Loading...

文章背景图

Redis

2024-05-26
2
-
- 分钟
|

1 概述

1.1 NoSQL数据库

1.1.1 NoSQL数据库概述

NoSQL(NoSQL = Not Only SQL ),意即“不仅仅是SQL”,泛指非关系型的数据库。

NoSQL 不依赖业务逻辑方式存储,而以简单的key-value模式存储。因此大大的增加了数据库的扩展能力。

  • 不遵循SQL标准。
  • 不支持ACID。
  • 远超于SQL的性能。

1.1.2 NoSQL适用场景

NoSQL适用的场景有:

  • 对数据高并发的读写
  • 海量数据的读写
  • 对数据高可扩展性的

不适用的场景有:

  • 需要事务支持
  • 基于sql的结构化查询存储,处理复杂的关系,需要即席查询。

1.1.3 常见的NoSQL数据库

Memcache

  • 很早出现的NoSql数据库
  • 数据都在内存中,一般不持久化
  • 支持简单的key-value模式,支持类型单一
  • 一般是作为缓存数据库辅助持久化的数据库

Redis

  • 几乎覆盖了Memcached的绝大部分功能
  • 数据都在内存中,支持持久化,主要用作备份恢复
  • 除了支持简单的key-value模式,还支持多种数据结构的存储,比如 list、set、hash、zset等。
  • 一般是作为缓存数据库辅助持久化的数据库‘

MongoDB

  • 高性能、开源、模式自由(schema free)的文档型数据库
  • 数据都在内存中, 如果内存不足,把不常用的数据保存到硬盘
  • 虽然是key-value模式,但是对value(尤其是json)提供了丰富的查询功能
  • 支持二进制数据及大型对象
  • 可以根据数据的特点替代RDBMS ,成为独立的数据库。或者配合RDBMS,存储特定的数据。

1.2 行式数据库和列式数据库

1.2.1 概述

列如如下表:

行式数据库存储为:【张三,北京,20】,【李四,上海,45】,【王五,哈尔滨,30】

列式数据库存储为:【张三,李四,王五】,【北京,上海,哈尔滨】,【20,45,30】

可以发现,若要查id为3的人员信息,行式数据库较为快,若要查年龄的平均值,则列式数据库较为快

1.2.2 常见的列式数据库

Hbase:

HBase是Hadoop项目中的数据库。它用于需要对大量的数据进行随机、实时的读写操作的场景中。HBase的目标就是处理数据量非常庞大的表,可以用普通的计算机处理超过10亿行数据,还可处理有数百万列元素的数据表。

Cassandra:

Apache Cassandra是一款免费的开源NoSQL数据库,其设计目的在于管理由大量商用服务器构建起来的庞大集群上的海量数据集(数据量通常达到PB级别)。在众多显著特性当中,Cassandra最为卓越的长处是对写入及读取操作进行规模调整,而且其不强调主集群的设计思路能够以相对直观的方式简化各集群的创建与扩展流程。

1.3 Redis概述和安装

1.3.1 Redis概述

Redis是一个开源的key-value存储系统。和Memcached类似,它支持存储的value类型相对更多,包括

  • string(字符串)
  • list(链表)
  • set(集合)
  • zset(sorted set --有序集合)
  • hash(哈希类型)

这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作,而且这些操作都是原子性的。在此基础上,Redis支持各种不同方式的排序。与memcached一样,为了保证效率,数据都是缓存在内存中。区别的是Redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件。并且在此基础上实现了master-slave(主从)同步。

1.3.2 Redis安装

redis安装地址

下载:

wget https://download.redis.io/releases/redis-6.2.1.tar.gz 

解压:

tar -xzvf redis-6.2.1.tar.gz 

由于redis需要c语言编译环境,这里安装gcc

yum install gcc

# 测试
gcc --version

在redis-6.2.1目录下进行编译,打包

make		# 若报无.h文件则执行 make distclean
make install

安装目录默认为:/usr/local/bin

  • 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
  • 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

前台启动redis

# 前台启动
redis-server

后台启动redis:

  1. 修改redis.conf
# 原来
daemonize no
# 修改后
daemonize yes
  1. 启动redis
redis-server /etc/redis.conf

1.4 redis相关知识介绍

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

切换数据库使用

select [index]

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

2 常见的数据类型

2.1 Key

keys *查看当前库所有key (匹配:keys *1)

exists key判断某个key是否存在

type key 查看你的key是什么类型

del key 删除指定的key数据

unlink key 根据value选择非阻塞删除

expire key 10 10秒钟:为给定的key设置过期时间

ttl key 查看还有多少秒过期,-1表示永不过期,-2表示已过期

select命令切换数据库

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

del 和 unlink 区别:

unlink仅将keys从keyspace元数据中删除,真正的删除会在后续异步操作。

2.2 String

2.2.1 介绍

String是Redis最基本的类型,你可以理解成与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

2.2.2 基本操作

set <key> <value> [EX|PX]添加键值对

当数据库中key不存在时,可以将key-value添加数据库

当数据库中key存在时,可以将key-value添加数据库,覆盖掉原先的值

EX、PX设置超时时间,EX是秒级,PX是毫秒级

append <key> <value>将给定的value 追加到原值的末尾

strlen <key>获得值的长度

setnx <key> <value>只有在 key 不存在时设置 key 的值

set和setnx的区别

setnx在当key存在时不能操作,set当key存在时会覆盖原先的值

incr <key>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

decr <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

incrby/decrby <key> <步长>将 key 中储存的数字值增减。自定义步长。

incr和decr是原子操作

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)。

(1)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。

(2)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> ..... 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 value

msetnx <key1> <value1> <key2> <value2> ..... 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操作有原子性,有一个失败则都失败

getrange <key> <起始位置> <结束位置>获得值的范围,类似java中的substring

getrange是全闭区间,列如lucymay -> [0,3] -> lucy

setrange <key> <起始位置> <value>用 value 覆写key所储存的字符串值,从起始位置开始

setex <key> <过期时间> <value>设置键值的同时,设置过期时间,单位秒。

getset <key> <value>以新换旧,设置了新值同时获得旧值。

2.2.3 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.

