https://www.bilibili.com/video/BV1Rv41177Af

  • 数据都在内存中，支持持久化，主要用作备份恢复
  • 作为缓存数据库辅助持久化数据库
  • 会周期性到把更新到数据写入磁盘或把修改操作写入追加到记录文件
  • 支持存储string，list，set，zset（sorted set），hash类型
  • 支持push，pop，add，remove，并交差等操作，操作都是原子性的
  • 默认16个数据库，从0开始，默认使用0号数据库
  • 使用select <dbid>，比如：select 8来使用8号数据库
  • 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）

RedisSpringBoot配置类

@EnableCaching
@Configuration
public class RedisConfig extends CachingConfigurerSupport {@Beanpublic RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {RedisTemplate<String, Object> template = new RedisTemplate<>();RedisSerializer<String> redisSerializer = new StringRedisSerializer();Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);ObjectMapper om = new ObjectMapper();om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);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;}@Beanpublic CacheManager cacheManager(RedisConnectionFactory factory) {RedisSerializer<String> redisSerializer = new StringRedisSerializer();Jackson2JsonRedisSerializer 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.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);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();RedisCacheManager cacheManager = RedisCacheManager.builder(factory).cacheDefaults(config).build();return cacheManager;}
}

安装

版本：6.2.1

#1. 安装环境准备GCC
yum install -y centos-release-scl scl-utils-build
yum install -y devtoolset-8-toolchain
scl enable devtoolset-8 bash
# 测试Gcc版本
gcc --version
#2. 下载，安装Redis
cd /opt
wget https://download.redis.io/releases/redis-6.2.1.tar.gz
tar -zxvf redis-6.2.1.tar.gz
cd redis-6.2.1
make
make install#3 安装目录/usr/local/bin
# 命令介绍
#redis-benchmark:性能测试工具，可以在自己本子运行，看看自己本子性能如何
#redis-check-aof：修复有问题的AOF文件，rdb和aof后面讲
#redis-check-dump：修复有问题的dump.rdb文件
#redis-sentinel：Redis集群使用
#redis-server：Redis服务器启动命令
#redis-cli：客户端，操作入口#4 启动
#修改daemonize no 改为yes
vi /opt/redis-6.2.1/redis.conf
# 使用opt/redis-6.2.1/redis.conf该配置文件启动服务器
redis-server /opt/redis-6.2.1/redis.conf#5 redis-cli访问，-p指定端口
redis-cli -p6379#6 服务关闭
redis-cli shutdown
#或 在连接的客户端中直接shutdown

主从

搭建

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，Slave以读为主，读写分离，性能扩展，容灾快速恢复

#1. 创建conf文件
touch /opt/redis-6.2.1/redis6379.conf /opt/redis-6.2.1/redis6380.conf /opt/redis-6.2.1/redis6381.conf
#2. 添加如下信息： 端口 pidfile dbfilename  ./redis.conf默认的redis配置文件
include ./redis.conf
pidfile /var/run/redis_6379.pid
port 6379
dbfilename dump6379.rdb#3. 启动服务
redis-server /opt/redis-6.2.1/redis6379.conf
redis-server /opt/redis-6.2.1/redis6380.conf
redis-server /opt/redis-6.2.1/redis6381.conf#4. 查看服务是否启动
ps -aux|grep redis#5 主从配置（只配从库不配主库）
## 从库配置
### 如果是使用命令写入从库配置，当主机挂掉重启后，从机需重新设置该命令
### 如果从配置文件写入，只需重启主机即可
slaveof 192.168.40.11 6379# 从机上位命令
slaveof no one

三种主从方式

一主二从

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？可以，是从头开始复制的

从机是否可以写？set可否？ 不可以写，

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？ 可以

其中一台从机down后情况如何？依照原有它能跟上大部队吗？（如果从配置加载为从服务器）可以，因为是从头开始复制的，如果是命令写入的不可以。重新启动后将变为master

主从（主）从

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。

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

候选主机

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

复制原理

l Slave启动成功连接到master后会发送一个sync命令

l 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

l 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。

l 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

l 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

哨兵模式

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

  • 搭建

    • 调整为一主二仆模式，6379带着6380、6381
    • 自定义的配置文件目录下新建sentinel.conf文件，名字绝不能错
#其中mymaster为监控对象起的服务器名称（自己定义）， 1 为至少有多少个哨兵同意迁移的数量（哨兵可以是多个）。
sentinel monitor mymaster 127.0.0.1 6379 1
  • 启动

    • 执行redis-sentinel /myredis/sentinel.conf
  • redis做压测可以用自带的redis-benchmark工具
  • 当主机挂掉，从机选举中产生新的主机
  • 根据优先级别：slave-priority进行选举，原主机重启后会变为从机。
  • 由于所有的写操作都是先在Master上操作，然后同步更新到Slave上，所以从Master同步到Slave机器有一定的延迟，当系统很繁忙的时候，延迟问题会更加严重，Slave机器数量的增加也会使这个问题更加严重。

故障恢复

从哨兵获取主Redis

private static JedisSentinelPool jedisSentinelPool=null;public static  Jedis getJedisFromSentinel(){if(jedisSentinelPool==null){Set<String> sentinelSet=new HashSet<>();sentinelSet.add("192.168.11.103:26379");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 pongjedisSentinelPool=new JedisSentinelPool("mymaster",sentinelSet,jedisPoolConfig);
return jedisSentinelPool.getResource();}else{return jedisSentinelPool.getResource();}
}

