Redis命令不区分大小写,
默认16个数据库
Redis-Key
select n //n为0–15,选择哪个数据库使用,默认为0
keys * //查看所有key
exists key //判断当前的key是否存在
move key 1 //移动当前的key到指定数据库
expire key n //设置key的过期时间,n的单位是秒
ttl key //查看当前key的剩余时间
type key //查看当前key的类型
flushdb //清空数据库
flushall //清空所有数据库
String(字符串)
set key1 v1 //设置值
get key1 //获得值
append key1 “hello” //追加字符串,如果当前key不存在,就相当于set key
strlen key1 //获取字符串的长度
incr key1 //自增1
decr key1 //自减1
incrby key1 n //设置增加的步长,n为步长
decrby key1 n //设置减少的步长
getrange key1 0 3 //截取字符串[0,3]
getrange key1 0 -1 //获取全部字符串,同get key
set key1 v1 //替换
setrange key1 n v //替换指定位置开始的字符串,n为指定的位置,v为改动的字符串
setex key1 n “hello” //设置key1的值为hello,n秒后过期
setnx key1 “redis” //如果key1不存在则创建key1,如果存在则创建失败
mset k1 v1 k2 v2 k3 v3 //同时设置多个值
mget k1 k2 k3 //同时获取多个值
msetnx k1 v1 k2 v2 //它是一个原子性操作,要么都成功,要么都失败
set user:1 {name:ly,age:13} //设置一个user:1对象,值为json字符来保存一个对象
mset user:1:name ly user:1:age 2
getset key1 v1 //先get后set,如果存在值,获取原来的值并设置新的值;如果不存在值,返回nil且设置新的值
String类型应用场景 ,可以是计数器,粉丝数,对象缓存存储,关注数等
List(列表)
所有list命令都是l开头的
lpush list value //将一个或多个值,插入到列表头部(左)
lrange list 0 -1 //获取list中的值
lrange list 0 1 //通过区间获取具体的值
rpush list value //将一个或多个值,插入到列表尾部(又)
lpop list //移除list的第一个元素
rpop list //移除list的最后一个元素
lindex list n //通过下标获得list中的某一个值
llen list //返回列表长度
lrem list n value //移除list集合中指定个数的value
ltrim list 1 2 //通过下标截取指定的长度,这个list已经被改变了,只剩下截取的元素
rpoplpush list1 list2 //移除列表的最后一个元素,将他移动到新的列表中
exists list //判断这个列表是否存在
lset list 0 item //将列表中指定下标的值替换为另一个值,更新操作,如果不存在列表更新就会报错,如果存在则更新当前下标的值
linsert list before/after “value1” “value2” //将value2插入到某个元素(value1)的前面/后面
相当于一个链表,左右都可以插入删除,如果key存在,新增内容;如果key不存在,创建新的链表。在两边插入或改动值,效率要好一点,中间元素的操作效率低一点。
list应用场景:消息队列(Lpush,Rpop),栈(Lpush,Lpop)。
Set(集合)
集合中的值不能重复
sadd set “hello” //set集合中添加元素
smembers set //查看指定set的所有值
sismember set “hello” //判断某一个值是否在set集合中
scard set //获取set集合中的内容元素个数
srem set hello //移除set集合中的指定元素
场景功能应用
########set是无序不重复集合。
srandmember set //随机抽出一个元素
srandmember set n //随机抽选出指定个数的元素
spop set //随机删除一个set集合中的元素
smove set1 set2 “value” //将一个指定的值,移动到另一个set集合
#####微博,B站,共同关注(并集)
-差集 SDIFF set1 set2
-交集 SINTER set1 set2 //共同好友就可以这样实现
-并集 SUNION set1 set2
Set类型应用场景:微博一个用户将所有关注的人放在一个set集合中,实现共同关注,共同爱好,二度好友,推荐好友功能(六度分割理论)
Hash(哈希)
Map集合,key-map 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-vlaue!
hset hash field1 ly //set一个具体的key-value
hget hash field1 //获取一个字段值
hmset hash field1 hello field2 world //set多个key-value
hmget hash field1 field2 //获取多个字段值
hgetall hash //获取全部数据
hdel hash field1 //删除hash指定的key字段,对应的value值也消失了
hlen hash //获取哈希表中的字段数量
hexists hash field1 //判断哈希中指定字段是否存在
hkeys hash //只获得所有的field
hvals hash //只获得所有的value
hincrby hash filed1 n //指定增量
hsetnx hash filed hello //如果不存在则正常设置,如果存在则不能设置
Zset(有序集合)
在set的基础上增加了一个值,set k v,zset k score v
zadd set 1 hello //添加一个值
zadd set 2 hello2 3 hello3 //添加多个值
zrange set 0 -1 //获取所有值
ZRANGEBYSCORE salary -inf +inf //显示全部的用户 从小到大
ZREVRANGE salary 0 -1 //从大到小进行排序!
