redis常见使用场景

07 Redis 评论

1. 缓存

String类型
例如：热点数据缓存、对象缓存、全页缓存可以提升热点数据的访问效率

2. 数据共享分布式

String类型，因为redis是分布式的独立服务，可以在多个应用服务之间共享，例如分布式session

1
2
3
4
<dependency> 
    <groupId>org.springframework.session</groupId> 
    <artifactId>spring-session-data-redis</artifactId> 
</dependency>

3. 分布式锁

String类型 setnx方法，只有不存在时才能添加成功返回true

1
2
3
4
5
6
7
8
9
10
11
public static boolean getLock(String key) {
    Long flag = jedis.setnx(key, "1");
    if (flag == 1) {
        jedis.expire(key, 10);
    }
    return flag == 1;
}

public static void releaseLock(String key) {
    jedis.del(key);
}

4. 全局ID

int 类型， incrby, 利用原子性

1
incrby userid 1000

分库分表的场景，一次性拿一段。

5. 计数器

int 类型，incr方法
例如：文章的阅读量、微博点赞数；允许一定的延迟，先写入redis在定时同步到数据库

  1. 第一种方法

    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
    @Service
    public class TestService {
        
        @Resource
        RedisTemplate<String,Object> redisTemplate;
        
        @Resource(name="redisTemplate")
        private ValueOperations<String,Object> ops;
        
        public int testRedis() {
            try {
                //此方法会先检查key是否存在，存在+1，不存在先初始化，再+1
                ops.increment("success", 1);
                
                //return (int) ops.get("success"); //使用这个会出现错误，报错信息 Caused by: org.springframework.core.serializer.support.SerializationFailedException: Failed to deserialize payload. Is the byte array a result of corresponding serialization for DefaultDeserializer?; nested exception is java.io.EOFException。
                return Integer.valueOf(redisTemplate.boundValueOps("success").get(0, -1));
            } catch (Exception e) {
                // TODO: handle exception
                e.printStackTrace();
            }
            
            return 0 ;
        }
        
    }

  2. 第二种方法

    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
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    @Service
    public class TestService {
        
        @Resource
        RedisTemplate<String,Object> redisTemplate;
        
        @Resource(name="redisTemplate")
        private ValueOperations<String,Object> ops;
        
        public int testRedis() {
            try {
                //此方法会先检查key是否存在，存在+1，不存在先初始化，再+1
                ops.increment("success", 1);
                
                //return (int) ops.get("success");
                //return Integer.valueOf(redisTemplate.boundValueOps("success").get(0, -1));
                return (int) getKey("success");
            } catch (Exception e) {
                // TODO: handle exception
                e.printStackTrace();
            }
            
            return 0 ;
        }
        
        public long getKey(final String key) {
            
            return redisTemplate.execute(new RedisCallback<Long>() {
                @Override
                public Long doInRedis(RedisConnection connection) throws DataAccessException {
                    
                    RedisSerializer<String> redisSerializer = redisTemplate.getStringSerializer();
                    
                    byte[] rowkey = redisSerializer.serialize(key);
                    byte[] rowval = connection.get(rowkey);
                    
                    try {
                        String val = redisSerializer.deserialize(rowval);
                        return Long.parseLong(val);
                    } catch (Exception e) {
                        return 0L;
                    }
                }
            });
        }
        
    }

    设置每天零点过期，重新计数

    1
    2
    3
    4
    5
    6
    7
    //当天时间
    Date date = new Date();
    //当天零点
    date = DateUtils.truncate(date, Calendar.DAY_OF_MONTH);
    //第二天零点
    date = DateUtils.addDays(date, +1);
    redisTemplate.expireAt("success", date);

    6. 限流

    int类型，incr方法
    以访问者的IP和其他信息作为key,访问一次增加一次次数，超过次数 则返回false

7. 位统计

String类型的bitcount
字符是以8位二进制存储的

1
2
3
4
5
6
7
8
9
10
11
set k1 a
setbit k1 6 1
setbit k1 7 0
get k1 
/* 6 7 代表的a的二进制位的修改

a 对应的ASCII码是97，转换为二进制数据是01100001
b 对应的ASCII码是98，转换为二进制数据是01100010

因为bit非常节省空间（1 MB=8388608 bit），可以用来做大数据量的统计。
*/

例如：在线用户统计，留存用户统计

1
2
3
setbit onlineusers 01 
setbit onlineusers 11 
setbit onlineusers 20

支持按位与、按位或等等操作

1
2
3
4
BITOPANDdestkeykey[key...] ，对一个或多个 key 求逻辑并，并将结果保存到 destkey 。       
BITOPORdestkeykey[key...] ，对一个或多个 key 求逻辑或，并将结果保存到 destkey 。 
BITOPXORdestkeykey[key...] ，对一个或多个 key 求逻辑异或，并将结果保存到 destkey 。 
BITOPNOTdestkeykey ，对给定 key 求逻辑非，并将结果保存到 destkey 。

