Redis
Nosql概述
1、单机MYSQL时代
90年代,一个网站的访问量一般不会太大，单个数据库完全够用。随着用户增多，网站出现以下问题：
- 数据量增加到一定程度，单机数据库就放不下了
- 数据的索引（B+ Tree）,一个机器内存也存放不下
- 访问量变大后（读写混合），一台服务器承受不住。
只要你开始出现以上的三种情况之一，那么久必须晋级！
2、 Memcached(缓存) + Mysql + 垂直拆分（读写分离）
网站80%的情况都是在读，每次都要去查询数据库的话就十分的麻烦！所以说我们希望减轻数据库的压力，我们可以使用缓存来保证效率！
发展过程：优化数据结构和索引– –>文件缓存（IO）– –>Memcached（当时最热门的技术！）
3、分库分表 + 水平拆分 + MYSQL集群
技术和业务在发展的同时，对人的要求也越来越高！
==本质：数据库（读、写）==
早些年MyISAM：表锁，十分影响效率！高并发下就会出现严重的锁问题！
转战InnoDB：行锁！
慢慢开始使用分库分表来解决写的压力！MYSQL在那个时代退出了表分区！这个并没有多少公司在使用！
MYSQL集群，很好满足了那个年代的所有需求！
4、如今最近的年代
2010–2020十年之间，世界已经发生了翻天覆地的变化！（定位、也是一种数据，音乐、热榜！）
MYSQL等关系型数据库就不够用了！数据量很多，变化很快~！
MySQL有的使用它来存储一些比较大的文件、博客、图片！数据库表很大，效率就低了！如果有一种数据库来处理这种数据！
MYSQL压力就变得十分小（研究如何处理这些问题！）大数据IO压力下，表几乎无法更大！
目前一个基本互联网项目！
为什么要用NoSQL！
用户的个人信息，社交网络，地理位置，用户自己产生的数据，用户日志等等爆发式增长！
这时候我们就需要使用NoSQL数据库，Nosql可以很好解决以上的问题！
什么是NoSQL
==NoSQL = Not Only SQL（不仅仅是SQL）==
Not Only Structured Query Language
关系型数据库：列+行，同一个表下数据的结构是一样的。
非关系型数据库：数据存储没有固定的格式，并且可以进行横向扩展。
NoSQL泛指非关系型数据库，随着web2.0互联网的诞生，传统的关系型数据库很难对付web2.0时代！尤其是超大规模的高并发的社区，暴露出来很多难以克服的问题，NoSQL在当今大数据环境下发展的十分迅速，Redis是发展最快的，也是现在必须要掌握的一个技术！
很多的税局类型用户的个人信息，社交网络，地理位置，这些数据类型的存储不需要一个固定的格式！不需要多余的操作就可以横向扩展的！Map<String,Object> 使用键值对来控制！
NoSQL 特点
解耦！
- 方便扩展（数据之间没有关系，很好扩展！）
- 大数据量高性能（Redis一秒可以写8万次，读11万次，NoSQL的缓存记录级，是一种细粒度的缓存，性能会比较高！）
- 数据类型是多样型的！（不需要事先设计数据库，随取随用！如果是数据量十分大的表，很多人就无法设计了！）
- 传统的 RDBMS 和 NoSQL
传统的 RDBMS(关系型数据库)
- 结构化组织
- SQL
- 数据和关系都存在单独的表中 row col
- 操作，数据定义语言
- 严格的一致性
- 基础的事务
- ...Nosql
- 不仅仅是数据
- 没有固定的查询语言
- 键值对存储，列存储，文档存储，图形数据库（社交关系）
- 最终一致性
- CAP定理和BASE （异地多活！）
- 高性能，高可用，高扩展
- ...了解 3V + 3高
大数据时代的3V ：主要是描述问题的
- 海量Velume
- 多样Variety
- 实时Velocity
大数据时代的3高 ： 主要是对程序的要求
- 高并发
- 高可扩
- 高性能
真正在公司中的实践：NoSQL + RDBMS 一起使用才是最强的。
阿里巴巴演进分析
敏捷开发、极限编程！
==任何一家互联网公司，都不可能只是简简单单让用户能用就好了！==
# 1、商品的基本信息
名称、价格、商家信息
关系型数据库就可以解决了！ MYSQL / Oracle (淘宝早些年就去IOE了！)推荐文章：阿里云这群疯子！
淘宝内部的 MYSQL 不是我们使用的 MYSQL
# 2、商品的描述、评论（文字比较多）
文档数据库中，MongoDB
# 3、图片
分布式文件系统
- 淘宝 TFS
- Google GFS
- Hadoop HDFS
- 阿里云 OOS
# 4、商品的关键字（搜索）
- 搜索引擎 solr elasticsearch
- ISerach：多隆（多去了解一下这些技术大佬！）
# 5、商品热门的波段信息
- 内存数据库
- Redis、Tair、Memache...
# 6、商品的交易，外部的支付接口
- 三方应用推荐阅读：阿里云的这群疯子https://yq.aliyun.com/articles/653511
要知道，一个简单地网页背后的技术一定不是大家所想的那么简单！
大型互联网应用问题：
- 数据类型太多了！
- 数据源繁多、经常重构！
- 数据要改造，大面积改造？
NoSQL的四大类型
KV键值对：
- 新浪：Redis
- 美团：Redis + Tair
- 阿里、百度：Redis + memacache
文档型数据库（bson格式 和 json一样）
MongoDB（一般必须要掌握）
- MongoDB是一个基于分布式文件存储的数据库，C++ 编写，主要用来处理大量的文档！
- MongoDB是一个介于关系型数据库和非关系型数据库中中间的产品！MongoDB是非关系型数据库中功能最丰富，最像关系型数据库的！
- ConthDB
列存储数据库
- HBase
- 分布式文件系统
图关系数据库
- 它不是存图片，放的是关系，比如：朋友圈社交网络，广告推荐！
- Neo4j、InfoGrid
四者对比
| 分类 | Examples举例 | 典型应用场景 | 数据模型 | 优点 | 缺点 |
|---|---|---|---|---|---|
| 键值对（key-value） | Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB | 内容缓存，主要用于处理大量数据的高访问负载，也用于一些日志系统等等。 | Key 指向 Value 的键值对，通常用hash table来实现 | 查找速度快 | 数据无结构化，通常只被当作字符串或者二进制数据 |
| 列存储数据库 | Cassandra, HBase, Riak | 分布式的文件系统 | 以列簇式存储，将同一列数据存在一起 | 查找速度快，可扩展性强，更容易进行分布式扩展 | 功能相对局限 |
| 文档型数据库 | CouchDB, MongoDb | Web应用（与Key-Value类似，Value是结构化的，不同的是数据库能够了解Value的内容） | Key-Value对应的键值对，Value为结构化数据 | 数据结构要求不严格，表结构可变，不需要像关系型数据库一样需要预先定义表结构 | 查询性能不高，而且缺乏统一的查询语法。 |
| 图形(Graph)数据库 | Neo4J, InfoGrid, Infinite Graph | 社交网络，推荐系统等。专注于构建关系图谱 | 图结构 | 利用图结构相关算法。比如最短路径寻址，N度关系查找等 | 很多时候需要对整个图做计算才能得出需要的信息，而且这种结构不太好做分布式的集群 |
Redis 入门
概述
Redis是什么？
Redis（==Re==mote ==Di==ctionary ==S==erver )，即远程字典服务！
是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。
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。
免费和开源！是当下最热门的 NoSQL技术！也被人们称之为结构化数据库！
Redis能干嘛？
1、内存存储、持久化，内存中是断电即失，所以说持久化很重要（rdb、aof）
2、效率高，可以用于高速缓存
3、发布订阅系统
4、地图信息系分析
5、计时器，计数器（流量量！）
6、……
特性
1、多样的数据类型
2、持久化
3、集群
4、事务
……
配置
1、官网：https://redis.io/
2、中文网：https://www.redis.net.cn/
3、Github：https://github.com/redis
注意：windows在Github上下载（停更很久了 ！）
windows地址：https://github.com/microsoftarchive/redis/releases/tag/win-3.2.100
==Redis推荐都是在Linux服务器上搭建的，我们是基于Linux学习！==
Windows安装
1、下载安装包：https://github.com/microsoftarchive/redis/releases/tag/win-3.2.100
2、下载完毕得到安装包：
3、解压到自己电脑上的环境目录下就可以了！
4、开启redis、双击开启！
5、使用客户端连接redis！
Mac安装
# 首先我们应该打开下载redis，然后打开解压打开文件，进入src目录！
- sudo make test
- make distclean
- make
- sudo make test
- sudo make install
详细配置请看下面的文章，以及遇到的问题：
- http://www.javashuo.com/article/p-pkmxaqpn-m.html
- https://blog.csdn.net/weixin_51507412/article/details/119991279
- https://www.cnblogs.com/shoren/p/redis.html
以上的配置完成之后，双击redis、开启服务！
# 或者使用命令行开启服务！
- redis-server
- redis-cli
测试客户端连接：
Linux安装
1、下载安装包！redis-stable.tar.gz
2、解压redis的安装包！程序 /opt
3、进入解压后的文件，可以看到我们的redis的配置文件！
4、基本的环境安装
- yum install gcc-c++
# 查看安装的gcc版本
- rpm -q gcc
- gcc -v
- make # 把所有需要的文件配置上
- make install
5、redis的默认安装路径/usr/local/bin
cd /usr/local/bin
6、将redis配置文件，复制到我们当前目录下！
-sudo mkdir my_config
-sudo cp /opt/module/redis-stable/redis.conf config/
7、redis默认不是后台启动的，修改配置文件！
daemonize yes //改为默认后台启动
8、启动redis服务！（在这里如果使用的是5.x版本的就会有提示，在6.x以上的版本是没有提示信息的！）./redis-server
9、使用redis-cli 进行测试连接！./redis-cli -p 端口号(我这里直接get有值是应该之前写进入的set name xxx)
10、查看redis的进程是否开启！
ps -ef | grep redis
11、如何关闭redis服务呢？shutdown 然后 exit
- shutdown
- exit
再次查看进程是否结束！
在这里如果发现命令失效没有关闭和成功，那么也可以杀死进程！
kill -9 端口号
# 如果端口被占用,Mac 查看指定端口占用情况:
- lsof -i tcp:5037
# 然后根据PID杀进程：
- sudo kill -9 61342
测试性能
redis-benchmark 是一个压力测试工具！
官方自带的性能测试工具！
redis-benchmark 命令参数！
官方：
Usage: redis-benchmark [-h <host>] [-p <port>] [-c <clients>] [-n <requests]> [-k <boolean>]
-h <hostname> Server hostname (default 127.0.0.1)
-p <port> Server port (default 6379)
-s <socket> Server socket (overrides host and port)
-a <password> Password for Redis Auth
-c <clients> Number of parallel connections (default 50)
-n <requests> Total number of requests (default 100000)
-d <size> Data size of SET/GET value in bytes (default 2)
--dbnum <db> SELECT the specified db number (default 0)
-k <boolean> 1=keep alive 0=reconnect (default 1)
-r <keyspacelen> Use random keys for SET/GET/INCR, random values for SADD
Using this option the benchmark will expand the string __rand_int__
inside an argument with a 12 digits number in the specified range
from 0 to keyspacelen-1. The substitution changes every time a command
is executed. Default tests use this to hit random keys in the
specified range.
-P <numreq> Pipeline <numreq> requests. Default 1 (no pipeline).
-q Quiet. Just show query/sec values
--csv Output in CSV format
-l Loop. Run the tests forever
-t <tests> Only run the comma separated list of tests. The test
names are the same as the ones produced as output.
-I Idle mode. Just open N idle connections and wait.菜鸟教程：
我们来简单测试一下：
# 测试：100个并发 100000请求
- redis-benchmark -h localhost -p 6379 -c 100 -n 100000
基础的知识
redis默认由16个数据库
默认使用的是第0个
可以使用select进行切换数据库
[yykk@iZ0jlid0z1v3qwffm0jf5dZ ~]$ cd /usr/local/bin
[yykk@iZ0jlid0z1v3qwffm0jf5dZ bin]$ ./redis-cli -p 6379
127.0.0.1:6379> select 3 # 切换数据库
OK
127.0.0.1:6379[3]> dbsize # 查看DB大小
(integer) 0
127.0.0.1:6379[3]> keys * # 查看数据库所有的key
1) "name"清除当前数据库flushdb 清除全部flushall
127.0.0.1:6379[3]> flushdb
OK
127.0.0.1:6379[3]> keys *
(empty array)思考：为什么redis是6379！（粉丝效应！）（了解一下即可！）
Redis 是单线程的！
Redis是很快的，官方表示，Redis是基于内存操作，CPU不是Redis性能瓶颈Redis的瓶颈是根据机器的内存和网络带宽，既然可以使用单线程来实现，就使用单线程！所以就使用了单线程！
Redis 是C语言写的，官方提供的数据为 100000+ 的QPS，完全不比同样使用 key-value的Memcached差！
Redis 为什么单线程还可以这么快？
1、误区1：高性能的服务器一定是多线程的！
2、误区2：多线程（ CPU上下文切换 ！）一定比单线程效率高！
先去 CPU > 内存 > 硬盘的速度要有所了解！
核心：redis是将所有的数据全部放在内存中的，所以说使用单线程去操作效率就是最高的，多线程（ CPU上下文切换：耗时的操作！！！），对于内存系统来说，如果没有上下文切换效率就是最高的！多次读写都是在一个CPU上的，在内存下，这个就是最佳的方案！
五大数据类型
官网文档
翻译：
Redis是一个开源（BSD许可），内存存储的数据结构服务器，可用作==数据库==，==高速缓存==和==消息队列MQ==代理。它支持字符串、哈希表、列表、集合、有序集合，位图，hyperloglogs等数据类型。内置复制、Lua脚本、LRU收回、事务以及不同级别磁盘持久化功能，同时通过Redis Sentinel提供高可用，通过Redis Cluster提供自动分区。
Redis-key
下面学习的命令：
exists key：判断键是否存在del key：删除键值对move key db：将键值对移动到指定数据库expire key second：设置键值对的过期时间type key：查看value的数据类型
关于TTL命令
Redis的key，通过TTL命令返回key的过期时间，一般来说有3种：
- 当前key没有设置过期时间，所以会返回-1.
- 当前key有设置过期时间，而且key已经过期，所以会返回-2.
- 当前key有设置过期时间，且key还没有过期，故会返回key的正常剩余时间.