ZRANGEBYSCORE salary -inf +inf withscores //显示全部的用户并且附带成绩
ZRANGEBYSCORE salary -inf 2500 withscores //显示工资小于2500员工的升序排序
zrem salary name1 //移除有序集合中的指定元素
zcard salary //获取有序集合中的个数
zcount set 1 3 //获取指定区间的成员数量
有序集合实际应用场景
排序 存储班级成绩表 工资表排序
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topN。
三种特殊数据类型
Geospatial地理位置
该数据类型可用来实现朋友定位,附近的人,打车距离计算
经纬度查询网址
// 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!
// 有效的经度从-180度到180度。
// 有效的纬度从-85.05112878度到85.05112878度。
// 当坐标位置超出上述指定范围时,该命令将会返回一个错误。
// 127.0.0.1:6379> geoadd china:city 39.90 116.40 beijin (error) ERR invalid longitude,latitude pair 39.900000,116.400000
// 参数 key 值()
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 chongqi 114.05 22.52 shengzhen
(integer) 2
127.0.0.1:6379> geoadd china:city 120.16 30.24 hangzhou 108.96 34.26 xian
(integer) 2
geopos //获得当前定位,是一个坐标值
127.0.0.1:6379> GEOPOS china:city beijing //获取指定的城市的经度和纬度!
-
- “116.39999896287918091”
- “39.90000009167092543”
127.0.0.1:6379> GEOPOS china:city beijing chongqi
-
- “116.39999896287918091”
- “39.90000009167092543”
-
- “106.49999767541885376”
- “29.52999957900659211”
geodist //两地之间的距离
单位 m米 km千米 mi英里 ft英尺
geodist china:city beijing shanghai km //查看上海到北京的直线距离
georadius //以给定的经纬度为中心,找出某一半径内的元素
//所有数据都录入china:city,结果才会显示
georadius china:city 110 30 1000 km //以110,30这个经纬度为中心,寻找方圆1000km内的城市
georadius china:city 110 30 1000 km withdist //显示到中间位置的距离
georadius china:city 110 30 1000 km withcoord //显示相应半径内元素的定位信息
georadius china:city 110 30 1000 km withdist withcoord count 1 //筛选出指定的结果,显示出最近的一个元素相应信息
georadius china:city 110 30 1000 km withdist withcoord count 2 //筛选出指定的结果,显示出最近的两个元素相应信息
georadiusbymember //找出位于指定元素周围的其他元素
georadiusbymember china:city beijing 1000 km
geohash //返回一个或多个位置元素的geohash表示
//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,那么则距离越近!
127.0.0.1:6379> geohash china:city beijing chongqi
- “wx4fbxxfke0”
- “wm5xzrybty0”
geo底层的实现原理是Zset,所以可以用Zset命令来操作geo
Hyperloglog(基数)
127.0.0.1:6379> PFadd mykey a b c d e f g h i j //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) 10
127.0.0.1:6379> PFadd mykey2 i j z x c v b n m //创建第二组元素 mykey2
(integer) 1
127.0.0.1:6379> PFCOUNT mykey2
(integer) 9
127.0.0.1:6379> PFMERGE mykey3 mykey mykey2 //合并两组 mykey mykey2 => mykey3 并集
OK
127.0.0.1:6379> PFCOUNT mykey3 //看并集的数量!
(integer) 15
Redis Hyperloglog 基数统计的算法!
优点:占用的内存是固定,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!
0.81% 错误率.
Bitmap(位图,位存储)
统计用户信息,活跃,不活跃! 登录 、 未登录! 打卡,365打卡! 两个状态的,都可以使用Bitmaps!
Bitmap 位图,数据结构! 都是操作二进制位来进行记录,就只有0 和 1 两个状态!
