Redis从入门到入土

概述

Redis是一个开源的key-value存储系统。

和Memcached类似，它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set(集合)、zset(sorted set --有序集合)和hash（哈希类型）。

这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。

在此基础上，Redis支持各种不同方式的排序。

与memcached一样，为了保证效率，数据都是缓存在内存中。

区别的是Redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件。

并且在此基础上实现了master-slave(主从)同步。

应用场景

1.配合关系型数据库做高速缓存

​ 高频次，热门访问的数据，降低数据库IO

​ 分布式架构，做session共享

2.多样的数据结构储存持久化数据

redis相关知识

端口6379

默认16个数据库，类似数组下标从零开始，初始默认使用0号库

使用命令 select 来切换数据库。如: select 8

统一密码管理，所有库同样密码。

dbsize查看当前数据库的key的数量

flushdb清空当前库

flushall通杀全部库

127.0.0.1:6379> config get databases  #命令行查看数据库数量
1) "databases"
2) "16"
127.0.0.1:6379> select 0  #切换数据库 db 0
(integer) 0
127.0.0.1:6379> dbsize  #查看数据库大小
OK

Redis是单线程+多路IO复用技术

多路复用是指使用一个线程来检查多个文件描述符（Socket）的就绪状态，比如调用select和poll函数，传入多个文件描述符，如果有一个文件描述符就绪，则返回，否则阻塞直到超时。得到就绪状态后进行真正的操作可以在同一个线程里执行，也可以启动线程执行（比如使用线程池）

常用五大数据类型

Redis-key

127.0.0.1:6379> set name liutianzhu  #set key
OK
127.0.0.1:6379> get name #获取当前key的值
"liutianzhu"
127.0.0.1:6379> keys *  #查看所有的key
1) "name"
127.0.0.1:6379> set age 20
OK
127.0.0.1:6379> keys *
1) "name"
2) "age"
127.0.0.1:6379> Exists name  #判断当前的key是否存在 存在则返回1，不存在则返回0
(integer) 1
127.0.0.1:6379> Exists name1
(integer) 0
127.0.0.1:6379> move name 1		#将该键从当前库移动到另外一个数据库
(integer) 1
127.0.0.1:6379> expire name 20 	#设置key的过期时间，单位是秒
(integer) 1
127.0.0.1:6379> ttl name  #查看当前key的剩余时间
(integer) 14
127.0.0.1:6379> ttl name
(integer) (nil)
127.0.0.1:6379> type name  #查看当前key类型
string
127.0.0.1:6379> del age  #删除键值对
(integer) 1  #删除个数

关于ttl命令

Redis的key，通过TTL命令返回key的过期时间，一般来说有3种：

1. 当前key没有设置过期时间，所以会返回-1.
2. 当前key有设置过期时间，而且key已经过期，所以会返回-2.
3. 当前key有设置过期时间，且key还没有过期，故会返回key的正常剩余时间.

关于重命名rename 和 renamenx

127.0.0.1:6379> rename name stuname		#修改key的名称
OK
127.0.0.1:6379> renamenx stuname name   #仅当 newkey 不存在时，将 key 改名为 newkey 
(integer) 1

更多详细命令请看官方文档：https://www.redis.net.cn/order/

String

127.0.0.1:6379> set key1 v1   #设置值
OK
127.0.0.1:6379> get key1		#获得值
"v1"
127.0.0.1:6379> exists key1		#判断某一个key是否存在
(integer) 1
127.0.0.1:6379> append key1 "hello"		#追加字符串，如果当前key不存在，就相当于setkey
(integer) 7
127.0.0.1:6379> get key1
"v1hello"
127.0.0.1:6379> strlen key1		#获取字符串长度
(integer) 7
127.0.0.1:6379> append key1 ",liuzhicheng"
(integer) 19
127.0.0.1:6379> get key1
"v1hello,liuzhicheng"
127.0.0.1:6379> strlen key1
(integer) 19
127.0.0.1:6379> setnx phone 13930618486  #只有在key不存在时，设置key的值
(integer) 1
127.0.0.1:6379> set k2 100
OK
127.0.0.1:6379> incr k2	#将 key 中储存的数字值增1，只能对数字值操作，如果为空，新增值为1
(integer) 101
127.0.0.1:6379> decr k2 #将 key 中储存的数字值减1，只能对数字值操作，如果为空，新增值为-1
(integer) 100
127.0.0.1:6379> incrby k2 20	#将 key 中储存的数字值增。自定义步长。
(integer) 121
127.0.0.1:6379> decrby k2 20	#将 key 中储存的数字值减。自定义步长。
(integer) 101
127.0.0.1:6379> mset k1 v1 k2 v2 k3 v3 #同时设置一个或多个键值对
OK
127.0.0.1:6379> keys *
1) "k1"
2) "k2"
3) "k3"
127.0.0.1:6379>  mget k1 k2 k3  #同时获取一个或多个值
1) "v1"
2) "v2"
3) "v3"
127.0.0.1:6379> mset k1 v1 k2 v2 k3 v3
OK
127.0.0.1:6379> keys *
1) "k1"
2) "k2"
3) "k3"
127.0.0.1:6379>  mget k1 k2 k3
1) "v1"
2) "v2"
3) "v3"
#同时设置一个或多个 key-value 对，当且仅当所有给定 key 都不存在。
127.0.0.1:6379> msetnx a1 v1 a2 v2   
(integer) 1
127.0.0.1:6379> set name lucymary
OK
127.0.0.1:6379> getrange name 0 2	#获得值的范围，类似java中的substring，前包，后包
"luc"
127.0.0.1:6379> set name 10 20   #设置键值的同时，设置过期时间，单位秒
OK
127.0.0.1:6379> ttl name
(integer) -2
127.0.0.1:6379> getset name 50 #以新换旧，设置了新值同时获得旧值
"30"

