NoSQL简介

什么是NoSQL？

  • NoSQL(NoSQL = Not Only SQL )，意即“不仅仅是SQL”，泛指非关系型的数据库。

  • NoSQL 不依赖业务逻辑方式存储，而以简单的key-value模式存储。因此大大的增加了数据库的扩展能力。

    • 不遵循SQL标准。

    • 不支持ACID。

    • 远超于SQL的性能。

  • NoSQL适用场景

    • 对数据高并发的读写
    • 海量数据的读写
    • 对数据高可扩展性的

  • NoSQL不适用场景

    • 需要事务支持
    • 基于sql的结构化查询存储，处理复杂的关系,需要即席查询。

  • 常见的NoSQL

    • Memcache

      • 很早出现的NoSql数据库
      • 数据都在内存中，一般不持久化
      • 支持简单的key-value模式，支持类型单一
      • 一般是作为缓存数据库辅助持久化的数据库

    • Redis

      • 几乎覆盖了Memcached的绝大部分功能
      • 数据都在内存中，支持持久化，主要用作备份恢复
      • 除了支持简单的key-value模式，还支持多种数据结构的存储，比如 list、set、hash、zset等。
      • 一般是作为缓存数据库辅助持久化的数据库

    • MongoDB

      • 高性能、开源、模式自由(schema free)的文档型数据库
      • 数据都在内存中， 如果内存不足，把不常用的数据保存到硬盘
      • 虽然是key-value模式，但是对value（尤其是json）提供了丰富的查询功能
      • 支持二进制数据及大型对象
      • 可以根据数据的特点替代RDBMS ，成为独立的数据库。或者配合RDBMS，存储特定的数据。

为什么需要NoSQL？

  • 解决CPU及内存压力
  • 解决IO压力

Redis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。

Redis安装

DownloadRedis

  • 默认安装目录
    • /usr/local/bin
命令 作用
redis-server /root/Redis/redis-6.2.7/redis.conf 后台启动
ps -ef|grep redis 进程状态
redis-cli 客户端启动
shutdown或者kill 关闭

Redis简介

  • 默认16个数据库，类似数组下标从0开始，初始默认使用0号库

  • 统一密码管理，所有库同样密码。

  • 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）
命令 作用
select index 命令切换数据库[0,15]
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

Redis键

命令 作用
keys * 查看当前库所有key (匹配：keys *1)
exists key 判断某个key是否存在
type key 查看你的key是什么类型
del key 删除指定的key数据
unlink key 根据value选择非阻塞删除，仅将keys从keyspace元数据中删除，真正的删除会在后续异步操作。
expire key 10 10秒钟：为给定的key设置过期时间
ttl key 查看还有多少秒过期，-1表示永不过期，-2表示已过期

常用数据类型

Redis字符串(String)

  • 简介

String是Redis最基本的类型，你可以理解成与Memcached一模一样的类型，一个key对应一个value。

String类型是二进制安全的。意味着Redis的string可以包含任何数据。比如jpg图片或者序列化的对象。

String类型是Redis最基本的数据类型，一个Redis中字符串value最多可以是512M

  • 常用命令
命令 作用
set 添加键值对
get 查询对应键值
append 将给定的 追加到原值的末尾
strlen 获得值的长度
setnx 只有在 key 不存在时 设置 key 的值(key存在是无法设置的)
incr 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
decr 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
incrby / decrby <步长> 将 key 中储存的数字值增减。自定义步长。
mset 同时设置一个或多个 key-value对
mget 同时获取一个或多个 value
msetnx 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。原子性，有一个失败则都失败
getrange <起始位置><结束位置> 获得值的范围，类似java中的substring，前包，后包
setrange <起始位置> 用 覆写所储存的字符串值，从<起始位置>开始(索引从0开始)。
setex <过期时间> 设置键值的同时，设置过期时间，单位秒。
getset 以新换旧，设置了新值同时获得旧值。