365 天 = 365 bit 1字节 = 8bit 46 个字节左右!
- 使用bitmap 来记录 周一到周日的打卡!(前面一个数字代表周几,后面一个数字代表是否打卡)
setbit sign 0 1
setbit sign 1 0
setbit sign 2 0
setbit sign 3 1
setbit sign 4 0
setbit sign 5 1
setbit sign 6 1
getbit sign 3 //返回0/1代表是否打卡
bitcount sign //统计这周的打卡记录,就可以看到是否有全勤
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。
Redis具有一致性、顺序性、排他性。
Redis单条命令是保证原子性的,但是事务不保证。
redis的事务:
- 开启事务(multi)
- 命令(set set set …)
- 执行事务(exec)
- 取消事务(discard) //事务队列中的命令都不会执行
- 编译到队列中有错误的命令,整个事务都不会执行,执行事务会报错
- 运行时异常,事务可以执行,但是在错误处会抛出异常
监控 watch
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 #监控money
OK
127.0.0.1:6379> MULTI #开启事务
OK
127.0.0.1:6379> DECRBY money 20
QUEUED
127.0.0.1:6379> INCRBY out 20
QUEUED
127.0.0.1:6379> exec #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!
1) (integer) 80
2) (integer) 20
#模拟执行失败
127.0.0.1:6379> watch money
OK
127.0.0.1:6379> MULTI
OK
127.0.0.1:6379> incrby money 20
QUEUED
127.0.0.1:6379> decrby out 20 #此时另开一个客户端执行money的批量添加
######################
127.0.0.1:6379> incrby money 20
(integer) 100
###################
QUEUED
127.0.0.1:6379> 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,先解锁,获取最新的值后再继续操作
127.0.0.1:6379> UNWATCH #解除监控
OK
127.0.0.1:6379> watch money #获取最新值,再次监控
OK
127.0.0.1:6379> multi
OK
127.0.0.1:6379> decr money
QUEUED
127.0.0.1:6379> incr out
QUEUED
127.0.0.1:6379> exec #期间若无其他线程修改money的值,则事务正常执行
1) (integer) 118
2) (integer) 22
Springboot整合redis
序列化
package com.example.redisdemo.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 {
@Bean
@SuppressWarnings("all")
public RedisTemplate<String,Object> redisTemplate(RedisConnectionFactory factory){
RedisTemplate<String,Object> template = new RedisTemplate<String,Object>();
template.setConnectionFactory(factory);
//json序列化配置
Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<Object>(Object.class);
ObjectMapper om = new ObjectMapper();
om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
jackson2JsonRedisSerializer.setObjectMapper(om);
//String序列化配置
StringRedisSerializer stringRedisSerializer = new StringRedisSerializer();
//配置具体的序列化方式
//key采用string的序列化方式
template.setKeySerializer(stringRedisSerializer);
template.setHashKeySerializer(stringRedisSerializer);
template.setValueSerializer(jackson2JsonRedisSerializer);
template.setHashValueSerializer(jackson2JsonRedisSerializer);
template.afterPropertiesSet();
return template;
}
}
工具类
package com.example.redisdemo.utils;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Component;
import org.springframework.util.CollectionUtils;
import java.util.Collection;
import java.util.List;
import java.util.Map;
import java.util.Set;
import java.util.concurrent.TimeUnit;
@Component
public final class RedisUtils {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
// =============================common============================
/**
* 指定缓存失效时间
* @param key 键
* @param time 时间(秒)
*/
public boolean expire(String key, long time) {
try {
if (time > 0) {
redisTemplate.expire(key, time, TimeUnit.SECONDS);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 根据key 获取过期时间
* @param key 键 不能为null
* @return 时间(秒) 返回0代表为永久有效
*/
public long getExpire(String key) {
return redisTemplate.getExpire(key, TimeUnit.SECONDS);
}
/**
* 判断key是否存在
* @param key 键
* @return true 存在 false不存在
*/
public boolean hasKey(String key) {
try {
return redisTemplate.hasKey(key);
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 删除缓存
* @param key 可以传一个值 或多个
*/
@SuppressWarnings("unchecked")
public void del(String... key) {
if (key != null && key.length > 0) {
if (key.length == 1) {
redisTemplate.delete(key[0]);
} else {
redisTemplate.delete((Collection<String>) CollectionUtils.arrayToList(key));
}
}
}
// ============================String=============================
/**
* 普通缓存获取
* @param key 键
* @return 值
*/
public Object get(String key) {
return key == null ? null : redisTemplate.opsForValue().get(key);
}
/**
* 普通缓存放入
* @param key 键