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。

2.3 List

2.3.1 简介

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。

2.3.2 常用命令

lpush/rpush <key> <value1> <value2> <value3> .... 从左边/右边插入一个或多个值。

lpop/rpop <key>从左边/右边吐出一个值

当值都取出来后,键就不存在了

rpoplpush <key1> <key2>从key1列表右边吐出一个值,插到key2列表左边。

lrange <key> <start> <stop>按照索引下标获得元素(从左到右)

lindex <key> <index>按照索引下标获得元素(从左到右)

llen <key>获得列表长度

linsert <key> [before|after] <value> <newvalue>在value的前面/后面插入newvalue插入值

若有多个值相同只会执行一次

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

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

2.3.3 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。

2.4 Set

2.4.1 简介

Redis 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

2.4.2 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

smembers <key>取出该集合的所有值。

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

scard<key>返回该集合的元素个数。

srem <key> <value1> <value2> .... 删除集合中的某个元素。

spop <key>随机从该集合中吐出一个值。

srandmember <key> <n>随机从该集合中取出n个值。不会从集合中删除 。

smove <source> <destination> <value>把集合中一个值从一个集合移动到另一个集合

sinter <key1> <key2>返回两个集合的交集元素。

sunion <key1> <key2>返回两个集合的并集元素。

sdiff <key1> <key2>返回两个集合的差集元素(key1中的,不包含key2中的)

2.4.3 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。

2.5 Hash

2.5.1 简介

Redis hash 是一个键值对集合,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>

2.5.2 常用命令

hset <key> <field> <value>给key集合中的 field键赋值value

hget <key1> <field>从key1集合field取出 value

hmset <key1> <field1> <value1> <field2> <value2>... 批量设置hash的值

hexists <key1> <field>查看哈希表 key 中,给定域 field 是否存在。

hkeys <key>列出该hash集合的所有field

hvals <key>列出该hash集合的所有value

hincrby <key> <field> <increment>为哈希表 key 中的域 field 的值加上增量 1 -1

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 .

2.5.3 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。

2.6 Zset

2.6.1 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 。

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。

2.6.2 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。

zrange <key><start><stop> [WITHSCORES]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。

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。

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

zincrby <key> <increment> <value> 为元素的score加上增量

zrem <key> <value>删除该集合下,指定值的元素

zcount <key> <min> <max>统计该集合,分数区间内的元素个数

zrank <key> <value>返回该值在集合中的排名,从0开始。

2.6.3 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<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。

3 常用配置文件

3.1 UNIT单位

# Note on units: when memory size is needed, it is possible to specify
# it in the usual form of 1k 5GB 4M and so forth:
#
# 1k => 1000 bytes
# 1kb => 1024 bytes
# 1m => 1000000 bytes
# 1mb => 1024*1024 bytes
# 1g => 1000000000 bytes
# 1gb => 1024*1024*1024 bytes
#
# units are case insensitive so 1GB 1Gb 1gB are all the same.

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,对大小写不敏感

3.2 INCLUDES包含

################################## INCLUDES ###################################

# Include one or more other config files here.  This is useful if you
# have a standard template that goes to all Redis servers but also need
# to customize a few per-server settings.  Include files can include
# other files, so use this wisely.
#
# Note that option "include" won't be rewritten by command "CONFIG REWRITE"
# from admin or Redis Sentinel. Since Redis always uses the last processed
# line as value of a configuration directive, you'd better put includes
# at the beginning of this file to avoid overwriting config change at runtime.
#
# If instead you are interested in using includes to override configuration
# options, it is better to use include as the last line.
#
# include /path/to/local.conf
# include /path/to/other.conf

类似jsp中的include,多实例的情况可以把公用的配置文件提取出来

3.3 网络相关配置

3.3.1 bind

bind 127.0.0.1 -::1

默认情况bind=127.0.0.1只能接受本机的访问请求

不写的情况下,无限制接受任何ip地址的访问

生产环境肯定要写你应用服务器的地址;服务器是需要远程访问的,所以需要将其注释掉

3.3.2 protected-mode

protected-mode yes

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

3.3.3 port

port 6379

端口号,默认 6379

3.3.4 tcp-backlog

tcp-backlog 511

设置tcp的backlog,backlog其实是一个连接队列,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。

注意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

3.3.5 timeout

timeout 0

一个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。

3.3.6 tcp-keepalive

tcp-keepalive 300

对访问客户端的一种心跳检测,每个隔秒检测一次。若检测时客户端无响应,则会释放连接

单位为秒,如果设置为0,则不会进行Keepalive检测,建议设置成60

3.4 GENERAL 通用

3.4.1 daemonize

daemonize yes

是否为后台进程,设置为yes为守护进程,后台启动

3.4.2 pidfile

pidfile /var/run/redis_6379.pid

存放pid文件的位置,每个实例会产生一个不同的pid文件(即保存进程号)

3.4.3 loglevel

loglevel notice

指定日志记录级别,Redis总共支持四个级别:debug、verbose、notice、warning,默认为notice

  • debug,类似java的debug
  • verbose,类似java的info
  • notice,生产中使用
  • warning,只显示警告和一些重要信息

3.4.4 logfile

logfile ""

设置日志文件存放位置

3.4.5 databases

databases 16

设定库的数量 默认16,默认数据库为0,可以使用SELECT <dbid>命令在连接上指定数据库id

3.5 SECURITY安全

# requirepass foobared

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。

命令行:

config get requirepass # 查看密码
config set requirepass "123456"	# 设置密码
auth 123456 # 登录

3.6 LIMITS限制

3.6.1 maxclients

# maxclients 10000
  • 设置redis同时可以与多少个客户端进行连接。
  • 默认情况下为10000个客户端。
  • 如果达到了此限制,redis则会拒绝新的连接请求,并且向这些连接请求方发出“max number of clients reached”以作回应。

3.6.2 maxmemory

# maxmemory <bytes>
  • 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。

3.6.3 axmemory-policy

# maxmemory-policy noeviction
  • 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

3.6.4 maxmemory-samples

# maxmemory-samples 5
  • 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。

3.7 SNAPSHOTTING快照

3.7.1 save

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。

# You can set these explicitly by uncommenting the three following lines.
#
# save 3600 1
# save 300 100
# save 60 10000

3.7.2 stop-writes-on-bgsave-error

# However if you have setup your proper monitoring of the Redis server
# and persistence, you may want to disable this feature so that Redis will
# continue to work as usual even if there are problems with disk,
# permissions, and so forth.
stop-writes-on-bgsave-error yes

当Redis无法写入磁盘的话,直接关掉Redis的写操作。推荐yes.

3.7.3 rdbcompression

# Compress string objects using LZF when dump .rdb databases?
# By default compression is enabled as it's almost always a win.
# If you want to save some CPU in the saving child set it to 'no' but
# the dataset will likely be bigger if you have compressible values or keys.
rdbcompression 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.

3.7.4 rdbchecksum

# RDB files created with checksum disabled have a checksum of zero that will
# tell the loading code to skip the check.
rdbchecksum 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.

