Linux环境安装2
1 redis单机版安装
1.1 安装
wget http://downloads.sourceforge.net/tcl/tcl8.6.1-src.tar.gz
tar -xzvf tcl8.6.1-src.tar.gz
cd /usr/local/tcl8.6.1/unix/
./configure
make && make install
使用redis-3.2.8.tar.gz（截止2017年4月的最新稳定版）
cd /usr/local/
tar -zxvf redis-3.2.8.tar.gz
cd /usr/local/redis-3.2.8
make && make test && make install
执行最后提醒如下:
87 seconds - unit/obuf-limits
83 seconds - unit/geo
\o/ All tests passed without errors!
Cleanup: may take some time... OK
make[1]: Leaving directory `/usr/local/redis-3.2.8/src'
cd src && make install
make[1]: Entering directory `/usr/local/redis-3.2.8/src'
Hint: It's a good idea to run 'make test' ;)
INSTALL install
INSTALL install
INSTALL install
INSTALL install
INSTALL install
make[1]: Leaving directory `/usr/local/redis-3.2.8/src'
1.2 启动配置
cp /usr/local/redis-3.2.8/utils/redis_init_script /etc/init.d/redis_6379
vim /etc/init.d/redis_6379 开头增加如下内容
# chkconfig: 2345 90 10
# description: Redis is a persistent key-value database
mkdir -p /etc/redis/
cp /usr/local/redis-3.2.8/redis.conf /etc/redis/6379.conf
//修改文件内容
vim /etc/redis/6379.conf
daemonize yes //让redis以daemon进程运行
dir /var/redis/6379 //设置持久化文件的存储位置
mkdir -p /var/redis/6379
sh /etc/init.d/redis_6379 start
//执行命令
chkconfig redis_6379 on
3 Redis持久化
3.1 持久化概述
企业级redis集群架构：海量数据、高并发、高可用;
持久化主要是做灾难恢复，数据恢复，实现高可用;
redis如果挂了不可用,此时如果大量请求过来,缓存全部无法命中,就会产生缓存雪崩,后到mysql数据库中查询数据,mysql也可能会挂掉,所以要尽快恢复redis服务,重启(恢复)服务,然后从备份恢复数据;
redis提供的持久化方式包括RDB和AOF
redis总结3-持久化rdb,aof,运维命令,Sentinel监控
3.2 快照RDB (Redis DataBase)
3.2.1 实现方式
//可以查看redis总结1中的conf配置
##snapshot触发的时机，save
save 900 1 // 900内,有1条写入,则产生快照
save 300 1000 // 如果300秒内有1000次写入,则产生快照
save 60 10000 // 如果60秒内有10000次写入,则产生快照
(这3个选项都屏蔽,则rdb禁用)
dbfilename dump.rdb //导出来的rdb文件名
dir ./ //rdb的放置路径
rdbcompression yes // 导出的rdb文件是否压缩,默认为“yes”，压缩往往意味着“额外的cpu消耗”，同时也意味这较小的文件尺寸以及较短的网络传输时间
//后台备份进程出错时,主进程停不停止写入;当snapshot时出现错误无法继续时，是否阻塞客户端“变更操作”，“错误”可能因为磁盘已满/磁盘故障/OS级别异常等
stop-writes-on-bgsave-error yes
Rdbchecksum yes // 导入rbd恢复时数据时,要不要检验rdb的完整性
————————————————
版权声明：本文为CSDN博主「bobshute」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/bobshute/article/details/78138325
- （1）redis根据配置自己尝试去生成rdb快照文件
- （2）fork一个子进程出来
- （3）子进程尝试将数据dump到临时的rdb快照文件中
- （4）完成rdb快照文件的生成之后，就替换之前的旧的快照文件
3.3 日志AOF(Append-only file)
3.3.1 实现方式
##是否打开 aof日志功能;##只有在“yes”下，aof重写/文件同步等特性才会生效
appendonly no
##指定aof文件名称
appendfilename appendonly.aof
##同步策略-三种
##指定aof操作中文件同步策略，有三个合法值：always everysec no,默认为everysec
##同步策略1-每1个命令,都立即同步到aof. 安全,速度慢
#每一条aof记录都立即同步到文件，这是最安全的方式，也以为更多的磁盘操作和阻塞延迟，是IO开支较大。