关于重命名RENAME和RENAMENX
- RENAME key newkey修改 key 的名称
- RENAMENX key newkey仅当 newkey 不存在时，将 key 改名为 newkey 。
[root@iZ0jlid0z1v3qwffm0jf5dZ bin]# ./redis-cli -p 6379
127.0.0.1:6379> keys * # 查看所有的key
1) "key:__rand_int__"
2) "name"
3) "myhash"
4) "mylist"
5) "counter:__rand_int__"
127.0.0.1:6379> flushall # 清除全部key
OK
127.0.0.1:6379> keys *
(empty array)
127.0.0.1:6379> set name kuangshen # set key
OK
127.0.0.1:6379> keys *
1) "name"
127.0.0.1:6379> set age 1
OK
127.0.0.1:6379> keys *
1) "age"
2) "name"
127.0.0.1:6379> exists name # 查看当前的key是否存在
(integer) 1
127.0.0.1:6379> exists name1
(integer) 0
127.0.0.1:6379> move name 1 # 移除当前的key
(integer) 1
127.0.0.1:6379> keys *
1) "age"
127.0.0.1:6379> set name jack
OK
127.0.0.1:6379> keys *
1) "age"
2) "name"
127.0.0.1:6379> get name
"jack"
127.0.0.1:6379> expire name 10 # 设置key的过期时间，单位是秒
(integer) 1
127.0.0.1:6379> ttl name # 查看当前key的剩余时间
(integer) 8
127.0.0.1:6379> ttl name
(integer) 7
127.0.0.1:6379> ttl name
(integer) 6
127.0.0.1:6379> ttl name
(integer) -2
127.0.0.1:6379> get name
(nil)
127.0.0.1:6379> type name # 查看当前key的一个类型！
string
127.0.0.1:6379> type age
string
后面如果遇到不会的命令，可以在官网查看帮助文档！
String（字符串）
| 命令 | 描述 | 示例 |
|---|---|---|
| APPEND key value | APPEND key value | 127.0.0.1:6379> set msg hello OK 127.0.0.1:6379> append msg " world" (integer) 11 127.0.0.1:6379> get msg “hello world” |
| DECR/INCR key | 将指定key的value数值进行+1/-1(仅对于数字) | 127.0.0.1:6379> set age 20 OK 127.0.0.1:6379> incr age (integer) 21 127.0.0.1:6379> decr age (integer) 20 |
| INCRBY/DECRBY key n | 按指定的步长对数值进行加减 | 127.0.0.1:6379> INCRBY age 5 (integer) 25 127.0.0.1:6379> DECRBY age 10 (integer) 15 |
INCRBYFLOAT key n |
为数值加上浮点型数值 | 127.0.0.1:6379> INCRBYFLOAT age 5.2 “20.2” |
STRLEN key |
获取key保存值的字符串长度 | 127.0.0.1:6379> get msg “hello world” 127.0.0.1:6379> STRLEN msg (integer) 11 |
GETRANGE key start end |
按起止位置获取字符串（闭区间，起止位置都取） | 127.0.0.1:6379> get msg “hello world” 127.0.0.1:6379> GETRANGE msg 3 9 “lo worl” |
SETRANGE key offset value |
用指定的value 替换key中 offset开始的值 | 127.0.0.1:6379> SETRANGE msg 2 hello (integer) 7 127.0.0.1:6379> get msg “tehello” |
GETSET key value |
将给定 key 的值设为 value ，并返回 key 的旧值(old value)。 | 127.0.0.1:6379> GETSET msg test “hello world” |
SETNX key value |
仅当key不存在时进行set | 127.0.0.1:6379> SETNX msg test (integer) 0 127.0.0.1:6379> SETNX name sakura (integer) 1 |
SETEX key seconds value |
set 键值对并设置过期时间 | 127.0.0.1:6379> setex name 10 root OK 127.0.0.1:6379> get name (nil) |
SETEX key seconds value |
set 键值对并设置过期时间 | 127.0.0.1:6379> setex name 10 root OK 127.0.0.1:6379> get name (nil) |
MSETNX key1 value1 [key2 value2..] |
批量设置键值对，仅当参数中所有的key都不存在时执行 | 127.0.0.1:6379> MSETNX k1 v1 k4 v4 (integer) |
MGET key1 [key2..] |
批量获取多个key保存的值 | 127.0.0.1:6379> MGET k1 k2 k3 1) “v1” 2) “v2” 3) “v3” |
PSETEX key milliseconds value |
和 SETEX 命令相似，但它以毫秒为单位设置 key 的生存时间， | |
getset key value |
如果不存在值，则返回nil，如果存在值，获取原来的值，并设置新的值 |
# --------------------------------------------------------
127.0.0.1:6379> set key1 v1 # 设置key
OK
127.0.0.1:6379> get key1 # 获取key
"v1"
127.0.0.1:6379> EXISTS key1 # 判断某一个key是否存在！
(integer) 1
127.0.0.1:6379> APPEND key1 "hello" # 追加字符串，如果当前key不存在，就相当于set key
(integer) 7
127.0.0.1:6379> get key1
"v1hello"
127.0.0.1:6379> STRLEN key1 # 获取字符串的长度！
(integer) 7
127.0.0.1:6379> APPEND key1 ",word!"
(integer) 13
127.0.0.1:6379> get key1
"v1hello,word!"
# --------------------------------------------------------
# i++
# 步长 i+=
- incr
- decr
- incrby
- decrby
127.0.0.1:6379> set views 0 # 初始浏览量为0
OK
127.0.0.1:6379> get views
"0"
127.0.0.1:6379> incr views # 自增1 浏览量 +1
(integer) 1
127.0.0.1:6379> incr views
(integer) 2
127.0.0.1:6379> decr views # 自减1 浏览量 -1
(integer) 1
127.0.0.1:6379> decr views
(integer) 0
127.0.0.1:6379> incr views
(integer) 1
127.0.0.1:6379> get views
"1"
127.0.0.1:6379> decr views
(integer) 0
127.0.0.1:6379> decr views
(integer) -1
127.0.0.1:6379> INCRBY views 10 # 可以设置步长，指定增量！
(integer) 9
127.0.0.1:6379> INCRBY views 10
(integer) 19
127.0.0.1:6379> DECRBY views 6
(integer) 13
# --------------------------------------------------------
# 字符串范围 range
127.0.0.1:6379> set key1 "hello,word" # 设置key1的值
OK
127.0.0.1:6379> get key1
"hello,word"
127.0.0.1:6379> GETRANGE key1 0 3 # 截取字符串 [0,3]
"hell"
127.0.0.1:6379> GETRANGE key1 0 -1 # 获取全部的字符串 和 get key是一样的的！
"hello,word"
# 替换！
127.0.0.1:6379> set key2 abcdefg
OK
127.0.0.1:6379> get key2
"abcdefg"
127.0.0.1:6379> SETRANGE key2 1 xx # 替换指定位置开始的字符串！
(integer) 7
127.0.0.1:6379> get key2
"axxdefg"
# --------------------------------------------------------
# setex (set with expire) # 设置过期时间
# setnx (set if not exist) # 不存在在设置
127.0.0.1:6379> setex key3 30 "hello" # 设置key3的值为hello，30秒后过期！
OK
127.0.0.1:6379> ttl key3
(integer) 26
127.0.0.1:6379> get key3
"hello"
127.0.0.1:6379> setnx mykey "redis" # 如果mykey 不存在，创建mykey
(integer) 1
127.0.0.1:6379> keys *
1) "key1"
2) "mykey"
3) "key2"
127.0.0.1:6379> ttl key3
(integer) -2
127.0.0.1:6379> setnx mykey "MongoDB" # 如果mykey存在，创建失败！
(integer) 0
127.0.0.1:6379> get mykey
"redis"
# --------------------------------------------------------
mset
mget
127.0.0.1:6379> mset k1 v1 k2 v2 k3 v3 # 同时设置多个值
OK
127.0.0.1:6379> keys *
1) "k3"
2) "k1"
3) "k2"
127.0.0.1:6379> mget k1 k2 k3 # 同时获取多个值！
1) "v1"
2) "v2"
3) "v3"
127.0.0.1:6379> msetnx k1 v1 k4 v4 # msetnx 是一个原子性操作，要么一起成功，要么一起失败！
(integer) 0
127.0.0.1:6379> get k4
(nil)
# 对象
set user:1 {name:zhangsan,age:3} # 设置一个user:1 对象值为json字符串来保存一个对象！
# 这里的key是一个巧妙的设计：user:{id}:{filed} ，如此设计在Redis中完全OK！
127.0.0.1:6379> mset user:1:name zhangsan user:1:age 3
OK
127.0.0.1:6379> mget user:1:name user:1:age
1) "zhangsan"
2) "3"
# --------------------------------------------------------
getset #先get然后在set
127.0.0.1:6379> getset db redis # 如果不存在，则返回nil
(nil)
127.0.0.1:6379> get db
"redis"
127.0.0.1:6379> getset db mongodb # 如果存在，获取原来的值，并设置新的值！
"redis"
127.0.0.1:6379> get db
"mongodb"数据结构是相通的！
String类型的使用场景：value除了我们的字符串还可以是我们的数字！
- 计数器
- 统计多单位的数量
- 粉丝数、阅读数
- 对象缓存存储！
List（列表）
基本的数据类型，列表
在redis里面，我们可以把list玩成：桟、队列、阻塞队列！
所有的 list 命令都是 l 开头的，Redis不区分带小写命令！
| 命令 | 描述 | |
|---|---|---|
LPUSH/RPUSH key value1[value2..] |
从左边/右边向列表中PUSH值(一个或者多个)。 | |
LRANGE key start end |
获取list 起止元素==（索引从左往右 递增）== | |
LPUSHX/RPUSHX key value |
向已存在的列名中push值（一个或者多个） | |
| `LINSERT key BEFORE | AFTER pivot value` | 在指定列表元素的前/后 插入value |
LLEN key |
查看列表长度 | |
LINDEX key index |
通过索引获取列表元素 | |
LSET key index value |
通过索引为元素设值 | |
LPOP/RPOP key |
从最左边/最右边移除值 并返回 | |
RPOPLPUSH source destination |
将列表的尾部(右)最后一个值弹出，并返回，然后加到另一个列表的头部 | |
LTRIM key start end |
通过下标截取指定范围内的列表 | |
LREM key count value |
List中是允许value重复的 count > 0：从头部开始搜索 然后删除指定的value 至多删除count个 count < 0：从尾部开始搜索… count = 0：删除列表中所有的指定value。 |
|
BLPOP/BRPOP key1[key2] timout |
移出并获取列表的第一个/最后一个元素， 如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止。 | |
BRPOPLPUSH source destination timeout |
和RPOPLPUSH功能相同，如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止。 |
# --------------------------------------------------------
127.0.0.1:6379> LPUSH list one # 将一个值或多个值，插入列表的头部（左）
(integer) 1
127.0.0.1:6379> LPUSH list two
(integer) 2
127.0.0.1:6379> LPUSH list three
(integer) 3
127.0.0.1:6379> LRANGE list 0 -1 # 获取list中的值！
1) "three"
2) "two"
3) "one"
127.0.0.1:6379> LRANGE list 0 1 # 通过区间获取具体的值！
1) "three"
2) "two"
127.0.0.1:6379> RPUSH lsit right # 将一个值或多个值，插入列表的尾部（右）
(integer) 1
127.0.0.1:6379> RPUSH list right
(integer) 4
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
3) "one"
4) "right"
# --------------------------------------------------------
127.0.0.1:6379> LRANGE list 0 -1 # 获取list中的值！
1) "three"
2) "two"
3) "one"
4) "right"
127.0.0.1:6379> LPOP list # 移除list的第一个元素！
"three"
127.0.0.1:6379> RPOP list # 移除list的最后一个元素！
"right"
127.0.0.1:6379> LRANGE list 0 -1
1) "two"
2) "one"
# --------------------------------------------------------
Lindex
127.0.0.1:6379> LRANGE list 0 -1
1) "two"
2) "one"
127.0.0.1:6379> LINDEX list 1 # 通过下标获取 list 中的某一个值！
"one"
127.0.0.1:6379> lindex list 0
"two"
# --------------------------------------------------------
Llen
127.0.0.1:6379> LPUSH list one
(integer) 1
127.0.0.1:6379> LPUSH list two
(integer) 2
127.0.0.1:6379> LPUSH list three
(integer) 3
127.0.0.1:6379> LLEN list # 返回列表的长度！
(integer) 3
# --------------------------------------------------------
移除指定的值！
Lrem
127.0.0.1:6379> LRANGE list 0 -1
1) "three"
2) "two"
3) "one"
127.0.0.1:6379> LREM list 1 one # 移除list集合中指定个数的value，精确匹配！
(integer) 1
127.0.0.1:6379> lrange list 0 -1
1) "three"
2) "two"
127.0.0.1:6379> lrem list 1 three
(integer) 1
127.0.0.1:6379> lrange list 0 -1
1) "two"
127.0.0.1:6379> LPUSH list three
(integer) 2
127.0.0.1:6379> LPUSH list three
(integer) 3
127.0.0.1:6379> lrem list 2 three
(integer) 2
127.0.0.1:6379> LRANGE list 0 -1
1) "two"
# --------------------------------------------------------
trim 修剪： list 截断！
LTRIM
127.0.0.1:6379> keys *
(empty array)
127.0.0.1:6379> RPUSH mylist "hello"
(integer) 1
127.0.0.1:6379> RPUSH mylist "hello1"
(integer) 2
127.0.0.1:6379> RPUSH mylist "hello2"
(integer) 3
127.0.0.1:6379> RPUSH mylist "hello3"
(integer) 4
127.0.0.1:6379> LTRIM mylist 1 2 # 通过下标截取指定的长度，这个list已经被改变了，截取了只剩下截取的元素！
OK
127.0.0.1:6379> LRANGE mylist 0 -1
1) "hello1"
2) "hello2"
# --------------------------------------------------------
rpoplpush # 移除列表中的最后一个元素，将它移动到新的列表中！
127.0.0.1:6379> RPUSH mylist "hello"
(integer) 1
127.0.0.1:6379> RPUSH mylist "hello1"
(integer) 2
127.0.0.1:6379> RPUSH mylist "hello12"
(integer) 3
127.0.0.1:6379> RPOPLPUSH mylist myotherlist # 移除列表中的最后一个元素，将它移动到新的列表中！
"hello12"
127.0.0.1:6379> lrange mylist 0 -1 # 查看原来的列表！
1) "hello"
2) "hello1"
127.0.0.1:6379> lrange myotherlist 0 -1 # 查看目标列表中确实存在该值了！
1) "hello12"
# --------------------------------------------------------
lset # 将列表中指定下标的值替换为另一个值，更新操作！
127.0.0.1:6379> EXISTS list # 判断这个列表是否存在！
(integer) 0
127.0.0.1:6379> lset list 0 item # 如果不存在列表，我们更新就会报错！
(error) ERR no such key
127.0.0.1:6379> lpush list value
(integer) 1
127.0.0.1:6379> lrange list 0 -1
1) "value"
127.0.0.1:6379> lset list 0 item # 如果存在，更新当前下标的值！
OK
127.0.0.1:6379> lrange list 0 0
1) "item"
127.0.0.1:6379> lset list 1 other # 如果不存在，就会报错！
(error) ERR index out of range
# --------------------------------------------------------
linsert # 将某个具体的value插入到指定元素的前面或者后面！
127.0.0.1:6379> rpush mylist hello
(integer) 1
127.0.0.1:6379> rpush mylist word
(integer) 2
127.0.0.1:6379> LINSERT mylist before "word" "other"
(integer) 3
127.0.0.1:6379> lrange mylist 0 -1
1) "hello"
2) "other"
3) "word"
127.0.0.1:6379> LINSERT mylist after word ok
(integer) 4
127.0.0.1:6379> lrange mylist 0 -1
1) "hello"
2) "other"
3) "word"
4) "ok"
# --------------------------------------------------------小结
- 他实际上是一个链表，before Node after ，left、right 都可以插入值！
- 如果key不存在，创建新的链表
- 如果key存在，新增内容
- 如果移除了所有值，空链表，也代表不存在！
- 在两遍插入或者改动值，效率最高！中间元素，相对来说效率低一点！
消息排队！消息队列（Lpush Rpop） 、桟（Lpush Lpop ）！
Set
set中的值是不能重复的！
| 命令 | 描述 |
|---|---|
SADD key member1[member2..] |
向集合中无序增加一个/多个成员 |
SCARD key |
获取集合的成员数 |
SMEMBERS key |
返回集合中所有的成员 |
SISMEMBER key member |
查询member元素是否是集合的成员,结果是无序的 |
SRANDMEMBER key [count] |
随机返回集合中count个成员，count缺省值为1 |
SPOP key [count] |
随机移除并返回集合中count个成员，count缺省值为1 |
SRANDMEMBER key [count] |
随机返回集合中count个成员，count缺省值为1 |
SPOP key [count] |
随机移除并返回集合中count个成员，count缺省值为1 |
SDIFF key1[key2..] |
返回所有集合的差集 key1- key2 - … |
SDIFFSTORE destination key1[key2..] |
在SDIFF的基础上，将结果保存到集合中==(覆盖)==。不能保存到其他类型key噢！ |
SINTER key1 [key2..] |
返回所有集合的交集 |
SINTERSTORE destination key1[key2..] |
在SINTER的基础上，存储结果到集合中。覆盖 |
SUNION key1 [key2..] |
返回所有集合的并集 |
SUNIONSTORE destination key1 [key2..] |
在SUNION的基础上，存储结果到及和张。覆盖 |
SSCAN KEY [MATCH pattern] [COUNT count] |
在大量数据环境下，使用此命令遍历集合中元素，每次遍历部分 |
# --------------------------------------------------------
- sadd
- smembers
- sismember
127.0.0.1:6379> sadd myset hello # 在set中添加元素
(integer) 1
127.0.0.1:6379> sadd myset kuangshen
(integer) 1
127.0.0.1:6379> SMEMBERS myset # 查看指定set的所有值
1) "hello"
2) "kuangshen"
127.0.0.1:6379> sadd myset kuangshen java
(integer) 1
127.0.0.1:6379> SMEMBERS myset
1) "java"
2) "hello"
3) "kuangshen"
127.0.0.1:6379> SISMEMBER myset hello # 判断某一个值是不是在set集合中！
(integer) 1
127.0.0.1:6379> SISMEMBER myset word
(integer) 0
# --------------------------------------------------------
- scard
127.0.0.1:6379> scard myset # 获取set集合中的元素个数！
(integer) 3
# --------------------------------------------------------
-rem
127.0.0.1:6379> srem myset hello # 移除set中的指定元素！
(integer) 1
127.0.0.1:6379> scard myset
(integer) 2
127.0.0.1:6379> smembers myset
1) "java"
2) "kuangshen"
# --------------------------------------------------------
set 无序不重复集合，抽随机！
127.0.0.1:6379> SRANDMEMBER myset # 随机抽选出一个元素
"java"
127.0.0.1:6379> SRANDMEMBER myset
"kuangshen"
127.0.0.1:6379> SRANDMEMBER myset
"kuangshen"
127.0.0.1:6379> SRANDMEMBER myset
"kuangshen"
127.0.0.1:6379> SRANDMEMBER myset
"java"
127.0.0.1:6379> SRANDMEMBER myset 1 # 随机抽选出指定个数的元素!
