Redis笔记 - 技术栈

ss1、redis-benchmark

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

简单测试：

a.测试：100个并发连接， 100000请求

java 复制代码

redis-benchmark -h localhost -p 6379 -c 100 -n 100000

从上图可知：

对100000个请求进行写入测试

100个并发客户端

每次写入3个字节

只有一台服务器来处理这些请求

所有请求在2毫秒内处理完成

每秒处理70472.16个请求

2、Redis基本知识

默认有16个数据库，默认使用的第0个数据库。可以使用select来切换数据库

如：切换到第3个数据库

java 复制代码

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]> set name y
OK
127.0.0.1:6379[3]> dbsize
(integer) 1

keys * 查看当前数据库中所有的key

java 复制代码

127.0.0.1:6379[3]> keys *
1) "name"

flushdb 清空当前库

java 复制代码

127.0.0.1:6379[3]> flushdb
OK
127.0.0.1:6379[3]> dbsize
(integer) 0
127.0.0.1:6379[3]> keys *
(empty list or set)

flushall 清空全部数据库

java 复制代码

127.0.0.1:6379[3]> select 0
OK
127.0.0.1:6379> keys *
1) "key:__rand_int__"
2) "name"
3) "mylist"
4) "counter:__rand_int__"
5) "myset:__rand_int__"
127.0.0.1:6379> SELECT 3
OK
127.0.0.1:6379[3]> keys *
(empty list or set)
127.0.0.1:6379[3]> flushall
OK
127.0.0.1:6379[3]> select 0
OK
127.0.0.1:6379> keys *
(empty list or set)

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的性能瓶颈，Redis的性能瓶颈是根据机器内存和网络带宽来的。

Redis是c语言写的，官方提供的数据为100000+的qps，不比同样使用key-value的Memecache差。

Redis为什么是单线程还这么快

1.误区：高性能的服务器一定为多线程的。

2.误区：多线程（cpu会上下文切换）一定比单线程效率高。

核心：

内存存储：Redis 主要将数据存储在内存中，这使得它能够快速读写数据。与传统的基于磁盘存储的数据库相比，内存存储可以极大地提高读写性能。
非阻塞 I/O：Redis 使用了多路复用技术来实现非阻塞的 I/O 操作，这意味着即使是单线程，它也可以同时处理多个客户端请求而无需阻塞等待 I/O 完成。
基于事件驱动：Redis 是基于事件驱动的模型，它使用了事件循环机制来处理客户端请求和网络 I/O，这种机制可以高效地处理大量的并发连接。
精简的数据结构操作：Redis 提供了丰富的数据结构操作（如字符串、哈希、列表、集合、有序集合等），这些操作都经过精心设计和优化，使得 Redis 在处理各种数据操作时能够做到高效快速。
单线程的优势：虽然 Redis 是单线程的，但这也带来了一些优势，比如避免了线程切换和同步的开销，简化了代码设计和维护，同时也减少了锁竞争的情况。

总的来说，Redis 能够如此快速高效地运行，主要得益于其内存存储、非阻塞 I/O、事件驱动、优化的数据结构操作以及单线程模型所带来的种种优势。这些方面的综合作用使得 Redis 成为一个性能出色的内存数据库系统。

3、五大基本数据类型

Redis是一个开源的，先进的key-value持久化产品。它通常被称为数据结构服务器，它的值可以是字符串（String）、哈希（Map）、列表（List）、集合（Sets）和有序集合（Sorted sets）等类型。可以在这些类型上面做一些原子操作，如：字符串追加、增加Hash里面的值、添加元素到列表、计算集合的交集，并集和差集；或者区有序集合中排名最高的成员。为了取得好的性能，Redis是一个内存型数据库。不限于此，Redis也可以把数据持久化到磁盘中，或者把数据操作指令追加了一个日志文件，把它用于持久化。也可以用Redis容易的搭建master-slave架构用于数据复制。其它让它像缓存的特性包括，简单的check-and-set机制，pub/sub和配置设置。Redis可以用大部分程序语言来操作：C、C++、C#、Java、Node.js、php、ruby等等。Redis是用ANSIC写的，可以运行在多数POSIX系统，如：Linux，*BSD，OS X和Soloris等。官方版本不支持Windows下构建，可以选择一些修改过的版本，照样可以使用Redis。