* @param value 值
* @return true成功 false失败
*/
public boolean set(String key, Object value) {
try {
redisTemplate.opsForValue().set(key, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 普通缓存放入并设置时间
* @param key 键
* @param value 值
* @param time 时间(秒) time要大于0 如果time小于等于0 将设置无限期
* @return true成功 false 失败
*/
public boolean set(String key, Object value, long time) {
try {
if (time > 0) {
redisTemplate.opsForValue().set(key, value, time, TimeUnit.SECONDS);
} else {
set(key, value);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 递增
* @param key 键
* @param delta 要增加几(大于0)
*/
public long incr(String key, long delta) {
if (delta < 0) {
throw new RuntimeException("递增因子必须大于0");
}
return redisTemplate.opsForValue().increment(key, delta);
}
/**
* 递减
* @param key 键
* @param delta 要减少几(小于0)
*/
public long decr(String key, long delta) {
if (delta < 0) {
throw new RuntimeException("递减因子必须大于0");
}
return redisTemplate.opsForValue().increment(key, -delta);
}
// ================================Map=================================
/**
* HashGet
* @param key 键 不能为null
* @param item 项 不能为null
*/
public Object hget(String key, String item) {
return redisTemplate.opsForHash().get(key, item);
}
/**
* 获取hashKey对应的所有键值
* @param key 键
* @return 对应的多个键值
*/
public Map<Object, Object> hmget(String key) {
return redisTemplate.opsForHash().entries(key);
}
/**
* HashSet
* @param key 键
* @param map 对应多个键值
*/
public boolean hmset(String key, Map<String, Object> map) {
try {
redisTemplate.opsForHash().putAll(key, map);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* HashSet 并设置时间
* @param key 键
* @param map 对应多个键值
* @param time 时间(秒)
* @return true成功 false失败
*/
public boolean hmset(String key, Map<String, Object> map, long time) {
try {
redisTemplate.opsForHash().putAll(key, map);
if (time > 0) {
expire(key, time);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 向一张hash表中放入数据,如果不存在将创建
*
* @param key 键
* @param item 项
* @param value 值
* @return true 成功 false失败
*/
public boolean hset(String key, String item, Object value) {
try {
redisTemplate.opsForHash().put(key, item, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 向一张hash表中放入数据,如果不存在将创建
*
* @param key 键
* @param item 项
* @param value 值
* @param time 时间(秒) 注意:如果已存在的hash表有时间,这里将会替换原有的时间
* @return true 成功 false失败
*/
public boolean hset(String key, String item, Object value, long time) {
try {
redisTemplate.opsForHash().put(key, item, value);
if (time > 0) {
expire(key, time);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 删除hash表中的值
*
* @param key 键 不能为null
* @param item 项 可以使多个 不能为null
*/
public void hdel(String key, Object... item) {
redisTemplate.opsForHash().delete(key, item);
}
/**
* 判断hash表中是否有该项的值
*
* @param key 键 不能为null
* @param item 项 不能为null
* @return true 存在 false不存在
*/
public boolean hHasKey(String key, String item) {
return redisTemplate.opsForHash().hasKey(key, item);
}
/**
* hash递增 如果不存在,就会创建一个 并把新增后的值返回
*
* @param key 键
* @param item 项
* @param by 要增加几(大于0)
*/
public double hincr(String key, String item, double by) {
return redisTemplate.opsForHash().increment(key, item, by);
}
/**
* hash递减
*
* @param key 键
* @param item 项
* @param by 要减少记(小于0)
*/
public double hdecr(String key, String item, double by) {
return redisTemplate.opsForHash().increment(key, item, -by);
}
// ============================set=============================
/**
* 根据key获取Set中的所有值
* @param key 键
*/
public Set<Object> sGet(String key) {
try {
return redisTemplate.opsForSet().members(key);
} catch (Exception e) {
e.printStackTrace();
return null;
}
}
/**
* 根据value从一个set中查询,是否存在
*
* @param key 键
* @param value 值
* @return true 存在 false不存在
*/
public boolean sHasKey(String key, Object value) {
try {
return redisTemplate.opsForSet().isMember(key, value);
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将数据放入set缓存
*
* @param key 键
* @param values 值 可以是多个
* @return 成功个数
*/