4 发布和订阅

4.1 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。

4.2 Redis发布和订阅

客户端可以订阅频道

当给这个频道发布消息后,消息就会发送给订阅的客户端

4.3 发布订阅命令行实现

打开一个客户端订阅channel1

SUBSCRIBE channel1

打开另一个客户端,给channel1发布消息hello

publish channel1 hello

打开第一个客户端可以看到发送的消息

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

5 其他数据类型

5.1 Bitmaps

5.1.1 简介

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:

  • 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。
  • 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

5.1.2 命令

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

getbit <key> <offset>获取Bitmaps中某个偏移量的值

bitcount <key> [start end]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、end 是指bit组的字节的下标数,二者皆包含。

bitop and(or/not/xor) <destkey> [key…]bitop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。

5.2 HyperLogLog

5.2.1 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:

  • 数据存储在MySQL表中,使用distinct count计算不重复个数
  • 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。

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。

5.2.2 命令

pfadd <key> <element> [element ...] 添加指定元素到 HyperLogLog 中

pfcount<key> [key ...] 计算HLL的近似基数

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

5.3 Geospatial

5.3.1 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。

5.3.2 命令

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

geopos <key> <member> [member...] 获得指定地区的坐标值

geodist <key> <member1> <member2> [m|km|ft|mi] 获取两个位置之间的直线距离

georadius <key> <longitude> <latitude> <radius> <m|km|ft|mi>以给定的经纬度为中心,找出某一半径内的元素

6 Redis_Jedis

6.1 引入相关jar包

<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
    <version>3.2.0</version>
</dependency>
public class JedisDemo1 {
    private static final Jedis jedis =
            new Jedis("IP地址", 端口号);

    static {
        jedis.auth("密码");
    }

    @Test
    public void demo1(){
        jedis.set("k1", "v1");                      // 设置键值对
        System.out.println(jedis.get("k1"));        // 获取键对应的值
        System.out.println(jedis.ttl("k1"));    // 查看过期时间
        System.out.println(jedis.exists("k1"));   // 查看键对应的值是否存在
        jedis.expire("k1", 300);        // 设置超时时间
        jedis.mset("k2", "v2", "k3", "v3"); // 批量设置键值对
        System.out.println(jedis.mget("k1", "k2", "k3"));   // 批量获取值
    }

    @Test
    public void demo2(){
        jedis.lpush("key1", "lucy", "mary", "jack");    // list添加
        List<String> key1 = jedis.lrange("key1", 0, -1);    // 获取list
        System.out.println(key1);
    }

    @Test
    public void demo3(){
        jedis.sadd("name1", "value1", "value2", "value3");  // set添加
        Set<String> name1 = jedis.smembers("name1");    // 获取set
        System.out.println(name1);
    }

    @Test
    public void demo4(){
        jedis.hset("user", "age", "20");
        jedis.hset("user", "name", "zhangsan");
        Map<String, String> user = jedis.hgetAll("user");
        System.out.println(user);
    }

    @Test
    public void demo5(){
        jedis.zadd("key3", 100, "zhangsan");
        jedis.zadd("key3", 200, "lisi");
        List<String> key3 = jedis.zrange("key3", 0, -1);
        System.out.println(key3);
    }
}

6.2 例子-手机验证码生成

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

2、输入验证码,点击验证,返回成功或失败

3、每个手机号每天只能输入3次

public class RedisUtil {
    private static final Jedis jedis =
            new Jedis("ip", 端口号);

    static {
        jedis.auth("密码");
    }

    public static Boolean confirm(String tel, String confirm){
        String codeKey = "VerifyCode" + tel + ":code";
        String s = jedis.get(codeKey);
        if (s != null && s.equals(confirm)) {

            return true;
        }
        return false;
    }

    public static int stockConfirm(String tel, String confirm){
        String countKey = "VerifyCode" + tel + ":count";
        String codeKey = "VerifyCode" + tel + ":code";
        String count = jedis.get(codeKey);
        if (count == null) {
            jedis.setex(countKey, (int) DateUtil.getSecond(), "1");
        } else if (Integer.parseInt(count) <= 2) {
            jedis.incr(countKey);
        } else {
            return -1;
        }
        jedis.setex(codeKey, 120, confirm);
        return 1;
    }
}
public class RandomUtil {
    static Random random = new Random();

    public static String getCode(){
        StringBuilder code = new StringBuilder();
        for (int i = 0; i < 6; i++) {
            code.append(random.nextInt(10));
        }
        System.out.println("生成的验证码:" + code);
        return code.toString();
    }
}
public class DateUtil {
    public static long getSecond(){
        LocalDateTime midnight = LocalDateTime.now().plusDays(1).withHour(0).withMinute(0).withSecond(0).withNano(0);
        return ChronoUnit.SECONDS.between(LocalDateTime.now(),midnight);
    }
}
public class PhoneCode {
    public static void main(String[] args) {
        System.out.println("请输入手机号");
        Scanner scanner = new Scanner(System.in);
        String s = scanner.nextLine();
        RedisUtil.stockConfirm(s, RandomUtil.getCode());
        System.out.println("请输入验证码");
        String s1 = scanner.nextLine();
        System.out.println("是否相等:" + RedisUtil.confirm(s, s1));

    }
}

7 SpringBoot整合redis

7.1.1 导入依赖

<!--连接池-->
<dependency>    
    <groupId>com.alibaba</groupId>    
    <artifactId>druid-spring-boot-starter</artifactId>    
<version>1.2.8</version></dependency>

<!--redis-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

7.1.2 配置文件

#Redis服务器地址
spring.redis.host=ip地址
#Redis服务器连接端口
spring.redis.port=端口号
spring.redis.password=密码
#Redis数据库索引(默认为0)
spring.redis.database= 0
#连接超时时间(毫秒)
spring.redis.timeout=1800000
#连接池最大连接数(使用负值表示没有限制)
spring.redis.lettuce.pool.max-active=20
#最大阻塞等待时间(负数表示没限制)
spring.redis.lettuce.pool.max-wait=-1
#连接池中的最大空闲连接
spring.redis.lettuce.pool.max-idle=5
#连接池中的最小空闲连接
spring.redis.lettuce.pool.min-idle=0

7.1.3 添加redis配置类

@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 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;
    }

    @Bean
    public 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;
    }
}

7.1.4 测试

@RestController
@RequestMapping("/redisTest")
public class RedisTestController {
    @Autowired
    private RedisTemplate redisTemplate;

