redis 热点数据 缓存

• Redis 是什么
• Redis 的五种基本类型

• • STRING
  • LIST
  • SET
  • HASH
  • ZSET

• 键的过期时间
• 发布与订阅
• 事务
• 持久化

• • 快照持久化
  • AOF 持久化

• 复制

• • 从服务器连接主服务器的过程
  • 主从链

• 处理故障
• 分片
• 事件

• • 事件类型
  • 事件的调度与执行

• Redis 与 Memcached 的区别
• Redis 适用场景
• 数据淘汰策略
• 一个简单的论坛系统分析

• • 文章信息
  • 点赞功能
  • 对文章进行排序

• 参考资料

Redis 是什么、特点

非关系型（NoSQL）内存键值数据库

五种类型数据类型为：字符串、列表、散列表，集合、有序集合

内存中数据持久化

使用复制来扩展读性能：复制到多台服务器、提高读性能和可用性

使用分区来扩展写性能【hash一致性算法】：当数据量大的时候,把数据分散存入多个数据库中,减少单节点的连接压力

特点

• 完全基于内存
• 数据结构简单，对数据操作也简单
• 使用多路 I/O 复用模型

多路 I/O 复用模型是利用select、poll、epoll可以同时监察多个流的 I/O 事件的能力，在空闲的时候，会把当前线程阻塞掉，当有一个或多个流有I/O事件时，就从阻塞态中唤醒，于是程序就会轮询一遍所有的流（epoll是只轮询那些真正发出了事件的流），并且只依次顺序的处理就绪的流，这种做法就避免了大量的无用操作

 

Redis 的五种基本类型

数据类型	可以存储的值	操作
STRING	字符串、整数或者浮点数	字符串操作 对整数和浮点数执行自增、自减操作
LIST	链表，维护顺序	两端压入、弹出元素；保持顺序 读取单个或者多个元素 删除、保留范围内元素
SET	无序集合	添加、随机获取、移除单个元素 检查一个元素是否存在于集合中 计算交集、并集、差集
HASH	包含键值对的无序散列表	添加、获取、移除单个键值对 获取所有键值对 检查某个键是否存在
ZSET	有序集合，增加了一个权重参数score，集合中的元素能按score进行有序排列	添加、获取、删除元素个元素 根据分值范围或者成员来获取元素 计算一个键的排名

 

Redis 适用场景

1. 缓存 将热点数据放到内存中
2. 消息队列 List 类型是双向链表，很适合用于消息队列
3. 计数器 快速、频繁读写操作；string的单线性自增减 ++ --
4. 共同好友关系 set 交集运算，很容易就可以知道用户的共同好友
5. 排名 zset有序集合

 

键的过期时间 作用：清理缓存数据

为键设置过期时间，过期，自动删除该键

对于散列表这种容器，只能为整个键设置过期时间（整个散列表），而不能为键里面的单个元素设置过期时间。

 

事务

Redis最简单的事务实现方式是使用MULTI和EXEC命令将事务操作包围起来

MULTI 和 EXEC 中的操作将会一次性发送给服务器，这种方式称为流水线，减少客户端与服务器之间的网络通信次数，提升性能

redis事务三阶段：

1. 开启：以MULTI开始一个事务
2. 入队：将多个命令入队到事务队列中，接到这些命令并不会立即执行，而是放到等待执行的事务队列里面
3. 执行：由EXEC命令触发事务

redis事务三大特性：

1. 单独的隔离操作：事务中的所有命令都会序列化、按顺序地执行。事务在执行的过程中，不会被其他客户端发送来的命令请求所打断。
2. 没有隔离级别的概念：队列中的命令没有提交之前都不会实际的被执行，因为事务提交前任何指令都不会被实际执行，也就不存在”事务内的查询要看到事务里的更新，在事务外查询不能看到”这个让人万分头痛的问题
3. 不保证事务原子性：redis同一个事务中如果有一条命令执行失败，其后的命令仍然会被执行，没有回滚
   1. 官方认为，只有当被调用的Redis命令有语法错误时，这条命令才会执行失败
   2. 保证生产环境的简单、快速

通过WATCH命令实现CAS操作，实现乐观锁；（读锁和写锁属于悲观锁）

Redis使用WATCH命令实现事务的“检查再设置”（CAS）行为。

作为WATCH命令的参数的键会受到Redis的监控，Redis能够检测到它们的变化。在执行EXEC命令之前，如果Redis检测到至少有一个键被修改了，那么整个事务便会中止运行，然后EXEC命令会返回一个Null值，提醒用户事务运行失败

 

持久化

快照持久化

将某个时间点的所有数据都存放到硬盘上

可以将快照复制到其它服务器从而创建具有相同数据的服务器副本

缺点：故障可能丢失最后一次创建快照之后的数据；如果数据量很大，保存快照的时间也会很长。

AOF 持久化 将写命令添加到 AOF 文件（Append Only File）的末尾

写命令添加到 AOF 文件时，有以下同步选项：

选项	同步频率
always	每个写命令都同步
everysec	每秒同步一次
no	让操作系统来决定何时同步

1. always： 严重减低服务器的性能；
2. everysec ：比较合适，保证系统奔溃时只会丢失一秒左右的数据，并且 Redis 每秒执行一次同步对服务器性能几乎没有任何影响；
3. no ：不能给性能带来提升，且会增加奔溃时数据丢失量

