Redis基础大纲
2022-03-26 09:41:36 0 举报AI智能生成
Redis复习基础大纲，涵盖了基础操作、数据类型、配置文件、发布订阅、持久化、主从集群、常见缓存问题及解决方案等
作者其他创作
大纲/内容
7、Redis持久化
RDB(Redis Database)
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
进程
Redis会单独创建(Frok)一个子进程，先将数据写入一个临时文件中，待持久化进程结束，再用临时文件替换上次持久化的文件
主进程不进行任何IO操作，保证了极高的性能
RDB方式要比AOF方式更高效
RDB的缺点是最后一次持久化后的数据可能丢失
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。
dump.rdb
在redis.conf中配置文件名称，默认为dump.rdb
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/"
命令
save VS bgsave
save ：save时只管保存，其它不管，全部阻塞。手动保存。不建议。
bgsave：Redis会在后台异步进行快照操作， 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
执行flushall命令，也会产生dump.rdb文件，但里面是空的，无意义
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。
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.
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
rdbchecksum
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
rdb备份与恢复
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
rdb的恢复
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
优劣
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。
停止
动态停止RDB：redis-cli config set save ""#save后给空值，表示禁用保存策略
AOF(Append Only File)
概念
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
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
属性
AOF默认不开启
可以在redis.conf中配置文件名称，默认为 appendonly.aof
AOF文件的保存路径，同RDB的路径一致
AOF和RDB同时开启
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
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
AOF采用文件追加方式，文件会越来越大
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，实质上就是把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
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
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。
优劣
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
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内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
8、Redis主从复制
是什么
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
能干嘛
读写分离，性能扩展
容灾快速恢复
怎么实现
步骤
拷贝多个redis.conf文件include(写绝对路径)
开启daemonize yes
pid文件名字pidfile
指定端口port
Log文件名字
dump.rdb名字dbfilename
Appendonly 关掉或者换名字
详细步骤
新建redis6379.conf，填写以下内容
include /myredis/redis.conf
pidfile /var/run/redis_6379.pid
port 6379
dbfilename dump6379.rdb
新建redis6380.conf，填写以下内容
include /myredis/redis.conf
pidfile /var/run/redis_6380.pid
port 6380
dbfilename dump6380.rdb
新建redis6381.conf，填写以下内容
include /myredis/redis.conf
pidfile /var/run/redis_6381.pid
port 6381
dbfilename dump6381.rdb
slave-priority 10
设置从机的优先级，值越小，优先级越高，用于选举主机时使用。默认100
启动三台redis服务器
redis-server redis6379.conf
redis-server redis6380.conf
redis-server redis6381.conf
查看系统进程，看看三台服务器是否启动
ps -ef | grep redis
查看三台主机运行情况
info replication
打印主从复制的相关信息
配从(库)不配主(库)
slaveof <ip><port>
成为某个实例的从服务器
1、在6380和6381上执行: slaveof 127.0.0.1 6379
2、在主机上写，在从机上可以读取数据
在从机上写数据报错
3、主机挂掉，重启就行，一切如初
4、从机重启需重设：slaveof 127.0.0.1 6379
可以将配置增加到文件中。永久生效。
常用3招
一主二仆
切入点问题？
slave1、slave2是从头开始复制还是从切入点开始复制?