    @GetMapping
    public String testRedis() {
        //设置值到redis
        redisTemplate.opsForValue().set("name","lucy");
        //从redis获取值
        String name = (String)redisTemplate.opsForValue().get("name");
        return name;
    }
}

8 Redis事物

8.1 Redis事物定义

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。

8.2 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,直到输入Exec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。

  • 组队成功,提交成功

  • 组队阶段报错,提交失败

  • 组队成功,提交有成功有失败情况

8.3 事物的错误处理

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。

8.4 事物冲突的问题

8.4.1 悲观锁

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。

8.4.2 乐观锁

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。

8.4.3 Redis实现

WATCH key [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。

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。

8.5 Redis事物特性

  • 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

8.6 ab模拟测试

yum install httpd-tools
ab -n 2000 -c 200 -k -p ~/postfile -T application/x-www-form-urlencoded http://ip地址:端口号/Seckill/doseckill

8.7 库存遗留问题

乐观锁会造成库存遗留问题

例如2000人同时抢到的库存500的商品,其中一个人修改后,由于版本号修改后,剩余1999人全部更新失败

Redis不能实施悲观锁

解决:使用Lua脚本语言

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。

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。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。

9 RDB

9.1 RDB的介绍

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。

在配置文件中我们可以看到

# The filename where to dump the DB
dbfilename dump.rdb

# Note that you must specify a directory here, not a file name.
dir ./

这两个是配置rdb快照文件保存位置的,默认是当前服务启动目录下的dumo.rdb文件

9.2 触发rdb快照

9.2.1 配置文件中默认的快照配置

# Unless specified otherwise, by default Redis will save the DB:
#   * After 3600 seconds (an hour) if at least 1 key changed
#   * After 300 seconds (5 minutes) if at least 100 keys changed
#   * After 60 seconds if at least 10000 keys changed
#
# You can set these explicitly by uncommenting the three following lines.
#
# save 3600 1
# save 300 100
# save 60 10000

当变化的时间越多,重复的时间越短

具体配置文件可以查看快照配置文件

9.2.2 命令操作

  • save save时只管保存,其它不管,全部阻塞。手动保存。不建议
  • bgsaveRedis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

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

9.2.3 停止rdb

动态停止RDB:redis-cli config set save ""save后给空值,表示禁用保存策略

9.3 rdb的备份和回复

9.3.1 rdb的备份

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

9.3.2 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

9.4 rdb的优势和劣势

9.4.1 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

9.4.2 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。

10 AOF

10.1 AOF介绍

10.1.1 简介

AOF(Append Only File)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

10.1.2 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

10.2 AOF的使用

AOF默认不开启

# AOF and RDB persistence can be enabled at the same time without problems.
# If the AOF is enabled on startup Redis will load the AOF, that is the file
# with the better durability guarantees.
#
# Please check http://redis.io/topics/persistence for more information.

appendonly no

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

# The name of the append only file (default: "appendonly.aof")

appendfilename "appendonly.aof"

若AOF和RDB同时开启,系统默认取AOF的数据

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。

恢复数据:

  • 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)
  • n 恢复:重启redis然后重新加载

如遇到AOF文件损坏,通过进行恢复

redis-check-aof--fix appendonly.aof

AOF同步频率设置:

# 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 always

# 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。默认
appendfsync everysec

# redis不主动进行同步,把同步时机交给操作系统。
# appendfsync no

10.3 Rewite压缩

10.3.1 介绍

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

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: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

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。

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。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。

10.4 AOF优势和劣势

10.4.1 AOF的优势

  • 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

10.4.2 AOF的劣势

  • 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。

10.5 AOF和RDB的对比

  • 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。

11 主从复制

11.1 概述

主从复制是指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

好处:

  • 读写分离,性能扩展
  • 容灾快速恢复

11.2 模拟主从复制环境

[root@VM-4-3-centos myredis]# ll
total 104
-rw-r--r-- 1 root root    94 Oct  8 21:56 redis7379.conf
-rw-r--r-- 1 root root    94 Oct  8 21:54 redis7380.conf
-rw-r--r-- 1 root root    94 Oct  8 21:55 redis7381.conf
-rw-r--r-- 1 root root 92251 Oct  8 21:48 redis.conf

其中redis.conf为原先的配置文件,其余文件形式如下:

include /myredis/redis.conf
pidfile /var/run/redis_7379.pid
port 7379
dbfilename dump7379.rdb

启动三个服务

[root@VM-4-3-centos myredis]# redis-server redis7379.conf
[root@VM-4-3-centos myredis]# redis-server redis7380.conf
[root@VM-4-3-centos myredis]# redis-server redis7381.conf
[root@VM-4-3-centos myredis]# ps -ef | grep redis
root     11882     1  0 22:44 ?        00:00:00 redis-server *:7379
root     11904     1  0 22:44 ?        00:00:00 redis-server *:7380
root     11910     1  0 22:44 ?        00:00:00 redis-server *:7381
root     11938 11666  0 22:44 pts/2    00:00:00 grep --color=auto redis

查看三台主机的运行情况

info replication打印主从复制的相关信息

127.0.0.1:7381> info replication
# Replication
role:master
connected_slaves:0
master_failover_state:no-failover
master_replid:c7bc6e8b3de76c02e840f1e8dbf44a45ad8de31a
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:0
second_repl_offset:-1
repl_backlog_active:0
repl_backlog_size:1048576
repl_backlog_first_byte_offset:0
repl_backlog_histlen:0

使用slaveof <ip> <port>命令成为某个实例的从服务器

127.0.0.1:7380> slaveof 127.0.0.1 7379
OK
127.0.0.1:7380> info replication
# Replication
role:slave
master_host:127.0.0.1
master_port:7379
master_link_status:down
master_last_io_seconds_ago:-1
master_sync_in_progress:0
slave_repl_offset:1
master_link_down_since_seconds:1665240856
slave_priority:100
slave_read_only:1
connected_slaves:0
master_failover_state:no-failover
master_replid:fcfd9b42be2f292f9ce5d186eb534626b674e4cb
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:0
second_repl_offset:-1
repl_backlog_active:0
repl_backlog_size:1048576
repl_backlog_first_byte_offset:0
repl_backlog_histlen:0
  • 在主机上写,在从机上可以读取数据
  • 在从机上写数据报错
  • 主机挂掉,重启就行,一切如初
  • 从机重启需重设:slaveof <ip> <port>

11.3 主从复制的三个使用场景

11.3.1一主二仆

Q:当从机shutdown后再次加入主服务器后,是从头开始复制还是从切入点开始复制?