List

lpush/rpush  <key><value1><value2><value3> .... 从左边/右边插入一个或多个值。
lpop/rpop  <key>从左边/右边吐出一个值。值在键在，值光键亡。
rpoplpush  <key1><key2>从<key1>列表右边吐出一个值，插到<key2>列表左边。
lrange <key><start><stop>
按照索引下标获得元素(从左到右)

lrange mylist 0 -1  0左边第一个，-1右边第一个，（0-1表示获取所有）
lindex <key><index>按照索引下标获得元素(从左到右)
llen <key>获得列表长度 
linsert <key>  before <value><newvalue>在<value>的后面插入<newvalue>插入值
lrem <key><n><value>从左边删除n个value(从左到右)
lset<key><index><value>将列表key下标为index的值替换成value

list数据结构

首先在列表元素较少的情况下会使用一块连续的内存存储，这个结构是ziplist，也即是压缩列表。

它将所有的元素紧挨着一起存储，分配的是一块连续的内存。

当数据量比较多的时候才会改成quicklist。

因为普通的链表需要的附加指针空间太大，会比较浪费空间。比如这个列表里存的只是int类型的数据，结构上还需要两个额外的指针prev和next。

Redis将链表和ziplist结合起来组成了quicklist。也就是将多个ziplist使用双向指针串起来使用。这样既满足了快速的插入删除性能，又不会出现太大的空间冗余。

Set

Redis set对外提供的功能与list类似是一个列表的功能，特殊之处在于set是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set是一个很好的选择，并且set提供了判断某个成员是否在一个set集合内的重要接口，这个也是list所不能提供的。

Redis的Set是string类型的无序集合。它底层其实是一个value为null的hash表，所以添加，删除，查找的复杂度都是O(1)

一个算法，随着数据的增加，执行时间的长短，如果是O(1)，数据增加，查找数据的时间不变

sadd <key><value1><value2> ..... 

将一个或多个 member 元素加入到集合 key 中，已经存在的 member 元素将被忽略

smembers <key>取出该集合的所有值。

sismember <key><value>判断集合<key>是否为含有该<value>值，有1，没有0

scard<key>返回该集合的元素个数。

srem <key><value1><value2> .... 删除集合中的某个元素。

spop <key>***\*随机从该集合中吐出一个值。\****

srandmember <key><n>随机从该集合中取出n个值。不会从集合中删除 。

smove <source><destination>value把集合中一个值从一个集合移动到另一个集合

sinter <key1><key2>返回两个集合的交集元素。

sunion <key1><key2>返回两个集合的并集元素。

sdiff <key1><key2>返回两个集合的***\*差集\****元素(key1中的，不包含key2中的)

Set数据结构

Set数据结构是dict字典，字典是用哈希表实现的。

Java中HashSet的内部实现使用的是HashMap，只不过所有的value都指向同一个对象。Redis的set结构也是一样，它的内部也使用hash结构，所有的value都指向同一个内部值

Redis hash 是一个键值对集合。

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

类似Java里面的Map

用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，如果用普通的key/value结构来存储

主要有以下2种存储方式：

每次修改用户的某个属性需要，先反序列化改好后再序列化回去。开销较大。 |
用户ID数据冗余

通过key(用户ID) + field(属性标签就可以操作对应属性数据了，既不需要重复存储数据，也不会带来序列化和并发修改控制的问题

Zset

Redis有序集合zset与普通集合set非常相似，是一个没有重复元素的字符串集合。

不同之处是有序集合的每个成员都关联了一个评分（score）,这个评分（score）被用来按照从最低分到最高分的方式排序集合中的成员。集合的成员是唯一的，但是评分可以是重复了 。