3.1Redis-Key

3.2 String（字符串）

String类型的使用场景：value除了可以是字符串也可以是数字

计数器

统计数量

粉丝数

对象缓存存储

3.3 List

在rides里面可以将list当作栈、队列、阻塞队列

小结：list 实际上是一个链表，before node after ， left ，right两边都可以进行插入值。

如果key 不存在就创建一个新链表

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

在两边插入修改值，效率最高，中间元素效率较低。

队列（lpush ，rpop）、栈（lpush ，lpop）

3.4 Set

set中的值不能重复

3.5 Hash（哈希）

Redis hash 是一个 string 类型的 field（字段）和 value（值）的映射表，hash 特别适合用于存储对象。

Redis 中每个 hash 可以存储 232 - 1 键值对（40多亿）。

Map集合，key -map 这时候的值是Map集合

3.6 Zset（有序集合）

在set的基础上增加了一个值，set k1 v1 zset k1 score v1

Redis 有序集合和集合一样也是 string 类型元素的集合,且不允许重复的成员。

不同的是每个元素都会关联一个 double 类型的分数。redis 正是通过分数来为集合中的成员进行从小到大的排序。

有序集合的成员是唯一的,但分数(score)却可以重复。

集合是通过哈希表实现的，所以添加，删除，查找的复杂度都是 O(1)。集合中最大的成员数为 232 - 1 (4294967295, 每个集合可存储40多亿个成员)。

案例思路：set 排序

带权重进行判断普通信息 1 重要信息 2

排行榜应用实现，取top n 测试

4 三种特殊数据类型

4.1 geospatial 地理位置

应用场景：朋友定位，附近人，打车距离计算

Redis Geo

geospatial底层实现原理为Zset，所以可以用Zset命令进行操作

附近人？（获取所有附近人的地址，定位！）通过半径来查询

127.0.0.1:6379> geoadd zg 116.397128 39.916527 beijing
(integer) 1
127.0.0.1:6379> geoadd zg 106.54041 29.40268 chongqing
(integer) 1
127.0.0.1:6379> geoadd zg 104.10194 30.65984 chengdu
(integer) 1
127.0.0.1:6379> geoadd zg 121.48941 31.40527 shanghai
(integer) 1
127.0.0.1:6379> GEOADD zg 113.27324 23.15792 guangzhou
(integer) 1
127.0.0.1:6379> GEOADD ZG 120.21201 30.2084 hangzhou
(integer) 1
127.0.0.1:6379> geoadd zg 118.8921 31.32751 nanjing
(integer) 1
127.0.0.1:6379> geopos zg chengdu
1) 1) "104.10194188356399536"
   2) "30.65983886217613019"
127.0.0.1:6379> geodist zg chengdu beijing
"1515821.0032"
127.0.0.1:6379> geodist zg chongqing shanghai km
"1450.0760"
127.0.0.1:6379> GEORADIUS zg 110 30  1000 km
1) "chongqing"
2) "chengdu"
3) "guangzhou"
4) "nanjing"
127.0.0.1:6379> GEORADIUS zg 110 30 500 km
1) "chongqing"
127.0.0.1:6379> GEORADIUS zg 110 30 500 km withcoord withdist
1) 1) "chongqing"
   2) "340.7667"
   3) 1) "106.54040783643722534"
      2) "29.40268053517299762"
127.0.0.1:6379> GEORADIUSBYMEMBER zg beijing 1000 km
1) "beijing"
2) "nanjing"

4.2 HyperLogLog

什么为基数？

不重复的元素

A{1，2，3，4，8，9} B{4，5，9，7，2，1}

基数为{3，8}

HyperLogLog 是做基数统计的算法

优点：占用的内存是固定的，2^64不同元素的基数，只需要12kb的内存。从内存角度比较HyperLogLog为首选。

网页的访问量uv（一个人多次访问一个网站多次也只算一个人）

传统方式，set保存用户id 统计set中的数量作为标准判断。

这个方式如果保存大量用户id就会比较麻烦，目的是为了计数不是为了保存用户id

0.81%的错误率！统计UV的任务，可以忽略不计的。

127.0.0.1:6379> pfadd k a b c d e f g a b
(integer) 1
127.0.0.1:6379> pfcount k
(integer) 7
127.0.0.1:6379> PFADD k2  q w e r t y u i
(integer) 1
127.0.0.1:6379> PFCOUNT k2
(integer) 8
127.0.0.1:6379> PFMERGE kk k k2
OK
127.0.0.1:6379> count kk
(error) ERR unknown command `count`, with args beginning with: `kk`, 
127.0.0.1:6379> pfcount kk
(integer) 13

