SpringDataRedis--乐字节Java
创建项目
添加依赖
<dependencies\> <!-- spring data redis 组件 --> <dependency\> <groupId\>org.springframework.boot</groupId\> <artifactId\>spring-boot-starter-data-redis</artifactId\> </dependency\> <!-- commons-pool2 对象池依赖 --> <dependency\> <groupId\>org.apache.commons</groupId\> <artifactId\>commons-pool2</artifactId\> </dependency\> <!-- web 组件 --> <dependency\> <groupId\>org.springframework.boot</groupId\> <artifactId\>spring-boot-starter-web</artifactId\> </dependency\> <!-- test 组件 --> <dependency\> <groupId\>org.springframework.boot</groupId\> <artifactId\>spring-boot-starter-test</artifactId\> <scope\>test</scope\> </dependency\> </dependencies\>
添加application.yml配置文件
spring: redis: \# Redis服务器地址 host: 192.168.10.100 \# Redis服务器端口 port: 6379 \# Redis服务器端口 password: root \# Redis服务器端口 database: 0 \# 连接超时时间 timeout: 10000ms lettuce: pool: \# 最大连接数，默认8 max-active: 1024 \# 最大连接阻塞等待时间，单位毫秒，默认-1ms max-wait: 10000ms \# 最大空闲连接，默认8 max-idle: 200 \# 最小空闲连接，默认0 min-idle: 5
Lettuce和Jedis的区别
Jedis是一个优秀的基于 Java 语言的 Redis 客户端，但是，其不足也很明显：Jedis在实现上是直接连接 Redis-Server，在多个线程间共享一个 Jedis实例时是线程不安全的，如果想要在多线程场景下使用 Jedis，需要使用连接池，每个线程都使用自己的 Jedis实例，当连接数量增多时，会消耗较多的物理资源。
Lettuce则完全克服了其线程不安全的缺点：Lettuce是基于 Netty的连接（StatefulRedisConnection），
Lettuce是一个可伸缩的线程安全的 Redis 客户端，支持同步、异步和响应式模式。多个线程可以共享一个连接实例，而不必担心多线程并发问题。它基于优秀 Netty NIO 框架构建，支持 Redis 的高级功能，如 Sentinel，集群，流水线，自动重新连接和 Redis 数据模型。
测试环境测试环境是否搭建成功
@RunWith(SpringRunner.class)
@SpringBootTest(classes \= SpringDataRedisApplication.class)
public class SpringDataRedisApplicationTests {
?
@Autowired
private RedisTemplate redisTemplate;
@Autowired
private StringRedisTemplate stringRedisTemplate;
?
@Test
public void initconn() {
ValueOperations<String, String\> ops \= stringRedisTemplate.opsForValue();
ops.set("username","lisi");
ValueOperations<String, String\> value \= redisTemplate.opsForValue();
value.set("name","wangwu");
System.out.println(ops.get("name"));
}
}自定义模板解决序列化问题
默认情况下的模板 RedisTemplate<Object, Object>，默认序列化使用的是JdkSerializationRedisSerializer，存储二进制字节码。这时需要自定义模板，当自定义模板后又想存储 String 字符串时，可以使StringRedisTemplate的方式，他们俩并不冲突。
序列化问题：
要把 domain object 做为 key-value 对保存在 redis 中，就必须要解决对象的序列化问题。Spring Data Redis给我们提供了一些现成的方案：
JdkSerializationRedisSerializer使用JDK提供的序列化功能。 优点是反序列化时不需要提供类型信息(class)，但缺点是序列化后的结果非常庞大，是JSON格式的5倍左右，这样就会消耗 Redis 服务器的大量内存。
Jackson2JsonRedisSerializer使用 Jackson 库将对象序列化为JSON字符串。优点是速度快，序列化后的字符串短小精悍。但缺点也非常致命，那就是此类的构造函数中有一个类型参数，必须提供要序列化对象的类型信息(.class对象)。通过查看源代码，发现其只在反序列化过程中用到了类型信息。
GenericJackson2JsonRedisSerializer通用型序列化，这种序列化方式不用自己手动指定对象的 Class。
@Configuration
public class RedisConfig {
@Bean
public RedisTemplate<String,Object\> redisTemplate(LettuceConnectionFactory redisConnectionFactory){
RedisTemplate<String,Object\> redisTemplate \= new RedisTemplate<>();
//为string类型key设置序列器
redisTemplate.setKeySerializer(new StringRedisSerializer());
//为string类型value设置序列器
redisTemplate.setValueSerializer(new GenericJackson2JsonRedisSerializer());
//为hash类型key设置序列器
redisTemplate.setHashKeySerializer(new StringRedisSerializer());
//为hash类型value设置序列器
redisTemplate.setHashValueSerializer(new GenericJackson2JsonRedisSerializer());
redisTemplate.setConnectionFactory(redisConnectionFactory);
return redisTemplate;
}
}
//序列化
@Test
public void testSerial(){
User user \= new User();
user.setId(1);
user.setUsername("张三");
user.setPassword("111");
ValueOperations<String, Object\> value \= redisTemplate.opsForValue();
value.set("userInfo",user);
System.out.println(value.get("userInfo"));
}操作string
// 1.操作String
@Test
public void testString() {
ValueOperations<String, Object\> valueOperations \= redisTemplate.opsForValue();
?