"java"
# --------------------------------------------------------
删除指定的key，随机删除key！
127.0.0.1:6379> SMEMBERS myset
1) "java"
2) "kuangshen"
127.0.0.1:6379> spop myset # 随机删除一些set集合中的元素！
"kuangshen"
127.0.0.1:6379> SMEMBERS myset
1) "java"
# --------------------------------------------------------
将一个指定的值，移动到另一个set集合！
127.0.0.1:6379> sadd myset hello
(integer) 1
127.0.0.1:6379> sadd myset word
(integer) 1
127.0.0.1:6379> sadd myset kuangshen
(integer) 1
127.0.0.1:6379> sadd myset2 set2
(integer) 1
127.0.0.1:6379> SMOVE myset myset2 kuangshen # 将一个指定的值，移动到另一个set集合！
(integer) 1
127.0.0.1:6379> SMEMBERS myset
1) "hello"
2) "word"
127.0.0.1:6379> SMEMBERS myset2
1) "kuangshen"
2) "set2"
# --------------------------------------------------------
微博，B站，共同好友！（并集）
数字集合类：
- 差集 SIDFF
- 交集 SINTER
- 并集 SUNION
127.0.0.1:6379> sadd key1 a
(integer) 1
127.0.0.1:6379> sadd key1 b
(integer) 1
127.0.0.1:6379> sadd key1 c
(integer) 1
127.0.0.1:6379> sadd key2 c
(integer) 1
127.0.0.1:6379> sadd key2 d
(integer) 1
127.0.0.1:6379> sadd key2 e
(integer) 1
127.0.0.1:6379> SDIFF key1 key2 # 差集
1) "a"
2) "b"
127.0.0.1:6379> SINTER key1 key2 # 交集 共同好友就可以这样实现
1) "c"
127.0.0.1:6379> SUNION key1 key2 # 并集
1) "e"
2) "c"
3) "b"
4) "d"
5) "a"微博，A用户将所有关注的人放在一个set集合中！将它的粉丝也放在一个集合中！
共同关注，共同爱好，二度好友，推荐好友！（六度分割理论）
Hash（哈希）
Map集合，key-Map集合！这时候这个值是一个map集合！本质和String类型没有太大区别，还是一个简单的key-value！
| 命令 | 描述 |
|---|---|
HSET key field value |
将哈希表 key 中的字段 field 的值设为 value 。重复设置同一个field会覆盖,返回0 |
HMSET key field1 value1 [field2 value2..] |
同时将多个 field-value (域-值)对设置到哈希表 key 中。 |
HSETNX key field value |
只有在字段 field 不存在时，设置哈希表字段的值。 |
HEXISTS key field |
查看哈希表 key 中，指定的字段是否存在。 |
HGET key field value |
获取存储在哈希表中指定字段的值 |
HMGET key field1 [field2..] |
获取所有给定字段的值 |
HGETALL key |
获取在哈希表key 的所有字段和值 |
HKEYS key |
获取哈希表key中所有的字段 |
HLEN key |
获取哈希表中字段的数量 |
HVALS key |
获取哈希表中所有值 |
HDEL key field1 [field2..] |
删除哈希表key中一个/多个field字段 |
HINCRBY key field n |
为哈希表 key 中的指定字段的整数值加上增量n，并返回增量后结果 一样只适用于整数型字段 |
HINCRBYFLOAT key field n |
为哈希表 key 中的指定字段的浮点数值加上增量 n。 |
HSCAN key cursor [MATCH pattern] [COUNT count] |
迭代哈希表中的键值对。 |
set myhash field kuangshen
127.0.0.1:6379> hset myhash field1 kuangshen # set一个具体的 key-value
(integer) 1
127.0.0.1:6379> hget myhash field1 # 获取一个字段值
"kuangshen"
127.0.0.1:6379> hmset myhash field1 hello field2 word # set多个 key-value
OK
127.0.0.1:6379> hmget myhash field1 field2 # 获取多个字段值
1) "hello"
2) "word"
127.0.0.1:6379> HGETALL myhash # 获取全部的数据
1) "field1"
2) "hello"
3) "field2"
4) "word"
127.0.0.1:6379> hdel myhash field1 # 删除hash指定 key字段！对应的value也就消失了！
(integer) 1
127.0.0.1:6379> HGETALL myhash
1) "field2"
2) "word"
# --------------------------------------------------------
hlen
127.0.0.1:6379> hmset myhash field1 hello field2 word
OK
127.0.0.1:6379> HGETALL myhash
1) "field2"
2) "word"
3) "field1"
4) "hello"
127.0.0.1:6379> hlen myhash # 获取hash表的字段数量！
(integer) 2
# --------------------------------------------------------
127.0.0.1:6379> HEXISTS myhash field1 # 判断hash中指定的字段是否存在！
(integer) 1
127.0.0.1:6379> HEXISTS myhash field3
(integer) 0
# --------------------------------------------------------
# 只获取所有的field
# 只获取所有的value
127.0.0.1:6379> HKEYS myhash
1) "field2"
2) "field1"
127.0.0.1:6379> HVALS myhash
1) "word"
2) "hello"
# --------------------------------------------------------
incr decr
127.0.0.1:6379> hset myhash field3 5 # 指定增量！
(integer) 1
127.0.0.1:6379> HINCRBY myhash field3 1
(integer) 6
127.0.0.1:6379> HINCRBY myhash field3 -1
(integer) 5
127.0.0.1:6379> HSETNX myhash field4 hello # 如果不存在则可以设置！
(integer) 1
127.0.0.1:6379> HSETNX myhash field4 word # 如果存在则不可以设置！
(integer) 0hash变更的数据 user name age，尤其是用户信息之类的，经常变更的信息！hash更适合于对象的存储，String更加适合字符串存储！
Zset
| 命令 | 描述 |
|---|---|
ZADD key score member1 [score2 member2] |
向有序集合添加一个或多个成员，或者更新已存在成员的分数 |
ZCARD key |
获取有序集合的成员数 |
ZCOUNT key min max |
计算在有序集合中指定区间score的成员数 |
ZINCRBY key n member |
有序集合中对指定成员的分数加上增量 n |
ZSCORE key member |
返回有序集中，成员的分数值 |
ZRANK key member |
返回有序集合中指定成员的索引 |
ZRANGE key start end |
通过索引区间返回有序集合成指定区间内的成员 |
ZRANGEBYLEX key min max |
通过字典区间返回有序集合的成员 |
ZRANGEBYSCORE key min max |
通过分数返回有序集合指定区间内的成员==-inf 和 +inf分别表示最小最大值，只支持开区间()== |
ZLEXCOUNT key min max |
在有序集合中计算指定字典区间内成员数量 |
ZREM key member1 [member2..] |
移除有序集合中一个/多个成员 |
ZREMRANGEBYLEX key min max |
移除有序集合中给定的字典区间的所有成员 |
ZREMRANGEBYRANK key start stop |
移除有序集合中给定的排名区间的所有成员 |
ZREMRANGEBYSCORE key min max |
移除有序集合中给定的分数区间的所有成员 |
ZREVRANGE key start end |
返回有序集中指定区间内的成员，通过索引，分数从高到 |
ZREVRANGEBYSCORRE key max min |
返回有序集中指定分数区间内的成员，分数从高到低排序 |
ZREVRANGEBYLEX key max min |
返回有序集中指定字典区间内的成员，按字典顺序倒序 |
ZREVRANK key member |
返回有序集合中指定成员的排名，有序集成员按分数值递减(从大到小)排序 |
ZINTERSTORE destination numkeys key1 [key2 ..] |
计算给定的一个或多个有序集的交集并将结果集存储在新的有序集合 key 中，numkeys：表示参与运算的集合数，将score相加作为结果的score |
ZUNIONSTORE destination numkeys key1 [key2..] |
计算给定的一个或多个有序集的交集并将结果集存储在新的有序集合 key 中 |
ZSCAN key cursor [MATCH pattern\] [COUNT count] |
迭代有序集合中的元素（包括元素成员和元素分值） |
在set的基础上，增加了一个值，set k1 v1 、 zset k1 score1 v1
127.0.0.1:6379> zadd myset 1 one # 添加一个值
(integer) 1
127.0.0.1:6379> zadd myset 2 two 3 three # 添加多个值
(integer) 2
127.0.0.1:6379> ZRANGE myset 0 -1
1) "one"
2) "two"
3) "three"
# --------------------------------------------------------
排序如何实现
127.0.0.1:6379> zadd salary 2500 xiaoming # 添加三个用户
(integer) 1
127.0.0.1:6379> zadd salary 5000 zhangsan
(integer) 1
127.0.0.1:6379> zadd salary 3000 zhangsan
(integer) 0
127.0.0.1:6379> zadd salary 3000 kuangshen
(integer) 1
# ZRANGEBYSCORE key min max [WITHSCORES] [LIMIT offset count ]
# Redis Zrangebyscore 返回有序集合中指定分数区间的成员列表。有序集成员按分数值递增(从小到大)次序排列。
127.0.0.1:6379> ZRANGEBYSCORE salary -inf +inf # 显示全部的用户，从小到大！
1) "xiaoming"
2) "kuangshen"
3) "zhangsan"
127.0.0.1:6379> ZRANGEBYSCORE salary -inf +inf withscores # 显示全部的用户并且附带成绩！
1) "xiaoming"
2) "2500"
3) "kuangshen"
4) "3000"
5) "zhangsan"
6) "3000"
127.0.0.1:6379> zrangebyscore salary -inf 2500 withscores # 显示工资小于2500员工的升序排序！
1) "xiaoming"
2) "2500"
127.0.0.1:6379> zrange salary 0 -1 # 从大到小进行排序！
1) "kuangshen"
2) "zhangsan"
# --------------------------------------------------------
# 移除rem中的元素
127.0.0.1:6379> zrange salary 0 -1
1) "xiaoming"
2) "kuangshen"
3) "zhangsan"
127.0.0.1:6379> ZREM salary xiaoming # 移除有序集合中的指定元素！
(integer) 1
127.0.0.1:6379> zrange salary 0 -1
1) "kuangshen"
2) "zhangsan"
127.0.0.1:6379> zcard salary # 获取有序集合中的个数！
(integer) 2
# --------------------------------------------------------
127.0.0.1:6379> zadd myset 1 hello
(integer) 1
127.0.0.1:6379> zadd myset 2 word 3 jack
(integer) 2
127.0.0.1:6379> ZCOUNT myset 1 3 # 获取指定区间的成员数量
(integer) 3
127.0.0.1:6379> ZCOUNT myset 1 2
(integer) 2除了这里的API之外，以后工作中又遇到其他不知道的，查看官方文档！
案例思路：set 排序 存储班级成绩表，工资表排行！
普通消息：1，重要消息：2，带权重进行判断！
排行榜应用实现，取Top N测试！
三种特殊数据类型
geospatial
| 命令 | 描述 |
|---|---|
geoadd key longitud(经度) latitude(纬度) member [..] |
将具体经纬度的坐标存入一个有序集合 |
geopos key member [member..] |
获取集合中的一个/多个成员坐标 |
geodist key member1 member2 [unit] |
返回两个给定位置之间的距离。默认以米作为单位。 |
| georadius key longitude latitude radius | 以给定的经纬度为中心， 返回集合包含的位置元素当中， 与中心的距离不超过给定最大距离的所有位置元素。 |
GEORADIUSBYMEMBER key member radius... |
功能与GEORADIUS相同，只是中心位置不是具体的经纬度，而是使用结合中已有的成员作为中心点。 |
geohash key member1 [member2..] |
返回一个或多个位置元素的Geohash表示。使用Geohash位置52点整数编码。 |
地理位置
朋友的定位、附近的人、打车距离计算？
Redis 的 Geo 在Redis3.2版本就推出以了！这个功能可以推算地理位置的信息，两地之间的距离，方圆几里的人！
可以查询一些测试数据：http://www.jsons.cn/lngcode/
只有一下六个命令：
官方网址：https://www.redis.net.cn/order/3685.html
geoadd
# geoadd 添加地理位置
# 规则：两级无法直接添加，我们一般会下载城市数据，直接通过java 程序一次性导入！
# 参数： key 值（维度、经度、名称）
# 有效的经度从-180度到180度。
# 有效的纬度从-85.05112878度到85.05112878度。
# 当坐标位置超出了上述指定范围时，该命令会报一个错误。
127.0.0.1:6379> geoadd china:city 39.90 110 beijing
(error) ERR invalid longitude,latitude pair 39.900000,110.000000
127.0.0.1:6379> geoadd china:city 116.40 39.90 beijing
(integer) 1
127.0.0.1:6379> geoadd china:city 121.47 31.23 shanghai
(integer) 1
127.0.0.1:6379> geoadd china:city 106.50 29.53 chongqing 114.05 22.53 shenzheng
(integer) 2
127.0.0.1:6379> geoadd china:city 120.16 30.24 hangzhou 108.96 34.26 xian
(integer) 2geopos
获取当前定位：一定是一个坐标值！
127.0.0.1:6379> geopos china:city beijing # 获取指定城市的经度和纬度！
1) 1) "116.39999896287918091"
2) "39.90000009167092543"
127.0.0.1:6379> geopos china:city xian
1) 1) "108.96000176668167114"
2) "34.25999964418929977"
127.0.0.1:6379> geopos china:city shanghai shenzheng
