Java核心-redis

本文涉及的产品
云数据库 Tair(兼容Redis),内存型 2GB
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
简介: Java核心-redis

Redis

启动

启动服务端

打开命令行,进入redis的安装目录,执行指令

redis-server.exe redis.windows.conf

启动客户端

redis-cli.exe [-h] [-p]
-h : 指定host
-p : 指定端口号

Redis的核心配置文件

常规配置

# 表示Redis是不是以守护进程(后台进程)的方式运行,windows上面不支持
daemonize no
# 当客户端闲置多长时间后关闭连接 0表示不关闭
timeout 0
# 端口号配置
port 6379
# 指绑定的主机地址:是指哪些Ip地址的主机可以来连接这个Redis服务
# 127.0.0.1 指本机才能够访问这个Redis服务
bind 127.0.0.1 
# bind 0.0.0.0 指任意的ip地址都可以来连接当前这个Redis服务
# 日志级别 debug | notice | verbose | warning
loglevel verbose
# 数据库的数量(通常情况下用处不大,默认有16个数据库,默认操作的是编号是0的这个数据库)
databases 16
# 密码的配置
requirepass password

持久化配置

将内存中的数据保存到磁盘里面去,这个过程就是持久化

Redis支持两种方式的持久化

  • RDB
  • AOF

RDB

通过内存快照的方式进行持久化,是默认的持久化策略

配置

# 保存文件的路径,默认是当前路径
dir E:\tmp
# 保存文件的名字
dbfilename dump.rdb
# RDB持久化的策略
save 900 1
save 300 10
save 60 10000

一旦触发某一个条件,就会从头开始计算

RDB持久化的触发方式

  • 当满足条件的时候
  • 手动执行save|bgsave
  • 服务器正常退出

如何恢复

在redis服务器启动的时候会自动去dir配置的文件夹中寻找对应的文件来完成加载

AOF

AOF:append only file

通过追加日志文件的方式来持久化,追加的是我们执行的写命令,恢复的时候将日志文件中的命令重新执行一遍就实现了恢复的操作

# AOF的总开关
appendonly yes
# 文件保存的位置 和RDB文件保存的位置是一致的
dir E:\tmp
# 文件的名字
appendfilename "appendonly.aof"
# AOF的策略
# 总是同步去写入命令(每收到一条写的指令,就去把这个命令写入文件中) 
# appendfsync always
# 每秒写入一次命令
appendfsync everysec
# 不写入命令
# appendfsync no

AOF会生成一个appendonly.aof的文件,这个文件里面保存的是所有的写入的命令。当需要恢复数据库的时候,会依次执行所有的命令来重建整个Redis数据库的内容。

由于时间长了后AOF的文件会越来越大,所以目前采取的方式是精简指令,即只保存最后影响数据的指令

AOF和RDB的优缺点

  • AOF可以不丢数据,但RDB不行
  • RDB保存和加载快
  • RDB适合大内存机器使用,适用于容灾备份,AOF适合生产中的备份

数据结构

常规命令

# 保存
save | bgsave
# 验证密码
auth password
# 查询所有的key [*这里应该是一个parttern]
keys *
# 删除Redis所有的库里面的键值对
flushall
# 删除当前的库里面的所有的键值对
flushdb

string

与JAVA中的map一致,一个key对应一个value,可以是字符串、数字、二进制等

# 设置一个键值对
set key value 
# 获取key的值
get key
# 给对应的值+1 (原子操作),这个值只能是一个整型
incr key
# 给对应的值增加指定的步长,这个值只能是一个整型
incrby key
# 批量的get
mget key1 key2 [key ...]
# 批量的set
mset key value [key value ...]
# 设置一个key value ,并且指定过期时间
setex key seconds value 
# set not exists 指当key不存在的时候就去设值(不覆盖)
setnx key value 

应用场景:我们可以利用incr这个指令来统计网站的访问量( pv= page view),或者是统计某个大型游戏在线活跃的人数

hash

二维表,key对应的是表名,field相当于属性名,value相当于内容

# 设置指定的hash表中的键值对
hset key field value
# 获取指定的hash表中的键值对的值
hget key field
# 在一个指定的二维表中,查看指定的field是否存在
# 如果存在,返回1,如果不存在,返回0
hexists key field 
# 获取二维表中所有的键值对(key - value)
hgetall key
# 获取二维表中所有的key
hkeys
# 获取二维表中所有的value
hvals
# 一次设置二维表中多个键值对
hmset key field value [filed value ...]
#一次获取二维表中多个键值对
hmget keys field [field ...]
# 获取二维表中的key-value键值对的个数
hlen key
# 给指定的value值增加指定的步长
hincrby key value increment
# 设置值,不覆盖
hsetnx key value

适合存储对象,

key:对象的名字

field:对象中成员变量的名字

value:成员变量的值

list

相当于一个队列,可以从左右弹出或者推入数据

特点:

  • 有序
  • 可重复
# 从左端推入元素,value1 在最右边
lpush key value1 value2 value3 [value ...]
# 从右端推入元素,value1在最左边
rpush key value1 value2 value3 [value ...]
# 从左端推出元素
lpop key 
# 从右端推出元素
rpop key 
# 返回当前列表的长度
llen key 
# 返回指定下边的元素 0表示最左边的元素
lindex key index 
# 假如list存在,就去push,如果list不存在,就不push
lpushx key value
# 插入一个元素,注意:pivot是最左边的指定的元素
linsert key BEFORE|AFTER pivot value 
# 查询一个范围内的值,start 和stop指的是下标
lrange key start stop 
# 删除指定的元素的前几个值
lrem key count value
# 修改指定位置元素的值
lset key index value 

应用场景:

  1. 最新消息排行榜(bilibili动态功能)
  2. 可以当做一个消息队列,来完成程序之间的信息交换
    以完成多程序之间的消息交换。可以⽤push操作将任务存在list中(⽣产者),然后线程在⽤pop操作将任务取出进⾏执⾏。(消费者)

set

无序的集合

  • 无序
  • 不可重复
  • 取出随机
# 往无序集合里面添加元素
sadd key value1 value2 [value ...]
# 查询集合里面的所有的元素
smembers key 
# 判断集合中是否有指定的元素,存在返回1,不存在返回0
sismember key value 
# 集合中元素的数量
scard key
# 从集合中取出元素(删除) (例如年会抽奖小程序)
spop key [count]
# 从集合中取出元素(不删除) (例如上课点名小程序)
srandmember key [count]
# 求多个集合的交集
sinter key1 key2 key3 [key ...]
# 保存交集到目标集合
sinterstore destination key1 key2 key3 [key ...]
# 求并集
sunion key1 key2 key3
# 保存并集到目标集合
sunionstore destination key1 key2 key3 [key ...]
# 求差集
sdiff key1 key2 key3 [key ...]
# 保存差集到目标集合 (以key1 作为基准)
sdiffstore  destination key1 key2 key3 [key ...]
# 移动元素
smove source destination member 
# 删除元素
srem key member1 member2 [member ...]

应用场景:

  1. 求共同的好友
    A的好友是一个无序集合,B的好友也是一个无序集合,那么这个时候可以去求这两个集合的交集,就得到了共同的好友
  2. 好友推荐

sortSet

有序的集合,一般用来存分数,是一个二维表

key:表名

filed:成员属性

score:分数

# 往有序集合中添加 field和其对应的score
zadd key score member [score member ...]
# 查询有序集合的长度
zcard key 
# 查询指定成员的分数
zscore key member 
# 返回指定分数区间(闭区间)内成员的数量
zcount key min max 
# 给指定的成员增加对应的分数
zincrby key member increment 
# 返回指定排名区间内的成员(分数从低到高排名)
zrange key start stop [withscores]
# 返回指定排名区间内的成员(分数从高到低排名)
zrevrange key start stop 
# 获得指定分数区间内的成员(分数从低到高排名)
zrangebyscore key min max
# 获得指定分数区间内的成员(分数从高到低排名)
zrevrangebyscore key max min 
# 获取指定成员的排名(分数从低到高排序)
zrank key member 
# 获取指定成员的排名(分数从高到低排序)
zrevrank key member
# 删除指定的成员
zrem key member 
# 根据一个排名区间删除成员
zremrangebyrank
# 根据一个分数区间删除成员
zremrangebyscore

应用场景:积分排行榜。可以帮助我们很方便的取出各个排名区间内的成员,也可以取出各个分数区间内的成员,也可以去通过 zincrby 这个指令随时去更新玩家的分数。

  • 消费排行
  • 荣耀战力
  • 微博打榜
  • 天梯排行榜

Jedis

  • 导包
<!-- jedis -->
<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
    <version>2.9.0</version>
</dependency>
  • 使用
public class JedisTest {
    static Jedis jedis;
    @BeforeClass
    public static void init(){
        // 创建Jedis客户端
        jedis = new Jedis("127.0.0.1",6379);
        // 认证密码
        jedis.auth("cskaoyan");
        jedis.select(2);
    }
    @Test
    public void testGet(){
        String name = jedis.get("name");
        System.out.println(name);
    }

Jedis的API和命令是一致的,这也是Jedis的优势之一。

Redis的内存淘汰策略

内存淘汰策略:当Redis内存不足的时候,Redis会根据配置的内存淘汰策略淘汰掉部分的数据,来保证写入的成功。

Redis在5.0之后提供了8种内存淘汰策略

  • volatile-lru : 从已设置过期时间的数据集中挑选最近最少使用的数据进行淘汰。
    LRU:least recent used
  • volatile-lfu:从已设置过期时间的数据集中,挑选一段时间内使用次数最少的key进行淘汰
  • volatile-ttl:从已设置过期时间的数据集中,挑选最近将要过期的数据进行淘汰
  • volatile-random: 从已设置过期时间的数据集中,随机选择数据进行淘汰
  • allkeys-lru:从所有的数据集中,选择最近最少使用的数据进行淘汰
  • allkeys-lfu:从所有的数据集中,选择一段时间内使用次数最少的数据进行淘汰
  • allkeys-random:从所有的数据集中,随机选择数据进行淘汰
  • no-enviction:禁止淘汰数据