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。

搭建

#1.创建6个实例
#2.配置信息修改（如果部署在一个服务器上需要修改pid文件名，端口，log文件名dump.rdb名）
daemonize yes
#3.cluster配置
#    打开集群模式
cluster-enabled yes
#  设定节点配置文件名
cluster-config-file nodes-6379.conf
#  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。
cluster-node-timeout 15000
#4.启动所有集群
#5. 合成集群
cd  /opt/redis-6.2.1/src
#--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
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
#6.redis-cli连接集群
redis-cli -c -p
#7.查看集群信息
cluster nodes
  • redis cluster节点分配

    • 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。

slots

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。

集群读写

  • 写

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。

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。

  • 读

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

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

Jedis开发

Set<HostAndPort>set =new HashSet<HostAndPort>();
set.add(new HostAndPort("192.168.31.211",6379));
JedisCluster jedisCluster=new JedisCluster(set);
jedisCluster.set("k1", "v1");
System.out.println(jedisCluster.get("k1"));

优缺点

优点：

​ 实现扩容

​ 分摊压力

​ 无中心配置相对简单

缺点：

​ 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。

基本命令

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

# 查看当前库中的所有key
keys *
# 匹配key
keys *1
# 判断是否存在key
exits key
# 查看key类型
type key
# 删除key
del key
# 非阻塞删除（仅将key从keyspeace中删除，真正到删除操作在后续异步操作）
unlink key
# 设置过期时间
expire key time
# 查看还有多少秒过期，-1表示永久 -2表示已过期
ttl key# 切换数据库
select 8
# 查看当前数据库的key的数量
dbsize
#清空当前库
flushdb
#清除全部库，如果开启了持久化执行flushall命令，也会产生dump.rdb文件，但里面是空的，无意义
flushall

Redis配置文件

#配置大小单位,开头定义了一些基本的度量单位，只支持bytes，不支持bit，大小写不敏感
# 1k => 1000 bytes
# 1kb => 1024 bytes
# 1m => 1000000 bytes
# 1mb => 1024*1024 bytes
# 1g => 1000000000 bytes
# 1gb => 1024*1024*1024 bytes

################################## INCLUDES ###################################
#类似于jsp中的include，引入其他文件配置
# include /path/to/local.conf
################################## MODULES #####################################
#加载模块
# loadmodule /path/to/my_module.so
################################## NETWORK #####################################
#绑定可访问的IP地址，不写的情况下，无限制接受任何ip地址的访问
#如果开启了protected-mode，那么在没有设定bind ip且没有设密码的情况下，Redis只允许接受本机的响应
# bind 192.168.1.100 10.0.0.1     # listens on two specific IPv4 addresses
# bind 127.0.0.1 ::1              # listens on loopback IPv4 and IPv6
# bind * -::*                     # like the default, all available interfaces#当protected-mode开启，并且没有任何IP地址绑定，或者没有设置访问密码，则只能本机访问
protected-mode yes#设置 端口
port 6379#tcp 连接队列 大小。backlog队列总和=未完成三次握手队列 + 已经完成三次握手队列，
#在高并发环境下你需要一个高backlog值来避免慢客户端连接问题
# Linux内核会将这个值减小到/proc/sys/net/core/somaxconn的值（128），所以需要确认增大/proc/sys/net/core/somaxconn和/proc/sys/net/ipv4/tcp_max_syn_backlog（128）两个值来达到想要的效果
tcp-backlog 511#空闲的客户端维持多少秒会关闭，0表示关闭该功能。即永不关闭。
timeout 0# 对访问客户端的一种心跳检测，每个n秒检测一次，如果设置为0，则不会进行Keepalive检测，建议设置成60
tcp-keepalive 300

################################# GENERAL #####################################
#是否为后台进程，设置为yes
daemonize no
#进程PID存储文件
pidfile /var/run/redis_6379.pid
#日志等级debug，verbose，notice，warning，生产环境选择notice 或者warning
loglevel notice
# 日志文件
logfile ""
#数据库数量
databases 16
# 启动是否显示logo
always-show-logo no

################################ SNAPSHOTTING  ################################
#RDB持久化配置
#保存数据库在多少秒后如果有多少个key改变，如save 3600 1 表示60分钟内有一个键改变就保存，可以同时配置多个
#会存在数据丢失的情况
#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。（客户端save和配置文件save）
#可以通过lastsave 命令获取最后一次成功执行快照的时间
save <seconds> <changes>
# 当Redis无法写入磁盘的话，直接关掉Redis的写操作
stop-writes-on-bgsave-error yes#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。
#如果你不想消耗CPU来进行压缩的话，可以设置为关闭此功能。推荐yes.
rdbcompression yes#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.
rdbchecksum yes
# 存储文件名
dbfilename dump.rdb
# 存储文件夹，必须是文件夹
dir ./

################################# REPLICATION #################################
# 主节点IP和端口
# replicaof <masterip> <masterport>
# 主节点验证密码
# masterauth <master-password>
# 用户名
# masteruser <username>
# 优先级
replica-priority 100

################################## SECURITY ###################################
#访问密码的查看、设置和取消
#在命令中设置密码，只是临时的。重启redis服务器，密码就还原了。
#永久设置，需要再配置文件中进行设置。
# requirepass foobared