public long sSet(String key, Object... values) {
try {
return redisTemplate.opsForSet().add(key, values);
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 将set数据放入缓存
*
* @param key 键
* @param time 时间(秒)
* @param values 值 可以是多个
* @return 成功个数
*/
public long sSetAndTime(String key, long time, Object... values) {
try {
Long count = redisTemplate.opsForSet().add(key, values);
if (time > 0)
expire(key, time);
return count;
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 获取set缓存的长度
*
* @param key 键
*/
public long sGetSetSize(String key) {
try {
return redisTemplate.opsForSet().size(key);
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 移除值为value的
*
* @param key 键
* @param values 值 可以是多个
* @return 移除的个数
*/
public long setRemove(String key, Object... values) {
try {
Long count = redisTemplate.opsForSet().remove(key, values);
return count;
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
// ===============================list=================================
/**
* 获取list缓存的内容
*
* @param key 键
* @param start 开始
* @param end 结束 0 到 -1代表所有值
*/
public List<Object> lGet(String key, long start, long end) {
try {
return redisTemplate.opsForList().range(key, start, end);
} catch (Exception e) {
e.printStackTrace();
return null;
}
}
/**
* 获取list缓存的长度
*
* @param key 键
*/
public long lGetListSize(String key) {
try {
return redisTemplate.opsForList().size(key);
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 通过索引 获取list中的值
*
* @param key 键
* @param index 索引 index>=0时, 0 表头,1 第二个元素,依次类推;index<0时,-1,表尾,-2倒数第二个元素,依次类推
*/
public Object lGetIndex(String key, long index) {
try {
return redisTemplate.opsForList().index(key, index);
} catch (Exception e) {
e.printStackTrace();
return null;
}
}
/**
* 将list放入缓存
*
* @param key 键
* @param value 值
*/
public boolean lSet(String key, Object value) {
try {
redisTemplate.opsForList().rightPush(key, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将list放入缓存
* @param key 键
* @param value 值
* @param time 时间(秒)
*/
public boolean lSet(String key, Object value, long time) {
try {
redisTemplate.opsForList().rightPush(key, value);
if (time > 0)
expire(key, time);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将list放入缓存
*
* @param key 键
* @param value 值
* @return
*/
public boolean lSet(String key, List<Object> value) {
try {
redisTemplate.opsForList().rightPushAll(key, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将list放入缓存
*
* @param key 键
* @param value 值
* @param time 时间(秒)
* @return
*/
public boolean lSet(String key, List<Object> value, long time) {
try {
redisTemplate.opsForList().rightPushAll(key, value);
if (time > 0)
expire(key, time);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 根据索引修改list中的某条数据
*
* @param key 键
* @param index 索引
* @param value 值
* @return
*/
public boolean lUpdateIndex(String key, long index, Object value) {
try {
redisTemplate.opsForList().set(key, index, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 移除N个值为value
*
* @param key 键
* @param count 移除多少个
* @param value 值
* @return 移除的个数
*/
public long lRemove(String key, long count, Object value) {
try {
Long remove = redisTemplate.opsForList().remove(key, count, value);
return remove;
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
}
Redis.conf详解
Redis 是内存数据库,如果不将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失。所以 Redis 提供了持久化功能!
bind 127.0.0.1 # 绑定的ip
protected-mode yes # 保护模式
port 6379 # 端口设置
daemonize yes # 以守护进程的方式运行,默认是 no,我们需要自己开启为yes!
pidfile /var/run/redis_6379.pid # 如果以后台的方式运行,我们就需要指定一个 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 "" # 日志的文件位置名
databases 16 # 数据库的数量,默认是 16 个数据库
always-show-logo yes # 是否总是显示LOGO
- 快照
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,那么数据断电及失!
# 如果900s内,如果至少有一个1 key进行了修改,我们及进行持久化操作
save 900 1
# 如果300s内,如果至少10 key进行了修改,我们及进行持久化操作
save 300 10
# 如果60s内,如果至少10000 key进行了修改,我们及进行持久化操作
save 60 10000
stop-writes-on-bgsave-error yes # 持久化如果出错,是否还需要继续工作!
