Redis-基础和应用篇

我们一定要明白持之以恒、长远规划、阶段性复盘的重要性。2021新的一年,新的心态,新的目标,GO! GO! GO!!!

image


一、redis应用

1、记录帖子点赞数、评论数和点击数(hash)

2、记录用户的帖子ID列表,便于快速显示用户的帖子列表(zset)

3、记录帖子的标题、摘要、作者和封面信息,用户列表页展示(hash)

4、记录帖子的点赞用户ID列表,评论ID列表,用于显示和去重计数(hash)

5、缓存近期热帖内容(帖子内容的空间占用比较大),减少数据库压力(hash)

6、记录帖子的相关文章ID,根据内容推荐相关帖子(list)

7、如果帖子ID是整数自增的,可以使用redis来分配帖子ID(计数器)

8、收藏集和帖子之间的关系(zset)

9、记录热榜帖子ID列表、总热榜和分类热榜(zset)

10、缓存用户行为历史,过滤恶意行为(zset、hash)

11、保证同一用户不会中奖两次(set)


二、redis数据结构

string(字符串)、list(列表)、hash(字典)、set(集合)、zset(有序集合)

1. string(字符串)

其内部字符串是一个动态字符串,类似于ArrayList的动态扩容。以此减少频繁分配内存的开销。字符串长度小于1M时,成倍扩容;大于1M时,只增加1M;最大长度512M。

使用场景:

缓存用户登录信息。token作为key,用户信息使用JSON序列化成字符串,获取时再反序列化。

常用命令

set name value  #存值
get name    #取值
exists name     #判断
del name
mset name1 name2 value1 value2   #批量取
mget name1 name2 .....   #批量取
expire name m秒    #m秒后过期
setex name m秒 value    #存值,并且设置过期时间
setnx name value    #存值,如果name已经存在,就返回0
set name 1  #设置为整数
incr name   #还可以自增
incrby name 整数   #加

2. list(列表)

类似于LinkedList。插入删除块,查询慢。

使用场景

常用于异步队列实现(先进先出)

常用命令

rpush name value1 value2... #入队
llen name #队列长度
lpop name  #出队 value1

3. hash(字典)

类似于HashMap

使用场景

可以对存储结构中每个字段单独存储。过期时间是针对真个hash对象,而不是单独的子key.

常用命令

hset key filed1 value1
hset key filed2 value2   #存 
hget key filed1     #取

4. set(集合)

sadd, smembers, scard

5. zset(有序集合)

zadd, zrange,zrank, zrem,zcard


三、HyperLogLog

场景:估数、精确度要求不高场景(统计网站的PV 和UV)

命令 pfadd、pfcount、pfmerge

内存占用比set小,有一定的误差


四、布隆过滤器

原理:布隆过滤器是一个BIT数组

场景:信息推荐去重(微博推荐刷新时过滤已经看过的信息),垃圾邮件过滤、爬虫系统过滤已爬内容、解决缓存穿透问题

布隆过滤器可以判断某个数据一定不存在,但是无法判断一定存在(不精确的SET)

占用内存极少,并且插入和查询速度都足够快。

缺点,无法删除数据;随着数据的增加,误判率会增加

Redisson 实现


五、Reids6种淘汰策略

volatile-lru:从设置了过期时间的数据集中,选择最近最久未使用的数据释放;

allkeys-lru:从数据集中(包括设置过期时间以及未设置过期时间的数据集中),选择最近最久未使用的数据释放;

volatile-random:从设置了过期时间的数据集中,随机选择一个数据进行释放;

allkeys-random:从数据集中(包括了设置过期时间以及未设置过期时间)随机选择一个数据进行入释放;

volatile-ttl:从设置了过期时间的数据集中,选择马上就要过期的数据进行释放操作;

noeviction:不删除任意数据(但redis还会根据引用计数器进行释放),这时如果内存不够时,会直接返回错误。

默认策略是noeviction

推荐使用的策略是volatile-lru

通过maxmemory-samples配置样本数量,默认为5

缓存淘汰算法(LFU、LRU、ARC、FIFO、MRU)