因为元素是有序的, 所以你也可以很快的根据评分（score）或者次序（position）来获取一个范围的元素。

访问有序集合的中间元素也是非常快的,因此你能够使用有序集合作为一个没有重复成员的智能列表。

命令

zadd  <key><score1><value1><score2><value2>…

将一个或多个 member 元素及其 score 值加入到有序集 key 当中。

***\*zrange <key><start><stop>  [WITHSCORES]\****  

返回有序集 key 中，下标在<start><stop>之间的元素

带WITHSCORES，可以让分数一起和值返回到结果集。

zrangebyscore key minmax [withscores] [limit offset count]

返回有序集 key 中，所有 score 值介于 min 和 max 之间(包括等于 min 或 max )的成员。有序集成员按 score 值递增(从小到大)次序排列。 

zrevrangebyscore key maxmin [withscores] [limit offset count]        

同上，改为从大到小排列。 

zincrby <key><increment><value>    为元素的score加上增量

zrem  <key><value>删除该集合下，指定值的元素 

zcount <key><min><max>统计该集合，分数区间内的元素个数 

zrank <key><value>返回该值在集合中的排名，从0开始。

Zset数据结构

SortedSet(zset)是Redis提供的一个非常特别的数据结构，一方面它等价于Java的数据结构Map，可以给每一个元素value赋予一个权重score，另一方面它又类似于TreeSet，内部的元素会按照权重score进行排序，可以得到每个元素的名次，还可以通过score的范围来获取元素的列表。

zset底层使用了两个数据结构

（1）hash，hash的作用就是关联元素value和权重score，保障元素value的唯一性，可以通过元素value找到相应的score值。

（2）跳跃表，跳跃表的目的在于给元素value排序，根据score的范围获取元素列表。

Redis的发布和订阅

概述

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。

Redis 客户端可以订阅任意数量的频道。

发布和订阅

1.客户端可以 订阅频道

2.当给这个频道发布消息后，消息就会发送给订阅的客户端

发布订阅命令实现

1).

​ 打开一个客户端订阅channel1

127.0.0.1:6379> subscribe channel1
Reading messages... (press Ctrl-C to quit)
1) "subscribe"
2) "channel1"
3) (integer) 1
1) "message"
2) "channel1"

2).打开另一个客户端

127.0.0.1:6379> publish channel1 hello
(integer) 1

3).打开第一个客户端可以看到发送的消息

127.0.0.1:6379> subscribe channel1
Reading messages... (press Ctrl-C to quit)
1) "subscribe"
2) "channel1"
3) (integer) 1
1) "message"
2) "channel1"
3) "hello"

注：发布的消息没有持久化。如果在订阅的客户端收不到hello，只能收到订阅后发布的消息

Redis新数据类型

Bitmaps

现代计算机用二进制（位） 作为信息的基础单位， 1个字节等于8位， 例如“abc”字符串是由3个字节组成， 但实际在计算机存储时将其用二进制表示， “abc”分别对应的ASCII码分别是97、 98、 99， 对应的二进制分别是01100001、 01100010和01100011，如下图

合理地使用操作位能够有效地提高内存使用率和开发效率。

Redis提供了Bitmaps这个“数据类型”可以实现对位的操作：

（1） Bitmaps本身不是一种数据类型， 实际上它就是字符串（key-value） ， 但是它可以对字符串的位进行操作。

（2） Bitmaps单独提供了一套命令， 所以在Redis中使用Bitmaps和使用字符串的方法不太相同。 可以把Bitmaps想象成一个以位为单位的数组， 数组的每个单元只能存储0和1， 数组的下标在Bitmaps中叫做偏移量。

命令

1.setbit

setbit
设置Bitmaps中某个偏移量的值（0或1）*offset:偏移量从0开始

2.getbit

getbit获取Bitmaps中某个偏移量的值

3.bitcount

统计字符串被设置为1的bit数。一般情况下，给定的整个字符串都会被进行计数，通过指定额外的 start 或 end 参数，可以让计数只在特定的位上进行。start 和 end 参数的设置，都可以使用负数值：比如 -1 表示最后一个位，而 -2 表示倒数第二个位，start、end 是指bit组的字节的下标数，二者皆包含。

bitcount<key>[start end] 
统计字符串从start字节到end字节比特值为1的数量

4.bitop

bitop  and(or/not/xor)  [key…]
bitop是一个复合操作， 它可以做多个Bitmaps的and（交集） 、 or（并集） 、 not（非） 、 xor（异或） 操作并将结果保存在destkey中。

5.Bitmaps与set对比

假设网站有1亿用户， 每天独立访问的用户有5千万， 如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表

​ set和Bitmaps存储一天活跃用户对比

数据类型	每个用户id占用空间	需要存储的用户量	全部内存量
集合类型	64位	50000000	64位*50000000 = 400MB
Bitmaps	1位	100000000	1位*100000000 = 12.5MB

