Redis那些事儿(一)

这篇具有很好参考价值的文章主要介绍了Redis那些事儿(一)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

        说到redis大家都不陌生,其中包括:共有16个数据库,默认为第0个数据库;数据以key-value键值的形式存储;数据类型包括String、List、Hash、Set等,其中最常用的是字符串;是单线程的、基于内存的,主要受内存和网络带宽的影响… 这些都是基于Redis的基础理论知识储备。接下来我会通过开发中的StringRedisTemplate对象作为切入点,说一说Redis在开发中的那些事儿。

1. jedis还是lettuce?

        两者都是redis的客户端,对redis操作进行了封装。其中lettuce是内部使用netty进行网络通信,性能很强,jedis已经停止更新了。lettuce相对于jedis在性能方面更为出色,jedis在单个线程中是线程安全的,功能上更加丰富,支持的数据类型更多。无论Springboot2.0以后默认使用lettuce作为操作redis的客户端,选择jedis还是lettuce,都需要根据具体的业务需求和场景进行评估和测试,以确定最适合的工具库。两者的分别使用如下:
pom依赖

jedis

<!-- redis -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
    <exclusions>
        <exclusion>
            <groupId>io.lettuce</groupId>
            <artifactId>lettuce-core</artifactId>
        </exclusion>
    </exclusions>
</dependency>
<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
</dependency>

lettuce

<!-- redis -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

yaml配置

jedis

spring:
  redis:
    host: localhost
    password:
    port: 6379
    timeout: 10s  # 连接超时时间
    jedis:
      pool:
        max-active: 1000  # 连接池最大连接数(使用负值表示没有限制)
        max-wait: -1   # 连接池最大阻塞等待时间(使用负值表示没有限制)
        max-idle: 10      # 连接池中的最大空闲连接
        min-idle: 5       # 连接池中的最小空闲连接

lettuce

spring:
  redis:
    host: localhost
    password:
    port: 6379
    timeout: 10s  # 连接超时时间
    lettuce:
      pool:
        max-active: 1000  # 连接池最大连接数(使用负值表示没有限制)
        max-wait: -1   # 连接池最大阻塞等待时间(使用负值表示没有限制)
        max-idle: 10      # 连接池中的最大空闲连接
        min-idle: 5       # 连接池中的最小空闲连接

2. 字符串缓存

应用场景1:基础缓存

        对于redis有90%的使用场景都是基于String作为基础缓存使用的,对于经常使用的并且修改频率较低的数据存储在Redis缓存中,可以大大提高系统性能和响应速度,避免频繁地从数据库或其他后端服务读取数据。对象、集合等数据也可以通JSON序列化成字符串进行存储,大大提升了系统的并发性能,节省系统资源的消耗。

存字符串、对象、集合到缓存中,redisTemplate.opsForValue().set(key, value)

    //存普通字符串
    redisTemplate.opsForValue().set("testKey", "123456");
    //存某对象
    Person person = getPerson(); //TODO 获取到某个实例对象
    redisTemplate.opsForValue().set("testObj", JSON.toJSONString(person));
    //存某集合
    List<Person> persons = getPersonList(); //TODO 获取到某个实例集合
    redisTemplate.opsForValue().set("testList", JSON.toJSONString(persons));

存入缓存中,有时效性,超时之后缓存自动删除,redisTemplate.opsForValue().set(key, value, time)

    //设置登录token,30分钟有效(第3个参数支持:天、小时、分钟、秒等)
    redisTemplate.opsForValue().set("token", "123456", Duration.ofMinutes(30));

从缓存中读取数据,数据为字符串,可按实际存入的值进行序列化,redisTemplate.opsForValue().get(key)

    //从缓存中获取某对象
    String s1 = redisTemplate.opsForValue().get("testObj");
    Person person = JSON.parseObject(s1, Person.class);
    //从缓存中获取某集合
    String s2 = redisTemplate.opsForValue().get("testList");
    List<Person> persons = JSON.parseArray(s2, Person.class);