4.3 Bitmaps

位运算

场景：

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

Bitmaps位图，数据结构，都是操作二进制位进行记录，只有0和1两个状态

365天=365bit 1字节=8bit 46个字节左右

使用Bitmaps来记录周一到周天的打卡记录

查看某一天是否打卡

统计多少天打卡

5.事务

MySQL：ACID

要么全部成功，要么全部失败，原子性！

Redis事务：本质一组命令集合。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、排它性。

Redis 单条命令保持原子性，但是事务不保持原子性

Redis没有隔离级别的概念（所有的命令在事务中，并没有直接执行，只有在执行命令时才会执行 exec）

Redis的事务：

a.开启事务（ multi）

b.命令入队（其他命令）

c.执行事务（exec）

d.放弃事务（discard）

锁：Redis可以实现乐观锁

正常执行事务：

127.0.0.1:6379> clear
127.0.0.1:6379> MULTI
OK
127.0.0.1:6379> set k1 v1
QUEUED
127.0.0.1:6379> set k2 v2
QUEUED
127.0.0.1:6379> get k2 
QUEUED
127.0.0.1:6379> set k3 v3
QUEUED
127.0.0.1:6379> exec
1) OK
2) OK
3) "v2"
4) OK
127.0.0.1:6379> MULTI
OK
127.0.0.1:6379> set k4 v4 
QUEUED
127.0.0.1:6379> set k1 v1
QUEUED
127.0.0.1:6379> set k2 v3
QUEUED
127.0.0.1:6379> DISCARD
OK
127.0.0.1:6379> get k4
(nil)

类比java

编译型异常（代码有问题，命令错误），事务中的命令不会被执行

运行时异常，如果事务中队列存在语法错误，执行命令时，该条命令不执行，其他命令正常执行（无原子性）

6.监控 watch

java中

悲观锁：认为无论什么时候都会出问题，故无论什么时候都加锁。

乐观锁：认为什么时候都不会出问题，故不会上锁，在更新数据时会进行判断在此期间是否有人修改过数据。

获取version

更新时比较version

Redis中

正常执行成功

测试多线程修改值，使用watch当作乐观锁进行操作

在线程1 这个事务执行前，线程2 先一步修改m的值，线程1 中的事务执行失败。

如果修改失败，获取最新值即可

7.Jedis

我们使用Java来操作Redis

什么是Jedis 是Redis官方推荐的Java连接开发工具，使用Java操作Redis的中间件，如果想用Java操作Redis，一定要对Jedis熟悉

7.1导入依赖

    <dependencies>
        <!--导入jedis包-->
        <dependency>
            <groupId>redis.clients</groupId>
            <artifactId>jedis</artifactId>
            <version>3.2.0</version>
        </dependency>
        <!--导入fastjson包-->
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.78</version>
        </dependency>

    </dependencies>

7.2尝试远程连接服务器中redis

java 复制代码

public class Test01 {
    public static void main(String[] args) {
        //1.new 一个jedis对象即可
        Jedis jedis = new Jedis("ip",6379);
        jedis.auth("password");
        System.out.println(jedis.ping());
    }
}

7.2常用API

String

List

Set

Zset

Hash

所有的API命令和上面reids的指令一样。

7.3事务

正常执行

java 复制代码

package com.yang;

import com.alibaba.fastjson.JSONObject;
import redis.clients.jedis.Jedis;
import redis.clients.jedis.Transaction;

/**
 * @author yzh
 * @date 2024-02-21
 */

public class Test01 {
    public static void main(String[] args) {
        //1.new 一个jedis对象即可
        Jedis jedis = new Jedis("ip", 6379);
        jedis.auth("password");

        JSONObject jsonObject1 = new JSONObject();
        JSONObject jsonObject2 = new JSONObject();
        jsonObject1.put("hello", "world");
        jsonObject2.put("name", "yzh");
        //开启事务
        Transaction multi = jedis.multi();
        String s1 = jsonObject1.toJSONString();
        String s2 = jsonObject2.toJSONString();
        try {
            multi.set("user1", s1);
            multi.set("user2", s2);
            multi.exec();//执行事务
        }catch (Exception e){
            multi.discard();//放弃事务
            e.printStackTrace();
        }finally {
            jedis.close();//关闭连接
        }
        System.out.println(jedis.get("user1"));
        System.out.println(jedis.get("user2"));
    }
}

模拟失败

java 复制代码

package com.yang;

import com.alibaba.fastjson.JSONObject;
import redis.clients.jedis.Jedis;
import redis.clients.jedis.Transaction;

/**
 * @author yzh
 * @date 2024-02-21
 */

public class Test01 {
    public static void main(String[] args) {
        //1.new 一个jedis对象即可
        Jedis jedis = new Jedis("ip", 6379);
        jedis.auth("password");
        jedis.flushDB();
        JSONObject jsonObject1 = new JSONObject();
        JSONObject jsonObject2 = new JSONObject();
        jsonObject1.put("hello", "world");
        jsonObject2.put("name", "yzh");
        //开启事务
        Transaction multi = jedis.multi();
        String s1 = jsonObject1.toJSONString();
        String s2 = jsonObject2.toJSONString();
        try {
            multi.set("user1", s1);
            multi.set("user2", s2);
            int i = 1/0;//代码抛出异常，事务执行失败
            multi.exec();//执行事务
        }catch (Exception e){
            multi.discard();//放弃事务
            e.printStackTrace();
        }finally {
            jedis.close();//关闭连接
        }
        System.out.println(jedis.get("user1"));
        System.out.println(jedis.get("user2"));
    }
}