appendfsync always
##同步策略2-每秒同步一次，性能和安全都比较中庸的方式，也是redis推荐的方式。如果遇到物理服务器故障，有可能导致最近一秒内aof记录丢失(可能为部分丢失)。
# 折衷方案,每秒写1次(每秒将os cache中的数据fsync到磁盘)
appendfsync everysec
##同步测了3-redis并不直接调用文件同步，而是交给操作系统来处理，操作系统可以根据buffer填充情况/通道空闲时间等择机触发同步；这是一种普通的文件操作方式。性能较好，在物理服务器故障时，数据丢失量会因OS配置有关。
# 写入工作交给操作系统,由操作系统判断缓冲区大小,统一写入到aof. 同步频率低,速度快,
appendfsync no
##在aof-rewrite期间，appendfsync是否暂缓文件同步，"no"表示“不暂缓”，“yes”表示“暂缓”，默认为“no”
no-appendfsync-on-rewrite yes:
##aof文件rewrite触发的最小文件尺寸(mb,gb),只有大于此aof文件大于此尺寸是才会触发rewrite，默认“64mb”，建议“512mb”(aof文件,至少超过64M时,重写)
auto-aof-rewrite-min-size 64mb
##相对于“上一次”rewrite，本次rewrite触发时aof文件应该增长的百分比。
#aof文件大小比起上次重写时的大小,增长率100%时,重写
##每一次rewrite之后，redis都会记录下此时“新aof”文件的大小(例如A)，那么当aof文件增长到A*(1 + p)之后
##触发下一次rewrite，每一次aof记录的添加，都会检测当前aof文件的尺寸。
auto-aof-rewrite-percentage 100
————————————————
版权声明：本文为CSDN博主「bobshute」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/bobshute/article/details/78138325
- AOF持久化，默认是关闭的，默认是打开RDB持久化
- redis-check-aof --fix命令来修复破损的AOF文件
3.4 RDB vs AOF
3.4.1 RDB
- 原理: 设置1个或多个周期时间将redis内存中全部数据写为磁盘中1个或多个文件(1个文件代表一个时刻),
- 写文件效率: 写文件时是fork一个子进程在来执行生成RDB快照文件,如果文件特别大,可能会导致客户端的服务暂停数毫秒甚至数秒,所以不能让RDB的间隔太长否则对redis性能有影响;
- 文件大小:rdb文件精练小;
- 数据完整性: 由于是周期性的写入,两个周期之间如果宕机,则丢失的数据为上个周期到当前时刻的数据;
- 恢复速度: 恢复数据时RDB速度快,是一份数据文件，恢复的时候，直接加载到内存中即可;不过优先级低;
- 其他: 比aof适合做冷备
3.4.2 AOF
- 原理 将redis写入的命令以append-only的模式写入一个日志文件中,只有一个文件,如果需要多个需要自定义定时任务处理, AOF日志文件即使过大的时候，出现后台重写操作，也不会影响客户端的读写。因为在rewrite log的时候，会对其中的指导进行压缩，创建出一份需要恢复数据的最小日志出来。再创建新日志文件的时候，老的日志文件还是照常写入。当新的merge后的日志文件ready的时候，再交换新老日志文件即可。
- 对reids影响: AOF支持的写QPS会比RDB支持的写QPS低，因为AOF一般会配置成每秒fsync一次日志文件，当然，每秒一次fsync，性能也还是很高的不过不如RDB,如果一条命令写一次aof,则性能豆浆;
- 写文件效率: 以append-only模式写入，所以没有任何磁盘寻址的开销，写入性能非常高，而且文件不容易破损，即使文件尾部破损，也很容易修复
- 文件大小:AOF是命令累记,通常比RDB数据快照文件更大
- 数据完整性: AOF会每隔1秒，通过一个后台线程执行一次fsync操作保证os cache中的数据写入磁盘中，最多丢失1秒钟的数据,如果宕机最多丢失1秒钟数据;
- 恢复速度: 恢复数据时速度慢,是命令集合恢复是要回放和执行所有的指令日志;优先级高(因为数据更完整);
- 其他: AOF日志文件的命令通过非常可读的方式进行记录，这个特性非常适合做灾难性的误删除的紧急恢复。比如某人不小心用flushall命令清空了所有数据，只要这个时候后台rewrite还没有发生，那么就可以立即拷贝AOF文件，将最后一条flushall命令给删了，然后再将该AOF文件放回去，就可以通过恢复机制，自动恢复所有数据
3.4.3 总结
- 如果我们想要redis仅仅作为纯内存的缓存来用，那么可以禁止RDB和AOF所有的久化机制;都需要将持久化的数据备份到其它磁盘或云服务等;
- 不要仅仅使用RDB，因为那样会导致你丢失很多数据
- 也不要仅仅使用AOF，因为那样有两个问题，第一，你通过AOF做冷备，没有RDB做冷备，来的恢复速度更快; 第二，RDB每次简单粗暴生成数据快照，更加健壮，可以避免AOF这种复杂的备份和恢复机制的bug
- 综合使用AOF和RDB两种持久化机制，用AOF来保证数据不丢失，作为数据恢复的第一选择; 用RDB来做不同程度的冷备，在AOF文件都丢失或损坏不可用的时候，还可以使用RDB来进行快速的数据恢复
- AOF和RDB同时工作
（1）如果RDB在执行snapshotting操作，那么redis不会执行AOF rewrite; 如果redis再执行AOF rewrite，那么就不会执行RDB snapshotting
（2）如果RDB在执行snapshotting，此时用户执行BGREWRITEAOF命令，那么等RDB快照生成之后，才会去执行AOF rewrite
