1.保姆级Linux安装Redis
①把redis.tar.gz下载到linux中,并用命令tar -zxvf安装
②安装完成进入目录输入make进行编译,编译完成后输入make install 进行安装
③创建两个文件夹mkdir bin mkdir etc
将redis目录下的redis.conf文件移动到etc文件中:mv redis.conf etc
将redis目录下src目录中的mkreleasehdr.sh、redis-benchmark、redis-check-aof、redis-cli、redis-server文件移动到 bin文件夹中:mv mkreleasehdr.sh redis-benchmark redis-check-aof redis-cli redis-server /root/home/softwear/redis-6.2.1/bin
④进入etc中打开redis.conf文件,修改配置(例如输入/daemonize查找按n键查找下一个):
- 把文件中的daemonize属性改为yes(表明需要在后台运行)
- 把 redis.conf配置文件中的 bind 127.0.0.1 这一行给注释掉,这里的bind指的是只有指定的网段才能远程访问这个redis,注释掉后,就没有这个限制了。
- 把 redis.conf配置文件中的 protected-mode 设置成no(默认是设置成yes的, 防止了远程访问
- 编辑 redis.conf配置文件,修改Redis默认密码 (默认密码为空)(1)在配置文件中找到这一行 # requirepass foobared(2)删除前面的注释符号#,并把foobared修改成自己的密码 或者 另起一行 requirepass 自己的密码
⑤设置Redis开机启动
进入:vi /etc/rc.d/rc.local
将bin目录下的/root/home/softwear/redis-6.2.1/bin/redis-server 和etc目录下的/root/home/softwear/redis-6.2.1/etc/redis.conf 添加到文件中
⑥进入redis下的bin目录 cd ~/home/softwear/redis-6.2.1/bin, 启动redis服务redis-server
启动成功!
**注意:**修改完Redis配置文件后启动时一定要加上配置文件,例如:redis-server redis.conf
⑦redis-server服务启动之后启动后启动客户端 redis-cli
redis-cli -h(地址) 127.0.0.1 -p(端口号) 6379 -a(密码) .....
2.Bloom过滤器安装
下载插件https://download.csdn.net/download/RHHcainiao/88652985
也可以自行下载!
bash
# 1.解压
tar -zxvf v2.2.1.tar.gz
# 2. make一下
cd RedisBloom-2.2.1/
make
2.安装完布隆过滤器后,去redis的配置文件中加载 redisbloom.so文件,在redis.conf中添加配置
bash
#1.打开Redis的conf配置文件
vim redis/redis.conf
添加如下内容:
loadmodule /root/redis-6.2.5/RedisBloom-2.2.5/redisbloom.so
3.验证是否安装且成功配置布隆过滤器,先重启redis,然后使用布隆过滤器的 bf.add命令进行测试,返回1代表布隆过滤器配置完成
bash
# 1.重启进入redis客户端
redis-server /usr/local/redis/redis.conf
redis-cli -h(地址) 127.0.0.1 -p(端口号) 6379 -a(密码) .....
# 2.测试布隆过滤器命令,如果返回1说明布隆过滤器配置成功!
bf.add k1 test
- 布隆过滤器的基本使用
bash
# 1.清空redis数据库(测试用,慎重!)
flushall
# 2.添加
bf.add k1 helloRedis
# 3.判断是否存在
bf.exists k1 helloRedis
# 4.判断一个不存在的key value
bf.exists k2 helloJava
# 5.批量添加
bf.madd k2 a b c d e
# 6.批量判断
bf.mexists k2 a b c d e
3.Bloom简介
Bloom本质上是一种数据结构,特点是 高效的插入和查询,可用来判断存在或者不存在
直接上代码:
4.SpringBoot集成Bloom
1.添加依赖
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>30.1-jre</version>
</dependency>
2.编写Bloom帮助类
java
package com.rh.serviceproduct.bloom;
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import jakarta.annotation.PostConstruct;
import org.springframework.stereotype.Component;
import java.nio.charset.Charset;
@Component
public class BloomFilterService {
//Bloom容量100万(根据业务自定义)
private static final int EXPECTED_INSERTIONS = 1000000;
//误差率0.1%
private static final double FPP = 0.001;
//注入过滤器
private BloomFilter<String> bloomFilter;
/**
* 初始化方法
*/
@PostConstruct
public void init() {
//创建一个过滤器,容量100万,误差率0.1% 字符编码UTF-8
bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.forName("UTF-8")), EXPECTED_INSERTIONS, FPP);
}
/**
* 添加元素
* @param value
*/
public void add(String value) {
bloomFilter.put(value);
}
/**
* 是否存在元素
* @param value
* @return
*/
public boolean mightContain(String value) {
return bloomFilter.mightContain(value);
}
}
3.接口示例编写
java
package com.rh.serviceproduct.controller;
import com.rh.model.vo.common.Result;
import com.rh.model.vo.common.ResultCodeEnum;
import com.rh.serviceproduct.bloom.BloomFilterService;
import org.checkerframework.checker.units.qual.A;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
@RestController
public class TestController {
//注入Redis客户端
@Autowired
private RedisTemplate<String,String>redisTemplate;
//注入Bloom帮助类
@Autowired
private BloomFilterService bloomFilterService;
@RequestMapping(value="/test")
public Result findAll(){
String findValue="";//定义一个最终返回值
//1.定义key
String redisKey="Hello:Bloom!";
//2.判断是否存在Bloom过滤器
if (!bloomFilterService.mightContain(redisKey)) {
//3.如果不存在去查Redis
if (!redisTemplate.hasKey(redisKey)){
//4.如果redis都不在去查库
System.out.println("查询数据库.........");
//5.将数据存入redis,同步存入Bloom
redisTemplate.opsForValue().set(redisKey,"value");
bloomFilterService.add(redisKey);
}
}else {
//6.key存在Bloom中,从Redis获取数据,防止Bloom误判(概率极低),再判断一遍Redis是否存在key
if (!redisTemplate.hasKey(redisKey)){
System.out.println("查询数据库.........");
redisTemplate.opsForValue().set(redisKey,"value");
bloomFilterService.add(redisKey);
}
findValue = redisTemplate.opsForValue().get(redisKey);
}
return Result.build(findValue, ResultCodeEnum.SUCCESS);
}
}