// 添加一条数据
valueOperations.set("username", "zhangsan");
valueOperations.set("age", "18");
?
// redis中以层级关系、目录形式存储数据
valueOperations.set("user:01", "lisi");
valueOperations.set("user:02", "wangwu");
?
// 添加多条数据
Map<String, String\> userMap \= new HashMap<>();
userMap.put("address", "bj");
userMap.put("sex", "1");
valueOperations.multiSet(userMap);
?
// 获取一条数据
Object username \= valueOperations.get("username");
System.out.println(username);
?
?
// 获取多条数据
List<String\> keys \= new ArrayList<>();
keys.add("username");
keys.add("age");
keys.add("address");
keys.add("sex");
List<Object\> resultList \= valueOperations.multiGet(keys);
for (Object str : resultList) {
System.out.println(str);
}
?
// 删除
redisTemplate.delete("username");
}操作hash
// 2.操作Hash
@Test
public void testHash() {
HashOperations<String, String, String\> hashOperations \= redisTemplate.opsForHash();
?
/\*
\* 添加一条数据
\* ? ? 参数一：redis的key
\* ? ? 参数二：hash的key
\* ? ? 参数三：hash的value
\*/
hashOperations.put("userInfo","name","lisi");
?
// 添加多条数据
Map<String, String\> map \= new HashMap();
map.put("age", "20");
map.put("sex", "1");
hashOperations.putAll("userInfo", map);
?
// 获取一条数据
String name \= hashOperations.get("userInfo", "name");
System.out.println(name);
?
// 获取多条数据
List<String\> keys \= new ArrayList<>();
keys.add("age");
keys.add("sex");
List<String\> resultlist \=hashOperations.multiGet("userInfo", keys);
for (String str : resultlist) {
System.out.println(str);
}
?
// 获取Hash类型所有的数据
Map<String, String\> userMap \= hashOperations.entries("userInfo");
for (Entry<String, String\> userInfo : userMap.entrySet()) {
System.out.println(userInfo.getKey() + "--" + userInfo.getValue());
}
?
// 删除 用于删除hash类型数据
hashOperations.delete("userInfo", "name");
}操作list
// 3.操作list
@Test
public void testList() {
ListOperations<String, Object\> listOperations \= redisTemplate.opsForList();
?
// 左添加(上)
// ? ? ? listOperations.leftPush("students", "Wang Wu");
// ? ? ? listOperations.leftPush("students", "Li Si");
?
// 左添加(上) 把value值放到key对应列表中pivot值的左面，如果pivot值存在的话
//listOperations.leftPush("students", "Wang Wu", "Li Si");
?
// 右添加(下)
// ? ? ? listOperations.rightPush("students", "Zhao Liu");
?
// 获取 start起始下标 end结束下标 包含关系
List<Object\> students \= listOperations.range("students", 0,2);
for (Object stu : students) {
System.out.println(stu);
}
?
// 根据下标获取
Object stu \= listOperations.index("students", 1);
System.out.println(stu);
?
// 获取总条数
Long total \= listOperations.size("students");
System.out.println("总条数：" + total);
?
// 删除单条 删除列表中存储的列表中几个出现的Li Si。
listOperations.remove("students", 1, "Li Si");
?
// 删除多条
redisTemplate.delete("students");
}操作set
// 4.操作set-无序
@Test
public void testSet() {
SetOperations<String, Object\> setOperations \= redisTemplate.opsForSet();
// 添加数据
String\[\] letters \= new String\[\]{"aaa", "bbb", "ccc", "ddd", "eee"};
//setOperations.add("letters", "aaa", "bbb", "ccc", "ddd", "eee");
setOperations.add("letters", letters);
?
// 获取数据
Set<Object\> let \= setOperations.members("letters");
for (Object letter: let) {
System.out.println(letter);
}
?