A:从头开始复制

Q:主机shutdown后情况如何?从机是上位还是原地待命?

A:原地待命

Q:主机又回来了后,主机新增记录,从机还能否顺利复制?

A:可以的

主从复制的原理:

  • 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(每次主服务器进行写操作后,会和从服务器进行数据同步)
  • 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

11.3.2 薪火相传

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。

风险是一旦某个slave宕机,后面的slave都没法备份

11.3.3 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。

slaveof no one 将从机变为主机。

11.4 哨兵模式

11.4.1 概念

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

11.4.2 使用方法

目录下新建sentinel.conf文件

sentinel monitor mymaster 127.0.0.1 7379 1

其中mymaster为监控对象起的服务器名称, 1 为至少有多少个哨兵同意迁移的数量。

注意sentinel.conf为固定写法,不能随意更改

启动哨兵:

redis-sentinel  /myredis/sentinel.conf 

当主机挂掉,从机选举中产生新的主机

哪个从机会被选举为主机呢?根据优先级别:replica-priority

优先级在redis.conf中默认:replica-priority 100,值越小优先级越高

  • 优先级在redis.conf中默认:slave-priority 100,值越小优先级越高
  • 偏移量是指获得原主机数据最全的
  • 每个redis实例启动后都会随机生成一个40位的runid
# However a special priority of 0 marks the replica as not able to perform the
# role of master, so a replica with priority of 0 will never be selected by
# Redis Sentinel for promotion.
#
# By default the priority is 100.
replica-priority 100

11.4.3 复制延迟

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。

12 Redis集群

12.1 概念

12.1.1 引入

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。

代理主机:客户端请求代理服务器,代理服务器分发请求

无中心化集群:任何一台服务器都可以作为集群的入口

12.1.2 Redis集群的概念

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。

12.2 模拟集群环境

11.2类似

redie.conf增加

include /myredis/redis.conf
pidfile /var/run/redis_7379.pid
port 7379
dbfilename dump7379.rdb

# 打开集群模式
cluster-enabled yes
# 设定节点配置文件名
cluster-config-file nodes-7379.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 
[root@VM-4-3-centos myredis]# ll
total 104
-rw-r--r-- 1 root root    94 Oct  8 21:56 redis7379.conf
-rw-r--r-- 1 root root    94 Oct  8 21:54 redis7380.conf
-rw-r--r-- 1 root root    94 Oct  8 21:55 redis7381.conf
-rw-r--r-- 1 root root    94 Oct  8 23:48 redis7389.conf
-rw-r--r-- 1 root root    94 Oct  8 23:49 redis7390.conf
-rw-r--r-- 1 root root    94 Oct  8 23:50 redis7391.conf
-rw-r--r-- 1 root root 92251 Oct  8 21:48 redis.conf

将6台服务器启动,当实例启动后,会生成各自的节点配置文件nodes-<port>.conf

将六个节点合成一个集群

进入redis安装地址注意是安装环境不是客户端所在地址

redis-cli --cluster create --cluster-replicas 1 ip地址:7379 ip地址:7380 ip地址:7381 ip地址:7389 ip地址:7390 ip地址:7391
  • 此处不要用127.0.0.1, 请用真实IP地址
  • 由于redis6.2.1及以上自带rb环境redis-trib.rb,以下的需要自行安装

--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。

他会直接帮我们分配集群,输入yes可以接受分配

一个集群至少要有三个主节点。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

看到以下提示消息即完成操作

[OK] All nodes agree about slots configuration 
>>> Check for open slots...
>>> Check slots coverage...
[OK] All 16384 slots covered

使用-c 采用集群策略连接,设置数据会自动切换到相应的写主机

redis-cli -c -p 7379

通过cluster nodes 命令查看集群信息

12.3 slots

记得我们启动集群的时候吗

[OK] All nodes agree about slots configuration 
>>> Check for open slots...
>>> Check slots coverage...
[OK] All 16384 slots covered

这个slots是插槽

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。
ip: 7379 > set k1 v1
-> Redirected to slot [12706] at ip:7381

注意,在集群中mset有不同的写法,需要定义组的概念,从而使key中{}内相同内容的键值对放到一个slot中去。

ip:7379 > mset k1 v1 k2 v2 k3 v3
(error) CROSSLOT Keys in request don't hash to the same slot
ip:7379 > mset k1{cust} v1 k2{cust} v2 k3{cust} v3
-> Redirected to slot [4847] at ip:7379

查询集群中的值

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

注意,只能看到自己机器负责的插槽的值

12.4 故障恢复

Q:如果主节点下线?从节点能否自动升为主节点?

A:可以

Q:主节点恢复后,主从关系会如何?

A:主节点回来变成从机

Q: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?

A:

  • 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。

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

12.5 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。

public class JedisClusterTest {
    public static void main(String[] args) { 
        hostAndPort = new HostAndPort("ip",port);
        JedisCluster jedisCluster=new JedisCluster(hostAndPort);
        jedisCluster.set("k1", "v1");
        System.out.println(jedisCluster.get("k1"));
    }
}

12.6 Redis的好处和坏处

12.6.1 好处

  • 实现扩容
  • 分摊压力
  • 无中心配置相对简单

12.6.2 坏处

  • 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。

13 Redis常见的问题

13.1 缓存穿透

13.1.1 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。

现象:

  • 应用服务器压力变大
  • redis命中率降低,导致一直查询数据库

原因:

  • redis查不到数据库
  • 出现很多非正常url访问

13.1.2 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。

  • **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
  • **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。
  • 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。
  • **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

13.2 缓存击穿

13.2.1 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。

现象:

  • 数据库访问压力瞬时增大
  • redis里面没有出现大量的key过期
  • redis正常运行

原因:

  • redis某个key过期了
  • 大量访问使用这个key

13.2.2 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。

  • 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
  • **实时调整:**现场监控哪些数据热门,实时调整key的过期时长
  • 使用锁:
    • 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。
    • 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
    • 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;
    • 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。

13.3 缓存雪崩

13.3.1 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

现象:

  • 数据库压力变大造成服务器崩溃

原因:

  • 在极少的时间段内,出现大量的key集中过期的情况

13.3.2 解决方案

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

13.4 分布式锁

13.4.1 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:

  • 基于数据库实现分布式锁
  • 基于缓存(Redis等)
  • 基于Zookeeper

每一种分布式锁解决方案都有各自的优缺点:

性能:redis最高

可靠性:zookeeper最高

13.4.2 使用SETNX

现在大部分推荐使用SETNX + EXPIRE来实现分布式锁,可以见基本操作

核心代码如下

public void testLockLua() {
    String uuid = UUID.randomUUID().toString();
    String skuId = "25"; // 25号商品的数据
    String locKey = "lock:" + skuId;

