redis 详解

---

• redis 是一个开源的，高性能的k-v数据库 （ redis 支持事务）

redis具有有以下特征：

（1）redis 支持数据的持久化，可以将内存中的数据保存在磁盘中，重启的时候可以再次加载使用（实时）。也可以通过对redis做快照，重启是恢复快照。（非实时）

（2）redis 支持k-v类型的数据，同时还提供list,set，zset,hash等数据类型的存储

（3）redis支持数据的备份，即master-slaver 模式的数据备份。
性能极高 – Redis能读的速度是110000次/s,写的速度是81000次/s 。

（4）原子 – Redis的所有操作都是原子性的，同时Redis还支持对几个操作全并后的原子性执行。

（5）丰富的特性 – Redis还支持 publish/subscribe, 通知, 设置key有效期等等特性。

一. Redis应用：

token生成、
session共享、
分布式锁、
自增id、
验证码等。

二. redis数据结构

1. 存储字符串

这个其实没啥好说的，最常规的set/get操作，value可以是String也可以是数字。一般做一些复杂的计数功能的缓存。

1.set key value：设定key持有指定的字符串value，如果该key存在则进行覆盖操作,总是返回OK2.get key: 获取key的value。如果与该key关联的value不是String类型，redis将返回错误信息，因为get命令只能用于获取String value；如果该key不存在，返回null。3.getset key value：先获取该key的值，然后在设置该key的值。4.incr key：将指定的key的value原子性的递增1. 如果该key不存在，其初始值为0，在incr之后其值为1。如果value的值不能转成整型，如hello，该操作将执行失败并返回相应的错误信息5.decr key：将指定的key的value原子性的递减1.如果该key不存在，其初始值为0，在incr之后其值为-1。如果value的值不能转成整型，如hello，该操作将执失败并返回相应的错误信息。6.incrby key increment：将指定的key的value原子性增加increment，如果该key不存在，器初始值为0，在incrby之后，该值为increment。如果该值不能转成整型，如hello则失败并返回错误信息7.decrby key decrement：将指定的key的value原子性减少decrement，如果该key不存在，器初始值为0，在decrby之后，该值为decrement。如果该值不能转成整型，如hello则失败并返回错误信息8.append key value：如果该key存在，则在原有的value后追加该值；如果该key不存在，则重新创建一个key/value

2.存储list类型

使用List的数据结构，可以做简单的消息队列的功能。另外还有一个就是，可以利用lrange命令，做基于redis的分页功能，性能极佳，用户体验好。

1.lpush key value1 value2...：在指定的key所关联的list的头部插入所有的values，如果该key不存在，该命令在插入的之前创建一个与该key关联的空链表，之后再向该链表的头部插入数据。插入成功，返回元素的个数。2.rpush key value1、value2…：在该list的尾部添加元素3.lrange key start end：获取链表中从start到end的元素的值，start、end可为负数，若为-1则表示链表尾部的元素，-2则表示倒数第二个，依次类推… 4.lpushx key value：仅当参数中指定的key存在时（如果与key管理的list中没有值时，则该key是不存在的）在指定的key所关联的list的头部插入value。5.rpushx key value：在该list的尾部添加元素6.lpop key：返回并弹出指定的key关联的链表中的第一个元素，即头部元素7.rpop key：从尾部弹出元素8.rpoplpush resource destination：将链表中的尾部元素弹出并添加到头部9.llen key：返回指定的key关联的链表中的元素的数量。10.lset key index value：设置链表中的index的脚标的元素值，0代表链表的头元素，-1代表链表的尾元素。

3. 存储Set

因为set堆放的是一堆不重复值的集合。所以可以做全局去重的功能。为什么不用JVM自带的Set进行去重？因为我们的系统一般都是集群部署，使用JVM自带的Set，比较麻烦，难道为了一个做一个全局去重，再起一个公共服务，太麻烦了。
另外，就是利用交集、并集、差集等操作，可以计算共同喜好，全部的喜好，自己独有的喜好等功能。

添加或删除元素
1.sadd key values[value1、value2……]:向set中添加数据，如果该key的值有则不会重复添加
例如:sadd myset  a b c2.srem key members[member1、menber2…]:删除set中的指定成员
例如:srem myset 1 2 3获得集合中的元素
1.smembers key :获取set中所有的成员
smembers myset2.sismember key menber :判断参数中指定的成员是否在该set中，1表示存在，0表示不存在或者该key本身就不存在(无论集合中有多少元素都可以极速的返回结果)集合的差集运算 A-B
sdiff key1 key2 … : 返回key1与key2中相差的成员，而且与key的顺序有关。即返回差集。集合的交集运算 
sinter key1 key2 key3… :返回交集集合的并集运算 
sunion key1 key2 key3… : 返回并集扩展命令(了解)
scard key : 获取set中的成员数量
例子:scard mysetsrandmember key : 随机返回set中的一个成员sdiffstore destination key1 key2 …: 将key1 key2 相差的成员存储到destination中sinterstore destination key[key…] : 将返回的交集存储在destination上suninonstore destination key[key…] : 将返回的并集存储在destination上