1) 1) "121.47000163793563843"
2) "31.22999903975783553"
2) 1) "114.04999762773513794"
2) "22.52999956292396888"geodist
两人之间的距离！
单位：
- m 表示单位为米。
- km 表示单位为千米。
- mi 表示单位为英里。
- ft 表示单位为英尺。
127.0.0.1:6379> geodist china:city beijing shenzheng
"1944681.9952"
127.0.0.1:6379> geodist china:city beijing shenzheng km # 查看北京到深圳的直线距离
"1944.6820"
127.0.0.1:6379> geodist china:city beijing shanghai km # 查看北京到上海的直线距离
"1067.3788"georadius 以给定的经纬度为中心，找出某一半径的元素！
我附近的人？（获得所有附近的人的地址，定位！）通过半径来查询！
获取指定数量的人，200
所有的数据都应该录入：china:city，才会让结果更加清晰！
127.0.0.1:6379> GEORADIUS china:city 110 30 1000 km # 以 100，30 这个经纬度为中心，寻找方圆1000km内的城市！
1) "chongqing"
2) "xian"
3) "shenzheng"
4) "hangzhou"
127.0.0.1:6379> GEORADIUS china:city 110 30 500 km
1) "chongqing"
2) "xian"
127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withdist # 显示到中心距离的位置！
1) 1) "chongqing"
2) "341.9374"
2) 1) "xian"
2) "483.8340"
127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withcoord # 显示他人的定位信息！
1) 1) "chongqing"
2) 1) "106.49999767541885376"
2) "29.52999957900659211"
2) 1) "xian"
2) 1) "108.96000176668167114"
2) "34.25999964418929977"
127.0.0.1:6379> georadius china:city 110 30 500 km withdist withcoord count 1 # 筛选出指定的结果！
1) 1) "chongqing"
2) "341.9374"
3) 1) "106.49999767541885376"
2) "29.52999957900659211"
127.0.0.1:6379> georadius china:city 110 30 500 km withdist withcoord count 2
1) 1) "chongqing"
2) "341.9374"
3) 1) "106.49999767541885376"
2) "29.52999957900659211"
2) 1) "xian"
2) "483.8340"
3) 1) "108.96000176668167114"
2) "34.25999964418929977"georadiusbymember
# 找出位于指定元素周围的其他元素！
127.0.0.1:6379> georadiusbymember china:city beijing 1000 km
1) "beijing"
2) "xian"
127.0.0.1:6379> georadiusbymember china:city shanghai 400 km
1) "hangzhou"
2) "shanghai"GEOHASH 命令 - 返回一个或多个位置元素的 Geohash 表示
该命令将返回11个字符的Geohash字符串
# 将二维的经纬度转换为一维的字符串，如果两个字符串越接近，那么距离越近！
127.0.0.1:6379> geohash china:city beijing shenzheng
1) "wx4fbxxfke0"
2) "ws105m2wv80"geo 底层的实现原理其实就是 Zset！我们可以使用Zset命令来操作geo！
127.0.0.1:6379> ZRANGE china:city 0 -1 # 查看所有的元素！
1) "chongqing"
2) "xian"
3) "shenzheng"
4) "hangzhou"
5) "shanghai"
6) "beijing"
127.0.0.1:6379> zrem china:city beijing # 移除指定元素！
(integer) 1
127.0.0.1:6379> ZRANGE china:city 0 -1
1) "chongqing"
2) "xian"
3) "shenzheng"
4) "hangzhou"
5) "shanghai"Hyperloglog
什么是基数？
A {1,3,5,7,8,7}
B {1,3,5,7,8}
基数（不重复的元素）= 5，可以接收误差！
简介
Redis 2.8.9 版本就更新了 Hyperloglog 数据结构！
Redis Hyperloglog 基数统计算法！
优点：占用的内存是固定的，2^64 不同的元素的技术，只需要废 12KB内存！如果要从内存角度来比较的话 Hyperloglog 首选！
网页的 UV（一个人访问一个网站多次，但是还是算做一个人！）
传统的方式，set 保存用户的id，然后就可以统计 set 中的元素数量作为标准判断！
这个方式如果保存大量的用户id，就会比较麻烦！
0.81% 错误率！统计UV任务，可以忽略不记的！
| 命令 | 描述 |
|---|---|
PFADD key element1 [elememt2..] |
添加指定元素到 HyperLogLog 中 |
PFCOUNT key [key] |
返回给定 HyperLogLog 的基数估算值。 |
PFMERGE destkey sourcekey [sourcekey..] |
将多个 HyperLogLog 合并为一个 HyperLogLog |
测试使用
127.0.0.1:6379> PFADD mykey a b c d e f g h i j k # 创建第一组元素 mykey
(integer) 1
127.0.0.1:6379> pfcount mykey # 统计 mykey 元素的基数数量
(integer) 11
127.0.0.1:6379> pfadd mykey2 i j k t y u # 创建第二组元素数量
(integer) 1
127.0.0.1:6379> PFCOUNT mykey2
(integer) 6
127.0.0.1:6379> PFMERGE mykey3 mykey mykey2 # 合并两组 mykey + mykey2 -> mykey3
OK
127.0.0.1:6379> pfcount mykey3 # 查看并集的数量！
(integer) 13如果允许容错，那么一定可以使用 Hyperloglog ！
如果不允许容错，就使用 set 或者自己的数据类型即可！
Bitmap
位存储
统计用户信息，活跃、不活跃！登录、未登录！打卡，365天打卡！两个状态的，都可以使用 Bitmaps！
| 命令 | 描述 |
|---|---|
setbit key offset value |
为指定key的offset位设置值 |
getbit key offset |
获取offset位的值 |
bitcount key [start end] |
统计字符串被设置为1的bit数，也可以指定统计范围按字节 |
bitop operration destkey key[key..] |
对一个或多个保存二进制位的字符串 key 进行位元操作，并将结果保存到 destkey 上。 |
BITPOS key bit [start] [end] |
返回字符串里面第一个被设置为1或者0的bit位。start和end只能按字节,不能按位 |
Bitmaps 位图，数据结构！都是操作二进制来进行记录，就只有0 和 1两个状态！
365天 = 365 bit 1字节 = 8bit 46个字节！
测试
使用bitmap 来记录 周一到周日的打卡！
周一：1 周二：0 周三：0 ……
查看某一天是否打卡！
127.0.0.1:6379> getbit sign 3
(integer) 1
127.0.0.1:6379> getbit sign 5
(integer) 0统计操作，统计打卡的天数！
127.0.0.1:6379> bitcount sign # 统计这周的打卡记录，就可以看到是否有全勤！
(integer) 4事务
Redis事务本质：一组命令的集合！一个事务中的所有命令都会被序列化，在事务执行过程中，会按照顺序执行！
一次性、顺序性、排他性！执行一系列的命令
---------- 队列 set set set 执行-----------==Redis事务没有隔离级别的概念！==
所有的命令在事务中，并没有直接被执行！只有发起执行命令的时候才会执行！Exec
==Redis单条命令是保证原子性的，但是事务是不保证原子性的==
redis的事务：
- 开启事务（multi）
- 命令入队（…）
- 执行事务（exec）
正常执行事务！
127.0.0.1:6379> multi # 开启事务
OK
# 命令入队
127.0.0.1:6379(TX)> set k1 v1
QUEUED
127.0.0.1:6379(TX)> set k2 v2
QUEUED
127.0.0.1:6379(TX)> get k2
QUEUED
127.0.0.1:6379(TX)> set k3 v3
QUEUED
127.0.0.1:6379(TX)> exec # 执行事务
1) OK
2) OK
3) "v2"
4) OK放弃事务 discard
127.0.0.1:6379> multi # 开启事务
OK
127.0.0.1:6379(TX)> set k1 v1
QUEUED
127.0.0.1:6379(TX)> set k2 v3
QUEUED
127.0.0.1:6379(TX)> set k4 v4
QUEUED
127.0.0.1:6379(TX)> discard # 放弃事务
OK
127.0.0.1:6379> get k4 # 事务队列中的命令都不会被执行！
(nil)编译型异常（代码有问题！命令有错！），事务中所有的命令都不会被执行！
127.0.0.1:6379> multi
OK
127.0.0.1:6379(TX)> set k1 v1
QUEUED
127.0.0.1:6379(TX)> set k2 v2
QUEUED
127.0.0.1:6379(TX)> set k3 v3
QUEUED
127.0.0.1:6379(TX)> getset k3 # 报错的命令！
(error) ERR wrong number of arguments for 'getset' command
127.0.0.1:6379(TX)> set k4 v4
QUEUED
127.0.0.1:6379(TX)> set k5 v5
QUEUED
127.0.0.1:6379(TX)> exec # 执行事务报错！
(error) EXECABORT Transaction discarded because of previous errors.
127.0.0.1:6379> get k5 # 所有的命令都不会被执行！
(nil)运行时异常（1/0），如果事务队列中存在语法性，那么执行命令的时候，其他命令是可以正常执行的，错误命令抛出异常！
127.0.0.1:6379> set k1 "v1"
OK
127.0.0.1:6379> multi
OK
127.0.0.1:6379(TX)> incr k1 # 执行的时候失败！
QUEUED
127.0.0.1:6379(TX)> set k2 v2
QUEUED
127.0.0.1:6379(TX)> set k3 v3
QUEUED
127.0.0.1:6379(TX)> get k3
QUEUED
127.0.0.1:6379(TX)> exec
1) (error) ERR value is not an integer or out of range # 虽然第一条命令报错了，但是依旧正常执行成功了！
2) OK
3) OK
4) "v3"
127.0.0.1:6379> get k2
"v2"
127.0.0.1:6379> get k3
"v3"监控！Watch（面试常问！）
悲观锁：
- 很悲观，认为什么时候都会出问题，无论做什么都会加锁！
乐观锁：
- 很乐观，认为什么时候都不会出现问题，所以不会上锁！更新数据的时候去判断一下，在此期间是或否有人改动过这个数据，version！
- 获取version
- 更新的时候比较 version
Redis测试监视
正常执行成功！
127.0.0.1:6379> set money 100
OK
127.0.0.1:6379> set out 0
OK
127.0.0.1:6379> watch money # 监视 money 对象
OK
127.0.0.1:6379> MULTI # 事务正常结束，数据期间没有发生变动，这个时候就正常执行成功！
OK
127.0.0.1:6379(TX)> decrby money 20
QUEUED
127.0.0.1:6379(TX)> INCRBY out 20
QUEUED
127.0.0.1:6379(TX)> exec
1) (integer) 80
2) (integer) 20测试多线程修改值，使用watch 可以当做redis的乐观锁操作！
127.0.0.1:6379> watch money # 监视 money
OK
127.0.0.1:6379> multi
OK
127.0.0.1:6379(TX)> DECRBY money 10
QUEUED
127.0.0.1:6379(TX)> INCRBY out 10
QUEUED
127.0.0.1:6379(TX)> exec # 执行之前，另外一个线程，修改了我们的值，这个时候，就会导致事务执行失败！
(nil)如果修改失败，获取最新的值就可以了！
Jedis
我们要使用 Java 来操作Redis
什么是 Jedis 是 Redis 官方那个推荐的 java连接开发工具！使用 java操作 Redis中间件！如果你要使用 java 操作redis，那么一定要对 jedis十分的熟悉！
知其然并知其所以然，授人以渔！学习不能急躁，慢慢来会很快！
测试
1、导入对应的依赖！
<!--导入jedis依赖-->
<dependencies>
<!-- https://mvnrepository.com/artifact/redis.clients/jedis -->
<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>4.2.3</version>
</dependency>
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>1.2.44</version>
</dependency>
</dependencies>2、测试编码：
- 连接数据库
- 操作命令
- 断开连接！
package com.example;
import redis.clients.jedis.Jedis;
public class TestPing {
public static void main(String[] args) {
// 1、new jedis 对象
Jedis jedis = new Jedis("127.0.0.1",6379);
// jedis 所有的命令就是我们之前学习的所有指令！
System.out.println(jedis.ping());
}
}输出：
常用的API
String
List
Set
Hash
Zset
所有的api命令，就是我们对应的上面的学习指令，没有任何变化！事务
package com.example;
import com.alibaba.fastjson.JSONObject;
import redis.clients.jedis.Jedis;
import redis.clients.jedis.Transaction;
public class TestTX {
public static void main(String[] args) {
Jedis jedis = new Jedis("127.0.0.1", 6379);
jedis.flushDB();
JSONObject jsonObject = new JSONObject();
jsonObject.put("hello","word");
jsonObject.put("name","redis");
// 开启事务
Transaction multi = jedis.multi();
String result = jsonObject.toJSONString();
// jedis.watch(result); // 监控！
try {
multi.set("user1",result);
multi.set("user2",result);
int i = 1/0; // 代码抛出异常，执行失败！
multi.exec(); // 执行事务！
} catch (Exception e) {
multi.discard(); // 放弃事务！
e.printStackTrace();
} finally {
System.out.println(jedis.get("user1"));
System.out.println(jedis.get("user2"));
multi.close(); // 关闭连接！
}
}
}
SpringBoot整合
SpringBoot 操作数据：spring-data jpa jdbc mongodb redis！
SpringData 也是和 springboot 启名的项目！
说明：在springboot 2.x 之后，原来使用的jedis 被替换成为了 lettuce !
jedis：采用的是直连，多个线程池操作的话，是不安全的，如果想要避免不安全，使用 jedis pool 连接池！更像 NIO 模式！
lettuce：采用netty，实例可以在多个线程中进行共享，不存在线程不安全的情况！可以减少线程数据了，更像 NIO模式 !