（3）同时有RDB snapshot文件和AOF日志文件，那么redis重启的时候，会优先使用AOF进行数据恢复，因为其中的日志更完整
3.5 持久化方案示例
（1）rdb和aof在持久化在指定同一目录 /usr/local/redis/snapshotting/yyyyMMdd 在该目录按照日期生成;
（2）写crontab定时调度脚本去做数据备份
（3）每小时都copy一份rdb的备份，到一个目录中去，仅仅保留最近48小时的备份
（4）每天都保留一份当日的rdb的备份，到一个目录中去，仅仅保留最近1个月的备份
（5）每次copy备份的时候，都把太旧的备份给删了
（6）每天晚上将当前服务器上所有的数据备份，发送一份到远程的云服务上去
1) 新增linux的sh脚 本1)redis_rdb_copy_hourly.sh (实现:每小时copy一次备份，删除48小时前的数据),脚本内容如下:
#!/bin/sh
cur_date=`date +%Y%m%d%k`
rm -rf /usr/local/redis/snapshotting/$cur_date
mkdir /usr/local/redis/snapshotting/$cur_date
cp /var/redis/6379/dump.rdb /usr/local/redis/snapshotting/$cur_date
del_date=`date -d -48hour +%Y%m%d%k`
rm -rf /usr/local/redis/snapshotting/$del_date
2 新增redis_rdb_copy_daily.sh(每天copy一次备份)
#!/bin/sh
cur_date=`date +%Y%m%d`
rm -rf /usr/local/redis/snapshotting/$cur_date
mkdir /usr/local/redis/snapshotting/$cur_date
cp /var/redis/6379/dump.rdb /usr/local/redis/snapshotting/$cur_date
del_date=`date -d -1month +%Y%m%d`
rm -rf /usr/local/redis/snapshotting/$del_date
添加linux定时任务
crontab -e
0 * * * * sh /usr/local/redis/copy/redis_rdb_copy_hourly.sh
0 0 * * * sh /usr/local/redis/copy/redis_rdb_copy_daily.sh
3.6 数据恢复方案
3.6.1 redis进程挂掉
如果是redis进程挂掉，那么重启redis进程即可，直接基于AOF日志文件恢复数据,fsync everysec，最多就丢一秒的数
3.6.2 redis进程所在服务器挂掉
- 重启机器后，尝试重启redis进程，尝试直接基于AOF日志文件进行数据恢复,如果AOF文件破损，那么用redis-check-aof fix,
- 如果最新的AOF和RDB文件出现了丢失，则尝试某个最新的RDB数据副本进行数据恢复;注意先关闭aof，拷贝rdb备份，重启redis，确认数据恢复，直接在命令行热修改redis配置(redis config set热修改配置参数)，打开aof，这个redis就会将内存中的数据对应的日志，写入aof文件中,此时aof和rdb两份数据文件的数据就同步了
redis-cli
//查询配置值
config get appendonly
//设置配置值
config set appendonly yes
4.redis高并发
4.1 概述
- redis不能支撑高并发的瓶颈为单机,单机不好高并发,单机在几万QPS
- redis主要用在读多写少的场景, 写请求一秒钟几千，一两千,读一秒钟可达二十万次读
- redis高并发支撑读通过写分离;主从架构 -> 读写分离 -> 支撑10万+读QPS的架构 ;
- redis replication ,redis主从架构 -> 读写分离架构 -> 可支持水平扩展的读高并发架构;
4.2 redis replication(复制)
4.2.1 复制的完整流程
- 1). slave node启动，会记录master node信息,包括master node的host和ip(redis.conf中slaveof),
- 2). slave node内部有定时任务,每秒检查是否有新的master node要连接和复制，如发现就跟master node建立socket网络连接
- 3). slave node发送ping命令给master node
- 4). 口令认证，如果master设置了requirepass，那么salve node必须发送masterauth的口令过去进行认证
- 5). master node第一次执行全量复制，将所有数据发给slave node
- 6). master node后续持续将写命令，异步复制给slave node
4.2.1.1 全量复制过程
- 1). master执行bgsave，在本地生成一份rdb快照文件
- 2). master node将rdb快照文件发送给salve node，如果rdb复制时间超过60秒（repl-timeout），那么slave node就会认为复制失败，可以适当调节这个参数,对于千兆网卡的机器，一般每秒传输100MB，6G文件，很可能超过60s
- 3). master node在生成rdb时，会将所有新的写命令缓存在内存中，在salve,node保存了rdb之后，再将新的写命令复制给salve node,client-output-buffer-limit slave 256MB 64MB 60，如果在复制期间，内存缓冲区持续消耗超过64MB，或者一次性超过256MB，那么停止复制，复制失败