很明显，这种情况下使用Bitmaps能节省很多的内存空间，尤其随着时间推移节省的内存还是非常可观的

​ set和Bitmaps储存独立用户空间对比

数据类型	一天	一个月	一年
集合类型	400MB	12GB	144GB
Bitmaps	12.5MB	375MB	4.5GB

但Bitmaps并不是万金油， 假如该网站每天的独立访问用户很少， 例如只有10万（大量的僵尸用户） ， 那么两者的对比如下表所示， 很显然， 这时候使用Bitmaps就不太合适了， 因为基本上大部分位都是0。

​ set和Bitmaps存储一天活跃用户对比（独立用户比较少）

数据类型	每个userid占用空间	需要储存的用户量	全部内存量
集合类型	64位	100000	64位*100000 = 800KB
Bitmaps	1位	100000000	1位*100000000 = 12.5MB

HyperLogLog

在工作当中，我们经常会遇到与统计相关的功能需求，比如统计网站PV（PageView页面访问量）,可以使用Redis的incr、incrby轻松实现。

但像UV（UniqueVisitor，独立访客）、独立IP数、搜索记录数等需要去重和计数的问题如何解决？这种求集合中不重复元素个数的问题称为基数问题。

解决基数问题有很多种方案：

（1）数据存储在MySQL表中，使用distinct count计算不重复个数

（2）使用Redis提供的hash、set、bitmaps等数据结构来处理

以上的方案结果精确，但随着数据不断增加，导致占用空间越来越大，对于非常大的数据集是不切实际的。

能否能够降低一定的精度来平衡存储空间？Redis推出了HyperLogLog

Redis HyperLogLog 是用来做基数统计的算法，HyperLogLog 的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定的、并且是很小的。

在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。

但是，因为 HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以 HyperLogLog 不能像集合那样，返回输入的各个元素。

什么是基数?

比如数据集 {1, 3, 5, 7, 5, 7, 8}， 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素)为5。 基数估计就是在误差可接受的范围内，快速计算基数。

命令

1.pfadd

pfadd < element> [element ...]   
添加指定元素到 HyperLogLog 中

2.pfcount

pfcount [key ...] 
计算HLL的近似基数，可以计算多个HLL

3.pfmerge

pfmerge [sourcekey ...] 
将一个或多个HLL合并后的结果存储在另一个HLL中

Geospatial

redis 3.2 中增加了对GEO类型的支持。GEO，Geographic，地理信息的缩写。该类型，就是元素的2维坐标，在地图上就是经纬度。redis基于该类型，提供了经纬度设置，查询，范围查询，距离查询，经纬度Hash等常见操作。

命令

1.geoadd

geoadd< longitude> [longitude latitude member...]   
添加地理位置（经度，纬度，名称）

2.geopos

geopos   [member...] 
获得指定地区的坐标值

3.geodist

geodist  [m|km|ft|mi ]  
获取两个位置之间的直线距离

4.georadius

georadius< longitude>radius  m|km|ft|mi   
以给定的经纬度为中心，找出某一半径内的元素

Redis事务处理

Redis事务是一个单独的隔离操作: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。

Redis事务的主要作用就是串联多个命令防止别的命令插队。

Multi、Exec、discard

Multi       组队阶段
Exec		执行阶段
discard     放弃

从输入Multi命令开始，输入的命令都会依次进入命令队列中，但不会执行，直到输入Exec后，Redis会将之前的命令队列中的命令依次执行。组队的过程中可以通过discard来放弃组队。

事务的错误处理

组队中某个命令出现了报告错误，执行时整个的所有队列都会被取消。

如果执行阶段某个命令报出了错误，则只有报错的命令不会被执行，而其他的命令都会执行，不会回滚。

为什么要做成事务

有很多有你的账户，同时去参加618抢购

事务冲突的问题

例子：
一个请求想给金额减8000
一个请求想给金额减5000
一个请求想给金额减1000

悲观锁

悲观锁(Pessimistic Lock), 顾名思义，就是很悲观，每次去拿数据的时候都认为别人会修改，所以每次在拿数据的时候都会上锁，这样别人想拿这个数据就会block直到它拿到锁。传统的关系型数据库里边就用到了很多这种锁机制，比如行锁，表锁等，读锁，写锁等，都是在做操作之前先上锁。

乐观锁

乐观锁(Optimistic Lock), 顾名思义，就是很乐观，每次去拿数据的时候都认为别人不会修改，所以不会上锁，但是在更新的时候会判断一下在此期间别人有没有去更新这个数据，可以使用版本号等机制。乐观锁适用于多读的应用类型，这样可以提高吞吐量。Redis就是利用这种check-and-set机制实现事务的。