源码分析：
@Bean
@ConditionalOnMissingBean(name = "redisTemplate") //我们可以自己定义一个redisTemplate来替换这个默认的！
public RedisTemplate<Object, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory)
throws UnknownHostException {
// 默认的 RedisTemplate 没有过多的设置，redis 对象都是需要序列化！
// 两个泛型都是 <Object, Object> 的类型，我们后面使用需要强制转换类型 <String, Object>
RedisTemplate<Object, Object> template = new RedisTemplate<>();
template.setConnectionFactory(redisConnectionFactory);
return template;
}
@Bean
@ConditionalOnMissingBean // 由于 String类型是redis最常使用的类型，所以单独提出来了一个bean！
public StringRedisTemplate stringRedisTemplate(RedisConnectionFactory redisConnectionFactory)
throws UnknownHostException {
StringRedisTemplate template = new StringRedisTemplate();
template.setConnectionFactory(redisConnectionFactory);
return template;
}整合测试！
1、导入依赖！
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>2、配置连接
# 应用名称
spring.application.name=redis-02-springboot
# 应用服务 WEB 访问端口
server.port=8080
# springboot 所有的配置类，都有一个自动配置类 RedisAutoConfiguration
# 自动配置类都会绑定一个properties配置文件 RedisProperties
# 配置redis
spring.redis.host=127.0.0.1
spring.redis.port=6379
3、测试连接！
package com.example;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.redis.core.RedisTemplate;
@SpringBootTest
class Redis02SpringbootApplicationTests {
@Autowired
private RedisTemplate redisTemplate;
@Test
void contextLoads() {
/**
* redisTemplate 操作不同的数据类型 ，api和我们的指令是一样的！
* opsForValue 操作字符串
* opsForList 操作List
* opsForHash 操作hash
* opsForSet 操作set
* opsForZSet 操作Zset
* opsForGeo 操作geo
* opsForHyperLogLog 操作hyperloglog
*
* 除了基本的操作，我们常用的方法都可以直接通过redisTemplate操作，比如：事务、CRUD ！
*/
// 获取redis连接对象！
//RedisConnection connection = redisTemplate.getConnectionFactory().getConnection();
//connection.flushDb();
//connection.flushAll();
redisTemplate.opsForValue().set("mykey","redis study!");
System.out.println(redisTemplate.opsForValue().get("mykey"));
}
}
关于对象的保存：
@Test
void test() throws JsonProcessingException {
// 真实的开发都是使用json 进行对象的传递
User user = new User("redis", 3);
//String jsonUser = new ObjectMapper().writeValueAsString(user);
redisTemplate.opsForValue().set("user",user);
System.out.println(redisTemplate.opsForValue().get("user"));
}
在这里我们会发现自动配置类其实并不好用，所以我们自己进行配置一个RedisTemplate！
默认的RedisSerializer 是jdk，我们可以设置如下！
RedisTemplate
package com.example.config;
import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;
@Configuration
public class RedisConfig {
// 编写我们自己的 redisTemplate
@Bean
@SuppressWarnings("all")
public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {
RedisTemplate<String, Object> template = new RedisTemplate<String, Object>();
template.setConnectionFactory(factory);
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);
StringRedisSerializer stringRedisSerializer = new StringRedisSerializer();
// key采用String的序列化方式
template.setKeySerializer(stringRedisSerializer);
// hash的key也采用String的序列化方式
template.setHashKeySerializer(stringRedisSerializer);
// value序列化方式采用jackson
template.setValueSerializer(jackson2JsonRedisSerializer);
// hash的value序列化方式采用jackson
template.setHashValueSerializer(jackson2JsonRedisSerializer);
template.afterPropertiesSet();
return template;
}
}直接用RedisTemplate操作Redis，需要很多行代码，因此直接封装好一个RedisUtils，这样写代码更方便点。这个RedisUtils交给Spring容器实例化，使用时直接注解注入。
Redis工具类
package com.example.utils;
import org.springframework.data.redis.connection.DataType;
import org.springframework.data.redis.core.Cursor;
import org.springframework.data.redis.core.ScanOptions;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.ZSetOperations.TypedTuple;
import java.util.Collection;
import java.util.Date;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
import java.util.Set;
import java.util.concurrent.TimeUnit;
/**
* Redis工具类*/
public class RedisUtil {
private StringRedisTemplate redisTemplate;
public void setRedisTemplate(StringRedisTemplate redisTemplate) {
this.redisTemplate = redisTemplate;
}
public StringRedisTemplate getRedisTemplate() {
return this.redisTemplate;
}
/** -------------------key相关操作--------------------- */
/**
* 删除key
*
* @param key
*/
public void delete(String key) {
redisTemplate.delete(key);
}
/**
* 批量删除key
*
* @param keys
*/
public void delete(Collection<String> keys) {
redisTemplate.delete(keys);
}
/**
* 序列化key
*
* @param key
* @return
*/
public byte[] dump(String key) {
return redisTemplate.dump(key);
}
/**
* 是否存在key
*
* @param key
* @return
*/
public Boolean hasKey(String key) {
return redisTemplate.hasKey(key);
}
/**
* 设置过期时间
*
* @param key
* @param timeout
* @param unit
* @return
*/
public Boolean expire(String key, long timeout, TimeUnit unit) {
return redisTemplate.expire(key, timeout, unit);
}
/**
* 设置过期时间
*
* @param key
* @param date
* @return
*/
public Boolean expireAt(String key, Date date) {
return redisTemplate.expireAt(key, date);
}
/**
* 查找匹配的key
*
* @param pattern
* @return
*/
public Set<String> keys(String pattern) {
return redisTemplate.keys(pattern);
}
/**
* 将当前数据库的 key 移动到给定的数据库 db 当中
*
* @param key
* @param dbIndex
* @return
*/
public Boolean move(String key, int dbIndex) {
return redisTemplate.move(key, dbIndex);
}
/**
* 移除 key 的过期时间，key 将持久保持
*
* @param key
* @return
*/
public Boolean persist(String key) {
return redisTemplate.persist(key);
}
/**
* 返回 key 的剩余的过期时间
*
* @param key
* @param unit
* @return
*/
public Long getExpire(String key, TimeUnit unit) {
return redisTemplate.getExpire(key, unit);
}
/**
* 返回 key 的剩余的过期时间
*
* @param key
* @return
*/
public Long getExpire(String key) {
return redisTemplate.getExpire(key);
}
/**
* 从当前数据库中随机返回一个 key
*
* @return
*/
public String randomKey() {
return redisTemplate.randomKey();
}
/**
* 修改 key 的名称
*
* @param oldKey
* @param newKey
*/
public void rename(String oldKey, String newKey) {
redisTemplate.rename(oldKey, newKey);
}
/**
* 仅当 newkey 不存在时，将 oldKey 改名为 newkey
*
* @param oldKey
* @param newKey
* @return
*/
public Boolean renameIfAbsent(String oldKey, String newKey) {
return redisTemplate.renameIfAbsent(oldKey, newKey);
}
/**
* 返回 key 所储存的值的类型
*
* @param key
* @return
*/
public DataType type(String key) {
return redisTemplate.type(key);
}
/** -------------------string相关操作--------------------- */
/**
* 设置指定 key 的值
* @param key
* @param value
*/
public void set(String key, String value) {
redisTemplate.opsForValue().set(key, value);
}
/**
* 获取指定 key 的值
* @param key
* @return
*/
public String get(String key) {
return redisTemplate.opsForValue().get(key);
}
/**
* 返回 key 中字符串值的子字符
* @param key
* @param start
* @param end
* @return
*/
public String getRange(String key, long start, long end) {
return redisTemplate.opsForValue().get(key, start, end);
}
/**
* 将给定 key 的值设为 value ，并返回 key 的旧值(old value)
*
* @param key
* @param value
* @return
*/
public String getAndSet(String key, String value) {
return redisTemplate.opsForValue().getAndSet(key, value);
}
/**
* 对 key 所储存的字符串值，获取指定偏移量上的位(bit)
*
* @param key
* @param offset
* @return
*/
public Boolean getBit(String key, long offset) {
return redisTemplate.opsForValue().getBit(key, offset);
}
/**
* 批量获取
*
* @param keys
* @return
*/
public List<String> multiGet(Collection<String> keys) {
return redisTemplate.opsForValue().multiGet(keys);
}
/**
* 设置ASCII码, 字符串'a'的ASCII码是97, 转为二进制是'01100001', 此方法是将二进制第offset位值变为value
*
* @param key 位置
* @param value
* 值,true为1, false为0
* @return
*/
public boolean setBit(String key, long offset, boolean value) {
return redisTemplate.opsForValue().setBit(key, offset, value);
}
/**
* 将值 value 关联到 key ，并将 key 的过期时间设为 timeout
*
* @param key
* @param value
* @param timeout
* 过期时间
* @param unit
* 时间单位, 天:TimeUnit.DAYS 小时:TimeUnit.HOURS 分钟:TimeUnit.MINUTES
* 秒:TimeUnit.SECONDS 毫秒:TimeUnit.MILLISECONDS
*/
public void setEx(String key, String value, long timeout, TimeUnit unit) {
redisTemplate.opsForValue().set(key, value, timeout, unit);
}
/**
* 只有在 key 不存在时设置 key 的值
*
* @param key
* @param value
* @return 之前已经存在返回false,不存在返回true
*/
public boolean setIfAbsent(String key, String value) {
return redisTemplate.opsForValue().setIfAbsent(key, value);
}
/**
* 用 value 参数覆写给定 key 所储存的字符串值，从偏移量 offset 开始
*
* @param key
* @param value
* @param offset
* 从指定位置开始覆写
*/
public void setRange(String key, String value, long offset) {
redisTemplate.opsForValue().set(key, value, offset);
}
/**
* 获取字符串的长度
*
* @param key
* @return
*/
public Long size(String key) {
return redisTemplate.opsForValue().size(key);
}
/**
* 批量添加
*
* @param maps
*/
public void multiSet(Map<String, String> maps) {
redisTemplate.opsForValue().multiSet(maps);
}
/**
* 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
*
* @param maps
* @return 之前已经存在返回false,不存在返回true
*/
public boolean multiSetIfAbsent(Map<String, String> maps) {
return redisTemplate.opsForValue().multiSetIfAbsent(maps);
}
/**
* 增加(自增长), 负数则为自减
*
* @param key
* @return
*/
public Long incrBy(String key, long increment) {
return redisTemplate.opsForValue().increment(key, increment);
}
/**
*
* @param key
* @return
*/
public Double incrByFloat(String key, double increment) {
return redisTemplate.opsForValue().increment(key, increment);
}
/**
* 追加到末尾
*
* @param key
* @param value
* @return
*/
public Integer append(String key, String value) {
return redisTemplate.opsForValue().append(key, value);
}
/** -------------------hash相关操作------------------------- */
/**
* 获取存储在哈希表中指定字段的值
*
* @param key
* @param field
* @return
*/
public Object hGet(String key, String field) {
return redisTemplate.opsForHash().get(key, field);
}
/**
* 获取所有给定字段的值
*
* @param key
* @return
*/
public Map<Object, Object> hGetAll(String key) {
return redisTemplate.opsForHash().entries(key);
}
/**
* 获取所有给定字段的值
*
* @param key
* @param fields
* @return
*/
public List<Object> hMultiGet(String key, Collection<Object> fields) {
return redisTemplate.opsForHash().multiGet(key, fields);
}
public void hPut(String key, String hashKey, String value) {
redisTemplate.opsForHash().put(key, hashKey, value);
}
public void hPutAll(String key, Map<String, String> maps) {
redisTemplate.opsForHash().putAll(key, maps);
}
/**
* 仅当hashKey不存在时才设置
*
* @param key
* @param hashKey
* @param value
* @return
*/
public Boolean hPutIfAbsent(String key, String hashKey, String value) {
return redisTemplate.opsForHash().putIfAbsent(key, hashKey, value);
}
/**
* 删除一个或多个哈希表字段
*
* @param key
* @param fields
* @return
*/
public Long hDelete(String key, Object... fields) {
return redisTemplate.opsForHash().delete(key, fields);
}
/**
* 查看哈希表 key 中，指定的字段是否存在
*
* @param key
* @param field
* @return
*/
public boolean hExists(String key, String field) {
return redisTemplate.opsForHash().hasKey(key, field);
}
/**
* 为哈希表 key 中的指定字段的整数值加上增量 increment
*
* @param key
* @param field
* @param increment
* @return
*/
public Long hIncrBy(String key, Object field, long increment) {
return redisTemplate.opsForHash().increment(key, field, increment);
}
/**
* 为哈希表 key 中的指定字段的整数值加上增量 increment
*
* @param key
* @param field
* @param delta
* @return
*/
public Double hIncrByFloat(String key, Object field, double delta) {
return redisTemplate.opsForHash().increment(key, field, delta);
}
/**
* 获取所有哈希表中的字段
*
* @param key
* @return
*/
public Set<Object> hKeys(String key) {
return redisTemplate.opsForHash().keys(key);
}
/**
* 获取哈希表中字段的数量
*
* @param key
* @return
*/
public Long hSize(String key) {
return redisTemplate.opsForHash().size(key);
}
/**
* 获取哈希表中所有值
*
* @param key
* @return
*/
public List<Object> hValues(String key) {
return redisTemplate.opsForHash().values(key);
}
/**
* 迭代哈希表中的键值对
*
* @param key
* @param options
* @return
*/
public Cursor<Entry<Object, Object>> hScan(String key, ScanOptions options) {
return redisTemplate.opsForHash().scan(key, options);
}
/** ------------------------list相关操作---------------------------- */
/**
* 通过索引获取列表中的元素
*
* @param key
* @param index
* @return
*/
public String lIndex(String key, long index) {
return redisTemplate.opsForList().index(key, index);
}
/**
* 获取列表指定范围内的元素
*
* @param key
* @param start
* 开始位置, 0是开始位置
* @param end
* 结束位置, -1返回所有
* @return
*/
public List<String> lRange(String key, long start, long end) {
return redisTemplate.opsForList().range(key, start, end);
}
/**
* 存储在list头部
*
* @param key
* @param value
* @return
*/
public Long lLeftPush(String key, String value) {
return redisTemplate.opsForList().leftPush(key, value);
}
/**
*
* @param key
* @param value
* @return
*/
public Long lLeftPushAll(String key, String... value) {
return redisTemplate.opsForList().leftPushAll(key, value);
}
/**
*
* @param key
* @param value
* @return
*/
public Long lLeftPushAll(String key, Collection<String> value) {
return redisTemplate.opsForList().leftPushAll(key, value);
}
/**
* 当list存在的时候才加入
*
* @param key
* @param value
* @return
*/
public Long lLeftPushIfPresent(String key, String value) {
return redisTemplate.opsForList().leftPushIfPresent(key, value);
}
/**
* 如果pivot存在,再pivot前面添加
*
* @param key
* @param pivot
* @param value
* @return
*/
public Long lLeftPush(String key, String pivot, String value) {
return redisTemplate.opsForList().leftPush(key, pivot, value);
}
/**
*
* @param key
* @param value
* @return
*/
public Long lRightPush(String key, String value) {
return redisTemplate.opsForList().rightPush(key, value);
}
/**
*
* @param key
* @param value
* @return
*/
public Long lRightPushAll(String key, String... value) {
return redisTemplate.opsForList().rightPushAll(key, value);
}
/**
*
* @param key
* @param value
* @return
*/
public Long lRightPushAll(String key, Collection<String> value) {
return redisTemplate.opsForList().rightPushAll(key, value);