8. SpringBoot整合

SpringBoot操作数据:spring-data jpa jdbc mongodb redis

在SpringBoot2.x之后，原来使用的jedis被替换为了lettuce

jedis：采用的直连，多个线程操作的话，是不安全的。如果要避免不安全，要使用jedis pool连接池，更像BIO。

lettuce：采用Netty，实例可以在多个线程中共享，不存在线程不安全的情况。可以减少线程数据，更像NIO。

8..1 源码分析

java 复制代码

    @Bean
    @ConditionalOnMissingBean(
        name = {"redisTemplate"}
    ) //我们可以自己定义一个redisTemplate来替换这个默认的
    @ConditionalOnSingleCandidate(RedisConnectionFactory.class)
    public RedisTemplate<Object, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {
        //默认的redisTemplate，没有过多的配置，redis对象需要序列化
        //两个泛型都是Object，Object类型，我们后面使用需要强制转换为<String,Object>
        RedisTemplate<Object, Object> template = new RedisTemplate();
        template.setConnectionFactory(redisConnectionFactory);
        return template;
    }

    //由于String类型是redis中最常使用的类型，所以单独提出一个bean
    @Bean
    @ConditionalOnMissingBean
    @ConditionalOnSingleCandidate(RedisConnectionFactory.class)
    public StringRedisTemplate stringRedisTemplate(RedisConnectionFactory redisConnectionFactory) {
        return new StringRedisTemplate(redisConnectionFactory);
    }

8.2 导入依赖

java 复制代码

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>

8.3 配置文件

java 复制代码

#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
# 应用服务 WEB 访问端口
server:
  port:8080
spring:
  redis:
    host:ip
    port: 6379
    password: mypassword

8.4 测试

java 复制代码

package com.yang;

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;
import org.springframework.data.redis.core.ValueOperations;

@SpringBootTest
class Redis02SpringbootApplicationTests {
    @Autowired
    private RedisTemplate redisTemplate;
    @Test
    void contextLoads() {
        //redisTemplate 操作不同的数据类型
        //opsForValue  操作字符串 类似String
        //opsForList 操作List
        //opsForSet
        //opsForHash
        //opsForGeo  操作地理位置
        //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，和基本的cRUD
        ValueOperations string = redisTemplate.opsForValue();
        string.set("k1","v1");
        string.set("k2","你好啊！");
        System.out.println(string.get("k1"));
        System.out.println(string.get("k2"));
        
        //获取redis的连接对象
        // RedisConnection connection = redisTemplate.getConnectionFactory().getConnection();
        // connection.flushDb();
        // connection.flushAll();


    }

}

8.5 序列化配置

默认序列化方式,是用jdk进行序列化，我们可能使用json进行序列化。

传递对象需要序列化，

8.6 编写自己的redisTemplate

java 复制代码

package com.yang.config;

import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.boot.autoconfigure.condition.ConditionalOnMissingBean;
import org.springframework.boot.autoconfigure.condition.ConditionalOnSingleCandidate;
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;

/**
 * @author yzh
 * @date 2024-02-24
 */
@Configuration
public class RedisCconfig {

    //编写我们自己的redisTemplate
    @Bean
    @SuppressWarnings("all")
    public RedisTemplate<String, Object> myRedisTemplate(RedisConnectionFactory redisConnectionFactory) {
        //为了开发方便 一般使用<String, Object>
        RedisTemplate<String, Object> template = new RedisTemplate();
        template.setConnectionFactory(redisConnectionFactory);

        //Json序列化配置
        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);
        //String的序列化
        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的序列化方式采用jackson
        template.setValueSerializer(jackson2JsonRedisSerializer);
        //hash的value序列化方式采用jackson
        template.setHashKeySerializer(jackson2JsonRedisSerializer);
        template.afterPropertiesSet();

        return template;
    }
}

8.7 RedisUtils工具类

java 复制代码

package com.yang.utils;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Component;

import java.util.Collection;
import java.util.List;
import java.util.Map;
import java.util.concurrent.TimeUnit;

/**
 * Redis工具类，使用之前请确保RedisTemplate成功注入
 *
 * @author yzh
 * @date 2024-02-24
 */
@Component
public class RedisUtils {

    @Autowired
    @Qualifier("myRedisTemplate")
    private RedisTemplate redisTemplate;

    /**
     * 设置有效时间
     *
     * @param key     Redis键
     * @param timeout 超时时间
     * @return true=设置成功；false=设置失败
     */
    public boolean expire(final String key, final long timeout) {

        return expire(key, timeout, TimeUnit.SECONDS);
    }

    /**
     * 设置有效时间
     *
     * @param key     Redis键
     * @param timeout 超时时间
     * @param unit    时间单位
     * @return true=设置成功；false=设置失败
     */
    public boolean expire(final String key, final long timeout, final TimeUnit unit) {