六、Redis 持久化方案:

RDB 默认方式 (RDB持久化即通过创建快照的方式进行持久化,保存某个时间点的全量数据。)

AOF (Append-Only-File持久化即记录所有变更数据库状态的指令,以append的形式追加保存到AOF文件中)

如果Redis只是用来做缓存服务器,比如数据库查询数据后缓存,那可以不用考虑持久化,因为缓存服务失效还能再从数据库获取恢复。


七、缓存和数据库数据一致性(并发竞争问题)

延时双删策略(在写库前、后进行redis.del,并且设定合理的延时时间。)

读取binlog分析 ,利用消息队列(rabbitmq、kafka), 推送更新各台的redis缓存数据


八、缓存穿透

现象:用户大量并发请求的数据(key)对应的数据在redis和数据库中都不存在,导致尽管数据不存在但还是每次都会进行查DB。

解决方案:从缓存取不到的数据,在数据库中也没有取到,这时也可以将key-value对写为key-null


九、缓存击穿

现象:缓存击穿是指缓存中没有但数据库中有的数据(一般是缓存时间到期),这时由于并发用户特别多,同时读缓存没读到数据,又同时去数据库去取数据,引起数据库压力瞬间增大,造成过大压力。

解决方案:

1.设置热点数据永远不过期

2.接口限流与熔断,降级

3.加互斥锁

4.布隆过滤器


十、缓存雪崩

现象:大量key同一时间点失效,同时又有大量请求打进来,导致流量直接打在DB上,造成DB不可用。

解决方案:

1.设置key永不失效(热点数据);

2.设置key缓存失效时候尽可能错开;

3.使用多级缓存机制,比如同时使用redsi和memcache缓存,请求->redis->memcache->db;

4.购买第三方可靠性高的Redis云服务器;


十一、Redis热点key处理

1 热点key发现

监控热key(抓包程序抓redis监听端口的数据,抓到数据后往kafka里丢。接下来,flink流式计算系统消费kafka里的数据,进行数据统计即可)

通知系统做处理

2 解决方案

本地缓存

集群(把这个热key,在多个redis上都存一份)

阿里云Redis已经在内核层面解决热点key问题

3. 热key的危害

流量集中,达到物理网卡上限。

请求过多,缓存分片服务被打垮。

DB 击穿,引起业务雪崩。


十二、拒绝大KEY

集群环境,大key会导致数据迁移卡顿

如果被删除时,内存一次性回收,也会卡顿

扩容时,会一次性申请更大的内存,也会卡顿

注意:如果Redis内存起伏较大,很有可能是大key导致,这时需要定位大key并优化

定位大key可以使用scan、或者redis-cli指令完成


十三、Redis是单线程的,但Redis为什么这么快

1、基于内存

2、数据结构和操作简单

3、多路I/O复用模型(非阻塞IO)

4、单线程避免了不必要的上下文切换和竞争条件


十四、漏斗限流

分布式限流:redis-cell

单机:Google的guava包提供了RateLimiter类

限流的常见算法有以下三种:
1.时间窗口算法
2.漏桶算法
3.令牌算法


十五、GEO

Redis通过GeoHash算法实现附近的人查询功能;

内部数据结构是zset,通过score还原就可以得到原始坐标;

集群环境中单个key对应的数据不宜超过1M,如果超过需要按相应业务规则拆分降低key的数据大小。


十六、scan

通过游标分步进行,相比于keys,不会阻塞线程

提供limit参数可以控制返回结果条数


image

来源:https://www.cnblogs.com/monkjavaer/p/14244021.html

  • 发表于 2021-01-11 11:17
  • 阅读 ( 18 )
  • 分类:操作系统

0 条评论

请先 登录 后评论

作家榜 »

  1. 六星官方社区工作人员 1098 文章
  2. 吉洪叶 19 文章
  3. 天晓冥 2 文章
  4. muEasy 2 文章
  5. 百日慕晴 2 文章
  6. baiyang 2 文章
  7. plum 1 文章
  8. 周前 1 文章