################################### CLIENTS ####################################
#最大连接数
# maxclients 10000
############################## MEMORY MANAGEMENT ################################
#占用的最大内存
# 建议必须设置，否则，将内存占满，造成服务器宕机
# 设置redis可以使用的内存量。一旦到达内存使用上限，redis将会试图移除内部数据，移除规则可以通过maxmemory-policy来指定
# 如果redis无法根据移除规则来移除内存中的数据，或者设置了“不允许移除”，那么redis则会针对那些需要申请内存的指令返回错误信息，比如SET、LPUSH等
#   但是对于无内存申请的指令，仍然会正常响应，比如GET等。如果你的redis是主redis（说明你的redis有从redis），那么在设置内存使用上限时，需要在系统中留出一些内存空间给同步队列缓存，只有在你设置的是“不移除”的情况下，才不用考虑这个因素。
# maxmemory <bytes># 移出规则
#   volatile-lru：使用LRU算法移除key，只对设置了过期时间的键；（最近最少使用）
#   allkeys-lru：在所有集合key中，使用LRU算法移除key
#   volatile-random：在过期集合中移除随机的key，只对设置了过期时间的键
#   allkeys-random：在所有集合key中，移除随机的key
#   volatile-ttl：移除那些TTL值最小的key，即那些最近要过期的key
#   noeviction：不进行移除。针对写操作，只是返回错误信息
# maxmemory-policy noeviction#  设置样本数量，LRU算法和最小TTL算法都并非是精确的算法，而是估算值，所以你可以设置样本的大小，redis默认会检查这么多个key并选择其中LRU的那个。
#   一般设置3到7的数字，数值越小样本越不准确，但性能消耗越小
# maxmemory-samples 5

############################## APPEND ONLY MODE ###############################
#持久化，yes开启AOF持久化
appendonly no
# AOF持久化文件名
appendfilename "appendonly.aof"
#同步频率
#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
#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。
#no redis不主动进行同步，把同步时机交给操作系统。
appendfsync everysec#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）
no-appendfsync-on-rewrite no#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）即128M时开始重写
auto-aof-rewrite-percentage 100
#设置重写的基准值，最小文件64MB。达到这个值开始重写。
auto-aof-rewrite-min-size 64mb#redis在恢复时，会忽略最后一条可能存在问题的指令。默认值yes。即在aof写入时，可能存在指令写错的问题(突然断电，写了一半)，这种情况下，yes会log并继续，而no会直接恢复失败.
aof-load-truncated yes
#混合持久化 AOF+RDB
aof-use-rdb-preamble yes

持久化AOF+RDB

RDB

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

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。

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。

  • RDB持久化流程

  • 详细相关配置在Redis配置文件中的 SNAPSHOTTING配置中

备份与恢复

备份：先通过config get dir 查询rdb文件的目录，将*.rdb的文件拷贝到别的地方

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

优点

  • 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

缺点

  • 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

总结：

AOF

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

持久化流程

  • 客户端的请求写命令会被append追加到AOF缓冲区内；

  • 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；

  • 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；

  • 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；

​

  • 详细相关配置在Redis配置文件中的 APPEND ONLY MODE 配置中

AOF和RDB同时开启，系统默认取AOF的数据（数据不会存在丢失）

备份和恢复

  • 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
    • 备份被写坏的AOF文件
    • 恢复：重启redis，然后重新加载

Rewrite压缩

  • 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

  • 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。

  • 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。

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。

  • 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）1).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。2).主进程把aof_rewrite_buf中的数据写入到新的AOF文件。

（5）使用新的AOF文件覆盖旧的AOF文件，完成AOF重写。

优点

  • 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。

缺点

  • 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。

总结

用哪个好

官方推荐两个都启用。如果对数据不敏感，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。

数据类型

String

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

  • 常用命令
#添加键值对
set <key> <value> [EX|PX] [NX|XX]
#NX：当数据库中key不存在时，可以将key-value添加数据库
#XX：当数据库中key存在时，可以将key-value添加数据库，与NX参数互斥
#EX：key的超时秒数
#PX：key的超时毫秒数，与EX互斥#查询对应键值
get <key>#将给定的<value> 追加到原值的末尾
append <key> <value>#获得值的长度
strlen  <key>#只有在 key 不存在时 设置 key 的值
setnx <key> <value>#将 key 中储存的数字值增1
#只能对数字值操作，如果为空，新增值为1,原子操作
incr  <key>
#将 key 中储存的数字值减1
#只能对数字值操作，如果为空，新增值为-1,原子操作
decr  <key>
#将 key 中储存的数字值增减。自定义步长。,原子操作
incrby / decrby  <key>  <步长># 同时设置一个或多个 key-value对
mset  <key1><value1><key2><value2>  .....
#同时获取一个或多个 value
mget  <key1><key2><key3> .....
#同时设置一个或多个 key-value 对，当且仅当所有给定 key 都不存在。
msetnx <key1><value1><key2><value2>  ..... #获得值的范围，类似java中的substring，前包，后包
getrange  <key> <起始位置>  <结束位置>#用 <value>  覆写<key>所储存的字符串值，从<起始位置>开始(索引从0开始)。
setrange  <key><起始位置><value>#设置键值的同时，设置过期时间，单位秒。
setex  <key> <过期时间> <value>#以新换旧，设置了新值同时获得旧值。
getset <key> <value>
  • 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.