比如从k4进来，那之前的k1,k2,k3是否也可以复制？
从机是否可以写？set可否？
主机shutdown后情况如何？从机是上位还是原地待命？
主机又回来了后，主机新增记录，从机还能否顺利复制？
其中一台从机down后情况如何？依照原有它能跟上大部队吗？
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。
用 slaveof <ip><port>
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
当一个master宕机后，后面的slave可以立刻升为master，其后面的slave不用做任何修改。
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（rdb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*
是什么
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
使用步骤
1、调整为一主二仆模式
6379带着6380、6381
2、自定义的/myredis目录下新建sentinel.conf文件，名字绝不能错
3、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。
4、启动哨兵
/usr/local/bin
redis做压测可以用自带的redis-benchmark工具
执行redis-sentinel /myredis/sentinel.conf 来启动哨兵
5、当主机挂掉，从机选举中产生新的主机
(大概10秒左右可以看到哨兵窗口日志，切换了新的主机)
哪个从机会被选举为主机呢？根据优先级别：replica-priority (slave-priority )
原主机重启后会变为从机。
6、 复制延时
由于所有的写操作都是先在Master上操作
同步更新到Slave上，所以从Master同步到Slave机器有一定的延迟
当系统很繁忙的时候，延迟问题会更加严重
Slave机器数量的增加也会使这个问题更加严重。
7、故障恢复
从下线的主服务的所有服务里面挑选一个从服务，将其转化成主服务
选择条件依次为
1、选择优先级靠前的
2、选择偏移量最大的
3、选择runid最小的服务
挑选出新的主服务之后，sentinel向原主服务的从服务发送slaveof新主服务的命令，复制新master
当已下线的服务重新上线时，sentinel会向其发送slaveof命令，让其成为新主的从服务
优先级在redis.conf中默认：slave-priority 100，值越小优先级越高
偏移量是指获得原主机数据最全的
每个redis实例启动后都会随机生成一个40位的runid
8、主从复制
9、Redis6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。
删除持久化数据
将rdb,aof文件都删除掉
制作实例
6379,6380,6381,6389,6390,6391
配置基本信息
开启daemonize yes
Pid文件名字
指定端口
Log文件名字
Dump.rdb名字
Appendonly 关掉或者换名字
redis cluster配置修改
cluster-enabled yes 打开集群模式
cluster-config-file nodes-6379.conf
设定节点配置文件名
cluster-node-timeout 15000
设定节点失联时间，超过该时间（毫秒），集群自动进行主从切换。
修改好redis6379.conf文件，拷贝多个redis.conf文件
替换另外5个配置文件
启动6个redis服务
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
将节点合成一个集群
组合之前，请确保所有redis实例启动后，nodes-xxxx.conf文件都生成正常。
合体：
cd /opt/redis-6.2.1/src
redis-cli --cluster create --cluster-replicas 1 192.168.11.101:6379 192.168.11.101:6380 192.168.11.101:6381 192.168.11.101:6389 192.168.11.101:6390 192.168.11.101:6391
此处不要用127.0.0.1， 请用真实IP地址
--replicas 1 采用最简单的方式配置集群，一台主机，一台从机，正好三组。
登录
可能直接进入读主机，存储数据时，会出现MOVED重定向操作。所以，应该以集群方式登录。
属性
-c 采用集群策略连接，设置数据会自动切换到相应的写主机
redis-cli -c -p 6379
set k1 v1
192.168.xxx.xxx 6380
会自动切换写主机
通过 cluster nodes 命令查看集群信息
redis cluster 如何分配这六个节点?
一个集群至少要有三个主节点。
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
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。
mset k1 v1 k2 v2 k3 v3
ERROR crossslot keys in request don`t hash to the same slots
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。
mset k1{cust} v1 k2{cust} v2 k3{cust} v3
Redirected to slot [4847] located at 192.168.xxx.xxx : 6379
查询集群中的值
CLUSTER GETKEYSINSLOT <slot><count> 返回 count 个 slot 槽中的键。
cluster keyslot cust
4847
cluster countkeysinslot 4847
3
cluster getkeysinslot 4847 10
k1{cust}
k2{cust}
k3{cust}
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
优劣
优势
实现扩容
分摊压力
无中心配置相对简单
劣势