计算出7天都在线的用户

1
BITOP "AND" "7_days_both_online_users" "day_1_online_users" "day_2_online_users" ...  "day_7_online_users"

8. 购物车

String 或hash。所有String可以做的hash都可以
hash类型是一个String类型的field和value的映射表，每个hash都可以存储2^32 -1键值对
使用hash做购物车：以用户id为key, 商品id为field，商品数量为value。

9. 用户消息时间线timeline

list，双向链表，直接作为timeline就好了。插入有序

10. 消息队列

List提供了两个阻塞的弹出操作：blpop/brpop，可以设置超时时间

  • blpop：blpop key1 timeout 移除并获取列表的第一个元素，如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止。

  • brpop：brpop key1 timeout 移除并获取列表的最后一个元素，如果列表没有元素会阻塞列表直到等待超时或发现可弹出元素为止。
    上面的操作。其实就是java的阻塞队列。学习的东西越多。学习成本越低

  • 队列：先进先除：rpush blpop，左头右尾，右边进入队列，左边出队列

  • 栈：先进后出：rpush brpop

11. 抽奖

自带一个随机获得值

1
spop myset

12. 点赞、签到、打卡

点赞、签到、打卡
假如上面的微博ID是t1001，用户ID是u3001

用 like:t1001 来维护 t1001 这条微博的所有点赞用户

  • 点赞了这条微博：sadd like:t1001 u3001
  • 取消点赞：srem like:t1001 u3001
  • 是否点赞：sismember like:t1001 u3001
  • 点赞的所有用户：smembers like:t1001
  • 点赞数：scard like:t1001

13. 商品标签

商品标签
用 tags:i5001 来维护商品所有的标签。

  • sadd tags:i5001 画面清晰细腻
  • sadd tags:i5001 真彩清晰显示屏
  • sadd tags:i5001 流程至极

14.商品筛选

1
2
3
4
5
6
// 获取差集
sdiff set1 set2
// 获取交集（intersection ）
sinter set1 set2
// 获取并集
sunion set1 set2

商品筛选

1
2
3
4
5
6
7
sadd brand:apple iPhone11

sadd brand:ios iPhone11

sad screensize:6.0-6.24 iPhone11

sad screentype:lcd iPhone 11

筛选商品，苹果的、ios的、屏幕在6.0-6.24之间的，屏幕材质是LCD屏幕

1
sinter brand:apple brand:ios screensize:6.0-6.24 screentype:lcd

15. 用户关注、推荐模型

1
2
3
4
5
## follow 关注 fans 粉丝
sadd 1:follow 2
sadd 2:fans 1
sadd 1:fans 2
sadd 2:follow 1

我关注的人也关注了他(取交集)：

1
sinter 1:follow 2:fans

可能认识的人：

1
2
3
4
5
## 用户1可能认识的人(差集)：
sdiff 2:follow 1:follow

## 用户2可能认识的人：
sdiff 1:follow 2:follow

16. 排行榜

id 为6001 的新闻点击数加1：zincrby hotNews:20190926 1 n6001
获取今天点击最多的15条：zrevrange hotNews:20190926 0 15 withscores
排行榜

redis不适用的场景

Redis是一种缓存技术，主要用来提高应用的性能，更多的应用场景是对数据库读数据进行缓存，减轻数据库的IO的访问压力，以下场景不太适合使用Redis:

  • 数据规模大小角度

    Redis是将数据放在内存进行缓存的，内存相对于磁盘来锁价格是比较贵的。如果成本是需要考虑的重要因素，那么大规模的数据就不太适合；

  • 数据冷热程度角度

    很多业务数据可以根据数据读的频繁程度分为热数据和冷数据；频繁使用的热数据一般适合用redis，冷数据一般不太适合用redis,如果大量的冷数据进行了缓存，那是对内存资源的浪费，
    所以在应用场景上区分冷热数据，将热数据放在内存中，进而提高性能。

小余哥xiaoyouge

分享一些技术教程与实践，以及日常踩坑记录。