获取缓存剩余时间,redisTemplate.getExpire(key)

    //返回值为long值,单位是秒,如果是-1时代表的是永久保存
    Long expire = redisTemplate.getExpire("testKey");

重置缓存时间,redisTemplate.expire(key, time, timeUnit)

    //重置时间为2天
    redisTemplate.expire("testKey", 2, TimeUnit.DAYS);

判断是否存在,redisTemplate.hasKey(key)

    Boolean b = redisTemplate.hasKey("testKey");

模糊匹配获取所有的key值,redisTemplate.keys(“*”);

    //获取所有的key值
    Set<String> keys = redisTemplate.keys("*");
    //获取所有的testKey*模糊的key值
    Set<String> keys = redisTemplate.keys("testKey*");

删除缓存,redisTemplate.delete(key)

    redisTemplate.delete("testKey");

只是列了部分,还有multiSet、getRange、increment等方法都很实用

应用场景2:重复提交验证

        相同请求短时间内请求多次过滤,尤其是用于重要表单信息提交、秒杀请求的应用场景。在每次接收到请求时,生成一个唯一的请求标识(例如,可以使用请求的URL和参数进行哈希计算),在Redis中使用请求标识作为Key,将其存入到缓存中,设置一个合适的时间自动清理缓存中的过期请求标识,避免占用过多内存。这样就可以实现用Redis有效地进行接口重复请求的验证。

以下为请求重复验证工具类实例代码

@Component
public class RequestValidator {

    @Autowired
    private StringRedisTemplate redisTemplate;

    /**
     * 重复请求方法
     * @param requestId 请求标识
     * @param validSecond 有效时间(单位:秒)
     * @return true重复 / false不重复
     */
    public boolean isDuplicateRequest(String requestId, Long validSecond) {
        String s = redisTemplate.opsForValue().get(requestId);
        //缓存中取值不为空,证明是重复请求
        if (StringUtils.isNotEmpty(s)) {
            return true;
        }
        //缓存中取值为空,证明非重复请求,把请求标识放入到缓存中
        redisTemplate.opsForValue().set(requestId, "DUPLICATE_REQUEST", Duration.ofSeconds(validSecond));
        return false;
    }
}

3. List缓存

应用场景:高并发场景

        opsForList提供了一组简单而直观的方法来操作列表类型的数据,如leftPushAll、rightPushAll等,这使得批量存储变得非常方便,并且代码更易读,可以很好地支持高并发的场景。Redis的列表是按照插入的顺序进行存储的,利用leftPushAll或rightPushAll方法进行批量存储时,元素会按照给定的顺序依次插入到列表中,可以确保存储的顺序是可控的。虽然opsForList提供了方便的批量存储操作,但在实际使用时仍需考虑内存消耗、网络传输等因素,存储数据过大如果来不及消费,就会造成系统内存溢出导致服务器崩溃,存在数据丢失的风险。

✈ 具体怎么使用,在之前的文章中有介绍,在这里Java高并发之Redis批量提交数据库文章来源地址https://www.toymoban.com/news/detail-745414.html

到了这里,关于Redis那些事儿(一)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Redis学习(三)分布式缓存、多级缓存、Redis实战经验、Redis底层原理

    单节点Redis存在着: 数据丢失问题:单节点宕机,数据就丢失了。 并发能力和存储能力问题:单节点能够满足的并发量、能够存储的数据量有限。 故障恢复问题:如果Redis宕机,服务不可用,需要一种自动的故障恢复手段。 RDB持久化 RDB(Redis database backup file,Redis数据库备份

    2024年02月16日
    浏览(27)
  • Redis应用(1)缓存(1.2)------Redis三种缓存问题

    三者出现的根本原因是:Redis缓存命中率下降,请求直接打到DB上了。  一、 缓存穿透: 1、定义: 缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在,这样缓存永远不会生效,这些请求都会打到数据库。所谓穿透,就是直接透过了redis,直接透到数据库。 2、原因