在Redis中INCR key操作是原子操作

  • 所谓原子操作是指不会被线程调度机制打断的操作；

  • 这种操作一旦开始，就一直运行到结束，中间不会有任何 context switch （切换到另一个线程）。

    • 在单线程中， 能够在单条指令中完成的操作都可以认为是”原子操作”，因为中断只能发生于指令之间。
    • 在多线程中，不能被其它进程（线程）打断的操作就叫原子操作。

  • Redis单命令的原子性主要得益于Redis的单线程。

  • 数据结构

String的数据结构为简单动态字符串(Simple Dynamic String,缩写SDS)。是可以修改的字符串，内部结构实现上类似于Java的ArrayList，采用预分配冗余空间的方式来减少内存的频繁分配.

如图中所示，内部为当前字符串实际分配的空间capacity一般要高于实际字符串长度len。当字符串长度小于1M时，扩容都是加倍现有的空间，如果超过1M，扩容时一次只会多扩1M的空间。需要注意的是字符串最大长度为512M。

Redis列表(List)

  • 简介

单键多值

Redis 列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）。

它的底层实际是个双向链表，对两端的操作性能很高，通过索引下标的操作中间的节点性能会较差。

  • 常用命令
命令 作用
lpush/rpush 从左边/右边插入一个或多个值。(可以理解为链表的头插和尾插法)
lpop/rpop 从左边/右边吐出一个值。值在键在，值光键亡
rpoplpush 从列表右边吐出一个值，插到列表左边。
lrange 按照索引下标获得元素(从左到右)
lindex 按照索引下标获得元素(从左到右)
llen 获得列表长度
linsert before 在的后面插入插入值
lrem 从左边删除n个value(从左到右)
lset 将列表key下标为index的值替换成value

lrange mylist 0 -1 0左边第一个，-1右边第一个，（0-1表示获取所有）

  • 数据结构

List的数据结构为快速链表quickList。

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。

Redis集合(Set)

  • 简介

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。(set与list类似，无序，不可重复)

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

  • 常用命令
命令 作用
sadd 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 取出该集合的所有值
sismember 判断集合是否为含有该值，有1，没有0
scard 返回该集合的元素个数。
srem 删除集合中的某个元素
spop 随机从该集合中吐出一个值（会删除数据）
srandmember 随机从该集合中取出n个值。不会从集合中删除
smove value 把集合中一个值从一个集合移动到另一个集合
sinter 返回两个集合的交集元素
sunion 返回两个集合的并集元素
sdiff 返回两个集合的差集元素(key1中的，不包含key2中的)
  • 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哈希(Hash)

  • 简介

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<String,Object>

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

  • 常用命令
命令 作用
hset 给集合中的 键赋值
hget 从集合取出 value
hmset 批量设置hash的值
hexists 查看哈希表 key 中，给定域 field 是否存在。
hkeys 列出该hash集合的所有field
hvals 列出该hash集合的所有value
hincrby 为哈希表 key 中的域 field 的值加上增量 1 -1
hsetnx 将哈希表 key 中的域 field 的值设置为 value ，当且仅当域 field 不存在 .
  • 数据结构

Hash类型对应的数据结构是两种：ziplist（压缩列表），hashtable（哈希表）。当field-value长度较短且个数较少时，使用ziplist，否则使用hashtable。

Redis有序集合(Zset)

  • 简介

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。

  • 常用命令
命令 作用
zadd 将一个或多个 member 元素及其 score 值加入到有序集 key 当中
zrange [WITHSCORES] 返回有序集 key 中，下标在之间的元素带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 为元素的score加上增量
zrem 删除该集合下，指定值的元素
zrank 返回该值在集合中的排名，从0开始
  • 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<String, Double>，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。

发布和订阅

什么是发布和订阅？

  • 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。

订阅：SUBSCRIBE channel1

发送：publish channel1 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

新数据类型

BitMaps

  • 简介
    • Redis提供了Bitmaps这个“数据类型”可以实现对位的操作：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。
    • 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。