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。
10、Redis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。
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。
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
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。
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。
解决问题
（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
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
缓存失效时的雪崩效应对底层系统的冲击非常可怕！
解决问题
（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
（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
问题描述
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！
分布式锁主流的实现方案
1. 基于数据库实现分布式锁
2. 基于缓存（Redis等）
3. 基于Zookeeper
每一种分布式锁解决方案都有各自的优缺点：
1. 性能：redis最高
2. 可靠性：zookeeper最高
11、Redis6新功能
ACL
Redis ACL是Access Control List（访问控制列表）的缩写，该功能允许根据可以执行的命令和可以访问的键来限制某些连接。
在Redis 5版本之前，Redis 安全规则只有密码控制 还有通过rename 来调整高危命令比如 flushdb ， KEYS* ， shutdown 等。
Redis 6 则提供ACL的功能对用户进行更细粒度的权限控制 ：
（1）接入权限:用户名和密码
（2）可以执行的命令
（3）可以操作的 KEY
命令
1、使用acl list命令展现用户权限列表
user default on nopass ~* +@all
用户名 是否启用（on/off） 密码 可操作的key 可执行的命令
2、使用acl cat命令
（1）查看添加权限指令类别
（2）加参数类型名可以查看类型下具体命令
3、使用acl whoami命令查看当前用户
default
4、使用aclsetuser命令创建和编辑用户ACL
（1）ACL规则
下面是有效ACL规则的列表。某些规则只是用于激活或删除标志，或对用户ACL执行给定更改的单个单词。其他规则是字符前缀，它们与命令或类别名称、键模式等连接在一起。
启动和禁用用户
on
激活某用户账号
off
off 禁用某用户账号。注意，已验证的连接仍然可以工作。如果默认用户被标记为off，则新连接将在未进行身份验证的情况下启动，并要求用户使用AUTH选项发送AUTH或HELLO，以便以某种方式进行身份验证。
权限的添加删除
+<command>
将指令添加到用户可以调用的指令列表中
-<command>
从用户可执行指令列表移除指令
+@<category>
添加该类别中用户要调用的所有指令，有效类别为@admin、@set、@sortedset…等，通过调用ACL CAT命令查看完整列表。特殊类别@all表示所有命令，包括当前存在于服务器中的命令，以及将来将通过模块加载的命令。
-@<actegory>
从用户可调用指令中移除类别
allcommands
+@all的别名
nocommand
-@all的别名
可操作键的添加或删除
~<pattern>
添加可作为用户可操作的键的模式。例如~*允许所有的键
（2）通过命令创建新用户默认权限
acl setuser user1
在上面的示例中，我根本没有指定任何规则。如果用户不存在，这将使用just created的默认属性来创建用户。如果用户已经存在，则上面的命令将不执行任何操作。
（3）设置有用户名、密码、ACL权限、并启用的用户
acl setuser user2 on >password ~cached:* +get
(4)切换用户，验证权限
IO多线程
简介
IO多线程其实指客户端交互部分的网络IO交互处理模块多线程，而非执行命令多线程。Redis6执行命令依然是单线程。
原理架构
Redis 6 加入多线程,但跟 Memcached 这种从 IO处理到数据访问多线程的实现模式有些差异。
Redis 的多线程部分只是用来处理网络数据的读写和协议解析，执行命令仍然是单线程。
之所以这么设计是不想因为多线程而变得复杂，需要去控制 key、lua、事务，LPUSH/LPOP 等等的并发问题。
工具支持 Cluster
之前老版Redis想要搭集群需要单独安装ruby环境，Redis 5 将 redis-trib.rb 的功能集成到 redis-cli 。
另外官方 redis-benchmark 工具开始支持 cluster 模式了，通过多线程的方式对多个分片进行压测
其他新功能
1、RESP3新的 Redis 通信协议：优化服务端与客户端之间通信
2、Client side caching客户端缓存：基于 RESP3 协议实现的客户端缓存功能。为了进一步提升缓存的性能，将客户端经常访问的数据cache到客户端。减少TCP网络交互。
3、Proxy集群代理模式：Proxy 功能，让 Cluster 拥有像单实例一样的接入方式，降低大家使用cluster的门槛。不过需要注意的是代理不改变 Cluster 的功能限制，不支持的命令还是不会支持，比如跨 slot 的多Key操作。
Modules API
Redis 6中模块API开发进展非常大，因为Redis Labs为了开发复杂的功能，从一开始就用上Redis模块。Redis可以变成一个框架，利用Modules来构建不同系统，而不需要从头开始写然后还要BSD许可。Redis一开始就是一个向编写各种系统开放的平台。
1、Redis概述和安装
Redis 是一个开源（BSD许可）的，内存中的数据结构存储系统，它可以用作数据库、缓存和消息中间件。
它支持多种类型的数据结构，如 字符串（strings）， 散列（hashes）， 列表（lists）， 集合（sets）， 有序集合（sorted sets） 与范围查询， bitmaps， hyperloglogs 和 地理空间（geospatial） 索引半径查询。