命令

WATCH key [key ...]
在执行multi之前，先执行watch key1 [key2],可以监视一个(或多个) key ，
如果在事务执行之前这个(或这些) key 被其他命令所改动，那么事务将被打断。

unwatch
取消 WATCH 命令对所有 key 的监视。
如果在执行 WATCH 命令之后，EXEC 命令或DISCARD 命令先被执行了的话，那么就不需要再执行UNWATCH 了。

Redis事务三特性

• 单独的隔离操作
  • 事务中的所有命令都会序列化、按顺序的执行/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。
• 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被执行
• 不保证原子性
  • 事务中如果一条命令执行失败，其他的命令仍然会被执行，没有回滚

Redis持久化之RDB

Redis提供两个不同形式的持久化方式

• RDB（Redis DataBase）
• AOF（Append Of File）

RDB介绍

在指定的时间间隔内将内存中的数据集快照写入磁盘， 也就是行话讲的Snapshot快照，它恢复时是将快照文件直接读到内存里

备份是如何执行的

Redis会单独创建（fork）一个子进程来进行持久化，会先将数据写入到 一个临时文件中，待持久化过程都结束了，再用这个临时文件替换上次持久化好的文件。 整个过程中，主进程是不进行任何IO操作的，这就确保了极高的性能 如果需要进行大规模数据的恢复，且对于数据恢复的完整性不是非常敏感，那RDB方式要比AOF方式更加的高效。RDB的缺点是最后一次持久化后的数据可能丢失。

Fork

• Fork的作用是复制一个与当前进程一样的进程。新进程的所有数据（变量、环境变量、程序计数器等） 数值都和原进程一致，但是是一个全新的进程，并作为原进程的子进程
• 在Linux程序中，fork()会产生一个和父进程完全相同的子进程，但子进程在此后多会exec系统调用，出于效率考虑，Linux中引入了“写时复制技术”
• 一般情况父进程和子进程会共用同一段物理内存，只有进程空间的各段的内容要发生变化时，才会将父进程的内容复制一份给子进程。

RDB持久化流程

RDB配置信息

在redis.conf中配置文件名称，默认为dump.rdb

rdb文件的保存路径，也可以修改。默认为Redis启动时命令行所在的目录下

dir "/myredis/"

配置触发RDB快照：保持策略

配置文件中默认的快照设置

• save和bgsave的区别

  • save：save时只管保存，其它不管，全部阻塞。手动保存。不建议。
  • bgsave：Redis会在后台异步进行快照操作， 快照同时还可以响应客户端请求。

  可以通过lastsave 命令获取最后一次成功执行快照的时间

• flushall：执行flushall命令，也会产生dump.rdb文件，但里面是空的，无意义

• Save：格式：save 秒钟 写操作次数

  • RDB是整个内存的压缩过的Snapshot，RDB的数据结构，可以配置复合的快照触发条件，
    默认是1分钟内改了1万次，或5分钟内改了10次，或15分钟内改了1次。
    禁用
    不设置save指令，或者给save传入空字符串

• stop-writes-on-bgsave-error

  • 

    ​ 当Redis无法写入磁盘的话，直接关掉Redis的写操作。推荐yes.

• rdbcompression 压缩文件

  • 

  • 对于存储到磁盘中的快照，可以设置是否进行压缩存储。如果是的话，redis会采用LZF算法进行压缩。

    如果你不想消耗CPU来进行压缩的话，可以设置为关闭此功能。推荐yes.

• rdbchecksum 检查完整性

  • 

  • 在存储快照后，还可以让redis使用CRC64算法来进行数据校验，

    但是这样做会增加大约10%的性能消耗，如果希望获取到最大的性能提升，可以关闭此功能

    推荐yes.

• rdb的备份

  • 先通过config get dir 查询rdb文件的目录
  • 将*.rdb的文件拷贝到别的地方
  • rdb的恢复
    • 关闭Redis
    • 先把备份的文件拷贝到工作目录下 cp dump2.rdb dump.rdb
    • 启动Redis, 备份数据会直接加载

RDB优点

• 适合大规模的数据恢复

• 对数据完整性和一致性要求不高更适合使用

• 节省磁盘空间

• 恢复速度快

  

RDB缺点

• Fork的时候，内存中的数据被克隆了一份，大致2倍的膨胀性需要考虑
• 虽然Redis在fork时使用了写时拷贝技术,但是如果数据庞大时还是比较消耗性能。
• 在备份周期在一定间隔时间做一次备份，所以如果Redis意外down掉的话，就会丢失最后一次快照后的所有修改。