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。

List

单键多值，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。

  • 常用命令
#从左边/右边插入一个或多个值。
lpush/rpush  <key><value1><value2><value3> ....
#从左边/右边吐出一个值。值在键在，值光键亡。
lpop/rpop  <key>#从<key1>列表右边吐出一个值，插到<key2>列表左边。
rpoplpush  <key1><key2>#按照索引下标获得元素(从左到右)
lrange <key><start><stop>#0左边第一个，-1右边第一个，（0-1表示获取所有）
lrange mylist 0 -1
#按照索引下标获得元素(从左到右)
lindex <key><index>
#获得列表长度
llen <key>
#在<value>的后面插入<newvalue>插入值
linsert <key>  before <value> <newvalue>
# 从左边删除n个value(从左到右)
lrem <key><n><value>
#将列表key下标为index的值替换成value
lset <key> <index> <value>
  • 数据结构

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，也即是压缩列表。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。

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。

Set

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

  • 常用命令
#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
sadd <key><value1><value2> .....
#取出该集合的所有值。
smembers <key>
#判断集合<key>是否为含有该<value>值，有1，没有0
sismember <key><value>
#返回该集合的元素个数。
scard<key>
# 删除集合中的某个元素。
srem <key><value1><value2> ....
#随机从该集合中吐出一个值。
spop <key>
#随机从该集合中取出n个值。不会从集合中删除 。
srandmember <key><n>
#value把集合中一个值从一个集合移动到另一个集合
smove <source><destination>
#返回两个集合的交集元素。
sinter <key1><key2>
#返回两个集合的并集元素。
sunion <key1><key2>
#返回两个集合的差集元素(key1中的，不包含key2中的)
sdiff <key1><key2>
  • 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。

Hash

hash 是一个键值对集合。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<String,Object>

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2种存储方式：

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。

用户ID数据冗余

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

  • 常用命令
#给<key>集合中的  <field>键赋值<value>
hset <key><field><value>
#从<key1>集合<field>取出 value
hget <key1><field>
#批量设置hash的值
hmset <key1><field1><value1><field2><value2>...
#查看哈希表 key 中，给定域 field 是否存在。
hexists<key1><field>
#列出该hash集合的所有field
hkeys <key>
#列出该hash集合的所有value
hvals <key>
#为哈希表 key 中的域 field 的值加上增量 1   -1
hincrby <key><field><increment>
#将哈希表 key 中的域 field 的值设置为 value ，当且仅当域 field 不存在 .
hsetnx <key><field><value>
  • 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。

Zset

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 。

因为元素是有序的, 所以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。

  • 常用命令
#将一个或多个 member 元素及其 score 值加入到有序集 key 当中。
zadd  <key><score1><value1><score2><value2>…
#返回有序集 key 中，下标在<start><stop>之间的元素
#带WITHSCORES，可以让分数一起和值返回到结果集。
zrange <key><start><stop>  [WITHSCORES]
#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。
zrangebyscore key minmax [withscores] [limit offset count]
#同上，改为从大到小排列。
zrevrangebyscore key maxmin [withscores] [limit offset count]
#为元素的score加上增量
zincrby <key><increment><value>
#删除该集合下，指定值的元素
zrem  <key><value>
#统计该集合，分数区间内的元素个数
zcount <key><min><max>
#返回该值在集合中的排名，从0开始。
zrank <key><value>
  • 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<String, Double>，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。

（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。

跳跃表（跳表）

简介

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

（1） 有序链表

​

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。

（2） 跳跃表

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

Bitmaps（6新增）

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

​

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。

  • 命令
#设置Bitmaps中某个偏移量的值（0或1）offset:偏移量从0开始
setbit<key><offset><value>
#获取Bitmaps中某个偏移量的值，获取键的第offset位的值（从0开始算）
getbit<key><offset>
#统计字符串从start字节到end字节比特值为1的数量
bitcountbitcount<key>[start end]
#是一个复合操作， 它可以做多个Bitmaps的and（交集） 、 or（并集） 、 not（非） 、 xor（异或） 操作并将结果保存在destkey中。
bitop  and(or/not/xor) <destkey> [key…]

Bitmaps与set对比

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
集合 类型 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
集合类型 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（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
集合类型 64位 100000 64位*100000 = 800KB
Bitmaps 1位 100000000 1位*100000000 = 12.5MB

HyperLogLog（6新增）

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。

  • 命令
#添加指定元素到 HyperLogLog 中
pfadd <key>< element> [element ...]
#计算<key>的近似基数，可以计算多个<key>，比如用<key>存储每天的UV，计算一周的UV可以使用7天的UV合并计算即可
pfcount<key> [key ...]
# 将一个或多个<key>合并后的结果存储在另一个<key>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
pfmerge<destkey><sourcekey> [sourcekey ...]

GeosPatial（6新增）

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。

  • 命令
#添加地理位置（经度，纬度，名称）
#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。
geoadd<key>< longitude><latitude><member> [longitude latitude member...] #获得指定地区的坐标值
geopos  <key><member> [member...] # 获取两个位置之间的直线距离
#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。
#如果用户没有显式地指定单位参数， 那么 GEODIST 默认使用米作为单位
geodist<key><member1><member2>  [m|km|ft|mi ]
#以给定的经纬度为中心,找出某一半径内的元素
georadius<key>< longitude><latitude>radius  m|km|ft|mi

事务和锁机制

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

三个命令

Multi、Exec、discard

从输入Multi（开启事务）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，直到输入Exec（结束）后，Redis会将之前的命令队列中的命令依次执行。

组队的过程中可以通过discard来放弃组队。

错误处理

组队中某个命令出现了报告错误，执行时整个的所有队列都会被取消。

如果执行阶段某个命令报出了错误，则只有报错的命令不会被执行，而其他的命令都会执行，不会回滚

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。

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。

WATCH、 UNWATCH（乐观锁）

WATCH：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。

UNWATCH：取消 WATCH 命令对所有 key 的监视。如果在执行 WATCH 命令之后，EXEC 命令或DISCARD 命令先被执行了的话，那么就不需要再执行UNWATCH 了。