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 文件保存的目录!
- REPLICATION 复制(详情见下方的主从复制)
- SECURITY 安全(Redis默认没有密码,可以设置密码)
config get requirepass #获取redis的密码
config set requirepass "123456" #设置密码为123456
#此时在进行操作发现没有权限了,需要输入密码登录才能继续操作
127.0.0.1:6379> config get requirepass # 发现所有的命令都没有权限了
(error) NOAUTH Authentication required.
127.0.0.1:6379> ping
(error) NOAUTH Authentication required.
auth 123456 #使用密码进行登录
#继续操作
maxclients 10000 # 设置能连接上redis的最大客户端的数量
maxmemory <bytes> # redis 配置最大的内存容量
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
appendonly no # 默认是不开启aof模式的,默认是使用rdb方式持久化的,在大部分所有的情况下, rdb完全够用!
appendfilename "appendonly.aof" # 持久化的文件的名字
# 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
RDB(Redis DataBase)
- 什么是rdb
Redis的一种持久化机制。
在指定的时间间隔内将内存中的数据集快照写入磁盘,也就是行话讲的Snapshot快照,它恢复时是将快照文件直接读到内存里。
Redis会单独创建(fork)一个子进程来进行持久化,会先将数据写入到一个临时文件中,待持久化过程都结束了,再用这个临时文件替换上次持久化好的文件。整个过程中,主进程是不进行任何IO操作的。这就确保了极高的性能。如果需要进行大规模数据的恢复,且对于数据恢复的完整性不是非常敏感,那RDB方式要比AOF方式更加的高效。RDB的缺点是最后一次持久化后的数据可能丢失。我们默认的就是RDB,一般情况下不需要修改这个配置!
rdb保存的文件是dump.rdb 都是在我们的配置文件中快照中进行配置的!
-
触发机制
1、save的规则满足的情况下,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 rdb 文件!
备份就自动生成一个 dump.rdb
save 60 5 表示只要60秒内修改了5次key,就会触发rdb操作。
-
如何恢复rdb文件
只需要将rdb文件放在我们redis启动目录就可以,redis启动的时候会自动检查dump.rdb 恢复其中的数据!
config get dir #在查出来的路径中如果存在dump.rdb文件,启动就会自动恢复
优点:
1、适合大规模的数据恢复。
2、对数据的完整性要不高。
缺点:
1、需要一定的时间间隔进程操作!如果redis意外宕机了,这个最后一次修改数据就没有的了。
2、fork进程的时候,会占用一定的内容空间。
AOF(Append Only File)
将我们的所有命令都记录下来,history,恢复的时候就把这个文件全部在执行一遍。
- aof是什么
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改写文件,redis启动之初会读取该文件重新构建数据,换言之,redis重启的话就根据日志文件的内容将写指令从前到后执行一次以完成数据的恢复工作。
Aof保存的是 appendonly.aof 文件。
配置文件中默认是不开启的,若需开启,需手动改配置,将no改为yes,就开启了aof了
如果这个 aof 文件有错位,这时候 redis 是启动不起来的吗,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 appendonly.aof
appendonly no # 默认是不开启aof模式的,默认是使用rdb方式持久化的,在大部分所有的情况下, rdb完全够用!