4. 存储hash

这里value存放的是结构化的对象，比较方便的就是操作其中的某个字段。博主在做单点登录的时候，就是用这种数据结构存储用户信息，以cookieId作为key，设置30分钟为缓存过期时间，能很好的模拟出类似session的效果。

1.赋值
hset key  field value : 为指定的key设定field/value对hmset key field1 value1 field2 value2  field3 value3     为指定的key设定多个field/value对2.取值
hget key field : 返回指定的key中的field的值hmget key field1 field2 field3 : 获取key中的多个field值hkeys key : 获取所有的keyhvals key :获取所有的valuehgetall key : 获取key中的所有field 中的所有field-value3.删除
hdel key field[field…] : 可以删除一个或多个字段，返回是被删除的字段个数del key : 删除整个list4.增加数字
hincrby key field increment ：设置key中field的值增加increment，如: age增加20
hincrby myhash age 5自学命令:
hexists key field : 判断指定的key中的field是否存在hlen key : 获取key所包含的field的数量hkeys key ：获得所有的key
hkeys myhashhvals key ：获得所有的value
hvals myhash

5. 存储sortedset

sorted set多了一个权重参数score,集合中的元素能够按score进行排列。可以做排行榜应用，取TOP N操作。另外，参照另一篇《分布式之延时任务方案解析》，该文指出了sorted set可以用来做延时任务。最后一个应用就是可以做范围查找。

1.添加元素zadd key score member score2 member2…:将所有成员以及该成员的分数存放到sorted-set中。如果该元素已经存在则会用新的分数替换原有的分数。返回值是新加入到集合中的元素个数。(根据分数升序排列)2.获得元素
zscore key member ：返回指定成员的分数
zcard key ：获得集合中的成员数量3.删除元素
zrem key member[member…] ：移除集合中指定的成员，可以指定多个成员4.范围查询zrange key strat end [withscores]：获取集合中角标为start-end的成员，[withscore]参数表明返回的成员包含其分数。zremrangebyrank key start stop ：按照排名范围删除元素zremrangescore key  min max ：按照分数范围删除元素

其他命令

zrangebyscore key min max [withscore] [limit offset count] ：返回分数在[min,max]的成员并按照分数从低到高排序。[withscore]：显示分数；[limit offset count]；offset，表明从脚标为offset的元素开始并返回count个成员zincrby key increment member ：设置指定成员的增加分数。返回值是修改后的分数zcount key min max：获取分数在[min，max]之间的成员个数zrank key member：返回成员在集合中的排名(从小到大)zrevrank key member ：返回成员在集合中的排名(从大到小)

key的通用操作

keys pattern : 获取所有与pattern匹配的key ，返回所有与该key匹配的keys。 *表示任意一个或者多个字符， ?表示任意一个字符del key1 key2… ：删除指定的key
del my1 my2 my3exists key ：判断该key是否存在，1代表存在，0代表不存在rename key newkey ：为key重命名expire key second：设置过期时间，单位秒ttl key：获取该key所剩的超时时间，如果没有设置超时，返回-1，如果返回-2表示超时不存在。persist key:持久化key 192.168.25.153:6379> expire Hello 100
(integer) 1
192.168.25.153:6379> ttl Hello
(integer) 77type key：获取指定key的类型。该命令将以字符串的格式返回。返回的字符串为string 、list 、set 、hash 和 zset，如果key不存在返回none。
例如: type newcompany
none

三.redis的过期策略以及内存淘汰机制

思考：

1. redis 可以存5g数据，但是你有10g数据，需要删除5g，怎么删除呢？
2. 数据已经设置了过期时间，但是时间到了之后，内存占用率还是很高，怎么回事呢？

redis采用的是定期删除+惰性删除策略。

定期删除+惰性删除是如何工作的呢?