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

案例（秒杀并发模拟）

使用工具ab模拟测试，操作系统CentOS7，代码获取找尚硅谷

yum  install -y httpd-tools
# -n 请求次数
# -c 并发次数
# -T 数据类型
# -p

测试：

创建数据文件postfile 模拟表单提交参数,以&符号结尾;存放当前目录，内容：prodid=0101&

执行命令：

ab -n 2000 -c 200 -k -p ~/postfile -T application/x-www-form-urlencoded http://192.168.40.1:8080/Seckill/doseckill
  • 超卖问题（已经结束了，但是还是卖出去了）

解决：增加乐观锁，解决超时问题，获取库存前加锁 jedis.watch(qtkey);

  • 超时问题，连接数太大，导致连接超时

使用连接池

public class JedisPoolUtil {private static volatile JedisPool jedisPool = null;private JedisPoolUtil() {}public static JedisPool getJedisPoolInstance() {if (null == jedisPool) {synchronized (JedisPoolUtil.class) {if (null == jedisPool) {JedisPoolConfig poolConfig = new JedisPoolConfig();//控制一个pool可分配多少个jedis实例，通过pool.getResource()来获取；如果赋值为-1，则表示不限制；如果pool已经分配了MaxTotal个jedis实例，则此时pool的状态为exhausted。poolConfig.setMaxTotal(200);//控制一个pool最多有多少个状态为idle(空闲)的jedis实例；poolConfig.setMaxIdle(32);//表示当borrow一个jedis实例时，最大的等待毫秒数，如果超过等待时间，则直接抛JedisConnectionException；poolConfig.setMaxWaitMillis(100*1000);poolConfig.setBlockWhenExhausted(true);//获得一个jedis实例的时候是否检查连接可用性（ping()）；如果为true，则得到的jedis实例均是可用的；poolConfig.setTestOnBorrow(true);  // ping  PONGjedisPool = new JedisPool(poolConfig, "192.168.40.11", 6379, 60000 );}}}return jedisPool;}public static void release(JedisPool jedisPool, Jedis jedis) {if (null != jedis) {jedisPool.returnResource(jedis);}}}
  • 库存遗留问题(由于乐观锁的存在，导致很多请求失败，先点到没有秒到，后来的秒到了)

LUA脚本：

Lua 是一个小巧的脚本语言，Lua脚本可以很容易的被C/C++ 代码调用，也可以反过来调用C/C++的函数，Lua并没有提供强大的库，一个完整的Lua解释器不过200k，所以Lua不适合作为开发独立应用程序的语言，而是作为嵌入式脚本语言。

很多应用程序、游戏使用LUA作为自己的嵌入式脚本语言，以此来实现可配置性、可扩展性。

这其中包括魔兽争霸地图、魔兽世界、博德之门、愤怒的小鸟等众多游戏插件或外挂。

https://www.w3cschool.cn/lua/

在Redis中的优势

将复杂的或者多步的redis操作，写为一个脚本，一次提交给redis执行，减少反复连接redis的次数。提升性能。

LUA脚本是类似redis事务，有一定的原子性，不会被其他命令插队，可以完成一些redis事务性的操作。

但是注意redis的lua脚本功能，只有在Redis 2.6以上的版本才可以使用。

利用lua脚本淘汰用户，解决超卖问题。

redis 2.6版本以后，通过lua脚本解决争抢问题，实际上是redis 利用其单线程的特性，用任务队列的方式解决多任务并发问题。

local userid=KEYS[1];
local prodid=KEYS[2];
local qtkey="sk:"..prodid..":qt";
local usersKey="sk:"..prodid.":usr';
local userExists=redis.call("sismember",usersKey,userid);
if tonumber(userExists)==1 then
return 2;
end
local num= redis.call("get" ,qtkey);
if tonumber(num)<=0 then
return 0;
else
redis.call("decr",qtkey);
redis.call("sadd",usersKey,userid);
end
return 1;

缓存-分布式锁问题

缓存穿透

问题描述

key对应的数据在数据源并不存在，每次针对此key的请求从缓存获取不到，请求都会压到数据源，从而可能压垮数据源。比如用一个不存在的用户id获取用户信息，不论缓存还是数据库都没有，若黑客利用此漏洞进行攻击可能压垮数据库。

解决方案

一个一定不存在缓存及查询不到的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。

解决方案：

（1） **对空值缓存：**如果一个查询返回的数据为空（不管是数据是否不存在），我们仍然把这个空结果（null）进行缓存，设置空结果的过期时间会很短，最长不超过五分钟

（2） 设置可访问的名单（白名单）：

使用bitmaps类型定义一个可以访问的名单，名单id作为bitmaps的偏移量，每次访问和bitmap里面的id进行比较，如果访问id不在bitmaps里面，进行拦截，不允许访问。

（3） 采用布隆过滤器：(布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量(位图)和一系列随机映射函数（哈希函数）。

布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。)