appendfilename "appendonly.aof" # 持久化的文件的名字
# 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!
# rewrite 重写,
优点:
1、每一次修改都同步,文件的完整会更加好。
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 运行效率也要比 rdb 慢,所以我们redis默认的配置就是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?建议不要,因为RDB更适合用于备份数据库(AOF在不断变化不好备份),快速重启,而且不会有AOF可能潜在的Bug,留着作为一个万一的手段。
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,启动脚本较简单只load自己的AOF文件就可以了,代价一是带来了持续的IO,二是AOF rewrite 的最后将 rewrite 过程中产生的新数据写到新文件造成的阻塞几乎是不可避免的。只要硬盘许可,应该尽量减少AOF rewrite的频率,AOF重写的基础大小默认值64M太小了,可以设到5G以上,默认超过原大小100%大小重写可以改到适当的数值。
- 如果不Enable AOF ,仅靠 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,会丢失十几分钟的数据,启动脚本也要比较两个 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)发送消息,订阅者(sub)接收消息。
发送端:
127.0.0.1:6379> PUBLISH ly "hello" #发布消息到该频道
(integer) 1
127.0.0.1:6379> PUBLISH ly "world" #发布消息到该频道
(integer) 1
订阅端:
127.0.0.1:6379> SUBSCRIBE ly #订阅一个频道ly
Reading messages... (press Ctrl-C to quit)
1) "subscribe"
2) "ly"
3) (integer) 1
#127.0.0.1:6379> PUBLISH ly "hello"
#等待读取推送的消息
1) "message" #消息
2) "ly" #哪个频道的消息
3) "hello" #消息的具体内容
#127.0.0.1:6379> PUBLISH ly "world"
1) "message"
2) "ly"
3) "world"
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。
例:微信的发布订阅
-
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。
-
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(频道)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。
使用场景:
实时消息系统。
实时聊天(频道当作聊天室,将信息回显给所有人)。
订阅,关注系统。
更复杂的场景会使用消息中间件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redis服务器都是主节点;且一个主节点可以有零个或多个从节点,但一个从节点只能有一个主节点。
-
作用
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、负载均衡: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,由从节点提供读服务(即写Redis数据时应用连接主节点,读Redis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(集群)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Redis高可用的基础。
真实项目不能只使用一台redis服务器原因如下:
1、从结构上,单个Redis服务器会发生单点故障,并且一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Redis服务器内存容量有限,就算一台Redis服务器内存容量为256G,也不能将所有内存用作Redis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,一般都是一次上传,无数次浏览的,说专业点也就是"多读少写"。对于这种场景,可以用如下架构:
配置
只用配置从库,不用配置主库
127.0.0.1:6379> info replication #查看当前库的信息
# Replication
role:master #角色信息 主机master
connected_slaves:0 #从机个数
master_replid:30d888e0e03b1468714b91c64280c71745c3dbb3
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
复制相应个数的配置文件,然后修改配置文件中的对应信息
- 端口
- pid名字
- log文件名
- dump.rdb名
修改完毕后启动三个用不同配置的redis服务器
PS C:\Users\luoya> ps *redis*
Handles NPM(K) PM(K) WS(K) CPU(s) Id SI ProcessName
------- ------ ----- ----- ------ -- -- -----------
73 7 1088 4800 0.00 3972 1 redis-cli
69 7 1064 20 0.00 5580 1 redis-cli
73 8 1172 4836 0.00 6900 1 redis-cli
274 2689 24156 55808 0.11 3664 1 redis-server
292 2690 23956 1460 4180 0 redis-server
274 2689 24200 55836 0.11 13852 1 redis-server
一主二从
一主(79),二从(80,81)
PS D:\Redis> redis-cli.exe -h 127.0.0.1 -p 6381
127.0.0.1:6381> ping
PONG
127.0.0.1:6381> SLAVEOF 127.0.0.1 6379 #认老大
OK
127.0.0.1:6381> info replication #查看服务器信息
# Replication
role:slave #当前角色是从机
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:4
master_sync_in_progress:0
slave_repl_offset:98
slave_priority:100
slave_read_only:1
connected_slaves:0
master_replid:e8c722119f922e090b797b58dba926c790d0406a
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:98
second_repl_offset:-1
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:85
repl_backlog_histlen:14
#分配从机后再次查看主机信息
127.0.0.1:6379> info replication
# Replication
role:master #角色为主机
connected_slaves:2 #有两个从机
slave0:ip=127.0.0.1,port=6380,state=online,offset=17206,lag=1 #从机信息
slave1:ip=127.0.0.1,port=6381,state=online,offset=17206,lag=0 #从机信息
master_replid:e8c722119f922e090b797b58dba926c790d0406a
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:17206
second_repl_offset:-1
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:1
repl_backlog_histlen:17206
真实的主从配置是在配置文件中配置的,这样是永久的,通过命令行的方式配置是暂时的。
- 主从机细节
主机可以写,从机只能读不能写,主机中所有的信息和数据,都会自动被从机保存。
主机写:
127.0.0.1:6379> set zhucong "one master two slaves"
OK
127.0.0.1:6379> get zhucong
"one master two slaves"
从机写(发生错误)
127.0.0.1:6380> append zhucong "congjitianjiashuju"
(error) READONLY You can't write against a read only replica.