}
/**
* 为已存在的列表添加值
*
* @param key
* @param value
* @return
*/
public Long lRightPushIfPresent(String key, String value) {
return redisTemplate.opsForList().rightPushIfPresent(key, value);
}
/**
* 在pivot元素的右边添加值
*
* @param key
* @param pivot
* @param value
* @return
*/
public Long lRightPush(String key, String pivot, String value) {
return redisTemplate.opsForList().rightPush(key, pivot, value);
}
/**
* 通过索引设置列表元素的值
*
* @param key
* @param index
* 位置
* @param value
*/
public void lSet(String key, long index, String value) {
redisTemplate.opsForList().set(key, index, value);
}
/**
* 移出并获取列表的第一个元素
*
* @param key
* @return 删除的元素
*/
public String lLeftPop(String key) {
return redisTemplate.opsForList().leftPop(key);
}
/**
* 移出并获取列表的第一个元素， 如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止
*
* @param key
* @param timeout
* 等待时间
* @param unit
* 时间单位
* @return
*/
public String lBLeftPop(String key, long timeout, TimeUnit unit) {
return redisTemplate.opsForList().leftPop(key, timeout, unit);
}
/**
* 移除并获取列表最后一个元素
*
* @param key
* @return 删除的元素
*/
public String lRightPop(String key) {
return redisTemplate.opsForList().rightPop(key);
}
/**
* 移出并获取列表的最后一个元素， 如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止
*
* @param key
* @param timeout
* 等待时间
* @param unit
* 时间单位
* @return
*/
public String lBRightPop(String key, long timeout, TimeUnit unit) {
return redisTemplate.opsForList().rightPop(key, timeout, unit);
}
/**
* 移除列表的最后一个元素，并将该元素添加到另一个列表并返回
*
* @param sourceKey
* @param destinationKey
* @return
*/
public String lRightPopAndLeftPush(String sourceKey, String destinationKey) {
return redisTemplate.opsForList().rightPopAndLeftPush(sourceKey,
destinationKey);
}
/**
* 从列表中弹出一个值，将弹出的元素插入到另外一个列表中并返回它； 如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止
*
* @param sourceKey
* @param destinationKey
* @param timeout
* @param unit
* @return
*/
public String lBRightPopAndLeftPush(String sourceKey, String destinationKey,
long timeout, TimeUnit unit) {
return redisTemplate.opsForList().rightPopAndLeftPush(sourceKey,
destinationKey, timeout, unit);
}
/**
* 删除集合中值等于value得元素
*
* @param key
* @param index
* index=0, 删除所有值等于value的元素; index>0, 从头部开始删除第一个值等于value的元素;
* index<0, 从尾部开始删除第一个值等于value的元素;
* @param value
* @return
*/
public Long lRemove(String key, long index, String value) {
return redisTemplate.opsForList().remove(key, index, value);
}
/**
* 裁剪list
*
* @param key
* @param start
* @param end
*/
public void lTrim(String key, long start, long end) {
redisTemplate.opsForList().trim(key, start, end);
}
/**
* 获取列表长度
*
* @param key
* @return
*/
public Long lLen(String key) {
return redisTemplate.opsForList().size(key);
}
/** --------------------set相关操作-------------------------- */
/**
* set添加元素
*
* @param key
* @param values
* @return
*/
public Long sAdd(String key, String... values) {
return redisTemplate.opsForSet().add(key, values);
}
/**
* set移除元素
*
* @param key
* @param values
* @return
*/
public Long sRemove(String key, Object... values) {
return redisTemplate.opsForSet().remove(key, values);
}
/**
* 移除并返回集合的一个随机元素
*
* @param key
* @return
*/
public String sPop(String key) {
return redisTemplate.opsForSet().pop(key);
}
/**
* 将元素value从一个集合移到另一个集合
*
* @param key
* @param value
* @param destKey
* @return
*/
public Boolean sMove(String key, String value, String destKey) {
return redisTemplate.opsForSet().move(key, value, destKey);
}
/**
* 获取集合的大小
*
* @param key
* @return
*/
public Long sSize(String key) {
return redisTemplate.opsForSet().size(key);
}
/**
* 判断集合是否包含value
*
* @param key
* @param value
* @return
*/
public Boolean sIsMember(String key, Object value) {
return redisTemplate.opsForSet().isMember(key, value);
}
/**
* 获取两个集合的交集
*
* @param key
* @param otherKey
* @return
*/
public Set<String> sIntersect(String key, String otherKey) {
return redisTemplate.opsForSet().intersect(key, otherKey);
}
/**
* 获取key集合与多个集合的交集
*
* @param key
* @param otherKeys
* @return
*/
public Set<String> sIntersect(String key, Collection<String> otherKeys) {
return redisTemplate.opsForSet().intersect(key, otherKeys);
}
/**
* key集合与otherKey集合的交集存储到destKey集合中
*
* @param key
* @param otherKey
* @param destKey
* @return
*/
public Long sIntersectAndStore(String key, String otherKey, String destKey) {
return redisTemplate.opsForSet().intersectAndStore(key, otherKey,
destKey);
}
/**
* key集合与多个集合的交集存储到destKey集合中
*
* @param key
* @param otherKeys
* @param destKey
* @return
*/
public Long sIntersectAndStore(String key, Collection<String> otherKeys,
String destKey) {
return redisTemplate.opsForSet().intersectAndStore(key, otherKeys,
destKey);
}
/**
* 获取两个集合的并集
*
* @param key
* @param otherKeys
* @return
*/
public Set<String> sUnion(String key, String otherKeys) {
return redisTemplate.opsForSet().union(key, otherKeys);
}
/**
* 获取key集合与多个集合的并集
*
* @param key
* @param otherKeys
* @return
*/
public Set<String> sUnion(String key, Collection<String> otherKeys) {
return redisTemplate.opsForSet().union(key, otherKeys);
}
/**
* key集合与otherKey集合的并集存储到destKey中
*
* @param key
* @param otherKey
* @param destKey
* @return
*/
public Long sUnionAndStore(String key, String otherKey, String destKey) {
return redisTemplate.opsForSet().unionAndStore(key, otherKey, destKey);
}
/**
* key集合与多个集合的并集存储到destKey中
*
* @param key
* @param otherKeys
* @param destKey
* @return
*/
public Long sUnionAndStore(String key, Collection<String> otherKeys,
String destKey) {
return redisTemplate.opsForSet().unionAndStore(key, otherKeys, destKey);
}
/**
* 获取两个集合的差集
*
* @param key
* @param otherKey
* @return
*/
public Set<String> sDifference(String key, String otherKey) {
return redisTemplate.opsForSet().difference(key, otherKey);
}
/**
* 获取key集合与多个集合的差集
*
* @param key
* @param otherKeys
* @return
*/
public Set<String> sDifference(String key, Collection<String> otherKeys) {
return redisTemplate.opsForSet().difference(key, otherKeys);
}
/**
* key集合与otherKey集合的差集存储到destKey中
*
* @param key
* @param otherKey
* @param destKey
* @return
*/
public Long sDifference(String key, String otherKey, String destKey) {
return redisTemplate.opsForSet().differenceAndStore(key, otherKey,
destKey);
}
/**
* key集合与多个集合的差集存储到destKey中
*
* @param key
* @param otherKeys
* @param destKey
* @return
*/
public Long sDifference(String key, Collection<String> otherKeys,
String destKey) {
return redisTemplate.opsForSet().differenceAndStore(key, otherKeys,
destKey);
}
/**
* 获取集合所有元素
*
* @param key
* @return
*/
public Set<String> setMembers(String key) {
return redisTemplate.opsForSet().members(key);
}
/**
* 随机获取集合中的一个元素
*
* @param key
* @return
*/
public String sRandomMember(String key) {
return redisTemplate.opsForSet().randomMember(key);
}
/**
* 随机获取集合中count个元素
*
* @param key
* @param count
* @return
*/
public List<String> sRandomMembers(String key, long count) {
return redisTemplate.opsForSet().randomMembers(key, count);
}
/**
* 随机获取集合中count个元素并且去除重复的
*
* @param key
* @param count
* @return
*/
public Set<String> sDistinctRandomMembers(String key, long count) {
return redisTemplate.opsForSet().distinctRandomMembers(key, count);
}
/**
*
* @param key
* @param options
* @return
*/
public Cursor<String> sScan(String key, ScanOptions options) {
return redisTemplate.opsForSet().scan(key, options);
}
/**------------------zSet相关操作--------------------------------*/
/**
* 添加元素,有序集合是按照元素的score值由小到大排列
*
* @param key
* @param value
* @param score
* @return
*/
public Boolean zAdd(String key, String value, double score) {
return redisTemplate.opsForZSet().add(key, value, score);
}
/**
*
* @param key
* @param values
* @return
*/
public Long zAdd(String key, Set<TypedTuple<String>> values) {
return redisTemplate.opsForZSet().add(key, values);
}
/**
*
* @param key
* @param values
* @return
*/
public Long zRemove(String key, Object... values) {
return redisTemplate.opsForZSet().remove(key, values);
}
/**
* 增加元素的score值，并返回增加后的值
*
* @param key
* @param value
* @param delta
* @return
*/
public Double zIncrementScore(String key, String value, double delta) {
return redisTemplate.opsForZSet().incrementScore(key, value, delta);
}
/**
* 返回元素在集合的排名,有序集合是按照元素的score值由小到大排列
*
* @param key
* @param value
* @return 0表示第一位
*/
public Long zRank(String key, Object value) {
return redisTemplate.opsForZSet().rank(key, value);
}
/**
* 返回元素在集合的排名,按元素的score值由大到小排列
*
* @param key
* @param value
* @return
*/
public Long zReverseRank(String key, Object value) {
return redisTemplate.opsForZSet().reverseRank(key, value);
}
/**
* 获取集合的元素, 从小到大排序
*
* @param key
* @param start
* 开始位置
* @param end
* 结束位置, -1查询所有
* @return
*/
public Set<String> zRange(String key, long start, long end) {
return redisTemplate.opsForZSet().range(key, start, end);
}
/**
* 获取集合元素, 并且把score值也获取
*
* @param key
* @param start
* @param end
* @return
*/
public Set<TypedTuple<String>> zRangeWithScores(String key, long start,
long end) {
return redisTemplate.opsForZSet().rangeWithScores(key, start, end);
}
/**
* 根据Score值查询集合元素
*
* @param key
* @param min
* 最小值
* @param max
* 最大值
* @return
*/
public Set<String> zRangeByScore(String key, double min, double max) {
return redisTemplate.opsForZSet().rangeByScore(key, min, max);
}
/**
* 根据Score值查询集合元素, 从小到大排序
*
* @param key
* @param min
* 最小值
* @param max
* 最大值
* @return
*/
public Set<TypedTuple<String>> zRangeByScoreWithScores(String key,
double min, double max) {
return redisTemplate.opsForZSet().rangeByScoreWithScores(key, min, max);
}
/**
*
* @param key
* @param min
* @param max
* @param start
* @param end
* @return
*/
public Set<TypedTuple<String>> zRangeByScoreWithScores(String key,
double min, double max, long start, long end) {
return redisTemplate.opsForZSet().rangeByScoreWithScores(key, min, max,
start, end);
}
/**
* 获取集合的元素, 从大到小排序
*
* @param key
* @param start
* @param end
* @return
*/
public Set<String> zReverseRange(String key, long start, long end) {
return redisTemplate.opsForZSet().reverseRange(key, start, end);
}
/**
* 获取集合的元素, 从大到小排序, 并返回score值
*
* @param key
* @param start
* @param end
* @return
*/
public Set<TypedTuple<String>> zReverseRangeWithScores(String key,
long start, long end) {
return redisTemplate.opsForZSet().reverseRangeWithScores(key, start,
end);
}
/**
* 根据Score值查询集合元素, 从大到小排序
*
* @param key
* @param min
* @param max
* @return
*/
public Set<String> zReverseRangeByScore(String key, double min,
double max) {
return redisTemplate.opsForZSet().reverseRangeByScore(key, min, max);
}
/**
* 根据Score值查询集合元素, 从大到小排序
*
* @param key
* @param min
* @param max
* @return
*/
public Set<TypedTuple<String>> zReverseRangeByScoreWithScores(
String key, double min, double max) {
return redisTemplate.opsForZSet().reverseRangeByScoreWithScores(key,
min, max);
}
/**
*
* @param key
* @param min
* @param max
* @param start
* @param end
* @return
*/
public Set<String> zReverseRangeByScore(String key, double min,
double max, long start, long end) {
return redisTemplate.opsForZSet().reverseRangeByScore(key, min, max,
start, end);
}
/**
* 根据score值获取集合元素数量
*
* @param key
* @param min
* @param max
* @return
*/
public Long zCount(String key, double min, double max) {
return redisTemplate.opsForZSet().count(key, min, max);
}
/**
* 获取集合大小
*
* @param key
* @return
*/
public Long zSize(String key) {
return redisTemplate.opsForZSet().size(key);
}
/**
* 获取集合大小
*
* @param key
* @return
*/
public Long zZCard(String key) {
return redisTemplate.opsForZSet().zCard(key);
}
/**
* 获取集合中value元素的score值
*
* @param key
* @param value
* @return
*/
public Double zScore(String key, Object value) {
return redisTemplate.opsForZSet().score(key, value);
}
/**
* 移除指定索引位置的成员
*
* @param key
* @param start
* @param end
* @return
*/
public Long zRemoveRange(String key, long start, long end) {
return redisTemplate.opsForZSet().removeRange(key, start, end);
}
/**
* 根据指定的score值的范围来移除成员
*
* @param key
* @param min
* @param max
* @return
*/
public Long zRemoveRangeByScore(String key, double min, double max) {
return redisTemplate.opsForZSet().removeRangeByScore(key, min, max);
}
/**
* 获取key和otherKey的并集并存储在destKey中
*
* @param key
* @param otherKey
* @param destKey
* @return
*/
public Long zUnionAndStore(String key, String otherKey, String destKey) {
return redisTemplate.opsForZSet().unionAndStore(key, otherKey, destKey);
}
/**
*
* @param key
* @param otherKeys
* @param destKey
* @return
*/
public Long zUnionAndStore(String key, Collection<String> otherKeys,
String destKey) {
return redisTemplate.opsForZSet()
.unionAndStore(key, otherKeys, destKey);
}
/**
* 交集
*
* @param key
* @param otherKey
* @param destKey
* @return
*/
public Long zIntersectAndStore(String key, String otherKey,
String destKey) {
return redisTemplate.opsForZSet().intersectAndStore(key, otherKey,
destKey);
}
/**
* 交集
*
* @param key
* @param otherKeys
* @param destKey
* @return
*/
public Long zIntersectAndStore(String key, Collection<String> otherKeys,
String destKey) {
return redisTemplate.opsForZSet().intersectAndStore(key, otherKeys,
destKey);
}
/**
*
* @param key
* @param options
* @return
*/
public Cursor<TypedTuple<String>> zScan(String key, ScanOptions options) {
return redisTemplate.opsForZSet().scan(key, options);
}
}Redis.config
行家有没有，出手就知道！
单位
1、配置文件 util单位 对大小写不敏感！
包含
类似于我们的import将其他配置文件导入！
网络
bind 127.0.0.1 -::1 # 绑定的ip
protected-mode yes # 保护模式
port 6379 # 端口设置
protect-model #保护模式 ，Redis3.2版本提出。如果Redis在启动时， 未开启bind和密码设置功能 ，只能通过回环地址本地访问，如果尝试远程访问redis，会报DENIED Redis is running protected mode because protected mode is enabled