 

随着服务器写请求的增多，AOF 文件会越来越大；Redis 提供了一种将 AOF 重写的特性，能够去除 AOF 文件中的冗余写命令。

对硬盘的文件进行写入时，写入的内容首先会被存储到缓冲区，操作系统决定何时写

用户可以调用 file.flush() 方法请求尽快将缓冲区存储的数据同步到硬盘

redis主从复制 分布式数据同步方式

slaveof host port 命令来让一个服务器成为另一个服务器的从服务器。

一个从服务器只能有一个主服务器

从服务器连接主服务器的过程

1. 主服务器创建快照文件，发送给从服务器。同时记录其间执行的写命令，发送完毕后，开始向从服务器发送写命令；
2. 从服务器丢弃所有旧数据，载入主服务器的快照文件，然后开始接受主服务器发来的写命令；
3. 主服务器每执行一次写命令，就向从服务器发送相同的写命令

主从链 创建一个中间层来分担主服务器的复制工作

1. 随着负载不断上升，主服务器可能无法很快地更新所有从服务器
2. 重新连接和重新同步从服务器将导致系统超载
3. 中间层的服务器是最上层服务器的从服务器，又是最下层服务器的主服务器

 

redis 主服务器 故障 处理

当主服务器出现故障时，Redis 常用的做法是新开一台服务器作为主服务器，具体步骤如下：假设 A 为主服务器，B 为从服务器，当 A 出现故障时，让 B 生成一个快照文件，将快照文件发送给 C，并让 C 恢复快照文件的数据。最后，让 B 成为 C 的从服务器。

分片 集群 读并发

数据划分为多个部分，可以将数据存储到多台机器里，作用：负载均衡、线性级别的性能提升

分片方式：

1. 客户端代码分片
2. Redis Sharding，对Redis数据的key进行hash，相同的key到相同的节点上
3. 一致性哈希算法
4. 代理服务器分片 轮询round-bin

 

 

数据淘汰策略 6 种

可设置内存最大使用量，超出时淘汰， 淘汰策略。

策略	描述
volatile-lru	从已设置过期时间的数据集中挑选最近最少使用的数据淘汰
volatile-ttl	从已设置过期时间的数据集中挑选将要过期的数据淘汰
volatile-random	从已设置过期时间的数据集中任意选择数据淘汰
allkeys-lru	从所有数据集中挑选最近最少使用的数据淘汰；最常用的热点数据缓存策略
allkeys-random	从所有数据集中任意选择数据进行淘汰
no-envicition	禁止驱逐数据

缓存热点数据，启用 allkeys-lru 淘汰策略，

一个简单的论坛系统分析

该论坛系统功能如下：

• 可以发布文章；
• 可以对文章进行点赞；
• 在首页可以按文章的发布时间或者文章的点赞数进行排序显示；

文章信息 HASH 来存储

文章包括标题、作者、赞数等信息，在 Redis 中使用 HASH 来存储每种信息以及其对应的值的映射

Redis 使用命名空间的方式来实现类似表的功能、命名空间可以扩展树的深度 set test1:test2:test3 123 类似json

键名的前面部分存储空间名，后面部分存储空间 ID，整个组成Hash的健名

使用【冒号 : 】分隔。例如下面的 HASH 的键名为 article:92617，其中 article 为命名空间，ID 为 92617。

 

点赞功能

建立文章的已投票用户集合，set交集操作检查是否已点过赞

点赞 votes 字段进行加 1 操作

设置一周的过期时间，过后就不能再点赞

 

对文章进行排序 zset

为建立一个文章发布时间的有序集合和一个文章点赞数的有序集合

 

redis与数据库的同步 数据一致

一、一致性要求高场景，实时同步方案，即查询redis，若查询不到再从DB查询，保存到redis；

更新redis时，先更新数据库，再将redis内容设置为过期(建议不要去更新缓存内容，直接设置缓存过期)，再用ZINCRBY增量修正redis数据

二、并发程度高的，采用异步队列的方式，采用kafka等消息中间件处理消息生产和消费

三、阿里的同步工具canal，实现方式是模拟mysql slave和master的同步机制，监控DB bitlog的日志更新来触发redis的更新，解放程序员双手，减少工作量

四、利用mysql触发器的API进行编程,c/c++语言实现，学习成本高。

 

redis新数据定时同步到数据库过程：

1. 定时任务定时同步redis与数据库的数据，
   1. 数据库里存储着原始数据，通过数据库的数据和redis对比，得出需要更新的数据

2.在更新过程中，redis的数据还在增长

• 1. 需先读redis的数据，记下时间；

• 1. 再查询指定时间段里的数据库的数据；
  2. 再用ZINCRBY增量修正redis数据，而不是直接用ZADD覆盖redis数据

 