    Boolean lock = redisTemplate.opsForValue().setIfAbsent(locKey, uuid, 3, TimeUnit.SECONDS);

    if (lock) {
        Object value = redisTemplate.opsForValue().get("num");
        if (StringUtils.isEmpty(value)) {
            return;
        }
        int num = Integer.parseInt(value + "");
        redisTemplate.opsForValue().set("num", String.valueOf(++num));
        
        // 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);
        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 {
        try {
            Thread.sleep(1000);
            testLockLua();
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

13.4.3 使用HSET

上面的代码虽然做到了设置过期时间,自动释放锁,防误删,原子化等,但它有一个致命问题,就是不满足锁的一个可重入性。

所谓可重入性,通俗来说,就是你在一个方法中加了锁之后,若它调了另外一个方法,这个方法也需要获取同一把锁的时候,它无需再进行等待操作。

比如你用钥匙进了你家门,就不用再用钥匙进你家厨房了

解决锁的可重入性,可以参考ReentrantLockReentrantLock的底层通过一个计数器c,当c=0时,说明该锁没有被任意一个线程持有,而c!=0时就说明该锁被某个线程持有,而且,你会发现,你在线程中锁了多少次,这个计数器就是多少。(这也是为啥你lock了几次,就要调用unlock几次的原因)。

因此,这个时候我们就想要一种数据结构,类似于Map<String, Map<String, Integer>>的形式,也就是Redis中的Hash结构。

这里我们直接上源码,这里实现了Lock接口,满足了锁的一个规范。

@Slf4j
@SuppressWarnings({"all"})
public class RedisDistributedLock implements Lock {

    private final StringRedisTemplate redisTemplate;

    /**
     * 锁的名称,Map<String, <Map<String, Integer>> 中的第一个String
     */
    private final String lockName;

    /**
     * Map<String, <Map<String, Integer>> 中的第二个String
     */
    private final String value;

    private static final long EXPIRE_TIME = 5L;

    public RedisDistributedLock(StringRedisTemplate redisTemplate, String lockName, String uuid) {
        this.redisTemplate = redisTemplate;
        this.lockName = lockName;
        // uuid从工厂传进来, 保证唯一性
        this.value = uuid + "-" + Thread.currentThread().getId();
    }

    @Override
    public void lock() {
        tryLock();
    }

    @Override
    public void unlock() {
        // 解锁的Lua脚本
        String script = LuaScript.LUA_UNLOCK_SCRIPT;
        Long result = redisTemplate.execute(new DefaultRedisScript<>(script, Long.class), List.of(lockName), value);
        if (null == result) {
            throw new RuntimeException("The Lock doesn't exists.");
        }
        log.info("unlock {} success. ", lockName);
    }

    @Override
    public boolean tryLock() {
        return tryLock(-1L, TimeUnit.SECONDS);
    }

    @Override
    public boolean tryLock(long time, TimeUnit unit) {
        if (-1L == time) {
            // 加锁的Lua脚本
            String script = LuaScript.LUA_LOCK_SCRIPT;
            while(!redisTemplate.execute(new DefaultRedisScript<>(script,Boolean.class), Arrays.asList(lockName), value,String.valueOf(EXPIRE_TIME))) {
                ThreadUtils.sleep(EXPIRE_TIME);
            }
            log.info("lock {} success. ", lockName);
            return true;
        }
        return false;
    }

    @Override
    public void lockInterruptibly() throws InterruptedException {
        // unused
    }

    @Override
    public Condition newCondition() {
        // unused
        return null;
    }
}

LUA脚本如下:

public class LuaScript {

    private LuaScript() {}

    public static final String LUA_LOCK_SCRIPT =
            "if redis.call('exists',KEYS[1]) == 0 or redis.call('hexists',KEYS[1],ARGV[1]) == 1 then    " +
                "redis.call('hincrby',KEYS[1],ARGV[1],1)    " +
                "redis.call('expire',KEYS[1],ARGV[2])    " +
                "return 1  " +
            "else   " +
                "return 0 " +
            "end";

    public static final String LUA_UNLOCK_SCRIPT =
            "if redis.call('HEXISTS',KEYS[1],ARGV[1]) == 0 then    " +
                "return nil  " +
            "elseif redis.call('HINCRBY',KEYS[1],ARGV[1],-1) == 0 then    " +
                "return redis.call('del',KEYS[1])  " +
            "else    " +
                "return 0 " +
            "end";
}

这里我们使用工厂模式来获得Redis锁

@Component
@SuppressWarnings("unused")
public class DistributedLockFactory {

    private final String uuid;

    private final StringRedisTemplate redisTemplate;

    public DistributedLockFactory(StringRedisTemplate redisTemplate) {
        this.redisTemplate = redisTemplate;
        this.uuid = IdUtil.simpleUUID();
    }

    public Lock getDistributedLock(LockEnum type) {
        return switch (type) {
            // Java17新特性
            case REDIS -> new RedisDistributedLock(redisTemplate, LockNameConstants.REDIS_LOCK_NAME, uuid);
            // TODO 补充
            case ZOOKEEPER, MYSQL -> null;
        };
    }

}

测试:

public String sale() {
    String retMessage;

    Lock redisLock = distributedLockFactory.getDistributedLock(LockEnum.REDIS);
    redisLock.lock();
    try {
        //1 查询库存信息
        String result = redisTemplate.opsForValue().get("inventory001");
        //2 判断库存是否足够
        int inventoryNumber = result == null ? 0 : Integer.parseInt(result);
        //3 扣减库存,每次减少一个
        if (inventoryNumber > 0) {
            redisTemplate.opsForValue().set("inventory001", String.valueOf(--inventoryNumber));
            retMessage = "成功卖出一个商品,库存剩余: " + inventoryNumber;
            ThreadUtils.sleep(20);
            testReEntry();
        } else {
            retMessage = "商品卖完了";
        }
        log.info("{} \t 服务端口号: {}", retMessage, port);
    } finally {
        redisLock.unlock();
    }
    return retMessage + "\t" + "服务端口号" + port;
}

private void testReEntry() {
    Lock redisLock = distributedLockFactory.getDistributedLock(LockEnum.REDIS);
    redisLock.lock();
    try
    {
        log.info("测试可重入锁");
    }finally {
        redisLock.unlock();
    }
}

13.4.5 总结

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。
  • 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。

14 ACL

14.1 简介

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 :

