redis基础

教程来源

1.NoSQL数据库简介

2. Redis概述安装

2.1. 应用场景

2.1.1.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

2.1.2.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，TopN：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

2.2. Redis安装

2.2.1. 安装版本

redis官网下载官网最新稳定版本

不考虑windows环境下对redis的支持

2.2.2. 安装步骤

准备工作：下载安装最新版的gcc编译器

安装C语言的编译环境

1
2
3

yum install centos-release-scl scl-utils-build
yum install -y devtoolset-8-toolchain
scl enable devtoolset-8 bash

测试gcc版本

1	gcc --version

如果没有，安装gcc

1	yum install gcc

下载redis-6.2.4.tar.gz安装包，放在/opt目录下

解压命令

1	tar -zxvf redis-6.2.4.tar.gz

解压完成后进入目录

1	cd redis-6.2.4

在redis-6.2.4目录下执行make编译命令

make

如果没有准备好C语言编译环境，make会报错：Jemalloc/jemalloc.h：没有那个文件
解决方案：运行make distclean，安装好编译环境后，再次执行make编译命令

跳过make test命令，执行make install安装命令

执行make test时遇到You need tcl 8.5 or newer in order to run the Redis test
- 解决方案：yum install tcl

2.2.3. 安装目录

默认安装在/usr/local/bin目录下

查看默认安装目录：

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.rdb文件
redis-sentinel：redis集群使用
**redis-server**：redis服务器启动命令
**redis-cli**：客户端，操作入口

2.2.4. 前台启动（不推荐）

前台启动，命令行窗口不能关闭，否则服务器停止

1	redis-server

但是前台启动，可以看到读写过程，

配置文件中，更改了save 30 5，表示30s秒5个key发生变化，就进行持久化存储；

连接上redis后，进行如下操作：

127.0.0.1:6380> ping
PONG
127.0.0.1:6380> set k1 v1
OK
127.0.0.1:6380> set k2 v2
OK
127.0.0.1:6380> set k3 v3
OK
127.0.0.1:6380> set k4 v4
OK
127.0.0.1:6380> set k5 v5
OK
127.0.0.1:6380> set k6 v6
OK
127.0.0.1:6380> set k7 v7
OK

后台记录如下：

27593:M 31 Jul 2021 10:36:35.320 * Ready to accept connections27593:M 31 Jul 2021 10:40:24.873 * 5 changes in 30 seconds. Saving...27593:M 31 Jul 2021 10:40:24.874 * Background saving started by pid 2824628246:C 31 Jul 2021 10:40:24.887 * DB saved on disk28246:C 31 Jul 2021 10:40:24.887 * RDB: 6 MB of memory used by copy-on-write27593:M 31 Jul 2021 10:40:24.974 * Background saving terminated with success

2.2.4.2.启动报错信息

WARNING overcommit memory is set to 0

WARNING overcommit_memory is set to 0! Background save may fail under low memory condition. To fix this issue add '`vm.overcommit_memory = 1`' to `/etc/sysctl.conf` and then reboot or run the command '`sysctl vm.overcommit_memory=1`' for this to take effect.

解决方案
1

2.2.5. 后台启动（推荐）

redis目录中，有一个文件redis.conf，把它复制到/etc目录下（或自定义目录下）

1	cp redis.conf /etc/redis.conf

修改redis.conf(128行)文件将里面的daemonize no 改成yes，让服务在后台启动（可以在vi中按\搜索）

1	vi redis.conf

按/进行搜索daemonize，然后修改

进入/usr/local/bin目录下，指定配置文件启动redis

1	redis-server /etc/redis.conf

查询启动的redis进程

1	ps -ef \| grep redis

这种启动方式，即使关闭了命令行窗口，redis仍然是启动状态

此时可以通过redis-cli命令启动redis客户端来连接redis数据库

redis-cli

多个端口访问：redis-cli -p 6379，如果输入了错误的端口号，虽然可以进入redis终端，但在ping的时候，会报错：

1	Error: Protocol error, got "H" as reply type byte

redis终端中输入ping，返回PONG表示是一个正常的连通状态

redis的关闭

单实例关闭：redis-cli shutdown（未进入redis终端）
也可以进入终端后再关闭：shutdown，然后输入exit退出

可以ps -ef | grep redis查询进程号

1	root 22661 1 0 16:44 ? 00:00:00 redis-server 127.0.0.1:6379root 34556 21819 0 17:15 pts/7 00:00:00 grep --color=auto redis

