本文共 18641 字，大约阅读时间需要 62 分钟。

学习Redis的基础笔记

本片博文是学习尚硅谷Redis课程所做，在此非常感谢！！！

NoSQL数据库

NoSQL(表示not only SQL)，及"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(即不支持原子性、一致性、隔离性、持久性)
• 远超于SQL的性能

适用的场景？

• 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

不适用的场景？

• 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
• 用不着SQL和用了SQL也不行的情况，考虑使用NoSQL

Redis概述和安装

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；
• 和Memcached一样，为了保证效率，数据都是缓存在内存中的；
• 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；

应用场景

1. 配合关系型数据库做高速缓存
   • 高频次，热门访问的数据，降低数据库IO；
   • 分布式架构，做session共享；
2. 多样的数据结构存储持久化数据
   • 最新N个数据(通过List实现按自然时间排序的数据)
   • 排行榜、Top N(利用zset有序集合)
   • 时效性的数据，比如手机验证码(Expire过期)
   • 计数器、秒杀(原子性、自增方法INCR、DECR)
   • 去除大量数据中的重复数据(利用Set集合)
   • 构建队列(利用List集合)
   • 发布订阅消息系统(pub/sub模式)

安装redis6.2.1

步骤一、安装其他依赖：

• 安装C语言的编译环境：

  yum install centos-release-scl scl-utils-buildyum install -y devtoolset-8-toolchainscl enable devtoolset-8 bash

• 安装gcc

  yum install gcc

• 解压redis的安装包

  tar -xzvf redis-6.2.1.tar.gz

• 进入解压后的目录

  cd redis-6.2.1/

• 在该目录下进行编译

  makemake install

• 需要注意，安装完成后，会在/user/local/bin/目录下存在redis的安装文件，如下介绍所示：

  • redis-benchmark：性能测试工具，可以在自己本子运行，看看自己本子性能如何；
  • redis-check-aof：修改有问题的AOF文件
  • redis-check-dump：修复有问题的dump.rdb文件
  • redis-sentinel：Redis及集群使用
  • redis-server：Redis服务器启动命令
  • redis-cli：客户端，操作入口

Redis的启动-----在/user/local/bin/目录下

*前台启动(不推荐)：*前台启动后，命令窗口不能关闭，否则服务器停止

redis-server

后台启动(推荐)：

• 进入redis的安装目录，备份一份redis.conf文件，到其他目录：cp redis.conf /usr/local/redis-6.2.1/my_back/redis.backup.conf；
• 将redis.conf文件的后台启动设置daemonize no改成daemonize yes，表示让服务在后台启动；
• 通过配置文件启动redis，进入/usr/local/bin目录，使用redis-server /usr/local/redis-6.2.1/redis.conf # 即配置文件的路径
• 可以通过命令查询redis服务是否启动成功：ps -ef | grep redis
• 可以通过/usr/local/bin/目录下的redis-cli命令连接redis，即通过命令redis-cli采用客户端连接redis；

Redis的关闭

• 退出客户端的连接，使用命令exit即可；
• 可以在客户端的连接中关闭redis，使用shutdown命令即可
• 通过shutdown关闭redis，使用redis-cli shutdown命令即可；
• 通过端口关闭：redis-cli -p 6379 shutdown
• 通过kill命令杀死服务：
  • 查看服务的pid(进程号)，ps -ef | grep redis
  • 通过kill命令杀死服务：kill -9 redis服务的进程号

Redis相关知识的介绍

​ 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 使用命令 select 来切换数据库。如: select 8 统一密码管理，所有库同样密码。 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；

常用五大数据类型

数据库相关的key操作

• select 命令切换数据库；
• 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(KEY)

• keys * 查看当前库所有key(匹配：key * 1)；
• exists key 判断某个key是否存在，存在返回1，不存在返回0
• 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；
  • 注意仅将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 为给定的key设置过期时间为10秒钟
• ttl key 查看还有多少秒过期，-1表示永不过期，-2表示已过期；