  • 指令
命令 左右
setbit 设置Bitmaps中某个偏移量的值（0或1）
getbit 获取Bitmaps中某个偏移量的值
bitcount[start end] 统计字符串从start字节到end字节比特值为1的数量
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。
  • 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
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
set 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， 尤其是随着时间推移节省的内存还是非常可观的

  • 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
数据类型 每个userid占用空间 需要存储的用户量 全部内存量
set 64位 100000 64位*100000 = 800KB
Bitmaps 1位 100000000 1位*100000000 = 12.5MB

HyperLogLog

  • 简介

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。

  • 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(不重复元素的个数)为5。 基数估计就是在误差可接受的范围内，快速计算基数。

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。

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。

  • 命令
命令 作用
pfadd < element> [element …] 添加指定元素到 HyperLogLog 中
pfcount [key …] 计算HLL的近似基数
pfmerge [sourcekey …] 将一个或多个HLL合并后的结果存储在另一个HLL中
  • 将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后HLL估计的近似基数发生变化，则返回1，否则返回0。

Geospatial

  • 简介

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
命令 作用
geoadd< longitude> [longitude latitude member…] 添加地理位置（经度，纬度，名称）
geopos [member…] 获得指定地区的坐标值
geodist [m|km|ft|mi ] 获取两个位置之间的直线距离+单位
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

  • 有效的经度从 -180 度到 180 度。

  • 有效的纬度从 -85.05112878 度到 85.05112878 度。

  • 当坐标位置超出指定范围时，该命令将会返回一个错误。

  • 已经添加的数据，是无法再次往里面添加的。

  • 两极无法直接添加，一般会下载城市数据，直接通过 Java 程序一次性导入。

  • 如果用户没有显式地指定单位参数， 那么 GEODIST 默认使用米作为单位

Java操作Redis

Jedis所需要的jar包

1
2
3
4
5
<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>3.2.0</version>
</dependency>

注意事项

  • redis.conf中注释掉bind 127.0.0.1 ,然后 protected-mode no
  • 关闭防火墙
1
2
3
4
5
6
7
8
9
10
1. 启动防火墙
	systemctl start firewalld 
2. 禁用防火墙
	systemctl stop firewalld
3. 设置开机启动
	systemctl enable firewalld
4. 停止并禁用开机启动
	sytemctl disable firewalld
5. 重启防火墙
	firewall-cmd --reload

获得IP和端口号

1
ifconfig

1
ps -ef | grep redis

编写类测试

1
2
3
4
5
6
7
public class TestJedis {
    public static void main(String[] args) {
        Jedis jedis=new Jedis("192.168.111.130", 6379);
        String ping = jedis.ping();
        System.out.println(ping);
    }
}

模拟手机验证码

1、输入手机号，点击发送后随机生成6位数字码，2分钟有效

2、输入验证码，点击验证，返回成功或失败

3、每个手机号每天只能输入3次

1
2
3
4
5
6
7
8
9
10
11
12
//1.随机生成验证码
    public static String getCode(){

        String code="";
        Random random=new Random();
        for (int i = 0; i < 6; i++) {
            int i1 = random.nextInt(10);
            code+=i1;
        }
        return code;

    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
//2.判断次数与放验证码到数据库
    public  static void verifyCode(String phone){
        Jedis jedis=new Jedis("192.168.111.130", 6379);
        String countKey=phone+":count";
        String codeKey=phone+":code";

        String count=jedis.get(countKey);
        if (count==null){
            jedis.setex(countKey, 24*60*60, "1");
        }else if (Integer.parseInt(count)<2){
            jedis.incr(codeKey);
        }else {
            System.out.println("已达上限");
            return;
        }
        jedis.setex(codeKey, 120, getCode());
        jedis.close();
    }
1
2
3
4
5
6
7
8
9
10
11
12
//3验证码效验
    public static void isOK(String phone,String code){
        Jedis jedis=new Jedis("192.168.111.130", 6379);
        String codeKey=phone+":code";
        String dataCode = jedis.get(codeKey);
        if (dataCode.equals(code)){
            System.out.println("ok");
        }else{
            System.out.println("no!");
        }
        jedis.close();
    }

