【redis】应用场景：缓存功能和计数功能

文章目录

缓存功能
记数功能

缓存功能

实现思路

整体的思路：

应用服务器访问数据的时候，先查询 Redis

如果 Redis 上数据存在了，就直接从 Redis 读取数据交给应用服务器，不继续访问数据库了
如果 Redis 上数据不存在，再读取 MySQL，把读到的结果，返回给应用服务器。同时，把这个数据也写入到 Redis 中

Redis 这样的缓存，经常用来存储"热点"数据（高频被使用的数据）

刚才上述描述的过程，相当于是把最近使用到的数据作为热点数据

暗含了一层假设：某个数据一旦被用到了，那么很可能在最近这段时间就会被反复用到

存在的问题

上述策略，存在一个明显的问题：

随着时间的推移，肯定是会有越来越多的 key 在 Redis 上访问不到，从而从 MySQL 读取并写入 Redis 中，此时 Redis 里面的数据不就越来越多了吗？

在把数据写给 Redis 的时候，给这个 key 设置一个过期时间
Redis 也在内存不足的时候，提供了"淘汰策略"

伪代码实现

假设业务是根据用户 uid 获取用户信息

java 复制代码

UserInfo getUserInfo(long uid) {
	...
}

uid 还需要拼接一些前缀：user:info

因为 Redis 里面存的信息有很多种，不仅仅只有用户信息

所以为了后续进行区分，例如 grade:info，admin:info... 需要拼接一个前缀

首先从 Redis 获取用户信息，我们假设用户信息保存在"user:info<uid>"

java 复制代码

// 根据 uid 得到 Redis的键
String key = "user:info: " + uid;


// 尝试从 Redis 中获取对应的值
String value = Redis 执行命令: get key;

// 如果缓存命中（hit）
if(value != null) {
	// 假设我们的用户信息按照 JSON 格式存储
	UserInfo userinfo = JSON 反序列化(value);
	return userInfo;
}

如果没有从 Redis 中得到用户信息及缓存 miss，则进一步从 MySQL 中获取对应的信息，随后写入缓存并返回

java 复制代码

// 如果未命中（miss）
if(value == null) {
	// 从数据库中，根据 uid 获取用户信息
	UserInfo userInfo = MySQL 执行 SQL: select * from user_info where uid = <uid>

	// 如果表中没有 uid 对应的用户信息
	if(userInfo == null) {
		响应 404
		return null;	
	}
	
	// 将用户信息序列化成 JSON 格式
	String value = JSON 序列化(userInfo);
	
	// 写入缓存，为了防止数据腐烂（rot），设置过期时间为 1 小时（3600s）
	Redis 执行命令: set key value ex 3600
	
	// 返回用户信息
	return userInfo;
}

记数功能

许多应⽤都会使⽤ Redis 作为计数的基础⼯具，它可以实现快速计数、查询缓存的功能，同时数据可以异步处理或者落地到其他数据源。

如图下图所⽰，例如视频⽹站的视频播放次数可以使⽤ Redis 来完成：⽤⼾每播放⼀次视频，相应的视频播放数就会**⾃增 1**。

实现思路

企业为什么老乐意收集用户的数据？

因为统计可以进一步明确用户拒的需求，然后根据需求改进和迭代产品

统计

Redis 可以计数，但是不擅长统计

比如，想在上述的 Redis 中，统计播放量前 100 的视频有哪些

基于 Redis 搞，就很麻烦
相比之下，如果是 MySQL 来存储上述数据，一个 SQL 就搞定了
所以在 Redis 计数之后，还需要将播放量同步到"统计数据仓库"中

异步的方式：这里写入统计数据仓库（MySQL/HDFS...）的步骤是异步的

不是说，来一个播放请求，这里就必须立马写一个数据
不要求两边是同时完成的，只要最后都完成了就行

伪代码实现

java 复制代码

// 在 Redis 中统计某视频的播放次数
long incrVideoCounter(long vid) {
	key = "video: " + vid;
	long count = Redis 执行命令: incr key
	return counter;
}

实际中要开发一个成熟、稳定的真实技术系统，要面临的挑战远不止如此简单：防作弊、按照不同维度计数、避免单点击问题、数据持久到底层数据源等等