        Boolean ret = redisTemplate.expire(key, timeout, unit);
        return ret != null && ret;
    }

    /**
     * 删除单个key
     *
     * @param key 键
     * @return true=删除成功；false=删除失败
     */
    public boolean del(final String key) {

        Boolean ret = redisTemplate.delete(key);
        return ret != null && ret;
    }

    /**
     * 删除多个key
     *
     * @param keys 键集合
     * @return 成功删除的个数
     */
    public long del(final Collection<String> keys) {

        Long ret = redisTemplate.delete(keys);
        return ret == null ? 0 : ret;
    }

    /**
     * 存入普通对象
     *
     * @param key   Redis键
     * @param value 值
     */
    public void set(final String key, final Object value) {

        redisTemplate.opsForValue().set(key, value, 1, TimeUnit.MINUTES);
    }

    // 存储普通对象操作

    /**
     * 存入普通对象
     *
     * @param key     键
     * @param value   值
     * @param timeout 有效期，单位秒
     */
    public void set(final String key, final Object value, final long timeout) {

        redisTemplate.opsForValue().set(key, value, timeout, TimeUnit.SECONDS);
    }

    /**
     * 获取普通对象
     *
     * @param key 键
     * @return 对象
     */
    public Object get(final String key) {

        return redisTemplate.opsForValue().get(key);
    }

    // 存储Hash操作

    /**
     * 往Hash中存入数据
     *
     * @param key   Redis键
     * @param hKey  Hash键
     * @param value 值
     */
    public void hPut(final String key, final String hKey, final Object value) {

        redisTemplate.opsForHash().put(key, hKey, value);
    }

    /**
     * 往Hash中存入多个数据
     *
     * @param key    Redis键
     * @param values Hash键值对
     */
    public void hPutAll(final String key, final Map<String, Object> values) {

        redisTemplate.opsForHash().putAll(key, values);
    }

    /**
     * 获取Hash中的数据
     *
     * @param key  Redis键
     * @param hKey Hash键
     * @return Hash中的对象
     */
    public Object hGet(final String key, final String hKey) {

        return redisTemplate.opsForHash().get(key, hKey);
    }

    /**
     * 获取多个Hash中的数据
     *
     * @param key   Redis键
     * @param hKeys Hash键集合
     * @return Hash对象集合
     */
    public List<Object> hMultiGet(final String key, final Collection<Object> hKeys) {

        return redisTemplate.opsForHash().multiGet(key, hKeys);
    }

    // 存储Set相关操作

    /**
     * 往Set中存入数据
     *
     * @param key    Redis键
     * @param values 值
     * @return 存入的个数
     */
    public long sSet(final String key, final Object... values) {
        Long count = redisTemplate.opsForSet().add(key, values);
        return count == null ? 0 : count;
    }

    /**
     * 删除Set中的数据
     *
     * @param key    Redis键
     * @param values 值
     * @return 移除的个数
     */
    public long sDel(final String key, final Object... values) {
        Long count = redisTemplate.opsForSet().remove(key, values);
        return count == null ? 0 : count;
    }

    // 存储List相关操作

    /**
     * 往List中存入数据
     *
     * @param key   Redis键
     * @param value 数据
     * @return 存入的个数
     */
    public long lPush(final String key, final Object value) {
        Long count = redisTemplate.opsForList().rightPush(key, value);
        return count == null ? 0 : count;
    }

    /**
     * 往List中存入多个数据
     *
     * @param key    Redis键
     * @param values 多个数据
     * @return 存入的个数
     */
    public long lPushAll(final String key, final Collection<Object> values) {
        Long count = redisTemplate.opsForList().rightPushAll(key, values);
        return count == null ? 0 : count;
    }

    /**
     * 往List中存入多个数据
     *
     * @param key    Redis键
     * @param values 多个数据
     * @return 存入的个数
     */
    public long lPushAll(final String key, final Object... values) {
        Long count = redisTemplate.opsForList().rightPushAll(key, values);
        return count == null ? 0 : count;
    }

    /**
     * 从List中获取begin到end之间的元素
     *
     * @param key   Redis键
     * @param start 开始位置
     * @param end   结束位置（start=0，end=-1表示获取全部元素）
     * @return List对象
     */
    public List<Object> lGet(final String key, final int start, final int end) {
        return redisTemplate.opsForList().range(key, start, end);
    }
}

9. Redis.conf详解

启动时，通过配置文件启动

9.1单位

.配置文件 unit单位对大小写不敏感

9.2 包含

可以使用多种配置文件集成起来（好比spring的import)