timeout #设置客户端连接时的超时时间
tcp-keepalive #单位是秒，周期性检查客户端是否健康，避免阻塞model
通过这里的 loadmodule 配置将引入自定义模块来新增一些功能。
通用 GENERAL
daemonize yes # 以守护进程的方式运行，默认为 no，我们需要手动开启为yes！通俗理解就是后台运行！
supervised # 管理守护进程的 ，不用管，默认为no！
pidfile /var/run/redis_6379.pid # 如果以后台的方式运行，我们就需需要指定一个 pid 文件！
# 日志
# Specify the server verbosity level.
# This can be one of:
# debug (a lot of information, useful for development/testing)
# verbose (many rarely useful info, but not a mess like the debug level)
# notice (moderately verbose, what you want in production probably) 生产环境
# warning (only very important / critical messages are logged)
loglevel notice
logfile "" # 日志的文件为位置名
databases 16 # 数据库的数量，默认为16个数据库！
always-show-logo no # 是否总是显示logo
set-proc-title #修改进程标题以显示一些运行时信息
proc-title-template #当更改进程标题时，Redis使用以下模板来构造修改后的标题。{title}父进程执行的进程的名称，或子进程的类型。
{listen addr}绑定地址或'*'，后跟TCP或TLS端口侦听，或如果只有Unix套接字可用。
{服务器模式}特殊模式，即“[sentinel]”或“[cluster]”。
#{port}TCP端口侦听，或0。
#{tls port}tls port侦听，或0。
#{unixsocket}正在侦听的Unix域套接字，或“”。
#{config file}使用的配置文件的名称。
进程标题模板{title}{listen addr}{server mode}快照 SNAPSHOTTING
持久化，在规定的时间内，执行了多少次操作，则会持久化到文件 .rdb .aof
redis 是内存数据库，如果没有持久化，那么数据断电即失！
# save 3600 1 如果3600秒内，如果至少1个 key进行了修改，我们就会进行持久化操作！
# save 300 100 如果300秒内，如果至少100个 key进行了修改，我们就会进行持久化操作！
# save 60 10000 如果60秒内，如果至少10000个 key进行了修改，我们就会进行持久化操作！
# 后面我们学习持久化，会自己定义这个测试！
stop-writes-on-bgsave-error yes # 持久化如果出错，是否还要继续工作！
rdbcompression yes # 是否压缩 rdb 文件，需要消耗一些cpu资源！
rdbchecksum yes # 保存rdb文件的时候，进行错误的检查校验！
dir ./ # rdb文件的默认保存目录！
dbfilename dump.rdb # 默认dumo.rdb，rdb持久化文件名称！
rdb-del-sync-files no # 默认值no，不开启，定义rdb文件是否删除同步锁！复制 REPLICATION 在后面显示
slave-serve-stale-data：默认值为yes。当一个 slave 与 master 失去联系，或者复制正在进行的时候，slave 可能会有两种表现：
1) 如果为 yes ，slave 仍然会应答客户端请求. 但返回的数据可能是过时，或者数据可能是空的在第一次同步的时候 2) 如果为 no ，在你执行除了 info he salveof 之外的其他命令时 slave 都将返回一个 "SYNC with master in progress" 的错误- slave-read-only：配置Redis的Slave实例是否接受写操作，即Slave是否为只读Redis。默认值为yes。
- repl-diskless-sync：主从数据复制是否使用无硬盘复制功能。默认值为no。
repl-diskless-sync-delay：当启用无硬盘备份，服务器等待一段时间后才会通过套接字向从站传送RDB文件，这个等待时间是可配置的。
这一点很重要，因为一旦传送开始，就不可能再为一个新到达的从站服务。 从站则要排队等待下一次RDB传送。因此服务器等待一段 时间以期更多的从站到达。 延迟时间以秒为单位，默认为5秒。 要关掉这一功能，只需将它设置为0秒，传送会立即启动。repl-disable-tcp-nodelay：同步之后是否禁用从站上的TCP_NODELAY 如果你选择yes，redis会使用较少量的TCP包和带宽向从站发送数据。但这会导致在从站增加一点数据的延时。
Linux内核默认配置情况下最多40毫秒的延时。 如果选择no，从站的数据延时不会那么多，但备份需要的带宽相对较多。 默认情况下我们将潜在因素优化，但在高负载情况下或者在主从站都跳的情况下，把它切换为yes是个好主意。 默认值为no。
安全 SECURITY
可以设置redis的密码，默认是没有密码的！
127.0.0.1:6379> config get requirepass # 获取redis密码
1) "requirepass"
2) ""
127.0.0.1:6379> config set requirepass "123456" # 设置redis密码
OK
127.0.0.1:6379> config get requirepass # 发现所有的命令没有权限！
(error) NOAUTH Authentication required.
127.0.0.1:6379> ping
(error) NOAUTH Authentication required.
127.0.0.1:6379> auth 123456 # 使用密码进行登录即可！
OK
127.0.0.1:6379> config get requirepass
1) "requirepass"
2) "123456"限制 CLIENTS
maxclients #设置客户端最大并发连接数，默认无限制 le: maxclients 10000
maxmemory <bytes> # redis 配置的最大内存容量
maxmemory-policy noeviction # 内存到达上限之后的处理策略！
1、volatile-lru：只对设置了过期时间的key进行LRU（默认值）
2、allkeys-lru ： 删除lru算法的key
3、volatile-random：随机删除即将过期key
4、allkeys-random：随机删除
5、volatile-ttl ： 删除即将过期的
6、noeviction ： 永不过期，返回错误APPEND ONLY 模式 aof配置
appendonly no # 默认是不开启aof模式的，默认使用rdb方式持久化的，在大部分情况下，rdb完全够用！
appendfilename "appendonly.aof" # 持久化的文件名字！
appenddirname "appendonlydir" # 持久化的目录
# appendfsync always # 每次修改都会 sync，消耗性能！
appendfsync everysec # 每秒执行一次 sync，可能会丢失这1s的数据！
# appendfsync no # 不执行 sync ，这个时候操作系统自己同步数据，速度最快！Redis持久化
Redis 是内存数据库，如果不讲内存中的数据库状态保存到磁盘，那么一旦服务器进程退出，服务器中的数据库状态也会消息。所以 Redis 提供了持久化功能！
RDB（Redis DataBase）
什么是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中！
Redis会单独创建（fork）一个子进程来进行持久化，会先将数据写到一个临时文件中，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的数据恢复，且对于数据恢复的完整性不是分厂敏感，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。我们默认就是RDB ，一般情况下不修改这个配置！
==rdb保存的文件是 dump.rdb== 都是在我们的配置文件中的快照中进行配置的！
触发机制
1、save的会泽满足的情况下，会自动触发rdb规则！
2、执行flushall 命令，也会触发我们的rdb规则！
3、退出redis，也会产生一个 rdb 文件！
备份就自动生成一个 dump.rdb
如何恢复rdb文件！
1、只需要将rdb文件放在我们redis启动目录就可以了，redis启动的时候会自动检查dump.rdb 恢复其中的数据！
2、查看需要存放的位置
127.0.0.1:6379> config get dir
1) "dir"
2) "/usr/local/bin" # 如果在这个目录存在 dump.rdb 文件，启动就会自动恢复其中的数据！优点：
1、适合大规模的数据！dump.rdb
2、对数据的完整性要求不高！
缺点：
1、需啊哟一定的时间间隔进程修改！如果redis意外宕机了，这个最后一次修改的数据就没有了！
2、fork进程的时候，会占用一定的内存空间！
AOF（Append Only File）
aof是什么
将我们的所有命令记录下来，history，恢复的时候就把这个文件全部执行一遍！
以日志的形式来记录每个写操作，将Redis执行过的所有指令记录下来（读操作不记录），只许追加文件，但不可以修改文件，redis启动之初会读取该文件重新构造数据，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操作！
==Aof保存的文件是 appendonly.aof 文件==
append only
默认是不开启的，我们需要手动进行配置！我们只需要将 appendonly 改为yes就开启了aof！
appendonly yes # 默认为no重启，redis就可以生效了！
如果这个 aof 文件有错误，这时候 redis是启动不起来的，我们需要修复这个aof文件！
redis给我们提供了一个工具 redis-check-aof --fix
如果文件正常了，重启即可恢复！
重写规则说明
aof 默认就是文件的无线追加，文件会越来越大！
如果 aof 文件大于64 m，太大了！fork一个新的进程来讲我们的文件进行重写！
配置
appendonly no # 默认是不开启aof模式的，默认使用rdb方式持久化的，在大部分情况下，rdb完全够用！
appendfilename "appendonly.aof" # 持久化的文件名字！
appenddirname "appendonlydir" # 持久化的目录
# appendfsync always # 每次修改都会 sync，消耗性能！
appendfsync everysec # 每秒执行一次 sync，可能会丢失这1s的数据！
# appendfsync no # 不执行 sync ，这个时候操作系统自己同步数据，速度最快！优点、缺点！
优点：
1、每一次修改都同步，文件的完整性会更好！
2、每秒同步一次，可能会丢失一秒的数据！
3、从不同步，效率是最高的！
缺点：
1、相对于数据文件来说，aof远远大于rdb修复的速度也比rdb慢！
2、aof 运行效率也比rdb慢，所以我们redis默认的配置是rdb持久化！
扩展
1、RDB持久化方式能够在指定的时间间隔内对你的数据进行快照存储
2、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。
3、==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==
4、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?作者建议不要，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 ,留着作为个万-的手段。
5.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Enable 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lod自己的A0反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 ewite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%大小重写可以改到适当的数值。
- 如果不Enable AOF，紧靠Master-Slave Repllcation 实现高可用性也可以，能省掉一大笔 IO ，也减少了rewrite时带来的系统波动。代价是如果Master / Slave 同时倒掉（断电），会丢失十几分钟的数据，启动脚本也要比两个Master/Slave 中的RDB文件，载入较新的那个，微博就是这种架构！
Redis发布订阅
Redis 发布订阅（pub/sub）是一种==消息通信模式==：发送者（pub）发送信息，订阅者（sub）接收信息。
Redis 客户端可以订阅任意数量的频道！
订阅 / 发布 消息图：
第一个：消息发送者，第二个：频道，第三个：消息订阅者！
下面展示了频道 channel1，以及订阅这个频道的客户端 – – client2、client5 和client1 之间的关系：
当有新消息通过 PUBLIST 命令发送给频道 channl1时，这个消息就会被发送给订阅它的三个客户端：
命令
这些命令被广泛用于构建即时通信应用，比如网络聊天室（chatroom）和实时广播、实时提醒！
测试
订阅端：
127.0.0.1:6379> SUBSCRIBE kuangshenshuo # 订阅一个频道！
Reading messages... (press Ctrl-C to quit)
1) "subscribe"
2) "kuangshenshuo"
3) (integer) 1
# 等待读取推送的信息！
1) "message" # 消息
2) "kuangshenshuo" # 哪个频道的消息
3) "hello,kuangshen" # 消息的具体内容
1) "message"
2) "kuangshenshuo"
3) "hello,redis"发送端：
127.0.0.1:6379> PUBLISH kuangshenshuo hello,kuangshen # 发布者发布消息到频道！
(integer) 1
127.0.0.1:6379> PUBLISH kuangshenshuo hello,redis
(integer) 1原理
Redis是使用C实现的， 通过分析Redis源码里的pubsub.c文件，了解发布和订阅机制的底层实现，籍此加深对Redis的理解。Redis通过PUBLISH、SUBSCRIBE 和PSUBSCRIBE等命令实现发布和订阅功能。
通过SUBSCRIBE命令订阅某频道后, redis-server里维护了一个字典，字典的键就是一个个 频道! , 而字典的值则是一个链表 ，链表中保存了所有订阅这个channel的客户端。SUBSCRIBE 命令的关键，就是将客户端添加到给定channel的订阅链表中。I通过PUBLISH命令向订阅者发送消息，redis-server会使用给定的频道作为键，在它所维护的channel字典中查找记录了订阅这个频道的所有客户端的链表，遍历这个链表，将消息发布给所有订阅者。
Pub/Sub从字面上理解就是发布( Publish )与订阅(Subscribe )，在Redis中，你可以设定对某一个key值进行消息发布及消息订阅，当一个key值上进行了消息发布后，所有订阅它的客户端都会收到相应的消息，这一功能最明显的用法就是用作实时消息系统,比如普通的即时聊天， 群聊等功能。
使用场景：
1、实时消息系统！
2、实时聊天！（频道当做聊天室，将信息回显给所有人即可！）
3、订阅，关注系统都是可以的！
稍微复杂的场景我们就会使用消息中间件 MQ！
Redis主从复制
概念
主从复制,是指将一台Redis服务器的数据 ，复制到其他的Redis服务器。前者称为主节点(master/leader)，后者称为从节点(slave/follower) ;==数据的复制是单向的，只能由主节点到从节点。==Master以写为主 ，Slave以读为主。
==默认情况下， 每台Redjs服务器都是主节点！==
且一个主节点可以有多个从节点(或没有从节点)，但一个从节点只能有一个主节点。主从复制的作用主要包括:
1、数据冗余:主从复制实现了数据的热备份，是持久化之外的一种数据冗余方式。
2、故障恢复:当主节点出现问题时，可以由从节点提供服务，实现快速的故障恢复;实际上是一种服务的冗余。
3.负裁均衡:在主从复制的基础上,配合读写分离,可以由主节点提供写服务，由从节点提供渎服务(即写Reds数据时应用连接主节点，读Reis数据时应用连接从节点)，分担服务器负载;尤其是在写少读多的场景下，通过多个从节点分担读负载，可以大大提高Redis服务器的并发量。
4.高可用基石:除了上述作用以外，主从复制还是哨兵和集群能够实施的基础，因此说主从复制是Reds高可用的基础。
一般来说，要将Redis运用于工程项目中，只使用台Redis是万万不能的（宕机），原因如下:
1.从结构上，单个Reds服务器会发生单点故障,并且台服务器需要处理所有的请求负载，压力较大;
2从容量上，单个Reds服务器内存容量有限，就算台Reds服务器内存容量为256G,也不能将所有内存用作Reds存储内存，一般来说 ，==单台Redis最大使用内存不应该超过20G。==
电商网站上的商品，般都是一次上传，无数次浏览的，说专业点也就是“多读少写。
对于这种场景，我们可以使用如下这种架构：
主从复制，读写分离！80%的情况下都是在读操作！减缓服务器压力！架构中经常使用！一主二从！
只要在公司中，主从复制就是必须要使用的，因为在真实的项目中不可能单机使用Redis！
环境配置
只配置从库，不配置主库！
127.0.0.1:6379> info replication # 查看当前库的信息！
# Replication
role:master # 角色 master
connected_slaves:0 # 没有从机
master_failover_state:no-failover
master_replid:93d0304eb559deacb3cc0cefde3457aedd6b7859
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复制3个配置文件，然后修改对应的信息
1、端口
2、pid 名字
3、log 文件名字
4、dump.rgb 名字
修改完毕之后，启动我们的3个redis服务器，可以通过进程信息查看！
一主二从
==默认情况下， 每台Redjs服务器都是主节点！== 我们一般只需要配置从机就可以了！
认老大！一主（79）二从（80/81）
127.0.0.1:6380> SLAVEOF 127.0.0.1 6379 # SLAVEOF host port 找谁当自己的老大！
OK
127.0.0.1:6380> info replication
# Replication
role:slave # 当前角色从机