- 4). slave node接收到rdb之后，清空自己的旧数据，然后重新加载rdb到自己的内存中，同时基于旧的数据版本对外提供服务
- 5). 如果slave node开启了AOF，那么会立即执行BGREWRITEAOF，重写AOF,
- 6). rdb生成、rdb通过网络拷贝、slave旧数据的清理、slave aof rewrite，很耗费时间,
如果复制的数据量在4G~6G之间，那么很可能全量复制时间消耗到1分半到2分钟
4.2.1.2 增量复制
- 1). 如果全量复制过程中，master-slave网络连接断掉，那么salve重新连接master时，会触发增量复制
- 2). master直接从自己的backlog中获取部分丢失的数据，发送给slave node，默认backlog就是1MB
- 3). msater就是根据slave发送的psync中的offset来从backlog中获取数据的
4.2.2、复制要点
- A).resynchronization
- 当启动一个slave node的时候，它会发送一个PSYNC命令给master node
2.1) 如果这是slave node重新连接master node，那么master node仅仅会复制给slave部分缺少的数据;
2.2) 否则如果是slave node第一次连接master node，那么会触发一次full resynchronization,
开始full resynchronization的时候，master会启动一个后台线程，开始生成一份RDB快照文件，同时还会将从客户端收到的所有写命令缓存在内存中。
RDB文件生成完毕之后，master会将这个RDB发送给slave，slave会先写入本地磁盘，然后再从本地磁盘加载到内存中。然后master会将内存中缓存的写命令发送给slave，slave也会同步这些数据。
slave node如果跟master node有网络故障，断开了连接，会自动重连。
master如果发现有多个slave node都来重新连接，仅仅会启动一个rdb save操作，用一份数据服务所有slave node。
- B).offset
master和slave都会维护一个offset,
master会在自身不断累加offset，slave也会在自身不断累加offset,
slave每秒都会上报自己的offset给master，同时master也会保存每个slave的offset
-
C). backlog
master node有一个backlog，默认是1MB大小,
master node给slave node复制数据时，也会将数据在backlog中同步写一份;
backlog主要是用来做全量复制中断候的增量复制的 -
D). master run id
通过host+ip定位master node是不精准的(单机多服),通过info server可查看master run id,
如果master node重启或者数据出现了变化，那么slave node应该根据不同的run id区分，run id不同就做全量复制
如果需要不更改run id重启redis，可以使用redis-cli debug reload命令 -
E). psync
从节点使用psync从master node进行复制，psync runid offset,master node会根据自身的情况返回响应信息:
可能是FULLRESYNC runid offset触发全量复制，也可能是CONTINUE触发增量复制 -
F). heartbeat
主从节点互相都会发送heartbeat信息,master默认每隔10秒发送一次heartbeat，salve node每隔1秒发送一个heartbeat -
G). 异步复制
master每次接收到写命令之后，现在内部写入数据，然后异步发送给slave node -
H). 主从复制的断点续传
从redis 2.8开始，就支持主从复制的断点续传，如果主从复制过程中，网络连接断掉了，那么可以接着上次复制的地方，继续复制下去，而不是从头开始复制一份,
master node会在内存中常见一个backlog，master和slave都会保存一个replica offset还有一个master id，offset就是保存在backlog中的。
如果master和slave网络连接断掉了，slave会让master从上次的replica offset开始继续复制,
但是如果没有找到对应的offset，那么就会执行一次resynchronization; -
I). 无磁盘化复制
master在内存中直接创建rdb，然后发送给slave，不会在自己本地落地磁盘了
repl-diskless-sync
repl-diskless-sync-delay，等待一定时长再开始复制，因为要等更多slave重新连接过来
- J). 过期key处理
slave不会过期key，只会等待master过期key。如果master过期了一个key，或者通过LRU淘汰了一个key，那么会模拟一条del命令发送给slave。
4.2.3 replication使用注意点
- 1). redis采用异步方式复制数据到slave节点，不过redis 2.8开始，slave node会周期性地确认自己每次复制的数据量 - 2). 一个master node是可以配置多个slave node的,slave node也可以连接其他的slave node
- 3). slave node做复制的时候，是不会block master,node的正常工作的，也不会block对自己的查询操作，它会用旧的数据集来提供服务; 但是复制完成的时候，需要删除旧数据集，加载新数据集，这个时候就会暂停对外服务了