String类型的数据

• 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

• set key value 添加键值对；如果存在此key，会将此可以的值覆盖掉
• get key 查询对应键值；没有此key时返回nil
• append key value 将给定的value追加到该key对应的原值后面
• strlen key 获得值的长度
• setnx key value 只有在key不存在时，设置key的值；如果存在此key，就不能修改(返回0)
• incr key
  • 将key中存储的数字值增1
  • 只能对数字值操作，如果为空，新增值为1
• decr key
  • 将key中存储的数字值减1
  • 只能对数字值操作，如果为空，新增值为-1
• 上面两个命令的总结：incrby / decrby <key><步长>将 key 中储存的数字值增减。自定义步长。；注意：上述的两个命令(incr、decr)和本条的例子是具有原子性的；原子性：有一个失败则都失败
• mset key1 value1 key2 value2 … 即同时设置一个或多个key-value对；
• mget key1 key2 key3 … 即同时获取一个或多个value；
• msetnx key1 value1 key2 value2 … 即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，才会添加成功；如果有任意一个key存在，则添加都不成功(原子性，有一个失败则都失败)；
• getrange key 起始位置 结束位置 获得值的范围，类似java中的substring，前包，后包，索引从0开始；
• setrange key 起始位置 value 用 value 覆写 key 所储存的字符串值，从 起始位置 开始(索引从0开始)；
• setex key 过期时间 value 设置键值的同时，设置过期时间，单位秒；
• getset key value 以新换旧，设置了新值同时获得旧值；

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。

List类型的数据

• 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

• lpush/rpush key1 value1 key2 value2 key3 value3 … 从左边/右边插入一个或多个值；

• lpop/rpop key 从左边/右边吐出一个值。值在键在，值光键亡(值完了后键会自动销毁)。

• rpoplpush key1 key2 表示从key1列表右边吐出一个值，插到key2列表左边；

• lrange key start stop 按照索引下标获得元素(从左到右)；

  • lrange key 0 -1 0表示左边第一个，-1表示右边第一个，表示获取key列表的所有；

• lindex key index 按照key列表的索引下标获得元素(从左到右)；

• llen key 获取key列表的长度；

• linsert key before/after value newvalue 表示在value 前面/后面 插入newvalue插入值；

• lrem key n value 从左边删除n个为value的元素(从左到右)；

• lset key index value 将列表key下标为index的值换为value；

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。比如如上列表里存的只是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。

Set类型的数据

​ 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。

​ 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

• sadd key value1 value2 … 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 key 取出该集合的所有值；
• sismember key value 判断集合key是否含有该value值；有返回1，没有返回0；
• scard key 返回该集合的元素个数；
• srem key value1 value2 … 删除集合中的某些个元素；
• spop key 随机从该集合中吐出一个值(如果值完了，该键也就销毁了)；
• srandmember key n 随机从该集合中取出n个值，但是不会从集合中删除这些值；
• smove source_key target_key value 把source_key集合中的一个值value移动到另一个集合target_key；
• sinter key1 key2 返回两个集合的交集元素；
• sunion key1 key2 返回两个集合的并集元素；
• sdiff key1 key2 返回两个集合的差集元素(key1集合中的，不包含key2中的；即key1中有的元素，但是key2没有的元素)；

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。

Hash类型的数据

• 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

• hset key field value 给key集合中的 field键赋值为value；
• hget key1 field 从key1集合 field取出value；
• hmset key1 field1 value1 field2 value2 … 批量设置hash值；
• hexists key1 field 查看哈希表key中，给定域field是否存在；
• hkeys key 列出该hash集合的所有field；
• hvals key 列出该hash集合的所有value；
• hincrby key field increment 为哈希表key中的域field的值加上增量 increment；
• hsetnx key field value 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；

Zset(sorted set)类型的数据

• 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

• zadd key score1 value1 score2 value2 … 将一个或多个 member 元素及其 score 值加入到有序集 key 当中；
• zrange key start stop [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；
  • zrange key 0 -1 表示取出有序集 key中的全部内容；
• zrangebyscore key min max [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 max min [withscores] [limit offset count] 同上，改为从大到小排列；
• zincrby key increment value 为value元素的score加上增量increment；
• zrem key value 删除该集合下，指定值的元素；
• zcount key min max 统计该集合，分数区间内的元素个数；
• zrank key value 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，如下：

• 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；
• 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；

跳跃表(跳表)

​ 有序集合在生活中比较常见，例如根据成绩对学生排名，根据得分对玩家排名等。对于有序集合的底层实现，可以用数组、平衡树、链表等。数组不便元素的插入、删除；平衡树或红黑树虽然效率高但结构复杂；链表查询需要遍历所有效率低。Redis采用的是跳跃表。跳跃表效率堪比红黑树，实现远比红黑树简单；

*如下实例：*对比有序链表和跳跃表，从链表中查询出51：

• 有序链表查询：要查找值为51的元素，需要从第一个元素开始依次查找、比较才能找到。共需要6次比较。

  