9.3网络

bind 127.0.0.1 #绑定的ip

protected-mode yes # 是否开启保护模式（一般开启）

port 6379 #端口设置

9.4 通用

daemonize yes #以守护进程方式运行，默认为no,我们需要自己开启为yes

pidfile /var/run/redis_6379.pid #如果以守护进程方式运行，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，默认不用改）

warning (only very important / critical messages are logged)

loglevel notice
logfile "" #日志的文件位置名称

databases 16 #数据库数量（默认有16个数据库）

9.4 快照

持久化，在规定的时间内，执行了多少操作，则会持久化到文件.rdb / .aof

Redis是内存数据库，没有持久化，则断电及失

save 900 1 #如果900s内，如果至少有一个key进行修改，我们就进行持久化操作

save 300 10 #如果900s内，如果至少有十个key进行修改，我们就进行持久化操作

save 60 10000 #如果900s内，如果至少有一万个key进行修改，我们就进行持久化操作

#一般自己定义这个测试
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 #保持rdb文件时，进行错误的检查校验

dir ./ #rdb文件保存的目录（默认当前目录）

9.5 复制

见后面主从复制

9.6 安全

requirepass foobared #设置密码，foobared改为自己的密码即可

#redis中关于密码的命令

config get requirepass #获取密码

config set requirepass #设置密码

auth password #在redis设置密码后的登录命令 password为自己的密码

9.6 限制

maxclients 10000 #设置能够连接redis的最大客户端数量

maxmemory <bytes> #redis配置最大的内存容量

maxmemory-policy noeviction #内存到达上限后的处理策略

maxmemory-policy 六种方式

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

9.7 APPEND ONLY MODE aof配置

appendonly no #默认不开启aof模式，默认使用rdb方式持久化，大多数情况下rdb够用

appendfilename "appendonly.aof" #持久化文件的名称

appendfsync always #每一次修改的值都会写入sync，消耗性能大

appendfsync everysec #每秒执行一次 sync ，可能丢失这一秒的数据（默认执行）

appendfsync no #不执行sync，这个时候操作系统自己同步数据，速度最快

更多具体配置见Redis持久化

10.Redis持久化

Redis是内存数据库，如果不能将内存的数据保存到磁盘上，一旦程序退出，那么数据也随之消失，故Redis提供了持久化技术。

10.1 RDB（Redis DataBase）

在指定的时间间隔将内存中数据集快照写入磁盘，即Snapshot快照，它恢复时将快照文件的数据读到内存。

Redis会单独创建一个（fork）子进程来进行持久化，会将数据先写入一个临时文件中，待持久化过程结束了，再用这个临时文件来替换上一次持久化好的文件。这个过程中，主线程不需要进行IO操作，这样确保了高性能。如果需要进行大规模的数据恢复，并且对数据恢复的完整性不敏感，那么RDB比AOF方式更加高效。RDB的缺点是最后一次持久化的数据可能丢失。

一般情况下我们默认的是RDB，不需要修改该配置。

有时候在生产环境我们会将该文件进行备份。

10.1.0RDB保存的文件是 dump.rdb文件

save 60 5

60秒内修改5次key就会触发rdb操作

10.1.2 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rdb规则

3.退出redis，也会产生rdb文件

备份就会自动生成一个dump.rdb文件

10.1.3 如何恢复rdb文件

只需要将rdb文件放到我们的redis启动目录即可，redis启动时会自动检查dump.rdb文件并且将其恢复。

127.0.0.1:6379> config get dir

"dir"

"/usr/local/bin" #如果该目录下存在dump.rdb文件，启动时就会自动恢复其中的数据

10.1.4 优缺点

优点：

1.适合大规模数据的恢复。dump.rdb。

2.如果对数据的完整性，要求不高。

缺点：

1.需要一定的时间间隔进程操作，如果redis意外宕机，那么最后一条修改的时间就丢失了。

2.fork进程的时候，会占用一定的内存空间。

10.2 AOF（Append Only File）

将我们的所有命令都记录下来，如同history，恢复的时候就把这些命令全部再执行一遍。

以日志的形式来记录每一个写的操作,将Redis执行的过程所有指令全部记录下来（读操作不记录）。只允许追加文件不可以修改文件，Redis启动时就会读取该文件重新构建数据。换而言之，Redis重启的话就是根据日志文件的内容将以前的指令从前到后执行一次完成数据的恢复。