将所有可能存在的数据哈希到一个足够大的bitmaps中，一个一定不存在的数据会被 这个bitmaps拦截掉，从而避免了对底层存储系统的查询压力。

（4） **进行实时监控：**当发现Redis的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务

缓存击穿

问题描述

key对应的数据存在，但在redis中过期，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。

解决方案

key可能会在某些时间点被超高并发地访问，是一种非常“热点”的数据。这个时候，需要考虑一个问题：缓存被“击穿”的问题。

解决问题：

  1. 预先设置热门数据：在redis高峰访问之前，把一些热门数据提前存入到redis里面，加大这些热门数据key的时长

  2. 实时调整：现场监控哪些数据热门，实时调整key的过期时长

  3. 使用锁：

    1. 就是在缓存失效的时候（判断拿出来的值为空），不是立即去load db。
    2. 先使用缓存工具的某些带成功操作返回值的操作（比如Redis的SETNX）去set一个mutex key
    3. 当操作返回成功时，再进行load db的操作，并回设缓存,最后删除mutex key；
    4. 当操作返回失败，证明有线程在load db，当前线程睡眠一段时间再重试整个get缓存的方法。

缓存雪崩

问题描述

key对应的数据存在，但在redis中过期，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。

缓存雪崩与缓存击穿的区别在于这里针对很多key缓存，前者则是某一个key正常访问

解决方案

缓存失效时的雪崩效应对底层系统的冲击非常可怕！

解决方案：

（1） **构建多级缓存架构：**nginx缓存 + redis缓存 +其他缓存（ehcache等）

（2） 使用锁或队列：

用加锁或者队列的方式保证来保证不会有大量的线程对数据库一次性进行读写，从而避免失效时大量的并发请求落到底层存储系统上。不适用高并发情况

（3） 设置过期标志更新缓存：

记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际key的缓存。

（4） 将缓存失效时间分散开：

比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。

分布式锁

问题描述

随着业务发展的需要，原单体单机部署的系统被演化成分布式集群系统后，由于分布式系统多线程、多进程并且分布在不同机器上，这将使原单机部署情况下的并发控制锁策略失效，单纯的Java API并不能提供分布式锁的能力。为了解决这个问题就需要一种跨JVM的互斥机制来控制共享资源的访问，这就是分布式锁要解决的问题！

分布式锁主流的实现方案：

  1. 基于数据库实现分布式锁

  2. 基于缓存（Redis等）

  3. 基于Zookeeper

每一种分布式锁解决方案都有各自的优缺点：

  1. 性能：redis最高

  2. 可靠性：zookeeper最高

这里，我们就基于redis实现分布式锁。

解决方案

redis:命令

set sku:1:info “OK” NX PX 10000

EX second ：设置键的过期时间为 second 秒。 SET key value EX second 效果等同于 SETEX key second value 。

PX millisecond ：设置键的过期时间为 millisecond 毫秒。 SET key value PX millisecond 效果等同于 PSETEX key millisecond value 。

NX ：只在键不存在时，才对键进行设置操作。 SET key value NX 效果等同于 SETNX key value 。

XX ：只在键已经存在时，才对键进行设置操作。

​

  1. 多个客户端同时获取锁（setnx）

  2. 获取成功，执行业务逻辑{从db获取数据，放入缓存}，执行完成释放锁（del）

  3. 其他客户端等待重试

测试

@GetMapping("testLock")
public void testLock(){//1获取锁，setneBoolean lock = redisTemplate.opsForValue().setIfAbsent("lock", "111");//2获取锁成功、查询num的值if(lock){Object value = redisTemplate.opsForValue().get("num");//2.1判断num为空returnif(StringUtils.isEmpty(value)){return;}//2.2有值就转成成intint num = Integer.parseInt(value+"");//2.3把redis的num加1redisTemplate.opsForValue().set("num", ++num);//2.4释放锁，delredisTemplate.delete("lock");}else{//3获取锁失败、每隔0.1秒再获取try {Thread.sleep(100);testLock();} catch (InterruptedException e) {e.printStackTrace();}}
}