• 跳跃表查询：从第2层开始，1节点比51节点小，向后比较。21节点比51节点小，继续向后比较，后面就是NULL了，所以从21节点向下到第1层

  • 在第1层，41节点比51节点小，继续向后，61节点比51节点大，所以从41向下

  • 在第0层，51节点为要查找的节点，节点被找到，共查找4次。

从此可以看出跳跃表比有序链表效率要高

Redis的发布者和订阅者模式

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；

1. 客户端可以订阅频道如下图：

   

2. 当给这个频道发布消息后，消息就会发送给订阅的客户端

   
   实例

3. 打开一个客户端订阅频道名为channel1的频道，使用命令subscribe channel1

   

4. 打开另一个客户端，给channel1的频道发送消息hello，使用命令publish channel1 hello

   

5. 打开第一个客户端可以看到发送的消息

   
   注意：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；

Redis6中的新数据类型

Bitmaps类型的数据

​ 现代计算机用二进制（位） 作为信息的基础单位， 1个字节等于8位， 例如“abc”字符串是由3个字节组成， 但实际在计算机存储时将其用二进制表示， “abc”分别对应的ASCII码分别是97、 98、 99， 对应的二进制分别是01100001、 01100010和01100011，如下图：

​ 合理地使用操作位能够有效地提高内存使用率和开发效率，Redis提供了Bitmaps这个“数据类型”可以实现对位的操作：

• Bitmaps本身不是一种数据类型， 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；

  
  常用命令

• setbit key offset value 设置Bitmaps(key对应)的某个偏移量(offset对应，offset偏移量从0开始)的值(value对应，注意该值只能是0或1)；

  
  • 注意：很多应用的用户id以一个指定数字（例如10000） 开头， 直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费， 通常的做法是每次做setbit操作时将用户id减去这个指定数字。在第一次初始化Bitmaps时， 假如偏移量非常大， 那么整个初始化过程执行会比较慢， 可能会造成Redis的阻塞；

• getbit key offset 获取Bitmaps(key对应)中某个偏移量(offset对应，offset的值从0开始算)的值；

  

• bitcount key [start end] 统计字符串从start字节到end字节比特值为1的数量；

  • *bitcount命令的详解：*统计字符串被设置为1的bit数。一般情况下，给定的整个字符串都会被进行计数，通过指定额外的 start 或 end 参数，可以让计数只在特定的位上进行。start 和 end 参数的设置，都可以使用负数值：比如 -1 表示最后一个位，而 -2 表示倒数第二个位，start、end 是指bit组的字节的下标数，二者皆包含；
    

• bittop and(or/not/xor) destkey [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；

  

HyperLogLog类型的数据

​ 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。解决基数问题有很多种方案：

• 数据存储在MySQL表中，使用distinct count计算不重复个数
• 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；能否能够降低一定的精度来平衡存储空间？Redis推出了HyperLogLog；

​ Redis HyperLogLog 是用来做基数统计的算法，HyperLogLog 的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定的、并且是很小的；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；

什么是基数？

​ 比如数据集 {1, 3, 5, 7, 5, 7, 8, 9}， 那么这个数据集的基数集为 {1, 3, 5 ,7, 8, 9}, 基数(不重复元素)为6。 基数估计就是在误差可接受的范围内，快速计算基数;

常用命令

• pfadd key element element 添加指定元素到 HyperLogLog 中；

  
  • 实例，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；
    

• pfcount key [key …] 计算HLL的近似基数，可以计算多个HLL，比如用HLL存储每天的UV，计算一周的UV可以使用7天的UV合并计算即可；

  • 实例
    

• pfmerge destkey sourcekey [sourcekey …] 将一个或多个HLL合并后的结果存储在另一个HLL中，比如每月活跃用户可以使用每天的活跃用户来合并计算可得；

  • 实例
    

Geospatial类型的数据

​ 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；

常用命令

• gadd key longitude latitude member [longitude latitude member…] 添加地理位置（经度，纬度，名称）；

  • 实例

    
    需要注意：
    • 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。
    • 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。

• geopos key member [member …] 获得指定地区的坐标值；

  • 实例
    

• geodist key member1 member2 [m|km|ft|mi ] 获取两个位置之间的直线距离；

  • 实例：获取两个位置之间的直线距离

    
    注意：
    • m 表示单位为米[默认值]。
    • km 表示单位为千米。
    • mi 表示单位为英里。
    • ft 表示单位为英尺。
    • 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

• georadius key longitude latitude 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；

  • 实例
    

Redis中的事务

• 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命令

• 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；

实例

• 组队成功，提交成功
  
• 组队阶段报错，提交失败
  
• 组队成功，提交出现失败
  

事务的错误处理

• 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；
  

引出概念

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；

Redis如何使用自身的乐观锁

watch key [key2 key3 …]