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）， 并通过 Redis哨兵（Sentinel）和自动分区（Cluster）提供高可用性（high availability）。
Redis安装
安装
wget https://download.redis.io/releases/redis-6.2.5.tar.gz
yum install centos-release-scl scl-utils-build
yum install -y devtoolset-8-toolchain
scl enable devtoolset-8 bash
tar xf redis-6.2.5.tar.gz
cd redis-6.2.5
make
cd src
./redis-server
启动
前台启动
redis-server
后台启动
拷贝redis.conf到其他目录
cp /opt/redis-3.2.5/redis/conf /myredis
设置daemonize no 改为 yes
启动 redis-server/myredis/redis.conf
用客户端访问 redis-cli
关闭：redis-cli shutdown
常用命令
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：修复有问题的AOF文件，rdb和aof后面讲
redis-check-dump：修复有问题的dump文件
redis-sentinel：哨兵，redis集群使用
redis-server：Redis服务器启动命令
redis-cli：客户端，操作入口
常用命令2
select 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 清空所有数据库
2、常用数据类型
key
存放了
type:value
encoding
keys * 查看当前库所有key
exist key 判断某个key是否存在
type key 查看key的类型
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表示已经过期
String
最基本的数据类型
二进制安全的
最大512M
数据结构
简单动态字符串（SDS）
可修改的字符串
结构类似于JAVA的ArrayList
采用预分配冗余空间的方式减少内存频繁分配
扩容
字符串长度小于1M，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。
字符串最大长度为512M
常用命令
set <key><value> 添加键值对
NX key不存在时，添加key-value
XX key存在时，添加key-value，与NX互斥
EX key的超市秒数 （E expire）
PX key的超市毫秒数，与EX互斥
get <key>
查询对应键值
append <key><value>
将给定的value 追加到原值的末尾
strlen <key>
获得值的长度
setnx <key><value>
只有在key不存在时，设置key的值
incr <key>
将key中存储的数字值增加1，只能对数字值进行操作，如果为空，新增值为1
decr <key>
将key中存储的数字值减1，只能对数字值进行操作，如果为空，新增值为-1
incrby / decrby <key><step>
将key中存储的数值，以自定义步长增减
mset <key1><value1><key2><value2>
同时设置一个或多个 key-value对
mget <key1><key2><key3>
同时获取一个或多个 value
msetnx <key1><value1><key2><value2>
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。
getrange <key><起始位置><结束位置>
获取值的范围
setrange <key><起始位置><value>
用<value>覆写<key>所存储的字符串值，从起始位置开始（注：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>
以新值换旧值，在设置新值的同时，获取旧值
为了减少一次操作请求
List
简单的字符串列表
按照插入顺序排序
数据结构
底层是个双向链表
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
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。
常用命令
lpush/rpush <key><value1><value2><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
rpoplpush <key1><key2>
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 mylist 0 -1
0左边第一个，-1右边第一个，（0-1表示获取所有）
lindex <key><index>
按照索引下标获得元素(从左到右)
llen <key>
获得列表长度
linsert <key> before <value><new value>
在<value>的后面插入<newvalue>插入值
lrem <key><n><value>
从左边删除n个value（从左到右）
lset<key><index><value>
将列表key下标为index的值替换成value
Set
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
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
数据结构
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
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>是否为含有该<value>值，有1，没有0
scard<key>
返回该集合的元素个数
srem <key><value1><value2> ....