  • 接入权限:用户名和密码
  • 可以执行的命令
  • 可以操作的 KEY

14.2 命令

使用acl list命令展现用户权限列表

使用acl cat命令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

使用acl set user命令创建和编辑用户ACL

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
-<command>从用户可执行指令列表移除指令
+@<category>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。
-@<category>从用户可调用指令中移除类别

14.2 IO多线程

IO多线程其实指客户端交互部分网络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。

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

14.3 工具支持 Cluster

之前老版Redis想要搭集群需要单独安装ruby环境,Redis 5 将 redis-trib.rb 的功能集成到 redis-cli 。另外官方 redis-benchmark 工具开始支持 cluster 模式了,通过多线程的方式对多个分片进行压测。

14.4 其他新功能

Redis6新功能还有:

1、RESP3新的 Redis 通信协议:优化服务端与客户端之间通信

2、Client side caching客户端缓存:基于 RESP3 协议实现的客户端缓存功能。为了进一步提升缓存的性能,将客户端经常访问的数据cache到客户端。减少TCP网络交互。

3、Proxy集群代理模式:Proxy 功能,让 Cluster 拥有像单实例一样的接入方式,降低大家使用cluster的门槛。不过需要注意的是代理不改变 Cluster 的功能限制,不支持的命令还是不会支持,比如跨 slot 的多Key操作。

4、Modules API

Redis 6中模块API开发进展非常大,因为Redis Labs为了开发复杂的功能,从一开始就用上Redis模块。Redis可以变成一个框架,利用Modules来构建不同系统,而不需要从头开始写然后还要BSD许可。Redis一开始就是一个向编写各种系统开放的平台。

15 其他操作

15.1 Redis 大Key的删除

15.1.1 定义

Redis大Key其实不是指的是Key,而是指Key对应的Value。

Redis的String类型,最大可以存512MB的值,List、Hash、Set、ZSet等,可以存储2^32^个元素(大约42亿多点),那么多大的Key算大Key呢?

一般来说,我们String需要控制在10KB以下,而集合类型的控制元素个数在5000个以下。

15.1.2 如何导致的大Key

一种,比如社交类的场景,如粉丝数增多,另外一种,可能由于报表等常年累月的积累,有可能导致大Key。

我们知道,由于Redis工作线程是单线程的,大Key删除会导致网络浏览阻塞、超时等一系列问题,那么我们就应该去防止大KEY的产生

15.1.3 如何检测大Key

一般来说,有两种方法:

  1. 使用--bigkeys:扫描所有的键,给出每种数据结构Top 1 bigkey
[root@localhost ~]# redis-cli -a Redis密码 --bigkeys
Warning: Using a password with '-a' or '-u' option on the command line interface may not be safe.

# Scanning the entire keyspace to find biggest keys as well as
# average sizes per key type.  You can use -i 0.1 to sleep 0.1 sec
# per 100 SCAN commands (not usually needed).

[00.00%] Biggest string found so far '"k5889"' with 5 bytes
[00.00%] Biggest string found so far '"k607267"' with 7 bytes
[00.00%] Biggest string found so far '"k1802564"' with 8 bytes
[50.00%] Sampled 1000000 keys so far
[100.00%] Sampled 2000000 keys so far

-------- summary -------

Sampled 2000000 keys in the keyspace!
Total key length in bytes is 14888896 (avg len 7.44)

Biggest string found '"k1802564"' has 8 bytes

0 lists with 0 items (00.00% of keys, avg size 0.00)
0 hashs with 0 fields (00.00% of keys, avg size 0.00)
2000000 strings with 14888896 bytes (100.00% of keys, avg size 7.44)
0 streams with 0 entries (00.00% of keys, avg size 0.00)
0 sets with 0 members (00.00% of keys, avg size 0.00)
0 zsets with 0 members (00.00% of keys, avg size 0.00)
  1. 使用Memery Usage:获取一个键的所占内存
127.0.0.1:6379> MEMORY USAGE k10000
(integer) 64

15.1.4 大Key的删除

  • String类型

String类型一般用Del即可,如果过于庞大可以使用Unlink

  • Hash类型

使用hscan每次获取少量field-value,再使用hdel删除每个field

public void delBigHash(String bigHashKey) {
    ScanParams scanParams = new ScanParams().count(100);
    String cursor = "0";
    do {
        ScanResult<Entry<String, String>> scanResult = jedis.hscan(bigHashKey, cursor, scanParams);
        List<Entry<String, String>> entryList = scanResult.getResult();
        if (CollectionUtils.isNotEmpty(entryList)) {
            for (Entry<String, String> entry : entryList) {
                jedis.hdel(bigHashKey, entry.getKey());
            }
        }
        cursor = scanResult.getCursor();
    } while (!"0".equals(cursor));
    jedis.del(bigHashKey);
}
  • List类型

使用ltrim渐进式逐步删除,直到全部删除完成

public void delBigList(String bigListKey){
    long llen = jedis.llen(bigListKey);
    int counter = 0;
    int left = 100;
    while (counter < llen) {
        jedis.ltrim(bigListKey, left, llen);
        counter += left;
    }
    jedis.del(bigListKey);
}
  • Set类型

使用sscan每次获取部分元素,再使用srem命令删除每个元素

public void delBigSet(String bigSetKey){
    ScanParams scanParams = new ScanParams().count(100);
    String cursor = "0";
    do {
        ScanResult<String> scanResult = jedis.sscan(bigSetKey, cursor, scanParams);
        List<String> memberList = scanResult.getResult();
        if (CollectionUtils.isNotEmpty(memberList)) {
            for (String member : memberList) {
                jedis.srem(bigSetKey, member);
            }
        }
        cursor = scanResult.getCursor();
    } while (!"0".equals(cursor));
    jedis.del(bigSetKey);
}
  • ZSet类型

使用zscan每次获取部分元素,再使用ZREMRANGEBYRANK命令删除每个元素

public void delBigZSet(String bigZSetKey){
    ScanParams scanParams = new ScanParams().count(100);
    String cursor = "0";
    do {
        ScanResult<Tuple> scanResult = jedis.zscan(bigZSetKey, cursor, scanParams);
        List<Tuple> tupleList = scanResult.getResult();
        if (CollectionUtils.isNotEmpty(tupleList)) {
            for (Tuple tuple : tupleList) {
                jedis.zrem(bigZSetKey, tuple.getElement());
            }
        }
        cursor = scanResult.getCursor();
    } while (!"0".equals(cursor));
    jedis.del(bigZSetKey);
}