然后kill -9 22661杀掉redis进程即可

配置密码
- 搜索requirepass foobared，然后修改foobared，记得删除#号取消注释
- 连同后，输入auth 密码即可
卸载redis
- 杀掉所有redis相关进程
  - 进入到user/local/bin目录，删除rm -rf redis*

2.2.6. Redis介绍相关知识

端口6379从何而来：Alessia Merz
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
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是单线程+多路IO复用技术

多路IO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，否则阻塞直至超时。

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）

串行 vs 多线程 + 锁(memcached) + 单线程 + 多路IO复用（Redis）

(与Memcache三点不同：支持多数据类型，支持持久化，单线程 + 多路IO复用)

3.常用五大数据类型

redis常见数据类型操作命令

3.1.Redis键（key）

keys *：查看当前库所有key（匹配：keys *1（匹配以1结尾的key键））
exsits 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，真正的删除在后续异步操作
expire key 10：为给定的key设置过期时间为10秒
- ttl key：查看还有多少秒过期，-1表示永不过期，-2表示已过期
select 1：切换数据库1
dbsize：查看当前库的key的数量
flushdb：清空当前库
flushall：通杀全部库

3.2.Redis字符串（String）

3.2.1.简介

String是Redis最基本的数据类型，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（一个文件，只要能转换成字符串，都可以存到Redis中）
String类型是Redis最基本的数据类型，一个Redis中字符串value最多可以使512M

3.2.2.常用命令

set <key> <value>添加键值对

get <key>查询对应键值

1	127.0.0.1:6379> set k1 v1 [EX seconds\|PX milliseconds\|EXAT timestamp\|PXAT milliseconds-timestamp\|KEEPTTL] [NX\|XX] [GET]set k1 v1set k1 v2get k1 # "v2"，对同一个key设置，会覆盖原来的

*NX：当数据库中key不存在时，可以将key-value添加数据库
*XX：当数据库key存在时，可以将key-value添加数据库，与NX参数互斥
*EX：key的超时秒数
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> <value>：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，新增值减1
incrby/decrby <key> <步长>：将key中存储的数字值增减，自定义步长

原子性：

incr key：对存储在指定key的数值执行原子的加1操作
- 起始版本：1.0.0
- 时间复杂度：O(1)
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质检
- 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

案例

1	Java中的i++是否是原子操作？不是，先取值，再++，再赋值i=0，两个线程分别对i进行i++100次，值是多少？ 2~200

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> <value3>
- 同时设置一个或者多个key-value，当且仅当给定key都不存在
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
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（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>
- 因新换旧，设置了新值的同时获得旧值

3.2.3.数据结构

String的数据结构为简单动态字符串(Simple Dynamic String，缩写是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。

在这里插入图片描述

如图所示，内部为当前字段串实际分配的空间capacity一般要高于字符串实际长度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。需注意的是字符串的最大长度为512M。

3.3.Redis列表（List）

3.3.1.简介

单值多键

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，同构索引下标来操作中间的节点性能会较差。

在这里插入图片描述

3.3.2.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
  - 表示获取所有
index <key> <index>
- 按照索引下标获取元素（从左到右）
llen <key>
- 获得列表长度
linsert <key> before/after <value> <newvalue>
- 在<value>的前面/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

3.3.3.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。

在这里插入图片描述

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。

3.4.Redis集合（Set）

3.4.1.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。

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。

3.4.2.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> <destiantion> value
- 把集合中的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）

3.4.3.数据结构

Set数据结构是dict字典，字典使用哈希表实现的。

Java中的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，它的内部结构也使用hash结构，所有的value都指向同一个内部值。

