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
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
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)。
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）
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
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。
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
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.
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！
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
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：
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
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 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
# 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！
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！
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。
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。
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
5、性能建议
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。
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：
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
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（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。
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"
测试：主机断开连接，从机依旧连接到主机，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主机写的信息；如果使用的是命令行来配置的主从，这时如果主机重启了，从机就会变回主机，只要变为从机，立马就会从主机中获取值。
复制原理
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。
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：
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。
# 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！
[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
哨兵模式优缺点：
优点：
1、哨兵集群，基于主从复制模式，所有的主从配置优点，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，集群容量一旦到达上限，在线扩容就十分麻烦。
2、实现哨兵模式的配置是很麻烦的，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
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！
目前项目流行架构部分：
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。