么加,html+css如何在图片上添加文字
- 小米无线路由器服务器用户名和密码忘了,小米路由器无线密码(wifi密码)忘记了怎么办? | 192路由网...
- 计算机综合能力描述,计算机综合应用能力实训报告
- USB-详解/sys/kernel/debug/usb/devices
- 计算机教师继续教育心得,教师继续教育心得体会(精选3篇)
热门文章
- input变灰禁止输入状态
- 想进入游戏建模行业,必须要了解的基础知识
- 第十二章作业(1.水果店
- 用户拉新是去哪儿现在的重要战略目标,结合近期大火的“百万答题”等热门活动,给去哪儿设计一个拉新活动,设计内容要包括:活动主题、活动所依附的产品基本形态,产品核心功能点。请你详
- shell sed(流编辑器)的基本使用
- JDBC心得体会--总结
- R语言入门(15)_读取文件(read)
- java.awt.Color 颜色代码对照表
- 计算机网络思维导图 (免费下载)
- GPU深度学习训练时出现train_loss一直不变且val_loss不变的问题