删除集合中的某个元素
spop <key>
随机从该集合中吐出一个值。
srandmember <key><n>
随机从该集合中取出n个值。不会从集合中删除
smove <source><destination>value
把集合中一个值从一个集合移动到另一个集合
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中的，不包含key2中的)
Hash
hash 是一个键值对集合
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
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
数据结构
ziplist（压缩列表）
field-value长度较短且个数较少
hashtable（哈希表）
否则使用hashtable
常用命令
hset <key><field><value>
给<key>集合中的 <field>键赋值<value>
hget <key1><field>
从<key1>集合<field>取出 value
hmset <key1><field1><value1><field2><value2>
批量设置hash的值
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 1 -1
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，成功：1，失败：0
Zset
没有重复元素的字符串集合
每个成员都关联了一个评分（score）
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 。
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>
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
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
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。
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<start><stop>之间的元素，范围可用下标
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]
返回有序集 key 中，所有 score 值介于 max 和 min 之间(包括等于 min 或 max )的成员
有序集成员按 score 值递减(从大到小)次序排列
zincrby <key><increment><value>
为元素的score加上增量
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
3、Redis6新增数据类型
Bitmaps
简介
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
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，
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。
命令
setbit
setbit<key><offset><value>
设置Bitmaps中某个偏移量的值（0或1）
offset:偏移量从0开始
实例
每个独立用户是否访问过网站存放在Bitmaps中
将访问的用户记做1， 没有访问的用户记做0， 用偏移量作为用户的id
设置键的第offset个位的值（从0算起）
假设现在有20个用户，userid=1， 6， 11， 15， 19的用户对网站进行了访问， 那么当前Bitmaps初始化结果为：
0100 0010 0001 0001 0001
unique:users:20201106代表2020-11-06这天的独立访问用户的Bitmaps
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
getbit<key><offset>
获取Bitmaps中某个偏移量的值
获取键的第offset位的值（从0开始算）
实例
获取id=8的用户是否在2020-11-06这天访问过， 返回0说明没有访问过
注：因为100根本不存在，所以也是返回0
bitcount
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。
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
实例
计算2022-11-06这天的独立访问用户数量
bitcount unique:users:20201106
start和end代表起始和结束字节数， 下面操作计算用户id在第1个字节到第3个字节之间的独立访问用户数， 对应的用户id是11， 15， 19
redis的setbit设置或清除的是bit位置，而bitcount计算的是byte位置
bitop
bitop 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
实例
2020-11-04 日访问网站的userid=1,2,5,9
setbit unique:users:20201104 1 1
setbit unique:users:20201104 2 1
setbit unique:users:20201104 5 1
setbit unique:users:20201104 9 1
2020-11-03 日访问网站的userid=0,1,4,9
setbit unique:users:20201103 0 1
setbit unique:users:20201103 1 1
setbit unique:users:20201103 4 1
setbit unique:users:20201103 9 1
计算出两天都访问过网站的用户数量
bitop and unique:users:and:20201104_03
unique:users:20201103 unique:users:20201104
bitcount unique:users:and:20201104_03
2
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
集合类型
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
数据类型
一天
一个月
一年
集合类型
400MB
12GB
144GB
Bitmaps
12.5MB
375MB
4.5GB
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
集合类型
64位
100000
64位*100000 = 800KB
Bitmaps
1位
100000000
1位*100000000 = 12.5MB
HyperLogLog
简介
基数问题
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}
数据集的基数集为 {1, 3, 5 ,7, 8}
基数(不重复元素)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
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。
命令
pfadd
pfadd <key>< element> [element ...]
添加指定元素到 HyperLogLog 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。
实例
pfadd program "java"
1
pfadd program "python"
1
pfadd program "java"
0
pfcount
pfcount<key> [key ...]
计算key的近似基数，可以计算多个key
实例
pfadd program "java"
1
pfadd program "python"
1
pfadd program "java"
0
pfcount program
2
pfmerge
pfmerge<destkey><sourcekey> [sourcekey ...]
将一个或多个key合并后的结果存储在另一个key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
pfcount program
2
pfadd k1 "a"
1
pfadd k1 "b"
1
pfcount k1
2
pfmerge k2 k1 program
ok
pfcount k2
4
Geospatial
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
geoadd
geoadd<key>< longitude><latitude><member> [longitude latitude member...]
加地理位置（经度，纬度，名称）
实例
geoadd china:city 121.47 31.23 shanghai
geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing
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
geopos <key><member> [member...]