​ 在执行multi之前，先执行watch key1 [key2 key3 …],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；如下所示，开启两个客户端窗口，并且这两个窗口都使用watch监视一个key：

步骤一、在窗口内设置一个key，并使用watch进行监视，如下：

步骤二、新增一个窗口，对上一步设置的key也使用watch进行监视，并开启multi使用事务，如下： 步骤三、对第一个窗口使用multi，通过事务对监视的key进行修改，如下： 步骤四、再切换到第二个窗口，再次通过事务对监视的key进行修改，会发现由于key的值已经改变(版本号发生改变)，此时不会修改成功，如下：

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事务的三特性

• 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
  • n 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的持久化

RDB(Redis DataBase)

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；

RDB持久化流程？

持久化到何处？

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，如下图：

在redis.conf中配置文件名称，默认为dump.rdb，如下图： Fork

• 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

多长时间备份一次(如何触发RDB快照，保持策略)？

​ 可以通过配置文件修改，如下图：

上图表示：3600秒(1小时)内，至少有一个key被改变，则持久化；30秒内，至少有10个key被改变，则持久化；60秒内，至少有10000个key被改变，则持久化；

实例

​ 如果配置文件设置了30秒内有10个key发生改变，则进行持久化操作；当在30秒内有12个key添加时，并不会将这12个key一起持久化到文件，而是将添加的前10个key持久化至文件，后面添加的2个key会排序到下次的30秒进行持久化操作！

save和bgsave的区别？

• save ：save时只管保存，其它不管，全部阻塞。手动保存。不建议使用此方式；
• bgsave：Redis会在后台自动的异步进行快照操作， **快照同时还可以响应客户端请求。**可以通过lastsave 命令获取最后一次成功执行快照的时间

flushall命令

​ 执行flushall命令，也会产生dump.rdb文件，但里面是空的，无意义；

快照(SNAPSHOTTING)

save

​ 格式：save秒钟 写操作次数

​ RDB是整个内存的压缩过的Snapshot，RDB的数据结构，可以配置复合的快照触发条件，默认是1分钟内改了1万次，或5分钟内改了10次，或15分钟内改了1次；

如何禁用？

​ 不设置save指令，或者给save传入空字符串；

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，如下图：

rdbcompression压缩文件

​ 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；如果你不想消耗CPU来进行压缩的话，可以设置为关闭此功能。推荐yes，如下图：

rdbchecksum检查完整性

​ 在存储快照后，还可以让redis使用CRC64算法来进行数据校验，但是这样做会增加大约10%的性能消耗，如果希望获取到最大的性能提升，可以关闭此功能，推荐yes，如下图：

rdb的备份

​ 先通过config get dir 查询rdb文件的目录，将*.rdb的文件拷贝到别的地方，进行rdb的恢复，如下：

• 关闭Redis
• 先把备份的文件拷贝到工作目录下 cp dump2.rdb dump.rdb
• 启动Redis, 备份数据会直接加载

如何停止rdb的备份

​ 动态停止RDB：redis-cli config set save “”#save后给空值，表示禁用保存策略；

RDB的总结

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)

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

1. 客户端的请求写命令会被append追加到AOF缓冲区内；

2. 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；

3. 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；

4. 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默认不开启

​ 可以在redis.conf中配置文件名称，默认为 appendonly.aof no，AOF文件的保存路径，同RDB的路径一致；

AOF和RDB同时开启，要听谁的？

​ 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同步频率的设置

• 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。

Rewrite压缩

是什么？

​ AOF采用文件追加方式，文件会越来越大为避免出现此种情况，新增了重写机制, 当AOF文件的大小超过所设定的阈值时，Redis就会启动AOF文件的内容压缩， 只保留可以恢复数据的最小指令集.可以使用命令bgrewriteaof；

重写原理，如何实现重写？

​ AOF文件持续增长而过大时，会fork出一条新进程来将文件重写(也是先写临时文件最后再rename)，redis4.0版本后的重写，是指上就是把rdb 的快照，以二级制的形式附在新的aof头部，作为已有的历史数据，替换掉原来的流水账操作；

no-appendfsync-on-rewrite详解

​ 如果 no-appendfsync-on-rewrite=yes ,不写入aof文件只写入缓存，用户请求不会阻塞，但是在这段时间如果宕机会丢失这段时间的缓存数据。（降低数据安全性，提高性能）；

