redis典型应用场景

1. 缓存系统

image.png

2. 计数器

image.png

3. 消息队列系统

image.png

4.排行榜

image.png

5.社交网络

image.png

6.实时系统

image.png

Redis Api的使用和理解

通用命令

1. keys * 列出所有键值，keys后面跟的是通配符
2. dbsize 键的个数
3. exists key 检查key是否存在
4. del key 删除key
5. expire key seconds // key在seconds秒后过期
6. ttl key // 查询key的过期时间
7. persist key // 去掉key的过期时间
8. type key // 返回key的类型

单线程

redis在一个瞬间只能执行一条命令。
单线程为什么这么快？

1. 纯内存
2. 非阻塞IO
3. 避免线程切换和竞态消耗

字符串类型

使用场景：缓存、计数器、分布式锁...
相关涉及命令：get key,set key value,del key
由于redis内部会把整型自动转换为字符串类型，即整型也被看做字符串类型，下面是整型的相关api：
incr key // key自增1，若key不存在，自增后get(key)=1
decr key // key自减1
incrby key k // key自增k
decrby key k // key自减k

set，setnx，setxx三种的区别：
set key value // 不管key是否存在都设置
setnx key value // key不存在才进行设置
set key value xx // key存在才进行设置

mget,mset的区别：
mget key1 key2 key3 //批量获取key,原子操作，实现图如下：

image.png

从图中可以得知一次mget请求获取多个参数的时候是比较高效的。

getset,append,strlen三个命令的区别：
getset key newvalue // set key newvalue并返回旧的value
append key value // 将value追加到旧的value
strlen key // 返回字符串的长度，UTF-8中一个中文占两个字节

incrbyfloat,getrange,setrange三个命令的区别：
incrbyfloat key 3.5 //增加key对应的值为3.5
getrange key start end //获取字符串指定下标所有的值
setrange key index value // 设置指定下标所有对应的值

字符串总结

image.png

哈希类型

哈希键值结构如下：

image.png

hget,hset,hdel：
hget key field // 获取hash key对应的field的value
hset key field // 设置hash key对应的field的value
hdel key field // 删除hash key对应的field的value

hexists,hlen:
hexists key field // 判断hash key是否有field
hlen key // 获取hash key field的数量

hmget,hmset:
hmget key field1 field2 ... fieldN // 批量获取hash key的一批field对应的值
hmset key field1 value1 field2 value2... fileldN valueN //批量设置hasn key的一批field value

hgetall,hvals,hkeys:
hgetall key // 返回hash key对应所有的field和value
hvals key // 返回hash key对应所有的field的value
hkeys key // 返回hash key对应所有field
hsetnx key field value // 设置hash key对应field的value，如果field已经存在，则失败
hincrby key field intCounter // hash key对应的field的value自增intCounter
hincrbyfloat key field floatCounter // hincrby浮点数版

list类型

rpush key value1 value2 ... valueN //从列表右端插入值（1-N）
lpush key value1 value2 ... valueN //从列表左端插入值（1-N）
insert key before|after value newValue // 在list指定的值前后插入newValue
lpop key // 从列表左侧弹出一个item
rpop key // 从列表右侧弹出一个item
lrem key count value // 根据count的值，从列表中删除所有value相等的项。如果count大于0，从左到右，删除最多count个value相等的项；如果count小于0，从右到左，删除最多math.abs(count)个value相等的项；如果count=0,删除所有value相等的项。
ltrim key start end // 按照索引范围修剪列表
lrange key start end //包含end，获取列表指定索引范围内所有item
index key index // 获取列表指定索引的item
llen key // 获取列表长度
lset key index newValue // 设置列表指定索引值为newValue

慢查询

redis客户端访问的流程如下图所示，慢查询发生在第三步。

屏幕快照 2018-05-30 下午9.06.38.png

由上图可知，客户端查询超时并不一定是慢查询导致的。上述1到4步每一步都有可能导致客户端查询超时。

pipeline(流水线)

对于批量对redis执行get,set操作，为提高效率可以使用mget,mset命令。但是如果想批量执行hset,hget等操作哈希类型的命令，则没有对应的批量操作的方法（hmset命令是针对同一个key进行的批量操作，实际要求是对不同的key和value进行批量操作，此时只能使用pipeline来做），为此提出了流水线命令。批量将请求打包后发送，并将执行结果打包一次返回。

屏幕快照 2018-05-28 下午1.32.40.png

通过jedis来使用pipeline示例代码如下：

屏幕快照 2018-05-28 下午1.44.43.png

redis安装

image.png

redis可执行文件说明

image.png
image.png

下面是一个具体的例子，通过第三方应用的api来获取天气数据：
首先我们在项目的pom.xml文件中添加必要的依赖：

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

首先编写配置类RestConfiguration.java

package com.yun.hello.config;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.web.client.RestTemplateBuilder;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.web.client.RestTemplate;

@Configuration
public class RestConfiguration {

    @Autowired
    private RestTemplateBuilder restTemplateBuilder;

    @Bean
    public RestTemplate restTemplate(){
        return restTemplateBuilder.build();
    }
}

接下来我们实现请求天气数据api并且将返回值保存到redis中，在下面的例子中我们使用注入的restTemplate对象来发起restful 请求，使用StringRedisTemplate对象把获取的天气数据保存到redis缓存中。

package com.yun.hello.service.weather;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.ValueOperations;
import org.springframework.http.ResponseEntity;
import org.springframework.stereotype.Service;
import org.springframework.web.client.RestTemplate;

import java.util.concurrent.TimeUnit;

@Service
public class WeatherDataCollectionServiceImpl implements WeatherDataCollectionService {

    private static String WEATHER_URI="http://wthrcdn.etouch.cn/weather_mini?";
    private static final Long TIME_OUT = 1800L;//30 minutes

    @Autowired
    private RestTemplate restTemplate;

    @Autowired
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public void syncDataByCityId(String cityId) {
        String uri = WEATHER_URI +"citykey="+ cityId;

        this.saveWeatherData(uri);
    }

    private void saveWeatherData(String uri) {
        String key = uri;
        String resBody= null;

        ResponseEntity<String> responseEntity = restTemplate.getForEntity(uri,String.class);
        if(responseEntity.getStatusCodeValue() == 200){
            resBody = responseEntity.getBody();
        }

        ValueOperations<String, String> ops = stringRedisTemplate.opsForValue();
        // 数据写入缓存
        ops.set(key,resBody,TIME_OUT, TimeUnit.SECONDS);
    }

}