3.5.Redis哈希（Hash）

3.5.1.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<StringObject>

用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，如果用普通的key/value结构来存储

主要有以下2中存储方式：

在这里插入图片描述

方法一：每次修改用户的某个属性，需要先反序列化，改好后再序列化回去，开销较大

方法二：用户ID数据冗余

在这里插入图片描述

方法三：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

3.5.2.常用命令

hset <key> <field> <value>
- 给<key>集合中的<field>键赋值<value>
hget <key> <field>
- 从<key>集合<field>取出<value>
hmset <key> <field1> <value1> <field2> <value2> ...
- 批量设置hash的值
hexists <key> <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filed的值加上增量1（-1）
hset <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

3.5.3.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

3.6.Redis有序集合Zset（set）

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的数据机构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

3.6.1.简介

Redis有序集合zset和普通集合非常相似，是一个没有重复元素的字符串集合。

不同之处是每个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的。

因为元素是有序，所以你也可以根据评分（score）或者次序（position）来获取一个范围内的元素。

访问有序集合的中间元素也是非常快的，因此你可以使用有序集合作为一个没有重复成员的智能列表。

3.6.2.常用命令

zadd <key1> <score1> <key2> <score2>
- 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
- 带WITHSCORES可以让分数一起和值返回到结果集

3.6.3.数据结构

3.6.4.跳跃表（跳表）

4.Redis配置文件介绍

5.Redis的发布和订阅

5.1.什么是发布和订阅

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。

5.2.Redis的发布和订阅

1.客户端可以订阅频道

在这里插入图片描述

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

在这里插入图片描述

5.3.发布订阅命令行实现

1.打开一个客户端订阅channel1

subscribe channel1

2.打开另外一个客户端，给channel1发布消息hello

publish channel1 hello

返回的1是订阅者的数量

3.打开第一个客户端可以看到发送的消息

注：发布的消息没有持久化，如果在订阅的客户端接受不到hello，只能收到订阅后发布的消息。

6.Redis6-新数据类型

6.1.Bitmaps

6.1.1.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，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、01100011，如下图：

image

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”，可以实现对应的位操作。

（1）Bitmaps本身不是一种数据类型，实际上它就是一个字符串(key-value)，但是它可以对字符串进行位操作。

（2）Redis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，数据的每个单元只能存储0和1，数据的下标在Bitmaps中叫做偏移量。

image

6.1.2.命令

1.setbit

（1）格式

setbit <key> <offset> <value>
- 设置Bitmaps中某个偏移量的值（0或1）
- offset：从0开始

（2）实例

每个独立用户是否访问过网站，存放在Bitmaps中，将访问的用户记录记做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初始化结果如图

image
1
unique:users:20201106代表2020-11-06这天独立访问用户的bitmaps

注：很多应用的用户id以指定一个数字（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非常缓慢，可能会造成Redis的阻塞。

2.getbit

（1）格式

getbit <key> <offset>
- 获得Bitmaps中某个偏移量的值
- 获取键的第offset的值（从0开始计算）

（2）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：

getbit unique:users:20201106 19

3.bitcount

统计字符串被设置为1的数。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组的字节的下表述，二者皆包含。

（1）格式

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

（2）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个自己之间的独立访问用户数，对应的用户id是11,15,19。

bitcount unique:users:20201106 1 3

注意：redis的setbit设置或清除的是bit位置，而bitcount计算的是byte位置。

4.bitop

（1）格式

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。

（2）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 unqiue:users:20201104 5 1

setbit unique:users:20201104 9 1

2020-11-03日访问网站的useid=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

image

计算出任意一天都访问过网站的用户数量（例如月活跃就是类似这种），可以使用or求并集

bitcount unique:users:or:20201104_03

6.1.3.Bitmaps和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分别存储活跃用户就可以得到表

set和Bitmaps存储一天活跃用户对比

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*5000000=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。

set和Bitmaps存储独立用户空间对比

数据类型	一天	一个月	一年
set	400MB	12GB	144GB
Bitmaps	12.5MB	375MB	4.5GB

但Bitmaps并不是万金油，加入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。

set和Bitmaps存储一天活跃用户对比（独立用户比较少）

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

6.2.HyperLogLog

6.2.1.简介

在工作当中，我们经常会遇到和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。

解决基数问题的方法有很多种方案：

（1）数据存储在MySQL中，使用distinct count计算不重复个数

（2）使用Redis提供的hash、set、bitmaps等结构来处理

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非常不切实际的。

能否能够降低一定的精度来平衡存储空间？Redis推出了HyperLogLog。

Redis HyeprLogLog是用来做基数统计的算法，HyperLogLog的优点是，在输入元素数量或者体积非常大时，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12KB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}，那个这个数据集的基数集为{1,3,5,7,8}，基数（不重复的元素）为5。基数估计就是在误差可接受的范围内，快速计算基数。

6.2.2.命令

1.pfadd

（1）格式

pfadd <key> <element> [element...]
- 添加指定元素到HyperLogLog中

（2）实例

pfadd program "java" "python"

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.