停止RDB

动态停止RDB：redis-cli config set save ""#save后给空值，表示禁用保存策略

RDB总结

Redis持久化之AOF

AOF介绍

​ 以日志的形式来记录每个写操作（增量保存），将Redis执行过的所有写指令记录下来(读操作不记录)， 只许追加文件但不可以改写文件，redis启动之初会读取该文件重新构建数据，换言之，redis 重启的话就根据日志文件的内容将写指令从前到后执行一次以完成数据的恢复工作。

AOF持久化流程

• 客户端的请求写命令会被append追加到AOF缓冲区内；
• AOF缓冲区根据AOF持久化策略[always,everysec,no]将操作sync同步到磁盘的AOF文件中；
• AOF文件大小超过重写策略或手动重写时，会对AOF文件rewrite重写，压缩AOF文件容量；
• Redis服务重启时，会重新load加载AOF文件中的写操作达到数据恢复的目的；

AOF模式

AOF默认不开启

​ 可以在redis.conf中配置文件名称，默认为 appendonly.aof

​ AOF文件的保存路径，同RDB的路径一致。

AOF和RDB同时开启，redis会执行谁

​ AOF和RDB同时开启，系统默认取AOF的数据（数据不会存在丢失）

AOF启动/修复/恢复

• AOF的备份机制和性能虽然和RDB不同, 但是备份和恢复的操作同RDB一样，都是拷贝备份文件，需要恢复时再拷贝到Redis工作目录下，启动系统即加载。
• 正常恢复
  • 修改默认的appendonly no，改为yes
  • 将有数据的aof文件复制一份保存到对应目录(查看目录：config get dir)
• 异常恢复
  • 修改默认的appendonly no，改为yes
  • 如遇到AOF文件损坏，通过/usr/local/bin/redis-check-aof–fix appendonly.aof进行恢复
  • 备份被写坏的AOF文件
  • 恢复：重启redis，然后重新加载

AOF优点

• 备份机制更稳健，丢失数据概率更低
• 可读的日志文本，通过操作AOF稳健，可以处理误操作

AOF缺点

• 比起RDB占用更多的磁盘空间
• 恢复备份速度要慢
• 每次读写同步的话，有一定的性能压力
• 存在个别Bug，造成恢复不能

AOF总结

AOF和RDB的选择使用

官方推荐两个都启用。

如果对数据不敏感，可以选单独用RDB。
不建议单独用 AOF，因为可能会出现Bug。
如果只是做纯内存缓存，可以都不用。

官方建议

• RDB持久化方式能够在指定的时间间隔能对你的数据进行快照存储
• 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
• 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方式.
• 同时开启两种持久化方式
• 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.
• 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？
• 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。
• 性能建议

 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 900 1这条规则。
 如果使用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load自己的AOF文件就可以了。
代价,一是带来了持续的IO，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%大小时重写可以改到适当的数值。

Redis主从复制

介绍

主机数据更新后根据配置和策略， 自动同步到备机的master/slaver机制，Master以写为主，Slave以读为主

作用

• 读写分离，性能扩展

• 能对数据进行快速恢复

主从复制操作

1.准备环境
	(1)两台装有redis的主机
	(2)分析 主服务是用于写的，从服务是用于读

2.主服务配置

​ (1) 打开主服务的conf文件

Vi /usr/local/redis/etc/redis.conf

​ (2) 注释bind掉，让服务可以远程访问

​ (3) 开启守护进程

​ (4)设置密码

requirepass 123456

​ (5)设置客户端最大连接数（maxclients），根据需求改动，默认10000

maxclients 10

​ (6)设置内存（最好不要超过本机的最大内存，默认是不收限制的，超出宿主机内存报错）

maxmemory 1048576

​ (7)设置内存策略如果内存足够用则不用管，如果内存不够用，建议设置最近最少使用策略（LRU）,默认是内存不够则报错

maxmemory-policy noeviction

​ (8)重启redis服务

3.配置从服务

​ (1) 关闭redis服务

​ (2) 配置所属主机的ip和端口号

slaveof 192.168.56.110 6379

​ (3) 配置所属主服务的密码

masterauth 123456

​ (4) 从服务只读

需要注意的是，从服务器通常是只读，所以要配置只读（默认是只读，不要更改即可）
slave-serve-stale-data yes

​ (5)重启从redis服务

Redis哨兵机制

主从复制的缺陷

当主服务宕机时，redis不能自动切换从服务为主服务，只能通过人工手动的形式，中间会出现服务断档

哨兵模式解决redis主服务切换的问题

概念

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。

作用

• 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。
• 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。

多哨兵模式

概念

​ 然而一个哨兵进程对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；

故障切换的过程

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。这样对于客户端而言，一切都是透明的。

服务类型	是否主服务	Ip地址	端口	操作系统
Redis	是	192.168.56.110	6379	Linux
Redis	否	192.168.56.110	6380	Linux
Redis	否	192.168.56.110	6381	Linux
Sentinel		192.168.56.110		Linux
Sentinel		192.168.56.110		Linux
Sentinel		192.168.56.110		Linux