127.0.0.1:6380> get zhucong
"one master two slaves"
层层链路(此时也可以实现主从)
即上一个M连接下一个S,这一个S同时又是下一个S的M。
如果老大(主机)挂了,则手动指定一个主机,在需要变成主机的从机使用(slaveof no one),让从机变成主机,其他节点再手动连到新的主机,如果此时老大修复了,在手动重新连接。
哨兵模式(自动选举老大)
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,还会造成一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。
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。
哨兵的作用:
- 通过发送命令,让redis服务器返回监控其运行状态,包括主服务器和从服务器。
- 当哨兵检测到master宕机时,会自动将slave转换为master,然后通过发布订阅模式通知其他的从服务器,修改配置文件,让他们切换主机。
此时一个哨兵进程对Redis服务器进行监控,可能会出现问题,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。
- 配置哨兵配置文件sentinel.conf
# sentinel monitor 被监控的名称 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!
- 启动哨兵
[root@localhost bin]# redis-sentinel myconfig/redisConf/sentinel.conf
如果此时主机服务器挂了,则会自动选择一个从机当主机,并通知其他从机转换主机为新主机,且当此主机恢复时,变为新主机的从机。
其他从机信息:
81
127.0.0.1:6381> info replication
# Replication
role:master #变为了主机
connected_slaves:2
slave0:ip=127.0.0.1,port=6380,state=online,offset=51155,lag=1
slave1:ip=127.0.0.1,port=6379,state=online,offset=51155,lag=1
master_failover_state:no-failover
master_replid:02f9ee52b495e824f80ce634b85ce9157d297735
master_replid2:8071ee08aded0aa99458e33373d5fa05723d07ee
master_repl_offset:51155
second_repl_offset:10142
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:15
repl_backlog_histlen:51141
80
127.0.0.1:6380> info replication
# Replication
role:slave
master_host:127.0.0.1
master_port:6381 #依旧是从机,但是主机转换为了6381
master_link_status:up
master_last_io_seconds_ago:1
master_sync_in_progress:0
slave_read_repl_offset:57485
slave_repl_offset:57485
slave_priority:100
slave_read_only:1
replica_announced:1
connected_slaves:0
master_failover_state:no-failover
master_replid:02f9ee52b495e824f80ce634b85ce9157d297735
master_replid2:8071ee08aded0aa99458e33373d5fa05723d07ee
master_repl_offset:57485
second_repl_offset:10142
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:57
repl_backlog_histlen:57429
主机重启后
[root@localhost bin]# redis-cli -p 6379
127.0.0.1:6379> ping
PONG
127.0.0.1:6379> info replication
# Replication
role:slave #角色变为了从机
master_host:127.0.0.1
master_port:6381 #6381由哨兵推选为了主机
master_link_status:up
master_last_io_seconds_ago:1
master_sync_in_progress:0
slave_read_repl_offset:21631
slave_repl_offset:21631
slave_priority:100
slave_read_only:1
replica_announced:1
connected_slaves:0
master_failover_state:no-failover
master_replid:02f9ee52b495e824f80ce634b85ce9157d297735
master_replid2:0000000000000000000000000000000000000000
master_repl_offset:21631
second_repl_offset:-1
repl_backlog_active:1
repl_backlog_size:1048576
repl_backlog_first_byte_offset:20671
repl_backlog_histlen:961
# Example sentinel.conf
# 哨兵sentinel实例运行的端口 默认26379
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 配置多少个sentinel哨兵统一认为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 2
# 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
# shell编程
# 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 # 一般都是由运维来配置!
Redis缓存穿透和雪崩
目前项目流行架构部分:
缓存穿透(查不到)
- 概念: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,于是向持久层数据库查询。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!),于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力,这时候就相当于出现了缓存穿透。
- 解决方案:布隆过滤器
布隆过滤器是一种数据结构,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,不符合则丢弃,从而避免了对底层存储系统的查询压力;
当存储层不命中后,即使返回的空对象也将其缓存起来,同时会设置一个过期时间,之后再访问这个数据将会从缓存中获取,保护了后端数据源;
- 但是这种方法会存在两个问题:
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)
- 概念:缓存击穿,是指一个key非常热点,在不停的扛着大并发,大并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,这类数据一般是热点数据,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
式锁的权限,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。那么到了凌晨一点钟的时候,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,一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。
在缓存失效后,通过加锁或者队列来控制读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。
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。