2.pfcount

（1）格式

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可以用7天的UV合并计算即可。

（2）实例

pfcount program

3.pfmerge

（1）格式

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。

（2）实例

6.3.Geospatial

6.3.1.简介

Redis3.2中增加了对GEO类型的至此。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，经纬度Hash等常见操作。

6.3.2.命令

1.geoadd

（1）格式

geoadd <key> <longtiude> <latitude> <member> [longtitude latitude member...]
- 添加地理位置（经度、纬度、名称）

（2）实例

geoadd china:city 121.47 31.23 shanghai

geoadd china:city 106.50 29.53 chognqing 114.05 22.52 shenzhen 116.38 39.90 beijing

南北极无法直接添加，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，该命令会返回一个错误。

已经添加的数据，是无法再往里面添加的。

2.geopos

（1）格式

geopos <key> <member> [member...]
- 获得指定地区的坐标值

（2）案例

geopos china:city shanghai

3.geodist

（1）格式

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

（2）实例

获取两个位置之间的直线距离

geodist china:city beijing shanghai km

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

如果用户没有显示地指定单位参数，那么GEODIST默认使用米为单位

4.georadius

（1）格式

georadius <key> <longtitude> 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

（2）实例

georadius china:city 110 30 1000 km

7.python操作Redis

7.1.远程连接redis注意事项：

bind注释掉或者修改为0.0.0.0
关闭保护模式protected-mode no
关闭linux防火墙
- 查看防火墙状态：systemctl status firewalld
- 临时关闭防火墙：systemctl stop firewalld
如果使用的是腾讯云或者华为云等云服务器，请在控制台开启6379端口号。
pip install redis安装redis库
注意，链接redis的文件名，不能取名为redis

7.1.1.一般连接

from redis import Redis'''	一般连接，使用Redis连接'''conn = Redis(host ='localhost',port = '6379',password = 'foobared',db = 0,decode_responses = True)# host可以是ip地址# decode_responses = True，表示以字符串的格式，存储数据，否则将以二进制存储数据conn.set('k1','v1')value = conn.get('k1')print(value)

from redis import Redis'''	一般连接，使用StrictRedis连接'''conn = StrictRedis(host='localhost',port='6379',password='foobared',db=0,decode_responsed=True)conn.set('k1','v1')value = conn.get('k1')print(value)

redis-py提供了两个类Redis和StrictRedis用于实现Redis的命令，StrictRedis用于实现大部分官方的命令，并使用官方的语法和命令，Redis是StrcitRedis子类，用于向后兼容旧版本的redis-py

7.1.2.使用连接池

from redis import Redisfrom redis import ConnectionPool'''	使用连接池，连接Redis库的Redis'''# 创建poolpool = ConnectionPool(host = 'localhost',port = '6379',password = 'foobared',db = 0,decode_responses = True)#传入poolconn = Redis(connection_pool = pool)#下方是获取操作的结果value1 = conn.hget('mark','name')value2 = conn.hmget('mark','name','age','h')value3 = conn.hgeall('mark')# 下方是输出操作结果print(value1,type(value1),sep='类型是：')print(value2,type(value2),sep='类型是：')print(value3,type(value3),sep='类型是：')

from redis import Redisfrom redis import ConnectionPool'''	使用连接池，连接Redis库的StrictRedis'''pool = ConnectionPool(host='lcoahost',port='6379',password='foobared',db=0,decode_responses=True)conn = StrictRedis(connection_pool = pool)#下方是获取操作的结果value1 = conn.hget('mark','name')value2 = conn.hmget('mark','name','age','h')value3 = conn.hgeall('mark')# 下方是输出操作结果print(value1,type(value1),sep='类型是：')print(value2,type(value2),sep='类型是：')print(value3,type(value3),sep='类型是：')

redis-py使用connection_pool来管理对一个redis-server的所有连接，避免每次建立、释放连接的开销，默认，每个Redis实例都会维护一个自己的连接池。

