Redis 在项目中合理使用经验总结
背景
1.Redis 是一个开源的内存数据结构存储系统。
2.可以作为数据库、缓存和消息中间件使用。
3.支持多种类型的数据结构。
4.Redis 内置了 复制(replication),LUA脚本(Lua scripting), LRU驱动事件(LRU eviction),事务(transactions) 和不同级别的 磁盘持久化(persistence)。
5.通过 Redis 哨兵(Sentinel)和 Redis 集群(Cluster)的自动分区,提供高可用性(high availability)。
基本数据类型
字符串(strings)
1、string 的过期时间在重新设置值之后会被清除
127.0.0.1:6379> set hello 3
OK
127.0.0.1:6379> get hello
"3"
127.0.0.1:6379> ttl hello
(integer) -1
127.0.0.1:6379> expire hello 3000
(integer) 1
127.0.0.1:6379> set hello 4
OK
127.0.0.1:6379> ttl hello
(integer) -1
2、设置 string 类型的值可以覆盖任何其他类型
127.0.0.1:6379> sadd settest 1,2
(integer) 1
127.0.0.1:6379> type settest
set
127.0.0.1:6379> set settest hello
OK
127.0.0.1:6379> type settest
string
127.0.0.1:6379> sadd settest a,b
(error) WRONGTYPE Operation against a key holding the wrong kind of value
- 1.散列(hashes)
- 2.列表(lists)
Redis lists 基于 Linked Lists 实现。头尾操作极速,检索较慢
- 1.集合(sets)
- 2.支持范围查找的有序集合(sorted sets)
有序集合的排序默认按照字典序排列
- 1.bitmaps
- 2.hyperloglogs
- 3.支持按半径索引查询的地理空间(geospatial)
应用场景
string
- 1.缓存数据
不管是简单和复杂的数据都可以直接转为string存储。
key: active:spring2019:title value:"2019春节活动" 操作:set
商品信息,省市区信息,活动配置等一系列不常变化的冷数据缓存
非常热门数据的缓存,游戏排行,后台每秒更新一次数据
- 2.简单计数
2019春节活动参加人数
key: active:spring2019:total value:3045 操作:incr
- 3.定时过期
一个人一天只能进行一次签到
key:active:checkin:userId:10000:day:20190101 value:签到时间戳 操作:expire
- 4.分布式锁
下面的代码不严谨,nx 可以放并发
127.0.0.1:6379> set lockkey 1 nx
OK
127.0.0.1:6379> set lockkey 1 nx
(nil)
list
- 用户排队
push,pop
- 有序消息
push,pop
- 实现生产者和消费者模型
阻塞式访问 BRPOP 和 BLPOP 命令
set
- 去重列表
2019春节活动参加人数
key: active:spring2019:users value:100010,10020 操作:很多
- 标签
用户标签
商家标签
春节活动一共有 abcde 5个任务,用户A已经完成a,b,用户B已经完成 c,d
- 交集
用户A,用户B 都完成的任务
- 并集
用户A,用户B 任一完成的任务
- 差集
用户A还没有完成的任务
- 获取随机元素
从礼品库 set 中随机获得一个礼品
hash
- 同一资源的不同属性
用户在活动期间一共获得了不同种类奖品数量
key:active:spring:g'ifts:user:10010 value:{"giftA":2,"giftB":5} 操作:很多
可以直接对 giftA 执行 incr 操作
zset
- 排行榜
用户消费排行,点赞排行等
key:active:spring:star:rank value:用户ID,score:点赞数量 操作:很多
根据分数获取 top 10
查询某个用户的分数
查询 得分在90-100 之间的用户
有时候我们的得分并不是由某一项业务值决定的,可能是由两项业务值来排序的,比如先看用户的实际得分,在看用户等级,那么我们在设计score的时候可以用小数点之前的值表示得分,小数点之后的值表示等级,如果有其他特殊要求,还可以考虑得分加上某个极大值来处理。
注意事项
- 1.每个 key 都应该有合理的失效时间
- 2.string的过期时间在重新设值后会被覆盖
- 3.string类型的 set 操作可以覆盖类型
- 4.合理使用相应的数据结构
不要用list存大量数据并检索
- 合理规划 key 的数量
判断用户有没有参加应该用set,不应该每个用户一个key
- 1.环境数据隔离
- 2.业务数据隔离 用户 redis 业务 redis 活动 redis 应该做区分,活动的 redis 在活动结束后可以自由清理
- 3.合理使用管道,lua 脚本和 redis 事务,提高性能,尤其是在脚本中使用 redis 的时候
- 4.在有大量 key 的 Reids 线上系统,要在主库禁用 keys * 操作,防止卡死

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
缓存伪共享问题以及解决方案缓存行填充
缓存伪共享 共享对象存在同一个缓存中,由于MESI协议,一个对象中一些不需要改变的属性因为其他改变的属性,导致整个对象的缓存进入到M被修改状态。 MESI缓存一致性协议:https://blog.csdn.net/huangyueranbbc/article/details/84554271 目前的CPU是通常按照32或者64字节的缓存行(Cache Line)进行读取,如果读取的数据在同一个CacheLine,就存在缓存伪共享的问题。 对象被放入一个CacheLine中,根据MSEI协议,其中一个属性改变,其他所有没有改变的属性也变得不可共享。 填充Cache Line缓存块 通过填充对象,将对象中常被改变的属性和不常改变的属性分开到不通缓存Cache Line中。避免缓存的伪共享。 未填充对象: public class DataPadding{ int value; long modifyTime; boolean flag; long createTime; char key; } 对象结构: # Running 64-bit HotSpot VM.# Using compr...
-
下一篇
Spring Cloud OAuth 实现微服务内部Token传递的源码解析
背景分析 1.客户端携带认证中心发放的token,请求资源服务器A(Spring Security OAuth 发放Token 源码解析) 2.客户端携带令牌直接访问资源服务器,资源服务器通过对token 的校验 (Spring Cloud OAuth2 资源服务器CheckToken 源码解析 ) 判断用户的合法性,并保存到上下文中 3.A服务接口接收到请求,需要通过Feign或者其他RPC框架调用B服务来组装返回数据 本文主要来探讨第三部 A --> B ,token 自定维护的源码实现如何实现token 传递配置OAuth2FeignRequestInterceptor 即可此类是Feign 的拦截器实现 @Bean@ConditionalOnProperty("security.oauth2.client.client-id")public RequestInterceptor oauth2FeignRequestInterceptor(OAuth2ClientContext oAuth2ClientContext, OAuth2ProtectedResourceDeta...
相关文章
文章评论
共有0条评论来说两句吧...