// 删除
setOperations.remove("letters", "aaa", "bbb");
}操作sorted set
// 5.操作sorted set-有序
@Test
public void testSortedSet() {
ZSetOperations<String, Object\> zSetOperations \= redisTemplate.opsForZSet();
?
ZSetOperations.TypedTuple<Object\> objectTypedTuple1 \=
new DefaultTypedTuple<Object\>("zhangsan", 7D);
ZSetOperations.TypedTuple<Object\> objectTypedTuple2 \=
new DefaultTypedTuple<Object\>("lisi", 3D);
ZSetOperations.TypedTuple<Object\> objectTypedTuple3 \=
new DefaultTypedTuple<Object\>("wangwu", 5D);
ZSetOperations.TypedTuple<Object\> objectTypedTuple4 \=
new DefaultTypedTuple<Object\>("zhaoliu", 6D);
ZSetOperations.TypedTuple<Object\> objectTypedTuple5 \=
new DefaultTypedTuple<Object\>("tianqi", 2D);
Set<ZSetOperations.TypedTuple<Object\>> tuples \= new HashSet<ZSetOperations.TypedTuple<Object\>>();
tuples.add(objectTypedTuple1);
tuples.add(objectTypedTuple2);
tuples.add(objectTypedTuple3);
tuples.add(objectTypedTuple4);
tuples.add(objectTypedTuple5);
?
// 添加数据
zSetOperations.add("score", tuples);
?
// 获取数据
Set<Object\> scores \= zSetOperations.range("score", 0, 4);
for (Object score: scores) {
System.out.println(score);
}
?
// 获取总条数
Long total \= zSetOperations.size("score");
System.out.println("总条数：" + total);
?
// 删除
zSetOperations.remove("score", "zhangsan", "lisi");
}获取所有key&删除
// 获取所有key
@Test
public void testAllKeys() {
// 当前库key的名称
Set<String\> keys \= redisTemplate.keys("\*");
for (String key: keys) {
System.out.println(key);
}
}
?
// 删除
@Test
public void testDelete() {
// 删除 通用 适用于所有数据类型
redisTemplate.delete("score");
}设置key的失效时间
@Test
public void testEx() {
ValueOperations<String, Object\> valueOperations \= redisTemplate.opsForValue();
// 方法一：插入一条数据并设置失效时间
valueOperations.set("code", "abcd", 180, TimeUnit.SECONDS);
// 方法二：给已存在的key设置失效时间
boolean flag \= redisTemplate.expire("code", 180, TimeUnit.SECONDS);
// 获取指定key的失效时间
Long l \= redisTemplate.getExpire("code");
}
SpringDataRedis整合使用哨兵机制
application.yml
spring:
redis:
\# Redis服务器地址
host: 192.168.10.100
\# Redis服务器端口
port: 6379
\# Redis服务器端口
password: root
\# Redis服务器端口
database: 0
\# 连接超时时间
timeout: 10000ms
lettuce:
pool:
\# 最大连接数，默认8
max-active: 1024
\# 最大连接阻塞等待时间，单位毫秒，默认-1ms
max-wait: 10000ms
\# 最大空闲连接，默认8
max-idle: 200
\# 最小空闲连接，默认0
min-idle: 5
#哨兵模式
sentinel:
#主节点名称
master: mymaster
#节点
nodes: ?192.168.10.100:26379,192.168.10.100:26380,192.168.10.100:26381
Bean注解配置
@Bean