操作步骤

1.调整为一主二仆模式，6379、6380、6381

2.自定义的/myredis目录下新建sentinel.conf文件，名字绝不能错

3.配置哨兵，填写内容

sentinel monitor mymaster 127.0.0.1 6379 1
其中mymaster为监控对象起的服务器名称， 1 为至少有多少个哨兵同意迁移的数量。 

4.启动哨兵

/usr/local/bin
redis做压测可以用自带的redis-benchmark工具
执行redis-sentinel  /myredis/sentinel.conf 

5.当主机挂掉，从机选举中产生新的主机

(大概10秒左右可以看到哨兵窗口日志，切换了新的主机)
哪个从机会被选举为主机呢？根据优先级别：slave-priority 
原主机重启后会变为从机。

6.复制延时

​ 由于所有的写操作都是先在Master上操作，然后同步更新到Slave上，所以从Master同步到Slave机器有一定的延迟，当系统很繁忙的时候，延迟问题会更加严重，Slave机器数量的增加也会使这个问题更加严重。

故障恢复

优先级在redis.conf中默认：slave-priority 100，值越小优先级越高
偏移量是指获得原主机数据最全的
每个redis实例启动后都会随机生成一个40位的runid

Redis集群

问题

容量不够，redis如何进行扩容？

并发写操作， redis如何分摊？

另外，主从模式，薪火相传模式，主机宕机，导致ip地址发生变化，应用程序中配置需要修改对应的主机地址、端口等信息。

之前通过代理主机来解决，但是redis3.0中提供了解决方案。就是无中心化集群配置。

什么是集群

Redis 集群实现了对Redis的水平扩容，即启动N个redis节点，将整个数据库分布存储在这N个节点中，每个节点存储总数据的1/N。

Redis 集群通过分区（partition）来提供一定程度的可用性（availability）： 即使集群中有一部分节点失效或者无法进行通讯， 集群也可以继续处理命令请求。

部署redis集群

1.删除持久化数据 rdb.aof文件删除

2.制作6个实例，6379,6380,6381,6389,6390,6391

3.配置基本信息

开启daemonize yes
Pid文件名字
指定端口
Log文件名字
Dump.rdb名字
Appendonly 关掉或者换名字

4.redis cluster配置修改

cluster-enabled yes    打开集群模式
cluster-config-file nodes-6379.conf  设定节点配置文件名
cluster-node-timeout 15000   设定节点失联时间，超过该时间（毫秒），集群自动进行主从切换。

include /home/bigdata/redis.conf
port 6379
pidfile "/var/run/redis_6379.pid"
dbfilename "dump6379.rdb"
dir "/home/bigdata/redis_cluster"
logfile "/home/bigdata/redis_cluster/redis_err_6379.log"
cluster-enabled yes
cluster-config-file nodes-6379.conf
cluster-node-timeout 15000

5.修改好redis6379.conf文件，拷贝多个redis.conf文件

redis6379.conf
redis6380.conf
redis6381.conf
redis6389.conf
redis6390.conf
redis6391.conf

6.使用查找替换修改另外5个文件

7.启动6个redis服务

8.将六个节点合成一个集群

组合之前，请确保所有redis实例启动后，nodes-xxxx.conf文件都生成正常

• 合体

cd  /opt/redis-6.2.1/src

redis-cli --cluster create --cluster-replicas 1 192.168.11.101:6379 192.168.11.101:6380 192.168.11.101:6381 192.168.11.101:6389 192.168.11.101:6390 192.168.11.101:6391

此处不要用127.0.0.1，请用真实地址

–replicas 1 采用最简单的方式配置集群，一台主机，一台从机，正好三组。

• 普通方式登录

可能直接进入读主机，存储数据时，会出现MOVED重定向操作。所以，应该以集群方式登录。

• 采用集群策略连接，设置数据会自动切换到相应的写主机

• 通过 cluster nodes 命令查看集群信息

  • 

• redis cluster 如何分配这六个节点?

  一个集群至少要有三个主节点。

  选项 --cluster-replicas 1 表示我们希望为集群中的每个主节点创建一个从节点。

  分配原则尽量保证每个主数据库运行在不同的IP地址，每个从库和主库不在一个IP地址上。

slots

一个 Redis 集群包含 16384 个插槽（hash slot）， 数据库中的每个键都属于这 16384 个插槽的其中一个，

集群使用公式 CRC16(key) % 16384 来计算键 key 属于哪个槽， 其中 CRC16(key) 语句用于计算键 key 的 CRC16 校验和 。