可以直接建立一个连接池，然后作为参数Redis，这样就可以实现多个Redis实例共享一个连接池

1	import rediskwargs = { 'hosts':'127.0.0.1', 'port':'6379', 'decode_responses':'True', 'retry_on_timeout':3, 'max_connections':1024 # 默认2^31}

7.2.测试相关数据类型

7.2.1.Key

7.2.2.String

7.2.3.List

7.2.4.Set

7.2.5.Hash

7.2.6.Zset

7.3.模拟验证码发送

需求：

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

随机验证码

random

1	# 生成6位数字验证码import randomdef get_code(): code = random.randint(111111,999999) return codecode = get_code()print(code)

2分钟有效

把验证码放到redis里面，设置过期时间为120秒

1	# 每个手机每天只能发送3次，验证码放到redis中，设置过期时间

2.输入验证码，点击验证，返回成功或失败

判断验证码是否一致
- 从redis中获取验证码，和输入的验证码进行比较

3.每个手机号每天只能输入3次。

incre每次发送之后+1
大于2的时候，提交不能发送

8.Redis_事务、机制、秒杀

8.1.Redis事务的定义

Redis事务是一个单独的隔离操作：事务中所有的命令个都会序列化、按顺序的执行。事务在执行的过程，不会被其他客户端发送来的命令请求打断。

Redis事务的主要作用，就是防止串联多个命令，防止别的命令插队。

8.2.Muti、Exec、discard

从输入命令Muti开始，输入的命令都会一次进入命令序列中，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。

img

成功的情况

1	127.0.0.1:6379> multiOK127.0.0.1:6379(TX)> set k1 v1QUEUED127.0.0.1:6379(TX)> set k2 v2QUEUED127.0.0.1:6379(TX)> exec1) OK2) OK

8.3.事务的错误处理

8.3.1.组队阶段错误

组队阶段中，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。

127.0.0.1:6379> multiOK127.0.0.1:6379(TX)> set k1 v1QUEUED127.0.0.1:6379(TX)> set k2 v2QUEUED127.0.0.1:6379(TX)> set k3(error) ERR wrong number of arguments for 'set' command127.0.0.1:6379(TX)> exec(error) EXECABORT Transaction discarded because of previous errors.

8.3.2.执行阶段错误

如果执行阶段，某个命令报出了错误，则只有报错的命令不被执行，而其他的命令都会执行，不会回滚。

127.0.0.1:6379> multiOK127.0.0.1:6379(TX)> set k1 v1QUEUED127.0.0.1:6379(TX)> incr k1QUEUED127.0.0.1:6379(TX)> set k2 v2QUEUED127.0.0.1:6379(TX)> exec1) OK2) (error) ERR value is not an integer or out of range3) OK

8.4.为什么要做成事务

想象一个场景：有很多人有你的账户，同时去参加双十一抢购。

8.5.事务冲突的问题

8.5.1.例子

一个请求想给金额减8000
一个请求想给金额减5000
一个请求想给金额减1000

img

8.5.2.悲观锁

img

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样的锁机制，比如行锁，表锁等，读锁，写锁等，都是在操作之前先加上锁。

8.5.3.乐观锁

img

乐观锁（Opitimistic 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。

8.5.4.WATCH key [key…]

在执行multi之前，先执行watch key1 [key2]，可以监控一个（或者多个）key，如果在事务之前，这个（或者这些）key被其他命令所改动，那么事务将被打断。

乐观锁在redis中的使用：

终端一：

127.0.0.1:6379> set balance 100OK127.0.0.1:6379> keys *1) "balance"127.0.0.1:6379> watch balanceOK127.0.0.1:6379> multiOK127.0.0.1:6379(TX)> incrby balance 10QUEUED127.0.0.1:6379(TX)> exec1) (integer) 110

终端二：

1	127.0.0.1:6379> watch balanceOK127.0.0.1:6379> multiOK127.0.0.1:6379(TX)> incrby balance 20QUEUED127.0.0.1:6379(TX)> exec(nil)