15.2 Redis实现分布式锁

15.2.1 使用SETNX

现在大部分推荐使用SETNX + EXPIRE来实现分布式锁,可以见基本操作

核心代码如下

public void testLockLua() {
    String uuid = UUID.randomUUID().toString();
    String skuId = "25"; // 25号商品的数据
    String locKey = "lock:" + skuId;

    Boolean lock = redisTemplate.opsForValue().setIfAbsent(locKey, uuid, 3, TimeUnit.SECONDS);

    if (lock) {
        Object value = redisTemplate.opsForValue().get("num");
        if (StringUtils.isEmpty(value)) {
            return;
        }
        int num = Integer.parseInt(value + "");
        redisTemplate.opsForValue().set("num", String.valueOf(++num));
        
        // 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);
        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 {
        try {
            Thread.sleep(1000);
            testLockLua();
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

15.2.2 使用HSET

上面的代码虽然做到了设置过期时间,自动释放锁,防误删,原子化等,但它有一个致命问题,就是不满足锁的一个可重入性。

所谓可重入性,通俗来说,就是你在一个方法中加了锁之后,若它调了另外一个方法,这个方法也需要获取同一把锁的时候,它无需再进行等待操作。

比如你用钥匙进了你家门,就不用再用钥匙进你家厨房了

解决锁的可重入性,可以参考ReentrantLockReentrantLock的底层通过一个计数器c,当c=0时,说明该锁没有被任意一个线程持有,而c!=0时就说明该锁被某个线程持有,而且,你会发现,你在线程中锁了多少次,这个计数器就是多少。(这也是为啥你lock了几次,就要调用unlock几次的原因)。

因此,这个时候我们就想要一种数据结构,类似于Map<String, Map<String, Integer>>的形式,也就是Redis中的Hash结构。

这里我们直接上源码,这里实现了Lock接口,满足了锁的一个规范。

@Slf4j
@SuppressWarnings({"all"})
public class RedisDistributedLock implements Lock {

    private final StringRedisTemplate redisTemplate;

    /**
     * 锁的名称,Map<String, <Map<String, Integer>> 中的第一个String
     */
    private final String lockName;

    /**
     * Map<String, <Map<String, Integer>> 中的第二个String
     */
    private final String value;

    private static final long EXPIRE_TIME = 5L;

    public RedisDistributedLock(StringRedisTemplate redisTemplate, String lockName, String uuid) {
        this.redisTemplate = redisTemplate;
        this.lockName = lockName;
        // uuid从工厂传进来, 保证唯一性
        this.value = uuid + "-" + Thread.currentThread().getId();
    }

    @Override
    public void lock() {
        tryLock();
    }

    @Override
    public void unlock() {
        // 解锁的Lua脚本
        String script = LuaScript.LUA_UNLOCK_SCRIPT;
        Long result = redisTemplate.execute(new DefaultRedisScript<>(script, Long.class), List.of(lockName), value);
        if (null == result) {
            throw new RuntimeException("The Lock doesn't exists.");
        }
        log.info("unlock {} success. ", lockName);
    }

    @Override
    public boolean tryLock() {
        return tryLock(-1L, TimeUnit.SECONDS);
    }

    @Override
    public boolean tryLock(long time, TimeUnit unit) {
        if (-1L == time) {
            // 加锁的Lua脚本
            String script = LuaScript.LUA_LOCK_SCRIPT;
            while(!redisTemplate.execute(new DefaultRedisScript<>(script,Boolean.class), Arrays.asList(lockName), value,String.valueOf(EXPIRE_TIME))) {
                ThreadUtils.sleep(EXPIRE_TIME);
            }
            log.info("lock {} success. ", lockName);
            return true;
        }
        return false;
    }

    @Override
    public void lockInterruptibly() throws InterruptedException {
        // unused
    }

    @Override
    public Condition newCondition() {
        // unused
        return null;
    }
}

LUA脚本如下:

public class LuaScript {

    private LuaScript() {}

    public static final String LUA_LOCK_SCRIPT =
            "if redis.call('exists',KEYS[1]) == 0 or redis.call('hexists',KEYS[1],ARGV[1]) == 1 then    " +
                "redis.call('hincrby',KEYS[1],ARGV[1],1)    " +
                "redis.call('expire',KEYS[1],ARGV[2])    " +
                "return 1  " +
            "else   " +
                "return 0 " +
            "end";

    public static final String LUA_UNLOCK_SCRIPT =
            "if redis.call('HEXISTS',KEYS[1],ARGV[1]) == 0 then    " +
                "return nil  " +
            "elseif redis.call('HINCRBY',KEYS[1],ARGV[1],-1) == 0 then    " +
                "return redis.call('del',KEYS[1])  " +
            "else    " +
                "return 0 " +
            "end";
}

这里我们使用工厂模式来获得Redis锁

@Component
@SuppressWarnings("unused")
public class DistributedLockFactory {

    private final String uuid;

    private final StringRedisTemplate redisTemplate;

    public DistributedLockFactory(StringRedisTemplate redisTemplate) {
        this.redisTemplate = redisTemplate;
        this.uuid = IdUtil.simpleUUID();
    }

    public Lock getDistributedLock(LockEnum type) {
        return switch (type) {
            // Java17新特性
            case REDIS -> new RedisDistributedLock(redisTemplate, LockNameConstants.REDIS_LOCK_NAME, uuid);
            // TODO 补充
            case ZOOKEEPER, MYSQL -> null;
        };
    }

}

测试:

public String sale() {
    String retMessage;

    Lock redisLock = distributedLockFactory.getDistributedLock(LockEnum.REDIS);
    redisLock.lock();
    try {
        //1 查询库存信息
        String result = redisTemplate.opsForValue().get("inventory001");
        //2 判断库存是否足够
        int inventoryNumber = result == null ? 0 : Integer.parseInt(result);
        //3 扣减库存,每次减少一个
        if (inventoryNumber > 0) {
            redisTemplate.opsForValue().set("inventory001", String.valueOf(--inventoryNumber));
            retMessage = "成功卖出一个商品,库存剩余: " + inventoryNumber;
            ThreadUtils.sleep(20);
            testReEntry();
        } else {
            retMessage = "商品卖完了";
        }
        log.info("{} \t 服务端口号: {}", retMessage, port);
    } finally {
        redisLock.unlock();
    }
    return retMessage + "\t" + "服务端口号" + port;
}

private void testReEntry() {
    Lock redisLock = distributedLockFactory.getDistributedLock(LockEnum.REDIS);
    redisLock.lock();
    try
    {
        log.info("测试可重入锁");
    }finally {
        redisLock.unlock();
    }
}
评论交流

文章目录