获得指定地区的坐标值
实例
geopos china:city shanghai
121.47
31.23
geodist
geodist<key><member1><member2> [m|km|ft|mi ]
获取两个位置之间的直线距离
实例
geolist china:city beijing shanghai km
1087.4816
单位
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。
GEODIST 默认使用米作为单位
georadius
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
经度 纬度 距离 单位
实例
georadius china:city 110 30 1000 km
"chongqing"
"shenzhen"
4、配置文件详解
Units单位
配置大小单位,开头定义了一些基本的度量单位，只支持bytes，不支持bit，大小写不敏感
1k = 1000bytes
1kb = 1024bytes
1m = 1000000bytes
1mb = 1024*1024bytes
1g = 1000000000bytes
1gb = 1024*1024*1024bytes
include包含
include /path/to/local.conf
include /path/to/other.conf
网络相关配置
bind
默认情况bind=127.0.0.1只能接受本机的访问请求
不写的情况下，无限制接受任何ip地址的访问
生产环境肯定要写你应用服务器的地址；服务器是需要远程访问的，所以需要将其注释掉
如果开启了protected-mode，那么在没有设定bind ip且没有设密码的情况下，Redis只允许接受本机的响应
保存配置，停止服务，重新启动查看进程，不再是本机访问了
protected-mode
将本机访问保护模式设置no
port
端口号，默认 6379
tcp-backlog
设置tcp的backlog，backlog其实是一个连接队列，backlog队列总和=未完成三次握手队列 + 已经完成三次握手队列。
在高并发环境下你需要一个高backlog值来避免慢客户端连接问题
注意Linux内核会将这个值减小到/proc/sys/net/core/somaxconn的值（128），所以需要确认增大/proc/sys/net/core/somaxconn和/proc/sys/net/ipv4/tcp_max_syn_backlog（128）两个值来达到想要的效果
timeout
一个空闲的客户端维持多少秒会关闭，0表示关闭该功能。即永不关闭。
tcp-keepalive
对访问客户端的一种心跳检测，每个n秒检测一次。
单位为秒，如果设置为0，则不会进行Keepalive检测，建议设置成60
general
daemonize
是否为后台进程，设置为yes
守护进程，后台启动
pidfile
存放pid文件的位置，每个实例会产生一个不同的pid文件
loglevel
指定日志记录级别，Redis总共支持四个级别：debug、verbose、notice、warning，默认为notice
四个级别根据使用阶段来选择，生产环境选择notice 或者warning
logfile
logfile "filename"
databases
databases 16
设定库的数量 默认16
默认数据库为0
可以使用SELECT <dbid>命令在连接上指定数据库id
security
requirepass foobared
访问密码的查看、设置和取消
在命令中设置密码，只是临时的。
重启redis服务器，密码就还原了
永久设置，需要在配置文件中进行设置
config get requirepass
requirepass
""
config set requirepass "123456"
ok
limits
maxclients
设置redis同时可以与多少个客户端进行连接
默认情况下为10000个客户端
如果达到了此限制，redis则会拒绝新的连接请求，并且向这些连接请求方发出“max number of clients reached”以作回应
maxmemory
建议必须设置
否则，将内存占满，造成服务器宕机
设置redis可以使用的内存量。
一旦到达内存使用上限，redis将会试图移除内部数据，移除规则可以通过maxmemory-policy来指定。
如果redis无法根据移除规则来移除内存中的数据，或者设置了“不允许移除”，那么redis则会针对那些需要申请内存的指令返回错误信息，比如SET、LPUSH等。
但是对于无内存申请的指令，仍然会正常响应，比如GET等。
如果你的redis是主redis（说明你的redis有从redis）
在设置内存使用上限时，需要在系统中留出一些内存空间给同步队列缓存
只有在你设置的是“不移除”的情况下，才不用考虑这个因素
maxmemory-policy
volatile-lru
使用LRU算法移除key，只对设置了过期时间的键；（最近最少使用）
allkeys-lru
在所有集合key中，使用LRU算法移除key
volatile-random
在过期集合中移除随机的key，只对设置了过期时间的键
allkeys-random
在所有集合key中，移除随机的key
volatile-ttl
移除那些TTL值最小的key，即那些最近要过期的key
noeviction
不进行移除。针对写操作，只是返回错误信息
maxmemory-samples
设置样本数量，LRU算法和最小TTL算法都并非是精确的算法，而是估算值，所以你可以设置样本的大小，redis默认会检查这么多个key并选择其中LRU的那个
一般设置3到7的数字，数值越小样本越不准确，但性能消耗越小。
5、Redis的发布和订阅
Redis发布订阅（publish/subscribe）是一种消息通信模式
发送者（publish）发送消息，订阅者（subscribe）接受消息
Redis客户端可以订阅任意数量频道
发布订阅命令
打开一个客户端订阅channel1
subscribe channel1
打开另一个客户端，给channel1发布消息hello
publish channel1 hello
打开第一个客户端可以看到发送的消息
“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
6、Redis的事务操作
定义
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
命令
multi
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
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。
exec
直到输入Exec后，Redis会将之前的命令队列中的命令依次执行
组队成功，提交成功
组队阶段报错，提交失败
组队成功，提交有成功有失败情况
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。
discard
组队的过程中可以通过discard来放弃组队
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。
锁
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。
事务特性
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
0 条评论
下一页
