Redis 专题
Redis 的持久化机制
RDB ----------> 内存中的数据集快照 ; 默认开启的 ; -------> dump.rdb
配置 : save 60 10 --------> 60s内, 有10个key发生变化, 触发RDB操作.
优点 :
1). 恢复速度快 ; ----->
2). 占用磁盘空间小
缺点 :
1). 容易丢失数据 ; ------> 丢失数据风险高
2). 如果内存中的数据量过大 , 会造成持久化时, 造成大量的磁盘IO , 及CPU , 有可能会影响其他的线程;
3). 文件不可读
AOF -----------> redis操作的指令 , 操作日志 ; 默认未开启的 ; -----> append only file
开启 :
appendonly yes
#appendfsync always
appendfsync everysec
#appendfsync no
优点 :
1). 文件是可读的 ;
2). 丢失数据的风险小 ;
缺点 :
1). 恢复速度慢 ;
2). aof的日志文件可能会比较大 ;
日志重写 :
bgrewriteaof
redis 中的数据库一共有16个 , 默认为第一个0 号数据库 ;
切换数据库 : select 0 ;
Redis 内存淘汰策略
概述 :
每台redis的服务器的内存都是有限的,而且也不是所有的内存都用来存储信息。
而且redis的实现并没有在内存这块做太多的优化,所以实现者为了防止内存过于饱和,采取了一些措施来管控内存。
Redis的内存设置 :
maxmemory
内存淘汰(置换)策略 :
1). volatile-lru -> remove the key with an expire set using an LRU algorithm
只从设置失效(expire set)的key中选择最近最不经常使用的key进行删除,用以保存新数据
2). allkeys-lru -> remove any key according to the LRU algorithm
优先删除掉最近最不经常使用的key,用以保存新数据
3). volatile-random -> remove a random key with an expire set
只从设置失效(expire set)的key中,(随机)选择一些key进行删除,用以保存新数据
4). allkeys-random -> remove a random key, any key
随机从all-keys中(随机)选择一些key进行删除,用以保存新数据
5). volatile-ttl -> remove the key with the nearest expire time (minor TTL)
只从设置失效(expire set)的key中,选出存活时间(TTL)最短的key进行删除,用以保存新数据
6). noeviction -> don't expire at all, just return an error on write operations
不进行淘汰,表示即使内存达到上限也不进行置换,所有能引起内存增加的命令都会返回error
配置 :
maxmemory-policy noeviction
样本数量 :
maxmemory-samples 3
Redis 中的 LRU 不是严格意义上的LRU算法实现,是一种近似的 LRU 实现,主要是为了节约内存占用以及提升性能。Redis 有这样一个配置 —— maxmemory-samples,Redis 的 LRU 是取出配置的数目的key,然后从中选择一个最近最不经常使用的 key 进行置换,默认的 5,可以通过调整样本数量来取得 LRU 置换算法的速度或是精确性方面的优势。
缓存穿透,是指查询一个数据库一定不存在的数据。正常的使用缓存流程大致是,数据查询先进行缓存查询,如果key不存在或者key已经过期,再对数据库进行查询,并把查询到的对象,放进缓存。如果数据库查询对象为空,则不放进缓存。
@Override
public List findByCategoryId(Long categoryId) { // -1 / -10
// 加入缓存的代码:
List list = (List) redisTemplate.boundHashOps(“content”).get(categoryId);
if(list==null){
System.out.println("查询数据库===================");
TbContentExample example = new TbContentExample();
Criteria criteria = example.createCriteria();
// 有效广告:
criteria.andStatusEqualTo("1");
criteria.andCategoryIdEqualTo(categoryId);
// 排序
example.setOrderByClause("sort_order");
list = contentMapper.selectByExample(example);
if(list !=null){
redisTemplate.boundHashOps("content").put(categoryId, list);
}
}else{
System.out.println("从缓存中获取====================");
}
return list;
}
解决方案 :
1). 设置过期时间
@Override
public List findByCategoryId(Long categoryId) {
// 加入缓存的代码:
List list = (List) redisTemplate.boundValueOps(“content_”+categoryId).get();
if(list == null){
System.out.println("查询数据库===================");
TbContentExample example = new TbContentExample();
Criteria criteria = example.createCriteria();
// 有效广告:
criteria.andStatusEqualTo("1");
criteria.andCategoryIdEqualTo(categoryId);
// 排序
example.setOrderByClause("sort_order");
list = contentMapper.selectByExample(example);
if(list != null){
redisTemplate.boundValueOps("content_"+categoryId).set(list); //-1
}else{ //-1 , -2 , -10
redisTemplate.boundValueOps("content_"+categoryId).set(null); //null
redisTemplate.expire("content_"+categoryId,7200, TimeUnit.SECONDS);
}
}else{
System.out.println("从缓存中获取====================");
}
return list;
}
2). 只查询缓存, 不查询数据库 ;
缓存击穿
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 。
解决方案 :
1). 对热点数据 , 不设置过期时间 ;
2). 互斥锁
3). 只查询redis缓存 , 不查询数据库 ;
public class RedisDemo {
private static Lock lock = new ReentrantLock();
public static String getData(String key) throws InterruptedException {
String result = getDataFromRedis(key); //从redis获取数据
if(result == null){ // 如果数据为null , 需要从数据库中获取 lock.lock(); lock.unlock(); lock.tryLock()
if(lock.tryLock()){ //尝试获取锁
result = getDataFromMysql(key); //从数据库中查询
if(result != null){ //如果查询到数据, 就缓存在redis中
saveDataToRedis(key,result);
}
lock.unlock();//释放锁
}else{
TimeUnit.MILLISECONDS.sleep(100);
result = getData(key);
}
}
return result;
}
private static void saveDataToRedis(String key, String result) {
System.out.println("保存数据到redis中 , key - value ");
}
private static String getDataFromMysql(String key) {
System.out.println("从数据库中获取数据 ");
return null;
}
public static String getDataFromRedis(String key){
System.out.println("从redis中获取数据 ");
return null;
}
}
缓存雪崩
缓存雪崩,是指在某一个时间点,缓存集中过期失效。
产生雪崩的原因之一,比如在写本文的时候,马上就要到双十二零点,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。
解决方案
1). 如果设置缓存的过期时间 , 需要根据业务划分 , 不同类型的数据, 可以设置不同的过期时间, 不要设置为相同的过期时间, 从而造成缓存在同一个时间点过期 ;
2). 只查询redis , 不查询数据库 ;
Linux 版本的 redis 安装
1). 上传 redis-3.0.0.tar.gz
alt + p ------> put D:/redis-3.0.0.tar.gz
2). 安装C语言编译环境
yum install gcc-c++ (需要联网)
3). 解压压缩包
tar -zxvf redis-3.0.0.tar.gz
4). 编译源码
cd redis-3.0.0
make
5). 安装
make install PREFIX=/usr/local/redis
6). 拷贝解压目录下的redis配置文件redis.conf到redis安装目录
cp redis.conf /usr/local/redis
7). 启动
cd /usr/local/redis
bin/redis-server redis.conf
启动之后, 界面如下(不要关闭该窗口, 默认为前台运行) :