重启，服务集群，通过网关压力测试：

ab -n 1000 -c 100 http://192.168.140.1:8080/test/testLock

查看redis中num的值：

基本实现。

问题：setnx刚好获取到锁，业务逻辑出现异常，导致锁无法释放

解决：设置过期时间，自动释放锁。

优化

设置锁的过期时间

设置过期时间有两种方式：

  1. 首先想到通过expire设置过期时间（缺乏原子性：如果在setnx和expire之间出现异常，锁也无法释放）

  2. 在set时指定过期时间（推荐）

压力测试肯定也没有问题。自行测试

问题：可能会释放其他服务器的锁。

场景：如果业务逻辑的执行时间是7s。执行流程如下

  1. index1业务逻辑没执行完，3秒后锁被自动释放。

  2. index2获取到锁，执行业务逻辑，3秒后锁被自动释放。

  3. index3获取到锁，执行业务逻辑

  4. index1业务逻辑执行完成，开始调用del释放锁，这时释放的是index3的锁，导致index3的业务只执行1s就被别人释放。

最终等于没锁的情况。

解决：setnx获取锁时，设置一个指定的唯一值（例如：uuid）；释放前获取这个值，判断是否自己的锁

UUID防误删

问题：删除操作缺乏原子性。

场景：

  1. index1执行删除时，查询到的lock值确实和uuid相等

uuid=v1

set(lock,uuid)；

​

  1. index1执行删除前，lock刚好过期时间已到，被redis自动释放

在redis中没有了lock，没有了锁。

  1. index2获取了lock

index2线程获取到了cpu的资源，开始执行方法

uuid=v2

set(lock,uuid)；

  1. index1执行删除，此时会把index2的lock删除

index1 因为已经在方法中了，所以不需要重新上锁。index1有执行的权限。index1已经比较完成了，这个时候，开始执行

删除的index2的锁！

LUA脚本保证删除的原子性

@GetMapping("testLockLua")
public void testLockLua() {//1 声明一个uuid ,将做为一个value 放入我们的key所对应的值中String uuid = UUID.randomUUID().toString();//2 定义一个锁：lua 脚本可以使用同一把锁，来实现删除！String skuId = "25"; // 访问skuId 为25号的商品 100008348542String locKey = "lock:" + skuId; // 锁住的是每个商品的数据// 3 获取锁Boolean lock = redisTemplate.opsForValue().setIfAbsent(locKey, uuid, 3, TimeUnit.SECONDS);// 第一种： lock 与过期时间中间不写任何的代码。// redisTemplate.expire("lock",10, TimeUnit.SECONDS);//设置过期时间// 如果trueif (lock) {// 执行的业务逻辑开始// 获取缓存中的num 数据Object value = redisTemplate.opsForValue().get("num");// 如果是空直接返回if (StringUtils.isEmpty(value)) {return;}// 不是空 如果说在这出现了异常！ 那么delete 就删除失败！ 也就是说锁永远存在！int num = Integer.parseInt(value + "");// 使num 每次+1 放入缓存redisTemplate.opsForValue().set("num", String.valueOf(++num));/*使用lua脚本来锁*/// 定义lua 脚本String script = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end";// 使用redis执行lua执行DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>();redisScript.setScriptText(script);// 设置一下返回值类型 为Long// 因为删除判断的时候，返回的0,给其封装为数据类型。如果不封装那么默认返回String 类型，// 那么返回字符串与0 会有发生错误。redisScript.setResultType(Long.class);// 第一个要是script 脚本 ，第二个需要判断的key，第三个就是key所对应的值。redisTemplate.execute(redisScript, Arrays.asList(locKey), uuid);} else {// 其他线程等待try {// 睡眠Thread.sleep(1000);// 睡醒了之后，调用方法。testLockLua();} catch (InterruptedException e) {e.printStackTrace();}}
}

项目中正确使用：

  1. 定义key，key应该是为每个sku定义的，也就是每个sku有一把锁。 String locKey =**"lock:"**+skuId; *//* *锁住的是每个商品的数据*``Boolean lock = **redisTemplate**.opsForValue().setIfAbsent(locKey, uuid,3,TimeUnit.***SECONDS\***);

总结

// 1. 从redis中获取锁,set k1 v1 px 20000 nx
String uuid = UUID.randomUUID().toString();
Boolean lock = this.redisTemplate.opsForValue().setIfAbsent("lock", uuid, 2, TimeUnit.SECONDS);2、使用lua释放锁
// 2. 释放锁 del
String script = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end";
// 设置lua脚本返回的数据类型
DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>();
// 设置lua脚本返回类型为Long
redisScript.setResultType(Long.class);
redisScript.setScriptText(script);
redisTemplate.execute(redisScript, Arrays.asList("lock"),uuid);

为了确保分布式锁可用，我们至少要确保锁的实现同时满足以下四个条件：

- 互斥性。在任意时刻，只有一个客户端能持有锁。

- 不会发生死锁。即使有一个客户端在持有锁的期间崩溃而没有主动解锁，也能保证后续其他客户端能加锁。

- 解铃还须系铃人。加锁和解锁必须是同一个客户端，客户端自己不能把别人加的锁给解了。

- 加锁和解锁必须具有原子性。

Redis6新功能

ACL

Redis ACL是Access Control List（访问控制列表）的缩写，该功能允许根据可以执行的命令和可以访问的键来限制某些连接。

在Redis 5版本之前，Redis 安全规则只有密码控制 还有通过rename 来调整高危命令比如 flushdb ， KEYS* ， shutdown 等。Redis 6 则提供ACL的功能对用户进行更细粒度的权限控制 ：

（1）接入权限:用户名和密码

（2）可以执行的命令

（3）可以操作的 KEY

参考官网：https://redis.io/topics/acl

  • 命令
acl list命令展现用户权限列表
acl cat 查看添加权限指令类别 加参数类型名可以查看类型下具体命令
acl whoami命令查看当前用户
aclsetuser命令创建和编辑用户ACL

（1）ACL规则

下面是有效ACL规则的列表。某些规则只是用于激活或删除标志，或对用户ACL执行给定更改的单个单词。其他规则是字符前缀，它们与命令或类别名称、键模式等连接在一起。

ACL规则
类型 参数 说明
启动和禁用用户 on 激活某用户账号
off 禁用某用户账号。注意，已验证的连接仍然可以工作。如果默认用户被标记为off，则新连接将在未进行身份验证的情况下启动，并要求用户使用AUTH选项发送AUTH或HELLO，以便以某种方式进行身份验证。
权限的添加删除 +<command> 将指令添加到用户可以调用的指令列表中
- 从用户可执行指令列表移除指令
+@ 添加该类别中用户要调用的所有指令，有效类别为@admin、@set、@sortedset…等，通过调用ACL CAT命令查看完整列表。特殊类别@all表示所有命令，包括当前存在于服务器中的命令，以及将来将通过模块加载的命令。
-@ 从用户可调用指令中移除类别
allcommands +@all的别名
nocommand -@all的别名
可操作键的添加或删除 ~<pattern> 添加可作为用户可操作的键的模式。例如~*允许所有的键