Redis事务

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

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。

  • 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。

锁机制

  • 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。

  • 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。

  • 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，因为事务提交前任何指令都不会被实际执行

  • 不保证原子性

    • 事务中如果有一条命令执行失败，其后的命令仍然会被执行，没有回滚

Redis持久化

RDB（Redis DataBase）

  • RDB是什么？

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过程

  • dump文件

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 说明
save 格式：save 秒钟 写操作次数
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 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。
rdbchecksum 在存储快照后，还可以让redis使用CRC64算法来进行数据校验
  • 优势与劣势
    • 优势
      • 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
    • 劣势
      • 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。

AOF（Append Only File）

  • AOF是什么？

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和RDB同时开启，redis听谁的？

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)
      • 恢复：重启redis然后重新加载
    • 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同步频率设置
配置 描述
appendfsync always 始终同步，每次Redis的写入都会立刻记入日志；性能较差但数据完整性比较好
appendfsync everysec 每秒同步，每秒记入日志一次，如果宕机，本秒的数据可能丢失。
appendfsync no redis不主动进行同步，把同步时机交给操作系统。
  • 优势与劣势
    • 优势
      • 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。
    • 劣势
      • 比起RDB占用更多的磁盘空间。
      • 恢复备份速度要慢。
      • 每次读写都同步的话，有一定的性能压力。
      • 存在个别Bug，造成恢复不能。

总结

  • 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。

Redis主从复制

  • 什么是主从复制？

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

  • 有什么用？
    • 读写分离，性能扩展
    • 容灾快速恢复

slaveof 成为某个实例的从服务器

  • 一主二仆

  • 薪火相传

    • 上一个Slave可以是下一个slave的Master，Slave同样可以接收其他 slaves的连接和同步请求，那么该slave作为了链条中下一个的master, 可以有效减轻master的写压力,去中心化降低风险。

    • 中途变更转向:会清除之前的数据，重新建立拷贝最新的

      风险是一旦某个slave宕机，后面的slave都没法备份

      主机挂了，从机还是从机，无法写数据了

  • 反客为主

    • 用 slaveof no one 将从机变为主机。

复制原理

  • Slave启动成功连接到master后会发送一个sync命令

  • Master接到命令启动后台的存盘进程，同时收集所有接收到的用于修改数据集命令， 在后台进程执行完毕之后，master将传送整个数据文件到slave,以完成一次完全同步

    • 全量复制：而slave服务在接收到数据库文件数据后，将其存盘并加载到内存中。
    • 增量复制：Master继续将新的所有收集到的修改命令依次传给slave,完成同步

  • 但是只要是重新连接master,一次完全同步（全量复制)将被自动执行

哨兵模式

  • 反客为主的自动版，能够后台监控主机是否故障，如果故障了根据投票数自动将从库转换为主库

  • 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。

  • 执行redis-sentinel /myredis/sentinel.conf

  • 当主机挂掉，从机选举中产生新的主机
    • 1.选择优先级大的，配置slave-priority （越小优先级越高）
    • 2.选择偏移量最大的（获得源主机数据最全）
    • 3.选择runid最小的（redis启动时随机生成）

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。

  • 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。

  • 什么是slots？

[OK] All nodes agree about slots configuration.

>>> Check for open slots…

>>> Check slots coverage…

[OK] All 16384 slots covered.

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。

  • 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

  • 好处与坏处

    • 好处
      • 实现扩容
      • 分摊压力
      • 无中心配置相对简单
    • 坏处
      • 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。

应用问题解决

缓存穿透

  • 什么是缓存穿透？
    • 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。
    • 指在高并发场景下，如果某一个 key 被高并发访问，没有被命中，出于对容错性考虑，会尝试去从后端数据库中获取，从而导致了大量请求到达数据库，而当该 key 对应的数据库本身就是空的情况下，这就导致数据库中并发的去执行了很多不必要的查询操作，从而导致巨大冲击和压力。