AOF 保存的是appendonly.aof文件

10.2.1 如何开启AOF

默认是不开启，我们需要手动进行配置

一般情况下，只需要将 appendonly 改为yes。

重启，redis就可以生效。

appendonly.aof以日志级别来记录所有写操作

我们可以对appendonly.aof进行修改。

如果appendonly.aof文件出错了，redis-check-aof会对appendonly.aof进行修复

测试：

如果这个aof文件有错误，redis是启动不起来的，我们需要修复这个aof文件

redis给我提供了一个工具：redis-check-aof。

刚才乱写的东西没了

10.2.2 重写规则

默认不开启，

如果aof大于64mb，就会fork一个新的线程来将我们的文件重写

aof是默认无限追加。

AOF 重写的过程是这样的：Redis 会通过遍历当前内存中的数据，重新生成一份包含相同数据修改命令的新的 AOF 文件。这个过程是非常高效的，因为它不需要像 AOF 文件一样记录每一条写操作的细节，而是采用了一种紧凑的格式来表示相同的数据状态。这样就可以在不影响服务器正常运行的情况下，快速地生成一个新的 AOF 文件。

10.2.3 优缺点

appendonly no #默认不开启aof模式，默认使用rdb方式持久化，大多数情况下rdb够用

appendfilename "appendonly.aof" #持久化文件的名称

appendfsync always #每一次修改的值都会写入sync，消耗性能大

appendfsync everysec #每秒执行一次 sync ，可能丢失这一秒的数据（默认执行）

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：

1.每一次修改都同步，文件完整性更加好。

2.默认开启每秒同步一次，可能丢失一秒的数据。

从不同步，效率最高。

缺点：

1.相当于数据文件而言，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，故redis默认配置为rdb持久化。

10.3 总结

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
a.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。
b.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，留着作为一个万一的手段。

5、性能建议
a.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 9001 这条规则。
b.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!oad自己的AOF文件就可以了，代价是带来了持续的10，二是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。
c.如果不Enable AOF,仅靠 Master-slave Replcation 实现高可用性也可以，能省掉一大笔!0,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。

11. Redis发布订阅

Redis发布订阅（pub/sub）是一种信息通信模式：发送者（pub）发送消息，订阅者（sub）接收信息。如微信，微博，关注系统。

Redis客户端可以订阅任何数量的频道。

11.1 概念

发布/订阅图：

第一个：信息发送者

第二个：频道

第三个：信息订阅者

下图展示了channel1，以及订阅该频道的三个客户端client2、client5、client1之间的关系

当有新消息通过 PUBLISH 命令发送给频道 channel1 时，这个消息就会被发送给订阅它的三个客户端：

11.2 常用命令

11.3 测试

发送者：

127.0.0.1:6379> PUBLISH yzh "hello world"  //向频道中发送信息
(integer) 1
127.0.0.1:6379> PUBLISH yzh "hello redis"
(integer) 1
127.0.0.1:6379>

订阅者

127.0.0.1:6379> SUBSCRIBE yzh   //订阅一个频道
Reading messages... (press Ctrl-C to quit)
1) "subscribe"
2) "yzh"
3) (integer) 1
//推送的信息
1) "message"
2) "yzh"
3) "hello world"
1) "message"
2) "yzh"
3) "hello redis"

绑定频道后，发布者发布一条信息，订阅者就会自动收到一条信息。

11.4 原理

Redis是使用C实现的，通过分析Redis源码里面的pubsub.c文件，即可了解发布和订阅机制的底层实现。

Redis是通过PUBLISH、SUBSCRIBE、PSUBCRIBE等命令实现发布和订阅功能

通过SUBSCRTIBE命令订阅某个频道后，redis-server里维护了一个字典，字典的键就是频道，而字典的值就是一个链表，这个链表保存了所有订阅这个频道的客户端。SUBCRIBE命令的关键，就是将客户端添加到给定频道的订阅链表中。

用过PUBLISH命令向订阅者发布消息，redis-server会使用给定的频道作为键，在它所维护的频道子弟班中查找订阅了这个频道的所有客户端链表，遍历这个链表，将消息发布给所有订阅者。

一般的使用场景

a.实时消息系统

b.实时聊天（频道当做聊天室，将信息回显给所有人即可）

c.订阅、关注系统

复制场景一般使用消息中间件MQ。

12 Redis主从复制

12.1 基本概念

主从复制，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/lead），后者称为从节点（slave/follower）。数据复制是单向的，只能从主节点到从节点。Master以写为主，Slave以读为主。

**默认情况下，每台redis都是主节点，**且每个主节点都能有多个从节点（或者没有从节点），但是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。

一般来说，要将Redis运用于工程项目中，只使用一台Redis是万不能的（宕机，一主而从），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，我们可以使如下这种架构:

主从复制，读写分离，80%的情况下都是在进行读操作。减缓服务器的压力。（最低：一主而从）

12.2 环境配置

只配置从库，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  master
connected_slaves:0                        #从机个数
master_replid:2d1a0631092f37536305c089c01eebc425befd4a
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
127.0.0.1:6379>