IO多线程

Redis6终于支撑多线程了，告别单线程了吗？

IO多线程其实指客户端交互部分的网络IO交互处理模块多线程，而非执行命令多线程。Redis6执行命令依然是单线程。

原理架构

Redis 6 加入多线程,但跟 Memcached 这种从 IO处理到数据访问多线程的实现模式有些差异。Redis 的多线程部分只是用来处理网络数据的读写和协议解析，执行命令仍然是单线程。之所以这么设计是不想因为多线程而变得复杂，需要去控制 key、lua、事务，LPUSH/LPOP 等等的并发问题。整体的设计大体如下:

另外，多线程IO默认也是不开启的，需要再配置文件中配置

io-threads-do-reads yes

io-threads 4

发布订阅实现

1、 打开一个客户端订阅channel1

SUBSCRIBE channel1

​

2、打开另一个客户端，给channel1发布消息hello

publish channel1 hello

返回的1是订阅者数量

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

Ty学习笔记-Redis6相关推荐

  1. Java学习笔记（十）--控制台输入输出

    输入输出 一.控制台输入 在程序运行中要获取用户的输入数据来控制程序,我们要使用到 java.util 包中的 Scanner 类.当然 Java 中还可以使用其他的输入方式,但这里主要讲解 Scan ...

  2. Halcon学习笔记：1D Measuring一维测量_fuse.hdev灯丝测量示例

    Halcon学习笔记:1D Measuring一维测量_fuse.hdev灯丝测量示例 一.基本概念 基本流程为: 获取图像 对图像进行灰度值标定 (针对相机获取的图像灰度和输入能量之间的非线性关系, ...

  3. 获取两个数据的交集_Redis学习笔记统计该如何选择数据类型

    关注爱因诗贤每天进步一点点导读 在业务场景中经常需要统计,如某直播累计观看人数.独立访客人数.历史总观看人数等等,再比如要统计某学生某月的签到情况等,遇到统计的情况,就需要思考如何合理地选择 Redi ...

  4. 视觉SLAM十四讲学习笔记-第三讲-相似、仿射、射影变换和eigen程序、可视化演示

    专栏系列文章如下: 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习 ...

  5. [ML学习笔记] 回归分析（Regression Analysis）

    [ML学习笔记] 回归分析(Regression Analysis) 回归分析:在一系列已知自变量与因变量之间相关关系的基础上,建立变量之间的回归方程,把回归方程作为算法模型,实现对新自变量得出因变量 ...

  6. Windows phone 8 学习笔记(1) 触控输入

    Windows phone 8 学习笔记(1) 触控输入 原文:Windows phone 8 学习笔记(1) 触控输入 Windows phone 8 的应用 与一般的Pc应用在输入方式上最大的不同 ...

  7. 视觉slam学习笔记以及课后习题《第三讲李群李代数》

    前言 这篇博客主要记录了我在深蓝学院视觉slam课程中的课后习题,因为是为了统计知识点来方便自己以后查阅,所以有部分知识可能不太严谨,如果给大家造成了困扰请见谅,大家发现了问题也可以私信或者评论给我及 ...

  8. 《Python自然语言处理（第二版）-Steven Bird等》学习笔记：第01章 语言处理与Python

    第01章 语言处理与Python 1.1 语言计算:文本和单词 Python入门 NLTK 入门 搜索文本 计数词汇 1.2 近观Python:将文本当做词链表 链表(list,也叫列表) 索引列表 ...

  9. 【BackEnd--SSM 框架详解】Mybatis+Spring+SpringMVC学习笔记（完整详细版）

    BackEnd 学习笔记 1 Java 2 SSM框架(Mybatis+Spring+SpringMVC) 3 SpringBoot(SpringBoot 3.x+MybatisPlus) 4 Spr ...

最新文章

  1. sap 订单状态修改时间_SAP订单状态详解
  2. Hdu 1312 Red and Black
  3. hdu4756 最小树+树形dp
  4. 面试题整理 2：求链表倒数第 k 个结点
  5. Ubuntu20.4安装及配置mysql详细教程
  6. c++ 读取一行的2个数
  7. php根据当前日期判断法定节假日_判断日期是否为法定节假日的API接口与示例函数...
  8. TypeScript Type Assertions - 类型断言
  9. [日推荐]『识花草』做个辛勤的小园丁
  10. 学而思初中全套网课+讲义【春季班，暑假班，秋季班，寒假班】
  11. Bitmap、BitSet、RoaringBitmap持久化存储
  12. linuxGame:文明5汉化
  13. JZOJ 幽幽子与森林
  14. 数据库_关键字的使用
  15. CC1310 架构组成，TX/RX+WOR嗅探过程，低功耗方法
  16. 手把手做一个JSP入门程序（二）：创建一个项目（JSP）
  17. python的endswith()的用法及实例
  18. Romberg（龙贝格）积分法 | matlab
  19. 拍照比“剪刀手”会泄露指纹信息，1.5米之内百分百还原。
  20. Navicat Premium 16 for Mac 最新版

热门文章

  1. Zookeeper之基础知识
  2. 求A,B 输入三位数字N，求两位数AB（其中个位数字为B，十位数字为A，且有0 #60 A #60 B #60 9）。
  3. nRF24L01单芯片2.4GHz收发模块射频信道频率
  4. 什 么 是ECP、EPP ？
  5. 微信发送图文消息，查看图文media_id
  6. python给一个不多于 5 位的正整数，要求：一、求它是几位数，二、逆序打印出各位数字
  7. 以水稻为例教你如何使用BSA方法进行遗传定位（上篇）
  8. Mingle 2.0 发布了
  9. glance镜像服务
  10. 在线网校教育平台的开发，题库的搭建必不可少