- 4). slave node主要用来进行横向扩容，做读写分离，扩容的slave node可以提高读的吞吐量
- 5). 主从架构，master节点，必须要使用持久化机制
- 6). 即使采用了高可用机制，slave node可以自动接管master node，但是也可能sentinal还没有检测到master failure，master node就自动重启了，还是可能导致上面的所有slave node数据清空故障
4.3 实战
4.3.1、启用复制，部署slave node
wget http://downloads.sourceforge.net/tcl/tcl8.6.1-src.tar.gz
tar -xzvf tcl8.6.1-src.tar.gz
cd /usr/local/tcl8.6.1/unix/
./configure
make && make install
使用redis-3.2.8.tar.gz（截止2017年4月的最新稳定版）
tar -zxvf redis-3.2.8.tar.gz
cd redis-3.2.8
make && make test && make install
（1）redis utils目录下，有个redis_init_script脚本
（2）将redis_init_script脚本拷贝到linux的/etc/init.d目录中，将redis_init_script重命名为redis_6379，6379是我们希望这个redis实例监听的端口号
（3）修改redis_6379脚本的第6行的REDISPORT，设置为相同的端口号（默认就是6379）
（4）创建两个目录：/etc/redis（存放redis的配置文件），/var/redis/6379（存放redis的持久化文件）
（5）修改redis配置文件（默认在根目录下，redis.conf），拷贝到/etc/redis目录中，修改名称为6379.conf
（6）修改redis.conf中的部分配置为生产环境
daemonize yes 让redis以daemon进程运行
pidfile /var/run/redis_6379.pid 设置redis的pid文件位置
port 6379 设置redis的监听端口号
dir /var/redis/6379 设置持久化文件的存储位置
（7）让redis跟随系统启动自动启动
在redis_6379脚本中，最上面，加入两行注释
# chkconfig: 2345 90 10
# description: Redis is a persistent key-value database
chkconfig redis_6379 on
在slave node上配置：slaveof 192.168.1.1 6379，即可
也可以使用slaveof命令
4.3.2、强制读写分离
基于主从复制架构，实现读写分离
redis slave node只读，默认开启，slave-read-only
开启了只读的redis slave node，会拒绝所有的写操作，这样可以强制搭建成读写分离的架构
4.3.3、集群安全认证
master上启用安全认证，requirepass
master连接口令，masterauth
4.3.4、读写分离架构的测试
先启动主节点，eshop-cache01上的redis实例
再启动从节点，eshop-cache02上的redis实例
Redis slave node一直说没法连接到主节点的6379的端口
在搭建生产环境的集群的时候，不要忘记修改一个配置，bind
bind 127.0.0.1 -> 本地的开发调试的模式，就只能127.0.0.1本地才能访问到6379的端口
每个redis.conf中的bind 127.0.0.1 -> bind自己的ip地址
在每个节点上都: iptables -A INPUT -ptcp --dport 6379 -j ACCEPT
redis-cli -h ipaddr
info replication
在主上写，在从上读
4.4 压力测试
你如果要对自己刚刚搭建好的redis做一个基准的压测，测一下你的redis的性能和QPS（query per second）
redis自己提供的redis-benchmark压测工具，是最快捷最方便的，当然啦，这个工具比较简单，用一些简单的操作和场景去压测
4.4.1、对redis读写分离架构进行压测，单实例写QPS+单实例读QPS
redis-3.2.8/src
./redis-benchmark -h 192.168.31.187
-c Number of parallel connections (default 50)
-n Total number of requests (default 100000)
-d Data size of SET/GET value in bytes (default 2)
根据你自己的高峰期的访问量，在高峰期，瞬时最大用户量会达到10万+，-c 100000，-n 10000000，-d 50
各种基准测试，直接出来
1核1G，虚拟机
====== PING_INLINE ======
100000 requests completed in 1.28 seconds
50 parallel clients
3 bytes payload
keep alive: 1
99.78% <= 1 milliseconds
99.93% <= 2 milliseconds
99.97% <= 3 milliseconds
100.00% <= 3 milliseconds
78308.54 requests per second
====== PING_BULK ======
100000 requests completed in 1.30 seconds
50 parallel clients