集群中的每个节点负责处理一部分插槽。 举个例子， 如果一个集群可以有主节点， 其中：

节点 A 负责处理 0 号至 5460 号插槽。

节点 B 负责处理 5461 号至 10922 号插槽。

节点 C 负责处理 10923 号至 16383 号插槽。

• 在集群中录入值

  在redis-cli每次录入、查询键值，redis都会计算出该key应该送往的插槽，如果不是该客户端对应服务器的插槽，redis会报错，并告知应前往的redis实例地址和端口。

  redis-cli客户端提供了 –c 参数实现自动重定向。

  如 redis-cli -c –p 6379 登入后，再录入、查询键值对可以自动重定向。

  不在一个slot下的键值，是不能使用mget,mset等多键操作。

​ 可以通过{}来定义组的概念，从而使key中{}内相同内容的键值对放到一个slot中去。

​

• 查询集群中的值

  CLUSTER GETKEYSINSLOT  返回 count 个 slot 槽中的键。
  

  

• 故障恢复

  如果主节点下线？从节点能否自动升为主节点？注意：15秒超时

  

  主节点恢复后，主从关系会如何？主节点回来变成从机。

  

  如果所有某一段插槽的主从节点都宕掉，redis服务是否还能继续?
  如果某一段插槽的主从都挂掉，而cluster-require-full-coverage 为yes ，那么 ，整个集群都挂掉
  如果某一段插槽的主从都挂掉，而cluster-require-full-coverage 为no ，那么，该插槽数据全都不能使用，也无法存储。
  redis.conf中的参数 cluster-require-full-coverage

Redis集群的不足

多键操作是不被支持的

多键的Redis事务是不被支持的。lua脚本不被支持

由于集群方案出现较晚，很多公司已经采用了其他的集群方案，而代理或者客户端分片的方案想要迁移至redis cluster，需要整体迁移而不是逐步过渡，复杂度较大

Redis应用问题解决

缓存穿透

• 问题描述：

  • key对应的数据在数据源并不存在，每次针对此key的请求从缓存获取不到，请求都会压到数据源，从而可能压垮数据源。比如用一个不存在的用户id获取用户信息，不论缓存还是数据库都没有，若黑客利用此漏洞进行攻击可能压垮数据库。

  

• 解决方案

  一个一定不存在缓存及查询不到的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。

  解决方案

  • (1) **对空值缓存：**如果一个查询返回的数据为空（不管是数据是否不存在），我们仍然把这个空结果（null）进行缓存，设置空结果的过期时间会很短，最长不超过五分钟

  • (2) 设置可访问的名单（白名单）：

    使用bitmaps类型定义一个可以访问的名单，名单id作为bitmaps的偏移量，每次访问和bitmap里面的id进行比较，如果访问id不在bitmaps里面，进行拦截，不允许访问。

  • (3) 采用布隆过滤器：(布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量(位图)和一系列随机映射函数（哈希函数）。

    布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。)

    将所有可能存在的数据哈希到一个足够大的bitmaps中，一个一定不存在的数据会被 这个bitmaps拦截掉，从而避免了对底层存储系统的查询压力。

  • (4) 进行实时监控：当发现Redis的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务

缓存击穿

• 问题描述

  • key对应的数据存在，但在redis中过期，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。

  

• 解决方案

  key可能会在某些时间点被超高并发地访问，是一种非常“热点”的数据。这个时候，需要考虑一个问题：缓存被“击穿”的问题。

  解决问题：

  • **(1) 预先设置热门数据：**在redis高峰访问之前，把一些热门数据提前存入到redis里面，加大这些热门数据key的时长

  • **(2) 实时调整：**现场监控哪些数据热门，实时调整key的过期时长

  • (3) 使用锁：

    • 就是在缓存失效的时候(判断拿出来的值为空)，不是立即去load db。
    • 先使用缓存工具的某些带成功操作返回值的操作（比如Redis的SETNX）去set一个mutex key
    • 当操作返回成功时，再进行load db的操作，并回设缓存,最后删除mutex key；
    • 当操作返回失败，证明有线程在load db，当前线程睡眠一段时间再重试整个get缓存的方法。

  

缓存雪崩

• 问题描述

  key对应的数据存在，但在redis中过期，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。

  缓存雪崩与缓存击穿的区别在于这里针对很多key缓存，前者是某一个key

正常访问

缓存失效瞬间

• 解决方案

  缓存失效时的雪崩效应对底层系统的冲击非常可怕

  方法

  • (1) 构建多级缓存架构: nginx缓存 + redis缓存 +其他缓存（ehcache等）

  • (2) 使用锁或队列:

    用加锁或者队列的方式保证来保证不会有大量的线程对数据库一次性进行读写，从而避免失效时大量的并发请求落到底层存储系统上。不适用高并发情况

  • (3) 设置过期标志更新缓存：

    记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际key的缓存

  • (4) 将缓存失效时间分散开：

    比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。