8.5.5.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。

8.6.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给执行失败，其后的命令仍然会被执行，没有回滚。

8.7.Reds事务秒杀案例

8.7.1.解决计数器和人员记录的事务操作

img

秒杀逻辑流程图

8.7.2.Redis事务–秒杀并发模拟

使用ab工具模拟测试

centos6默认安装
centos7需要手动安装

1.联网：

yum install httpd-tools

2.无网络：

cd /run/media/root/CentOS7 x86_64/Packages（路径和Centos6不同）
顺序安装
- apr-1.4.8-3.el7.x86_64.rpm
- apr-util-1.5.2-6.el7.x86_64.rpm
- httpd-tools-2.4.6-67.el7.centos.x86_64.rpm

输入ab --help来检查是否成功

Usage:ab [options] [http[s]://hostname[:port]/path]

3.测试及结果

通过浏览器测试

ab -n 1000 -c 100 http://127.0.0.1:8080/test
- -n 表示请求次数
- -c 表示并发次数
- -t 表示content-type
- -p 表示postfile，post提交时存放参数的位置，需要创建一个文件
再通过ab测试

ab -n 1000 -c 100 -p postfile ~/postfile -T application/x-www.form-urlencoded http://127.0.0.1:8080/test
- postfile内容：prodid=0101&
- ~表示当前目录

4.超卖问题

5.连接超时问题

6.库存遗留问题

乐观锁造成的库存遗留问题

a.Lua脚本

Lua是一个小巧的脚本语言，Lua脚本很容易被C/C++代码调用，也可以反过来调用C/C++的函数，Lua并没有提供强大的库，一个完整的Lua解释器不过200k，所以Lua不适合作为开发独立应用程序的语言，而是作为嵌入式脚本语言。

很多应用程序、游戏使用Lua作为自己的嵌入式脚本语言，以此来实现可配置性，可扩展性。

这其中包括魔兽争霸地图、魔兽世界、博德之门、愤怒的小鸟等众多游戏插件或外挂。

b.Lua脚本在Redis中的优势

将复杂的或者多步的redis操作，写为一个脚本，一次提交给redis执行，减少反复连接redis的次数。提升性能。

Lua脚本是类似redis事务，有一定的原子性，不会被其他命令插队，可以完成一些redis事务性的操作。

但是注意redis的Lua脚本的功能，只有在Redis2.6以上的版本才可以使用。

利用Lua脚本淘汰用户，解决超卖问题。

redis2.6版本以后，通过Lua脚本解决争抢问题，实际上是Redis利用其单线程的特性，用任务队列的方式解决多任务并发问题。

9.Redis持久化

9.1.总体介绍

Redis提供了2个不同形式的持久化方式

RDB(Redis DataBase)
AOF(Append Of File)

9.2.RDB(Redis DataBase)

9.2.1.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。

9.2.2.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的数据的恢复，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，最后一次持久化的数据可能丢失。

9.2.3.Fork

Fork的作用是复制一个与当前进程一样的进程。新的进程的所有数据（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成相同的子进程，但子进程在此后多会exec系统调用，出于效率考虑，Linux引入了“写时复制技术”。
一般情况，父进程和子进程会共同用一段物理内存，只有进程空间的各段内容要发生变化时，才会将父进程的内容复制一份给子进程里。

9.2.4.RDB持久化流程

9.2.5.dump.rdb文件

在redis.conf中配置文件名称，默认为dump.rdb。dbfilename dump.rdb

9.2.6.配置位置

rdb的文件保存位置，也可以修改。默认为Redis启动命令行所在的目录下。dir ./也可以自定义目录/myredis/

9.2.7.如何触发RDB快照：保持策略

9.2.7.1.配置文件中默认的快照配置

快照持久化操作的频次

1	save 3600 1save 300 100save 60 10000# 当改变的key越多，持久化的间隔时间就越短

为了测试明显，跳转至380行附近，更改为如下：

1	save 3600 1save 60 10 # 更改为，60秒内，有10次key的变化，就进行持久化操作save 60 10000

9.2.7.2.

9.2.7.3.

9.2.7.4.

9.2.7.5.

9.2.7.6.

9.2.7.7.