    2024年01月24日
    浏览(32)
  • 【Redis】Redis作为缓存

    【Redis】Redis常见面试题(2) 缓存在计算机系统中有着重要的作用,它可以显著提高系统的性能和响应速度 提升系统性能: 缓存将常用的数据或计算结果存储在高速的存储介质中,如内存,以便快速地响应请求。通过减少对慢速存储介质(如硬盘或数据库)的访问次数,可

    2024年02月09日
    浏览(27)
  • 【Redis-02】Redis的缓存

    缓存( Cache),就是数据交换的 缓冲区 ,俗称的缓存就是 缓冲区内的数据 。 一句话:因为 速度快,好用 。缓存数据存储于代码中,而代码运行在内存中, 内存的读写性能远高于磁盘 ,缓存可以大大降低 用户访问并发量带来的 服务器读写压力。 使用根据id查询的例子来进行说明 1.3

    2024年02月16日
    浏览(29)
  • redis缓存设计-Redis(八)

    上篇文章介绍了redis缓存设计,热点key,bigkey注意事项。 原创 redis缓存设计-Redis(七) https://blog.csdn.net/ke1ying/article/details/131268967 命令使用 hgetall,lrange,smembers,zrange,sinter等并非不能使用,要指定明确的值,遍历的话要使用 hscan、sscan、zscan 代替。 禁止使用keys,flushall,

    2024年02月10日
    浏览(25)
  • 【Redis(8)】Spring Boot整合Redis和Guava,解决缓存穿透、缓存击穿、缓存雪崩等缓存问题

    在缓存技术的挑战及设计方案我们介绍了使用缓存技术可能会遇到的一些问题,那么如何解决这些问题呢? 在构建缓存系统时,Spring Boot和Redis的结合提供了强大的支持,而Guava的 LoadingCache 则为缓存管理带来了便捷的解决方案。下面我将介绍如何通过整合Spring Boot、Redis和Gu

    2024年04月22日
    浏览(39)
  • redis 缓存雪崩 && 缓存击穿 && 缓存穿透

    什么是缓存雪崩 当我们提到缓存系统中的问题,缓存雪崩是一个经常被讨论的话题。缓存雪崩是指在某一时刻发生大量的缓存失效,导致瞬间大量的请求直接打到了数据库,可能会导致数据库瞬间压力过大甚至宕机。尤其在高并发的系统中,这种情况会导致连锁反应,整个系

    2024年02月07日
    浏览(36)
  • Redis 缓存穿透、缓存雪崩、缓存击穿

    缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在,这样缓存永远不会生效,这些请求都会打到数据库。 常见的解决方案有两种:         缓存空对象                  优点:实现简单,维护方便                 缺点: 额外的内存消耗 可能造

    2024年02月02日
    浏览(31)
  • Redis-缓存穿透、缓存崩溃、缓存击穿

    本文主要介绍Redis中缓存穿透、缓存崩溃和缓存击穿 一般情况下,用户请求到后台,会先从缓存中取数据。如果在缓存中取到数据,就直接返回 结果;如果取不到数据就需要查询数据库,从数据库中取到数据后会同步更新到缓存,并返回结果。下一个用户就可以直接从缓存中

    2024年02月16日
    浏览(27)
  • Redis学习(三)持久化机制、分布式缓存、多级缓存、Redis实战经验

    单节点Redis存在着: 数据丢失问题:单节点宕机,数据就丢失了。 并发能力和存储能力问题:单节点能够满足的并发量、能够存储的数据量有限。 故障恢复问题:如果Redis宕机,服务不可用,需要一种自动的故障恢复手段。 RDB持久化 RDB(Redis database backup file,Redis数据库备份

    2024年02月16日
    浏览(35)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包