master_host:127.0.0.1 # 可以看到主机的信息！
master_port:6379
master_link_status:up
master_last_io_seconds_ago:3
master_sync_in_progress:0
slave_read_repl_offset:14
slave_repl_offset:14
slave_priority:100
slave_read_only:1
replica_announced:1
connected_slaves:0
master_failover_state:no-failover
master_replid:e6de5581b873422f5183f906e4a7c16c1caaba7b
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:14
second_repl_offset:-1
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:15
repl_backlog_histlen:0
# 在主机中查看！
127.0.0.1:6379> info replication
# Replication
role:master
connected_slaves:1 # 多了从机的配置！
slave0:ip=127.0.0.1,port=6380,state=online,offset=28,lag=1 # 从机的信息！
master_failover_state:no-failover
master_replid:e6de5581b873422f5183f906e4a7c16c1caaba7b
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:42
second_repl_offset:-1
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:1
repl_backlog_histlen:42如果两个都配置完了，就是有两个从机的
真实的主从配置应该是在配置文件中配置，这样的话是永久的，这里使用的是命令，所以是暂时的！
细节
主机可以写，从机不能写只能读！主机中的所有数据和信息，都会自动被从机所保存！
主机写：
从机只能读取内容！
测试：主机断开连接，从机依旧能连接到主机的，但是没有写操作，这个时候，主机如果回来了，从机依旧可以直接获取到主机写的信息！
如果是使用命令行，来配置的主从，这个时候 如果重启了，就会变为主机！只要变为从机，立马就会从主机中获取值！
复制原理
Slave启动成功连接到master后会发送一个sync同步命令
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，并完成一次完全同步。==
==全量复制==:而slave服务在接收到数据库文件数据后，将其存盘并加载到内存中。
==增量复制==: Master继续将新的所有收集到的修改命令依次传给slave，完成同步
但是只要是重新连接master，-次完全同步(全量复制)将被自动执行！我们的数据一定可以在从机中看到！
层层链路
上一个master连接下一个salve！
这个时候也可以完成我们的主从复制！
如果没有老大了，这个时候能不能选择一个老大出来呢？手动！
如果主机断开了连接，我们可以使用 SLAVEOF no one 让自己变成主节点！其他的节点就可以手动连接到最新的这个主节点（手动！）如果这个时候老大修复了，那就重新连接！
哨兵模式
（自动选举老大的模式）
概述
主从切换技术的方法是:当主服务器宕机后，需要手动把一台从服务器切换为主服务器 ，这就需要人工干预，费事费力，还会造成-段时间内服务不可用。这不是一 种推荐的方式，更多时候，我们优先考虑哨兵模式。Redis从2.8开始正式提供了Sentinel (哨兵)架构来解决这个问题。
谋朝篡位的自动版，能够后台监控主机是否故障，如果故障了根据投票数==自动将从库转换为主库。==
哨兵模式是一种特殊的模式 ，首先Redis提供了哨兵的命令，哨兵是一个独立的进程，作为进程，它会独立运行。其原理是哨兵通过发送命令， 等待Redis服务器响应，从而监控运行的多个Redis实例。
这个哨兵有两个作用
- 通过发送命令，让redis服务器可以返回其运行状态，包括主服务器和从服务器。
- 当哨兵检测到master宕机，会自动slave切换成master，然后通过发布订阅模式通知其他的服务器，修改配置文件，让他们切换为主机。
然而一个哨兵进程对Redis服务器进行监控，可能出现问题，为此，我们可以使用多个哨兵进行监控。各个哨兵之间还会进行监控，这样就形成了多哨兵模式。
假设主服务器宕机，哨兵1先检测到这个结果,系统并不会马上进行failover过程，仅仅是哨兵1主观的认为主服务器不可用，这个现象成为主观下线。当后面的哨兵也检测到主服务器不可用，并且数量达到 一定值时，那么哨兵之间就会进行一次投票 ，投票的结果由一一个哨兵发起，进行failover[故障转移操作。切换成功后，就会通过发布订阅模式，让各个哨兵把自己监控的从服务器实现切换主机，这个过程称为客观下线。
测试！
我们目前的状态是一主二从！
1、配置哨兵配置文件 sentinel.conf
# sentinel monitor 被监控的名字 host port 1
sentinel monitor myredis 127.0.0.1 6379 1后面的这个数字1，代表主机挂了，slave投票看让谁接替成为主机，票数最多的，就会成为主机！
2、启动哨兵！
[root@iZ0jlid0z1v3qwffm0jf5dZ bin]# redis-sentinel config/sentinel.conf
6304:X 18 Jun 2022 11:23:55.620 # oO0OoO0OoO0Oo Redis is starting oO0OoO0OoO0Oo
6304:X 18 Jun 2022 11:23:55.620 # Redis version=7.0.2, bits=64, commit=00000000, modified=0, pid=6304, just started
6304:X 18 Jun 2022 11:23:55.620 # Configuration loaded
6304:X 18 Jun 2022 11:23:55.620 * monotonic clock: POSIX clock_gettime
_._
_.-``__ ''-._
_.-`` `. `_. ''-._ Redis 7.0.2 (00000000/0) 64 bit
.-`` .-```. ```\/ _.,_ ''-._
( ' , .-` | `, ) Running in sentinel mode
|`-._`-...-` __...-.``-._|'` _.-'| Port: 26379
| `-._ `._ / _.-' | PID: 6304
`-._ `-._ `-./ _.-' _.-'
|`-._`-._ `-.__.-' _.-'_.-'|
| `-._`-._ _.-'_.-' | https://redis.io
`-._ `-._`-.__.-'_.-' _.-'
|`-._`-._ `-.__.-' _.-'_.-'|
| `-._`-._ _.-'_.-' |
`-._ `-._`-.__.-'_.-' _.-'
`-._ `-.__.-' _.-'
`-._ _.-'
`-.__.-'
6304:X 18 Jun 2022 11:23:55.621 # WARNING: The TCP backlog setting of 511 cannot be enforced because /proc/sys/net/core/somaxconn is set to the lower value of 128.
6304:X 18 Jun 2022 11:23:55.624 * Sentinel new configuration saved on disk
6304:X 18 Jun 2022 11:23:55.624 # Sentinel ID is af1d87cc4ebb7b5571916c6bade5ab5fe17ead2e
6304:X 18 Jun 2022 11:23:55.624 # +monitor master myredis 127.0.0.1 6379 quorum 1
6304:X 18 Jun 2022 11:23:55.624 * +slave slave 127.0.0.1:6380 127.0.0.1 6380 @ myredis 127.0.0.1 6379
6304:X 18 Jun 2022 11:23:55.627 * Sentinel new configuration saved on disk
6304:X 18 Jun 2022 11:23:55.627 * +slave slave 127.0.0.1:6381 127.0.0.1 6381 @ myredis 127.0.0.1 6379
6304:X 18 Jun 2022 11:23:55.631 * Sentinel new configuration saved on disk如果Master节点断开了，这个时候就会从从机中随机选择一个服务器！（这里面有一个投票算法！）
哨兵日志！
如果主机此时回来了，只能归并到新的主机下，当做从机，这就是哨兵模式的规则！
哨兵模式
优点：
1、哨兵集群，基于主从复制模式，所有的主从复制优点，它全有！
2、主从可以切换，故障可以转移，系统的可用性就会更好！
3、哨兵模式就是主从模式的升级，手动到自动，更加健壮！
缺点：
1、Redis 不好在线扩容，集群容量一旦达到上限，在线扩容就会十分麻烦！
2、实现哨兵模式的配置其实是十分麻烦的，里面有很多选择！
哨兵模式的全部配置
# Example sentinel.conf
# 哨兵sentinel实例运行的端口 默认26379(如果有哨兵集群，我们需要配置每个哨兵的端口！)
port 26379
# 哨兵sentinel的工作目录
dir /tmp
# 哨兵sentinel监控的redis主节点的 ip port
# master-name 可以自己命名的主节点名字 只能由字母A-z、数字0-9 、这三个字符".-_"组成。
# quorum 当这些quorum个数sentinel哨兵认为master主节点失联 那么这时 客观上认为主节点失联了
# sentinel monitor <master-name> <ip> <redis-port> <quorum>
sentinel monitor mymaster 127.0.0.1 6379 1
# 当在Redis实例中开启了requirepass foobared 授权密码 这样所有连接Redis实例的客户端都要提供密码
# 设置哨兵sentinel 连接主从的密码 注意必须为主从设置一样的验证密码
# sentinel auth-pass <master-name> <password>
sentinel auth-pass mymaster MySUPER--secret-0123passw0rd
# 指定多少毫秒之后 主节点没有应答哨兵sentinel 此时 哨兵主观上认为主节点下线 默认30秒
# sentinel down-after-milliseconds <master-name> <milliseconds>
sentinel down-after-milliseconds mymaster 30000
# 这个配置项指定了在发生failover主备切换时最多可以有多少个slave同时对新的master进行 同步，
这个数字越小，完成failover所需的时间就越长，
但是如果这个数字越大，就意味着越 多的slave因为replication而不可用。
可以通过将这个值设为 1 来保证每次只有一个slave 处于不能处理命令请求的状态。
# sentinel parallel-syncs <master-name> <numslaves>
sentinel parallel-syncs mymaster 1
# 故障转移的超时时间 failover-timeout 可以用在以下这些方面：
#1. 同一个sentinel对同一个master两次failover之间的间隔时间。
#2. 当一个slave从一个错误的master那里同步数据开始计算时间。直到slave被纠正为向正确的master那里同步数据时。
#3.当想要取消一个正在进行的failover所需要的时间。
#4.当进行failover时，配置所有slaves指向新的master所需的最大时间。不过，即使过了这个超时，slaves依然会被正确配置为指向master，但是就不按parallel-syncs所配置的规则来了
# 默认三分钟
# sentinel failover-timeout <master-name> <milliseconds>
sentinel failover-timeout mymaster 180000
# SCRIPTS EXECUTION
#配置当某一事件发生时所需要执行的脚本，可以通过脚本来通知管理员，例如当系统运行不正常时发邮件通知相关人员。
#对于脚本的运行结果有以下规则：
#若脚本执行后返回1，那么该脚本稍后将会被再次执行，重复次数目前默认为10
#若脚本执行后返回2，或者比2更高的一个返回值，脚本将不会重复执行。
#如果脚本在执行过程中由于收到系统中断信号被终止了，则同返回值为1时的行为相同。
#一个脚本的最大执行时间为60s，如果超过这个时间，脚本将会被一个SIGKILL信号终止，之后重新执行。
#通知型脚本:当sentinel有任何警告级别的事件发生时（比如说redis实例的主观失效和客观失效等等），将会去调用这个脚本，
#这时这个脚本应该通过邮件，SMS等方式去通知系统管理员关于系统不正常运行的信息。调用该脚本时，将传给脚本两个参数，
#一个是事件的类型，
#一个是事件的描述。
#如果sentinel.conf配置文件中配置了这个脚本路径，那么必须保证这个脚本存在于这个路径，并且是可执行的，否则sentinel无法正常启动成功。
#通知脚本
# sentinel notification-script <master-name> <script-path>
sentinel notification-script mymaster /var/redis/notify.sh
# 客户端重新配置主节点参数脚本
# 当一个master由于failover而发生改变时，这个脚本将会被调用，通知相关的客户端关于master地址已经发生改变的信息。
# 以下参数将会在调用脚本时传给脚本:
# <master-name> <role> <state> <from-ip> <from-port> <to-ip> <to-port>
# 目前<state>总是“failover”,
# <role>是“leader”或者“observer”中的一个。
# 参数 from-ip, from-port, to-ip, to-port是用来和旧的master和新的master(即旧的slave)通信的
# 这个脚本应该是通用的，能被多次调用，不是针对性的。
# sentinel client-reconfig-script <master-name> <script-path>
sentinel client-reconfig-script mymaster /var/redis/reconfig.sh
Redis缓存穿透和雪崩
服务的高可用问题！
Redis缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。但同时，它也带来了一些问题。其中，最要害的问题，就是数据的一致性问题，从严格意义上来说，这个问题无解。如果对数据的一致性很高，那么就不要使用缓存。
另外的一些典型问题就是，缓存穿透、缓存雪崩和缓存击穿。目前，业界也都有比较流行的解决方案。
缓存穿透（查不到！）
概念
缓存穿透的概念很简单，用户想要查询一 个数据 ，发现redis内存数据库没有，也就是缓存没有命中，于是向特久层数据库查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中（秒杀！），于是都去清求了持久层数据库。这会给持久层数据库造成很大的压力，这时候就相当子出现了缓存穿透。
解决方案
希隆过滤器
而隆过滤器是种数据结构 ，对所有 可能查询的参 数以hash形式存储，在控制层先进行校验 ，不符合则丢年 ，从而避免了对底层存储系统的查询压力，
缓存空对象
当存储层不命中后，即使返回的空对象也将缓存起来，同时设置一个过期时间，之后在访问这个数据会从缓存中获取，保护了后端数据源！
但是这种解决方案会有两个问题：
1、如果空值能够被缓存起来，这就意味着缓存需要更多的空间来存储更多的键，因为这当中可能会有很多的空值的键；
2、即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响。
缓存击穿（量太大，缓存过期！）
概述
这里需要注意和缓存击穿的区别，缓存击穿，是指一个key非常热点 ，在不停的扛着大并发，大井发集中对这一个点进行访问 ，当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障 上凿开了一个洞。
当某个key在过期的瞬间，有大量的请求并发访问，这类数据般是热点数据 ，由于缓存过期，会同时访问数据库来查询最新数据，并且回写缓存，会导使数据库瞬间压力过大。
解决方案
设置热点数据永不过期
从缓存层面来看，没有设置过期时间,所以不会出现热点key过期后产生的问题。
加互斥锁
分布式锁:使用分布式锁，保证对于每个key同时只有一个线程去查询后端服务其他线程没有获得分布式微的权限 ，因此只需要等待即可。这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验很大。
缓存雪崩
概念
缓存雪崩，是指在某一个时间段，缓存集中过期失效。Redis宕机！
产生雪崩的原因之一， 比如在写本文的时候，马上就要到双十二零点，很快就会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。 那么到了凌晨点钟的时候 ，这批商品的缓存就都过期了。而对这批商品的访问查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。于是所有的请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况。
其实集中过期，倒不是非常致命，比较致命的缓存雪崩，是缓存服务器某个节点宕机或断网。因为自然形成的缓存雪崩,-定是在某个时间段集中创建缓存，这个时候，数据库也是可以顶住压力的。无非就是对数据库产生周期性的压力而已。而缓存服务节点的宕机，对数据库服务器造成的压力是不可预知的，很有可能瞬间就把数据库压垮。
解决方案
redis高可用
这个思想的含义是，既然redis有可能挂掉，那我多增设几台redis，这样一台挂掉之后其他的还可以继续工作 ，其实就是搭建的集群。（异地多活！）
限流降级
这个解决方案的思想是，在缓存失效后，通过加锁或者队列来控制读取数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。
数据预热
数据加热的含义就是在正式部署之前，我先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀！
小结
可以看狂神的讲解：https://www.bilibili.com/video/BV1S54y1R7SB?spm_id_from=333.999.0.0