3 bytes payload
keep alive: 1
99.87% <= 1 milliseconds
100.00% <= 1 milliseconds
76804.91 requests per second
====== SET ======
100000 requests completed in 2.50 seconds
50 parallel clients
3 bytes payload
keep alive: 1
5.95% <= 1 milliseconds
99.63% <= 2 milliseconds
99.93% <= 3 milliseconds
99.99% <= 4 milliseconds
100.00% <= 4 milliseconds
40032.03 requests per second
====== GET ======
100000 requests completed in 1.30 seconds
50 parallel clients
3 bytes payload
keep alive: 1
99.73% <= 1 milliseconds
100.00% <= 2 milliseconds
100.00% <= 2 milliseconds
76628.35 requests per second
====== INCR ======
100000 requests completed in 1.90 seconds
50 parallel clients
3 bytes payload
keep alive: 1
80.92% <= 1 milliseconds
99.81% <= 2 milliseconds
99.95% <= 3 milliseconds
99.96% <= 4 milliseconds
99.97% <= 5 milliseconds
100.00% <= 6 milliseconds
52548.61 requests per second
====== LPUSH ======
100000 requests completed in 2.58 seconds
50 parallel clients
3 bytes payload
keep alive: 1
3.76% <= 1 milliseconds
99.61% <= 2 milliseconds
99.93% <= 3 milliseconds
100.00% <= 3 milliseconds
38684.72 requests per second
====== RPUSH ======
100000 requests completed in 2.47 seconds
50 parallel clients
3 bytes payload
keep alive: 1
6.87% <= 1 milliseconds
99.69% <= 2 milliseconds
99.87% <= 3 milliseconds
99.99% <= 4 milliseconds
100.00% <= 4 milliseconds
40469.45 requests per second
====== LPOP ======
100000 requests completed in 2.26 seconds
50 parallel clients
3 bytes payload
keep alive: 1
28.39% <= 1 milliseconds
99.83% <= 2 milliseconds
100.00% <= 2 milliseconds
44306.60 requests per second
====== RPOP ======
100000 requests completed in 2.18 seconds
50 parallel clients
3 bytes payload
keep alive: 1
36.08% <= 1 milliseconds
99.75% <= 2 milliseconds
100.00% <= 2 milliseconds
45871.56 requests per second
====== SADD ======
100000 requests completed in 1.23 seconds
50 parallel clients
3 bytes payload
keep alive: 1
99.94% <= 1 milliseconds
100.00% <= 2 milliseconds
100.00% <= 2 milliseconds
81168.83 requests per second
====== SPOP ======
100000 requests completed in 1.28 seconds
50 parallel clients
3 bytes payload
keep alive: 1
99.80% <= 1 milliseconds
99.96% <= 2 milliseconds
99.96% <= 3 milliseconds
99.97% <= 5 milliseconds
100.00% <= 5 milliseconds
78369.91 requests per second
====== LPUSH (needed to benchmark LRANGE) ======
100000 requests completed in 2.47 seconds
50 parallel clients
3 bytes payload
keep alive: 1
15.29% <= 1 milliseconds
99.64% <= 2 milliseconds
99.94% <= 3 milliseconds