模拟测试：

复制三个配置文件，修改三个配置文件对应的信息

1.端口

2.pid（进程）名称

3.日志（log）文件名称

4.dummp.rdb文件名称

然后依次启动三个redis服务

如何变成一主而从？

默认情况下每一台redis都是主节点

一般情况下只用配置从机。

一主（79）二从（80，81）

SLAVEOF host port

如：

SLAVEOF 127.0.0.1 6379

从机配置：

27.0.0.1:6380> SLAVEOF 127.0.0.1 6379
OK
127.0.0.1:6380> info replication
# Replication
role:slave
master_host:127.0.0.1
master_port:6379
master_link_status:down
master_last_io_seconds_ago:-1
master_sync_in_progress:0
slave_repl_offset:1
master_link_down_since_seconds:1709021289
slave_priority:100
slave_read_only:1
connected_slaves:0
master_replid:cc596ce8d81ebb6ba2b32aaf9caa8d107368e61a
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
127.0.0.1:6380>

主机查看

注意：

1.如果您在主节点上进行身份验证，那么从节点也需要相应地在 redis.conf 配置文件中指定密码才能与主节点进行通信。

2.真实的从主配置是在配置文件中进行配置，这样的话才是永久配置。

3.如果是使用命令行，来配置的主从，这个时候如果重启了，就会变回主机.只要变为从机就会立即从主机中获取值。

4.如果主机断开了连接，从机依旧连接到主机的，但是没写操作了，如果主机回来了，从机依旧可以从主机获取主机写的值。

replicaof <masterip> <masterport> 配置主机的ip和端口

masterauth <master-password> 配置主机的密码

12.3 细节

主机可以写，从机不能写只能读。

主机中的所有信息数据都会自动被从机保存。

主机：

从机：

12.4 复制原理

Slave 启动成功连接到 master 后会发送一个sync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。

只要是重新连接master，一次完全同步(全量复制)将被自动执行。

12.5 链路模式

上一个M连接下个S。

M-M,S-M,S-S

这种情况也能完成我们的主从复制。

如果上一个主机断开了，能不能重新定一个主机呢？

选择一个节点可以使用 SLAVEOF NO ONE 让自己变为主机，其他节点就能够手动连接到这个最新的主节点。（手动）如果旧的主机回来了，就只能重新连接。

12.6 哨兵模式

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。

哨兵模式：能够自动的监控主机是否宕机，如果宕机就根据票数自动将从库转为主库。

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.

这里的哨兵有两个作用

1.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.

2.当哨兵监测到master宕机，会自动将slave切换成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，让它们切换主机。

然而一个哨兵进程对redis服务器进行监控，可能出现问题。所以，我们可以使用多个哨兵进行监控，各个哨兵之间也会进行监控，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。

测试：

目前状态为一主二从

1.创建哨兵配置文件

vim sentinel.conf

2.配置哨兵配置文件

#sentinelmonitor 被监控的主机名称 host port 1

sentinelmonitor myredis 127.0.0.1 6379 1

后面这个数字1，代表主机挂了，slave投票看让谁成为主机，票数最多的就会成为主机。

3.启动哨兵

redis-sentinel yconfig/sentinel.conf

如果主机节点断开，这个时候就会从从机中随机选择一个服务器为新主机（通过一个投票算法）

如果旧主机回来了，也只能归并到新的主机下当作从机，这就是哨兵规则。

优缺点：

优点：

1.哨兵集群，基于主从复制模式，所有的主从配置有点它都有。

2.主从可以切换，故障可以转移，系统的可用性更好。

3.哨兵模式就是主从复制的升级版，手段到自动，更加健壮。

缺点：

1.redis不好在线扩容，集群容量一旦到达上限，在线扩容十分麻烦。

2.实现哨兵模式配置很麻烦，里面有许多选择。

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，那么还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

13.Redis缓存穿透和雪崩（查不到）

13.1缓存的作用

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，从严格意义上进，这个问题无解。如果对数据的一致性要求很高，那么就不能使用缓存。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。

13.2缓存穿透概念

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。

13.3 缓存穿透解决方案

13.3.1 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。

13.3.2 缓存空对象

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。

但是这个方法存在两个问题

1.如果能够被缓存起来，就意味着缓存需要更多的空间来存储更多的键，因为这当中有许多的含空值的键。

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的数据不一致，这对需要保持一致性的业务有有影响。

13.4 缓存击穿

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。

13.5 缓存击穿解决方案

13.5.1 设置热点key永不过期

从缓存层面而言，没有设置过期时间，所以不会出现热点key过期后的问题。

13.5.2 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。

13.6 缓存雪崩

在某一个时间段，缓存集体失效，或者redis宕机。

立生雪崩的原因之一，比如在写本文的时候，马上就要到双十一零点，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。

13.7 缓存雪崩解决方案

13.7.1 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!)

13.7.2 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。

13.7.3 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。

参考视频：狂神说 1、课程内容简介_哔哩哔哩_bilibili

参考资料：Redis 教程 | 菜鸟教程