​ 如果 no-appendfsync-on-rewrite=no, 还是会把数据往磁盘里刷，但是遇到重写操作，可能会发生阻塞。（数据安全，但是性能降低）；

触发机制，何时重写？

​ Redis会记录上次重写时的AOF大小，默认配置是当AOF文件大小是上次rewrite后大小的一倍且文件大于64M时触发；

​ 重写虽然可以节约大量磁盘空间，减少恢复时间。但是每次重写还是有一定的负担的，因此设定Redis要满足一定条件才会进行重写；

auto-aof-rewrite-percentage

​ 设置重写的基准值，文件达到100%时开始重写（文件是原来重写后文件的2倍时触发）；

auto-aof-rewrite-min-size

​ 设置重写的基准值，最小文件64MB。达到这个值开始重写；

​ 例如：文件达到70MB开始重写，降到50MB，下次什么时候开始重写？100MB

​ 系统载入时或者上次重写完毕时，Redis会记录此时AOF大小，设为base_size,

​ 如果Redis的AOF当前大小>= base_size +base_size*100% (默认)且当前大小>=64mb(默认)的情况下，Redis会对AOF进行重写；

重写流程

1. bgrewriteaof触发重写，判断是否当前有bgsave或bgrewriteaof在运行，如果有，则等待该命令结束后再继续执行；
2. 主进程fork出子进程执行重写操作，保证主进程不会阻塞；
3. 子进程遍历redis内存中数据到临时文件，客户端的写请求同时写入aof_buf缓冲区和aof_rewrite_buf重写缓冲区保证原AOF文件完整以及新AOF文件生成期间的新的数据修改动作不会丢失；
4. ：
   1. 子进程写完新的AOF文件后，向主进程发信号，父进程更新统计信息；
   2. 主进程把aof_rewrite_buf中的数据写入到新的AOF文件；
5. 使用新的AOF文件覆盖旧的AOF文件，完成AOF重写；
   
   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，造成不能恢复；

AOF的总结

两种持久化方式的总结

用哪个好？

• 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；

官网建议

• RDB持久化方式能够在指定的时间间隔能对你的数据进行快照存储；
• AOF持久化方式记录每次对服务器写的操作,当服务器重启的时候会重新执行这些命令来恢复原始的数据,AOF命令以redis协议追加保存每次写的操作到文件末尾；
• Redis还能对AOF文件进行后台重写,使得AOF文件的体积不至于过大；
• 只做缓存：如果你只希望你的数据在服务器运行的时候存在,你也可以不使用任何持久化方式；
• 同时开启两种持久化方式；
• 在这种情况下,当redis重启的时候会优先载入AOF文件来恢复原始的数据, 因为在通常情况下AOF文件保存的数据集要比RDB文件保存的数据集要完整；
• RDB的数据不实时，同时使用两者时服务器重启也只会找AOF文件。那要不要只使用AOF呢？
  • 建议不要，因为RDB更适合用于备份数据库(AOF在不断变化不好备份)， 快速重启，而且不会有AOF可能潜在的bug，留着作为一个万一的手段；
• 性能建议
  • 因为RDB文件只用作后备用途，建议只在Slave上持久化RDB文件，而且只要15分钟备份一次就够了，只保留save 900 1这条规则。 如果使用AOF，好处是在最恶劣情况下也只会丢失不超过两秒数据，启动脚本较简单只load自己的AOF文件就可以了。 代价,一是带来了持续的IO，二是AOF rewrite的最后将rewrite过程中产生的新数据写到新文件造成的阻塞几乎是不可避免的。 只要硬盘许可，应该尽量减少AOF rewrite的频率，AOF重写的基础大小默认值64M太小了，可以设到5G以上。 默认超过原大小100%大小时重写可以改到适当的数值；

Redis的应用问题解决

缓存穿透

问题描述

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。如下图：

解决方案

一个一定不存在缓存及查询不到的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。可以通过如下解决方案：

• **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；
• **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。
• 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。)
  • 即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。
• **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

问题描述

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。可以通过如下解决方案：

• **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；

• **实时调整：**现场监控哪些数据热门，实时调整key的过期时长

• 使用锁

  • 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。
  • 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；
  • 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；
  • 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

问题描述

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

如下为正常访问：

如下缓存雪崩(缓存失效瞬间)：

解决方案

缓存失效时的雪崩效应对底层系统的冲击非常可怕！可以通过如下解决方案：

• **构建多级缓存架构：**nginx缓存 + redis缓存 +其他缓存（ehcache等）
• **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；
• **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。
• **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。

下次Redis更新

下次Redis博文主要更新：Redis的主从复制(包括常见的一主二仆、薪火相传、反客为主、哨兵模式)、集群等相关方面的知识

转载地址：https://blog.csdn.net/m0_49039508/article/details/117001063 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！