public RedisSentinelConfiguration redisSentinelConfiguration(){
RedisSentinelConfiguration sentinelConfig \= new RedisSentinelConfiguration()
// 主节点名称
.master("mymaster")
// 主从服务器地址
.sentinel("192.168.10.100", 26379)
.sentinel("192.168.10.100", 26380)
.sentinel("192.168.10.100", 26381);
// 设置密码
sentinelConfig.setPassword("root");
return sentinelConfig;
}如何应对缓存穿透、缓存击穿、缓存雪崩问题
Key的过期淘汰机制
Redis可以对存储在Redis中的缓存数据设置过期时间，比如我们获取的短信验证码一般十分钟过期，我们这时候就需要在验证码存进Redis时添加一个key的过期时间，但是这里有一个需要格外注意的问题就是：并非key过期时间到了就一定会被Redis给删除。
定期删除
Redis 默认是每隔 100ms 就随机抽取一些设置了过期时间的 Key，检查其是否过期，如果过期就删除。为什么是随机抽取而不是检查所有key？因为你如果设置的key成千上万，每100毫秒都将所有存在的key检查一遍，会给CPU带来比较大的压力。
惰性删除
定期删除由于是随机抽取可能会导致很多过期 Key 到了过期时间并没有被删除。所以用户在从缓存获取数据的时候，redis会检查这个key是否过期了，如果过期就删除这个key。这时候就会在查询的时候将过期key从缓存中清除。
内存淘汰机制
仅仅使用定期删除 + 惰性删除机制还是会留下一个严重的隐患：如果定期删除留下了很多已经过期的key，而且用户长时间都没有使用过这些过期key，导致过期key无法被惰性删除，从而导致过期key一直堆积在内存里，最终造成Redis内存块被消耗殆尽。那这个问题如何解决呢？这个时候Redis内存淘汰机制应运而生了。Redis内存淘汰机制提供了6种数据淘汰策略：
volatile-lru：从已设置过期时间的数据集中挑选最近最少使用的数据淘汰。volatile-ttl：从已设置过期时间的数据集中挑选将要过期的数据淘汰。volatile-random：从已设置过期时间的数据集中任意选择数据淘汰。allkeys-lru：当内存不足以容纳新写入数据时移除最近最少使用的key。allkeys-random：从数据集中任意选择数据淘汰。no-enviction（默认）：当内存不足以容纳新写入数据时，新写入操作会报错。
一般情况下，推荐使用volatile-lru策略，对于配置信息等重要数据，不应该设置过期时间，这样Redis就永远不会淘汰这些重要数据。对于一般数据可以添加一个缓存时间，当数据失效则请求会从DB中获取并重新存入Redis中。
缓存击穿
首先我们来看下请求是如何取到数据的：当接收到用户请求，首先先尝试从Redis缓存中获取到数据，如果缓存中能取到数据则直接返回结果，当缓存中不存在数据时从DB获取数据，如果数据库成功取到数据，则更新Redis，然后返回数据
定义：高并发的情况下，某个热门key突然过期，导致大量请求在Redis未找到缓存数据，进而全部去访问DB请求数据，引起DB压力瞬间增大。
解决方案：缓存击穿的情况下一般不容易造成DB的宕机，只是会造成对DB的周期性压力。对缓存击穿的解决方案一般可以这样：
Redis中的数据不设置过期时间，然后在缓存的对象上添加一个属性标识过期时间，每次获取到数据时，校验对象中的过期时间属性，如果数据即将过期，则异步发起一个线程主动更新缓存中的数据。但是这种方案可能会导致有些请求会拿到过期的值，就得看业务能否可以接受，
- 如果要求数据必须是新数据，则最好的方案则为热点数据设置为永不过期，然后加一个互斥锁保证缓存的单线程写。
缓存穿透
定义：缓存穿透是指查询缓存和DB中都不存在的数据。比如通过id查询商品信息，id一般大于0，***者会故意传id为-1去查询，由于缓存是不命中则从DB中获取数据，这将会导致每次缓存都不命中数据导致每个请求都访问DB，造成缓存穿透。
解决方案：
利用互斥锁，缓存失效的时候，先去获得锁，得到锁了，再去请求数据库。没得到锁，则休眠一段时间重试
采用异步更新策略，无论key是否取到值，都直接返回。value值中维护一个缓存失效时间，缓存如果过期，异步起一个线程去读数据库，更新缓存。需要做缓存预热(项目启动前，先加载缓存)操作。
提供一个能迅速判断请求是否有效的拦截机制，比如，利用布隆过滤器，内部维护一系列合法有效的key。迅速判断出，请求所携带的Key是否合法有效。如果不合法，则直接返回。
- 如果从数据库查询的对象为空，也放入缓存，只是设定的缓存过期时间较短，比如设置为60秒。
缓存雪崩
定义：缓存中如果大量缓存在一段时间内集中过期了，这时候会发生大量的缓存击穿现象，所有的请求都落在了DB上，由于查询数据量巨大，引起DB压力过大甚至导致DB宕机。
解决方案：
给缓存的失效时间，加上一个随机值，避免集体失效。如果Redis是集群部署，将热点数据均匀分布在不同的Redis库中也能避免全部失效的问题
使用互斥锁，但是该方案吞吐量明显下降了。
设置热点数据永远不过期。
双缓存。我们有两个缓存，缓存A和缓存B。缓存A的失效时间为20分钟，缓存B不设失效时间。自己做缓存预热操作。然后细分以下几个小点
从缓存A读数据库，有则直接返回
A没有数据，直接从B读数据，直接返回，并且异步启动一个更新线程。
- 更新线程同时更新缓存A和缓存B。