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

  • 什么是缓存击穿？
    • 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。

  • （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：

    • （1） 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。

      （2） 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

      （3） 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；

      （4） 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

  • 什么是缓存雪崩？
    • 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，前者则是某一个key

解决方案

  • （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（效率低）

  • （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。

分布式锁

  • 什么是分布式锁？

随着业务发展的需要，原单体单机部署的系统被演化成分布式集群系统后，由于分布式系统多线程、多进程并且分布在不同机器上，这将使原单机部署情况下的并发控制锁策略失效，单纯的Java API并不能提供分布式锁的能力。为了解决这个问题就需要一种跨JVM的互斥机制来控制共享资源的访问，这就是分布式锁要解决的问题！

解决方案

    1. 基于数据库实现分布式锁

    2. 基于缓存（Redis等）

    3. 基于Zookeeper

  • 为了确保分布式锁可用，我们至少要确保锁的实现同时满足以下四个条件：

    - 互斥性。在任意时刻，只有一个客户端能持有锁。

    - 不会发生死锁。即使有一个客户端在持有锁的期间崩溃而没有主动解锁，也能保证后续其他客户端能加锁。

    - 解铃还须系铃人。加锁和解锁必须是同一个客户端，客户端自己不能把别人加的锁给解了。

    - 加锁和解锁必须具有原子性。

Redis数据结构

SDS(简单动态字符串)

1
2
3
4
5
6
struct __attribute__ ((__packed__)) sdshdr8 {
    uint8_t len; // 已经使用的字节数
    uint8_t alloc; // 实际可以存储的字节最大长度，不包括SDS头部和结尾的空字符
    unsigned char flags; // flags中的低3个bit决定使用哪种结构存储字符串，高5bit未使用
    char buf[]; // 柔性数组，用来保存实际的字符串
};

  • 扩容机制

    • 如果新字符串小于1M，则新空间为扩展后字符串长度的两倍+1
    • 如果新字符串大于1M，则新空间为扩展后字符串长度+1M+1。称为内存预分配。

  • 优点：

    • 获取字符串长度的时间复杂度为0(1)
    • 支持动态扩容
    • 减少内存分配次数
    • 二进制安全

intset

1
2
3
4
5
typedef struct intset {
    uint32_t encoding;//表示IntSet所使用的编码格式，可以是8位整数、16位整数或32位整数。
    uint32_t length;//表示IntSet中存储的整数数量。
    int8_t contents[];//表示IntSet中存储的整数值的数组
} intset;
  • Redis会确保Intset中的元素唯一
  • 有序具备类型升级机制，可以节省内存空间
  • 底层采用二分查找方式来查询

dict

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
typedef struct dictEntry {
    void *key;
    union {
        void *val;
        uint64_t u64;
        int64_t s64;
        double d;
    } v;
    struct dictEntry *next;
} dictEntry;

typedef struct dictht {
    dictEntry **table;
    unsigned long size; //  hashtable 容量
    unsigned long sizemask;  // size -1
    unsigned long used;  // hashtable 元素个数   used / size =1
} dictht;

typedef struct dict {
    dictType *type;
    void *privdata;
    dictht ht[2];// ht[0] , ht[1] =null
    long rehashidx; /* rehashing not in progress if rehashidx == -1 */
    unsigned long iterators; /* number of iterators currently running */
} dict;

ZipList

  • zlbytes（4 字节）： ziplist占用总的字节数
  • zltail（4 字节）: ziplist 最后一个 entry 距离起始位置偏移的字节数
  • zllen（2 字节）: ziplist 中 entry 的个数
  • zlend（1 字节）：结束符（ziplist 以0xFF作为结束）

  • pre_entry_len：上一个entry的长度。占用的字节数取决于上一个节点的长度，
    • 如果上一个节点的长度小于254字节，pre_entry_len就占1个字节；
    • 如果大于等于254，pre_entry_len就占5个字节，而且，第一个字节会被设置为0xFE（十进制的254）。
  • encoding：记录该节点content属性保存数据的类型及长度。开头说了 ziplist 用来存储小整数或者短的字符串。