热数据与Mysql的同步编码实现 数据库上锁

热点数据（经常会被查询，但是不经常被修改或者删除的数据），首选是使用redis缓存

用spring的AOP来构建redis缓存的自动生产和清除，过程如下：

• Select 数据库前查询redis，有的话使用redis数据，放弃select 数据库，没有的话，select 数据库，然后将数据插入redis
• update或者delete 数据库数据
  • 高并发的情况下：先对数据库加锁，再删除redis
  • 查询redis是否存在该数据，若存在则先对数据库加行锁，再删除redis，再update或者delete数据库中数据
• update或者delete redis，先更新数据库，再将redis内容设置为过期(建议不要去更新缓存内容，直接设置缓存过期)

 

出错场景：update先删掉了redis中的该数据，这时另一个线程执行查询，发现redis中没有，瞬间执行了查询SQL，并且插入到redis

 

使用案例

1.计数器 string

单线程，避免并发问题，保证不会出错，毫秒级性能

命令：INCRBY incrby

2.队列 list 简单消息队列、用户第几个访问、新闻列表排序

由于redis把数据添加到队列是返回添加元素在队列的第几位，所以可以做判断用户是第几个访问这种业务

新闻列表页面最新的新闻列表，redis的 LPUSH命令构建List

3.在线状态、签到（大数据处理）

几亿用户系统的签到，去重登录次数统计，用户是否在线状态

setbit、getbit、bitcount命令

原理是：

redis内构建一个足够长的数组，每个数组元素只能是0和1两个值

数组的下标index用来表示我们上面例子里面的用户id

4.hash实现幂等性请求

• （hash实现幂等性请求）验证前端的重复请求，通过redis进行过滤：每次请求将request ip、参数、接口等hash作为key存储redis，设置多长时间有效期，然后下次请求过来的时候先在redis中检索有没有这个key，进而验证是不是一定时间内过来的重复提交

5.秒杀系统（防止超卖），单线程特征，自增，无并发问题 string

6.全局增量ID生成 生成全局唯一商品序列号、插入数据重复问题

7.排行榜 zrevrank 查看前n名 ZRANGE 查看所有排名 O(log(N))

谁得分高谁排名往上。命令：ZADD（有序集）

给Alice投票 redis> zincrby vote_activity 1 Alice "1"

给Bob投票 redis> zincrby vote_activity 1 Bob "1"

给Alice投票 redis> zincrby vote_activity 1 Alice "2"

 

查看Alice投票数 redis> zscore vote_activity Alice ----"2"

 

获取Alice排名(从高到低，zero-based ) redis> zrevrank vote_activity Alice (integer) 0

获取前10名(从高到低) redis> zrevrange vote_activity 0 9 1) "Alice" 2) "Bob"

获取前10名及对应的分数(从高到低) redis> zrevrange vote_activity 0 9 withscores "Alice" "2" "Bob" "1"

获取总参与选手数 redis> zcard vote_activity (integer) 2

 

score相同，排序逻辑是按照key的字母序排序，同分数情况下按时间排序，key加上时间戳前缀

通过ZRANK可以快速得到用户的排名

通过ZRANGE可以快速得到TOP N的用户列表，它们的复杂度都是O(log(N))，

 

STRING

 

> set hello world OK > get hello "world" > del hello (integer) 1 > get hello (nil)

LIST

 

> rpush list-key item (integer) 1 > rpush list-key item2 (integer) 2 > rpush list-key item (integer) 3 > lrange list-key 0 -1 1) "item" 2) "item2" 3) "item" > lindex list-key 1 "item2" > lpop list-key "item" > lrange list-key 0 -1 1) "item2" 2) "item"

SET

 

> sadd set-key item (integer) 1 > sadd set-key item2 (integer) 1 > sadd set-key item3 (integer) 1 > sadd set-key item (integer) 0 > smembers set-key 1) "item" 2) "item2" 3) "item3" > sismember set-key item4 (integer) 0 > sismember set-key item (integer) 1 > srem set-key item2 (integer) 1 > srem set-key item2 (integer) 0 > smembers set-key 1) "item" 2) "item3"

HASH

 

> hset hash-key sub-key1 value1 (integer) 1 返回是否存在该键值 > hset hash-key sub-key2 value2 (integer) 1 > hset hash-key sub-key1 value1 (integer) 0 查询不到该键值 > hgetall hash-key //查询所有键值 1) "sub-key1" 2) "value1" 3) "sub-key2" 4) "value2" > hdel hash-key sub-key2 //删除键 (integer) 1 > hdel hash-key sub-key2 (integer) 0 > hget hash-key sub-key1 //根据键，查询值 "value1"

ZSET Sorted Set

 

SkipList + HashTable

 

> zadd zset-key 728 member1 (integer) 1 > zadd zset-key 982 member0 (integer) 1 > zadd zset-key 982 member0 (integer) 0 > zrange zset-key 0 -1 withscores 1) "member1" 2) "728" 3) "member0" 4) "982" > zrangebyscore zset-key 0 800 withscores 1) "member1" 2) "728" > zrem zset-key member1 (integer) 1 > zrem zset-key member1 (integer) 0 > zrange zset-key 0 -1 withscores 1) "member0" 2) "982"