定期删除，redis默认每个100ms检查，是否有过期的key,有过期key则删除。需要说明的是，redis不是每个100ms将所有的key检查一次，而是随机抽取进行检查(如果每隔100ms,全部key进行检查，redis岂不是卡死)。因此，如果只采用定期删除策略，会导致很多key到时间没有删除。

于是，惰性删除派上用场。也就是说在你获取某个key的时候，redis会检查一下，这个key如果设置了过期时间那么是否过期了？如果过期了此时就会删除。

采用定期删除+惰性删除就没其他问题了么?

不是的，如果定期删除没删除key。然后你也没即时去请求key，也就是说惰性删除也没生效。这样，redis的内存会越来越高。那么就应该采用内存淘汰机制。
在redis.conf中有一行配置

# maxmemory-policy allkeys-lru

该配置就是配内存淘汰策略的

1）noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。应该没人用吧。2）allkeys-lru：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的key。推荐使用。3）allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个key。应该也没人用吧，你不删最少使用Key,去随机删。4）volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的key。这种情况一般是把redis既当缓存，又做持久化存储的时候才用。不推荐5）volatile-random：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机移除某个key。依然不推荐6）volatile-ttl：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除。不推荐如果没有设置 expire 的key, 不满足先决条件(prerequisites); 那么 volatile-lru,
volatile-random 和 volatile-ttl 策略的行为, 和 noeviction(不删除) 基本上一致。

为什么不用定时删除策略?

定时删除,用一个定时器来负责监视key,过期则自动删除。虽然内存及时释放，但是十分消耗CPU资源。在大并发请求下，CPU要将时间应用在处理请求，而不是删除key,因此没有采用这一策略.

redis和数据库双写一致性问题

一致性问题是分布式常见问题，还可以再分为最终一致性和强一致性。数据库和缓存双写，就必然会存在不一致的问题。

1.如果对数据有强一致性要求，不能放缓存。我们所做的一切，只能保证最终一致性。
2.另外，我们所做的方案其实从根本上来说，只能说降低不一致发生的概率，无法完全避免。因此，有强一致性要求的数据，不能放缓存。

首先，采取正确更新策略，先更新数据库，再删缓存。其次，因为可能存在删除缓存失败的问题，提供一个补偿措施即可，例如利用消息队列。

缓存穿透和缓存雪崩

缓存穿透：

大量请求来请求缓存中不存在的数据，导致所有的请求都到数据库上，从而数据库崩溃。

解决方案:

(一)利用互斥锁，缓存失效的时候，先去获得锁，得到锁了，再去请求数据库。没得到锁，则休眠一段时间重试
(二)采用异步更新策略，无论key是否取到值，都直接返回。value值中维护一个缓存失效时间，缓存如果过期，异步起一个线程去读数据库，更新缓存。需要做缓存预热(项目启动前，先加载缓存)操作。
(三)提供一个能迅速判断请求是否有效的拦截机制，比如，利用布隆过滤器，内部维护一系列合法有效的key。迅速判断出，请求所携带的Key是否合法有效。如果不合法，则直接返回。

缓存雪崩:

即缓存同一时间大面积的失效，这个时候又来了一波请求，结果请求都到数据库上，从而导致数据库连接异常。

解决方案:

(一)给缓存的失效时间，加上一个随机值，避免集体失效。
(二)使用互斥锁，但是该方案吞吐量明显下降了。
(三)双缓存。我们有两个缓存，缓存A和缓存B。缓存A的失效时间为20分钟，缓存B不设失效时间。自己做缓存预热操作。

##### 双缓存分为以下几点：#####1. 从缓存A读数据库，有则直接返回2. A没有数据，直接从B读数据，直接返回，并且异步启动一个更新线程。3. 更新线程同时更新缓存A和缓存B。

redis的并发竞争key

分析:这个问题大致就是，同时有多个子系统去set一个key。这个时候要注意什么呢？

(1)如果对这个key操作，不要求顺序
这种情况下，准备一个分布式锁，大家去抢锁，抢到锁就做set操作即可。
(2)如果对这个key操作，要求顺序
假设有一个key1,系统A需要将key1设置为valueA,系统B需要将key1设置为valueB,系统C需要将key1设置
为valueC.
期望按照key1的value值按照 valueA-->valueB-->valueC的顺序变化。这种时候我们在数据写入数据库
的时候，需要保存一个时间戳。
假设时间戳如下系统A key 1 {valueA 3:00}
系统B key 1 {valueB 3:05}
系统C key 1 {valueC 3:10}
那么，假设这会系统B先抢到锁，将key1设置为{valueB 3:05}。接下来系统A抢到锁，发现自己的valueA
的时间戳早于缓存中的时间戳，那就不做set操作了。以此类推。其他方法，比如利用队列，将set方法变成串行访问也可以。