在企业中一般使用allkeys-random来淘汰

  • 速度快
  • 对于Redis中的数据,允许一定程度上的丢失

总结:

  • 假如业务要求对数据的安全性要求较高,但读写速度要求不高,那么就可以把数据存入关系型数据库中
  • 假如安全性要求较低,读写速度要求很高,就可以考虑存入redis中
  • 假如业务对数据的安全性要求较高,读写速度要求也高
  • 将数据在mysql和redis中都存一份,写入数据先写入mysql然后再同步到redis;读取直接从redis中读取
  • 可能出现数据不一致的问题
  • 存入搜索引擎中
相关实践学习
基于Redis实现在线游戏积分排行榜
本场景将介绍如何基于Redis数据库实现在线游戏中的游戏玩家积分排行榜功能。
云数据库 Redis 版使用教程
云数据库Redis版是兼容Redis协议标准的、提供持久化的内存数据库服务,基于高可靠双机热备架构及可无缝扩展的集群架构,满足高读写性能场景及容量需弹性变配的业务需求。 产品详情:https://www.aliyun.com/product/kvstore &nbsp; &nbsp; ------------------------------------------------------------------------- 阿里云数据库体验:数据库上云实战 开发者云会免费提供一台带自建MySQL的源数据库&nbsp;ECS 实例和一台目标数据库&nbsp;RDS实例。跟着指引,您可以一步步实现将ECS自建数据库迁移到目标数据库RDS。 点击下方链接,领取免费ECS&amp;RDS资源,30分钟完成数据库上云实战!https://developer.aliyun.com/adc/scenario/51eefbd1894e42f6bb9acacadd3f9121?spm=a2c6h.13788135.J_3257954370.9.4ba85f24utseFl
目录
相关文章
|
12天前
|
存储 消息中间件 NoSQL
使用Java操作Redis数据类型的详解指南
通过使用Jedis库,可以在Java中方便地操作Redis的各种数据类型。本文详细介绍了字符串、哈希、列表、集合和有序集合的基本操作及其对应的Java实现。这些示例展示了如何使用Java与Redis进行交互,为开发高效的Redis客户端应用程序提供了基础。希望本文的指南能帮助您更好地理解和使用Redis,提升应用程序的性能和可靠性。
30 1
|
1月前
|
缓存 NoSQL Java
大数据-50 Redis 分布式锁 乐观锁 Watch SETNX Lua Redisson分布式锁 Java实现分布式锁
大数据-50 Redis 分布式锁 乐观锁 Watch SETNX Lua Redisson分布式锁 Java实现分布式锁
61 3
大数据-50 Redis 分布式锁 乐观锁 Watch SETNX Lua Redisson分布式锁 Java实现分布式锁
|
1月前
|
消息中间件 NoSQL Kafka
Flink-10 Flink Java 3分钟上手 Docker容器化部署 JobManager TaskManager Kafka Redis Dockerfile docker-compose
Flink-10 Flink Java 3分钟上手 Docker容器化部署 JobManager TaskManager Kafka Redis Dockerfile docker-compose
40 4
|
1月前
|
缓存 NoSQL Java
Java中redis面试题
Java中redis面试题
41 1
|
24天前
|
存储 NoSQL Java
Java 使用 Redis
10月更文挑战第22天
30 0
|
1月前
|
NoSQL Java API
Java操作redis
Java操作redis
|
1月前
|
消息中间件 NoSQL Kafka
Flink-05 Flink Java 3分钟上手 Redis FlinkJedisPoolConfig 从Kafka写入Redis FlinkKafkaConsumer消费 结果写入Redis
Flink-05 Flink Java 3分钟上手 Redis FlinkJedisPoolConfig 从Kafka写入Redis FlinkKafkaConsumer消费 结果写入Redis
40 0
|
6月前
|
NoSQL Java Redis
用java写个redis工具类
用java写个redis工具类
134 0
|
NoSQL Java Redis
java Redis工具类
java Redis工具类
1007 2
|
5天前
|
Java 开发者
Java多线程编程中的常见误区与最佳实践####
本文深入剖析了Java多线程编程中开发者常遇到的几个典型误区,如对`start()`与`run()`方法的混淆使用、忽视线程安全问题、错误处理未同步的共享变量等,并针对这些问题提出了具体的解决方案和最佳实践。通过实例代码对比,直观展示了正确与错误的实现方式,旨在帮助读者构建更加健壮、高效的多线程应用程序。 ####
下一篇
无影云桌面