100.00% <= 3 milliseconds
40420.37 requests per second
====== LRANGE_100 (first 100 elements) ======
100000 requests completed in 3.69 seconds
50 parallel clients
3 bytes payload
keep alive: 1
30.86% <= 1 milliseconds
96.99% <= 2 milliseconds
99.94% <= 3 milliseconds
99.99% <= 4 milliseconds
100.00% <= 4 milliseconds
27085.59 requests per second
====== LRANGE_300 (first 300 elements) ======
100000 requests completed in 10.22 seconds
50 parallel clients
3 bytes payload
keep alive: 1
0.03% <= 1 milliseconds
5.90% <= 2 milliseconds
90.68% <= 3 milliseconds
95.46% <= 4 milliseconds
97.67% <= 5 milliseconds
99.12% <= 6 milliseconds
99.98% <= 7 milliseconds
100.00% <= 7 milliseconds
9784.74 requests per second
====== LRANGE_500 (first 450 elements) ======
100000 requests completed in 14.71 seconds
50 parallel clients
3 bytes payload
keep alive: 1
0.00% <= 1 milliseconds
0.07% <= 2 milliseconds
1.59% <= 3 milliseconds
89.26% <= 4 milliseconds
97.90% <= 5 milliseconds
99.24% <= 6 milliseconds
99.73% <= 7 milliseconds
99.89% <= 8 milliseconds
99.96% <= 9 milliseconds
99.99% <= 10 milliseconds
100.00% <= 10 milliseconds
6799.48 requests per second
====== LRANGE_600 (first 600 elements) ======
100000 requests completed in 18.56 seconds
50 parallel clients
3 bytes payload
keep alive: 1
0.00% <= 2 milliseconds
0.23% <= 3 milliseconds
1.75% <= 4 milliseconds
91.17% <= 5 milliseconds
98.16% <= 6 milliseconds
99.04% <= 7 milliseconds
99.83% <= 8 milliseconds
99.95% <= 9 milliseconds
99.98% <= 10 milliseconds
100.00% <= 10 milliseconds
5387.35 requests per second
====== MSET (10 keys) ======
100000 requests completed in 4.02 seconds
50 parallel clients
3 bytes payload
keep alive: 1
0.01% <= 1 milliseconds
53.22% <= 2 milliseconds
99.12% <= 3 milliseconds
99.55% <= 4 milliseconds
99.70% <= 5 milliseconds
99.90% <= 6 milliseconds
99.95% <= 7 milliseconds
100.00% <= 8 milliseconds
24869.44 requests per second
搭建一些集群，专门为某个项目，搭建的专用集群，4核4G内存，比较复杂的操作，数据比较大
几万，单机做到，差不多了
redis提供的高并发，至少到上万，没问题
几万~十几万/二十万不等
QPS，自己不同公司，不同服务器，自己去测试，跟生产环境还有区别
生产环境，大量的网络请求的调用，网络本身就有开销，你的redis的吞吐量就不一定那么高了
QPS的两个杀手：一个是复杂操作，lrange，挺多的; value很大，2 byte，我之前用redis做大规模的缓存
做商品详情页的cache，可能是需要把大串数据，拼接在一起，作为一个json串，大小可能都几k，几个byte
2、水平扩容redis读节点，提升度吞吐量
就按照上一节课讲解的，再在其他服务器上搭建redis从节点，单个从节点读请QPS在5万左右，两个redis从节点，所有的读请求打到两台机器上去，承载整个集群读QPS在10万+
5.Redis高可用
9.参考文章
redis总结1-Redis简介、安装、集群
=================================
Hystrix原理与实战
https://blog.csdn.net/loushuiyifan/article/details/82702522
ssh-keygen -t rsa
cp /root/.ssh/id_rsa.pub authorized_keys