Redis学习笔记

Redis

Redis简介

Redis（Remote Dictionary Server）是一种开源的、基于内存的键值对（key-value）数据库，可以用作数据库、缓存和消息中间件。它以极高的性能、丰富的数据结构和多种实用功能而著称，被广泛用于高并发、低延迟的应用场景中，如电商秒杀、社交应用、排行榜、会话缓存等。

Redis特点

特点	说明
高性能	所有数据操作都在内存中完成，读写速度极快（百万级QPS）。
丰富数据结构	支持多种数据类型：字符串（string）、列表（list）、集合（set）、有序集合（zset）、哈希表（hash）、位图、HyperLogLog、地理位置等。
持久化	虽然是内存数据库，但支持将数据持久化到磁盘，防止宕机数据丢失（RDB快照和AOF日志）。
支持事务	可以一次执行多个命令，具备基本的事务特性（MULTI/EXEC）。
支持发布/订阅	可实现消息系统的 pub/sub 通信模型。
支持主从复制与集群	具备高可用（哨兵）与分布式（Redis Cluster）能力。
原子操作	所有单条 Redis 命令都是原子的，适合做计数器、分布式锁等。

Redis的典型应用场景

• 页面缓存（如商品详情页、热点新闻）
• Session存储（分布式登录状态维护）
• 秒杀系统（抢购计数、库存控制）
• 排行榜系统（ZSet）
• 实时消息推送（Pub/Sub）
• 分布式锁（基于setnx等命令）

NoSQL

NoSQL（Not Only SQL）是一类非关系型数据库系统的统称，设计初衷是为了解决传统关系型数据库（如MySQL、Oracle）在高并发、大数据量、分布式存储等场景下的性能瓶颈。

NoSQL包括以下类型：

类型	代表数据库	描述	典型用途
键值（Key-Value）	Redis, Riak	以 key 映射 value，结构简单，性能极高	缓存、会话存储
文档型	MongoDB, CouchDB	类似 JSON 的文档结构，灵活支持嵌套字段	内容管理、用户信息存储
列族型（宽列）	HBase, Cassandra	按列存储数据，适合大数据分析	日志系统、数据仓库
图数据库	Neo4j, JanusGraph	用节点和边表示数据及其关系	社交网络、知识图谱、推荐系统

Redis 数据类型

数据类型	说明	常见用途
String（字符串）	基本的数据存储单元，可以存储字符串、整数或者浮点数。	缓存、计数器
Hash（哈希）	一个键值对集合，可以存储多个字段。	用户信息、配置项
List（列表）	一个简单的列表，可以存储一系列的字符串元素。	队列、任务流
Set（集合）	一个无序集合，可以存储不重复的字符串元素。	标签、去重、社交关系
ZSet（有序集合）	类似于集合，但是每个元素都有一个分数与之关联。	排行榜、评分系统
Bitmap（位图）	基于字符串类型，可以对每个位进行操作。	签到、状态记录
HyperLogLog	用于基数统计，可以估算集合中的唯一元素数量。	UV、去重统计
GEO	用于存储地理位置信息。	附近的人、位置服务
Pub/Sub	一种消息通信模式，允许客户端订阅消息通道，并接收发布到该通道的消息。	通知系统、聊天室

1. String（字符串）

• 最基础的数据类型，一个键对应一个字符串值，可以是文本或二进制数据（如图片、JSON、数字等）。

  一个键最大能存储 512MB

• 操作命令：

  SET key value	# 设置键的值
  GET key	# 获取键的值
  INCR key	# 将键的值加 1
  DECR key	# 将键的值减 1
  APPEND key value	# 将值追加到键的值之后

• 应用场景：

  • 缓存文本信息
  • 计数器（如访问量）
  • 存储JSON（如用户token）

2. Hash（哈希）

• 类似 Java 中的 Map 或 Python 的字典，一个键对应一个字段集合，每个字段有自己的值。

• 操作命令：

  HSET key field value	# 设置哈希表中字段的值。
  HGET key field	# 获取哈希表中字段的值。
  HGETALL key	# 获取哈希表中所有字段和值。
  HDEL key field	# 删除哈希表中的一个或多个字段。

• 应用场景：

  • 存储对象（如用户、商品属性）
  • 节省内存（相比多个字符串键）

3. List（列表）

• 一个键对应一个链表结构，支持两端插入（可作队列或栈）。

• 操作命令：

  LPUSH key value	# 将值插入到列表头部。
  RPUSH key value	# 将值插入到列表尾部。
  LPOP key	# 移出并获取列表的第一个元素。
  RPOP key	# 移出并获取列表的最后一个元素。
  LRANGE key start stop	# 获取列表在指定范围内的元素。

• 应用场景：

  • 消息队列
  • 任务列表（如评论流、延迟队列）

4. Set（集合）

• 无序、不重复的字符串集合。

• 操作命令：

  SADD key value	# 向集合添加一个或多个成员。
  SREM key value	# 移除集合中的一个或多个成员。
  SMEMBERS key	# 返回集合中的所有成员。
  SISMEMBER key value	# 判断值是否是集合的成员。

• 应用场景：

  • 标签系统
  • 共同好友计算（交集）
  • 去重（如IP集合）

5. Sorted Set（有序集合，ZSet）

• 类似 Set，但每个元素带一个分数（score，double型），按分数排序。

• 操作命令：

  ZADD key score value	# 向有序集合添加一个或多个成员，或更新已存在成员的分数。
  ZRANGE key start stop [WITHSCORES]	# 返回指定范围内的成员。
  ZREM key value	# 移除有序集合中的一个或多个成员。
  ZSCORE key value	# 返回有序集合中，成员的分数值。

• 应用场景：

  • 排行榜（积分、排名）
  • 优先级队列
  • 带权重排序的数据列表

6. Bitmap（二进制位图）

• 用二进制位表示布尔状态，每个位可设置为0或1，适用于大量布尔信息存储。

• 操作命令：

  SETBIT online_users 1234 1
  GETBIT online_users 1234
  BITCOUNT online_users

• 应用场景：

  • 用户签到记录（某天是否在线）
  • 活跃用户统计
  • 登录状态记录

7. HyperLogLog

• 用于统计唯一元素个数（近似值），但占用内存极小（12KB 固定）。

• 操作命令：

  PFADD uv_counter user1 user2
  PFCOUNT uv_counter

• 应用场景：

  • 网站 UV 统计
  • 去重计数但不要求精确

8. GEO（地理空间坐标）

• 存储经纬度坐标，并支持附近查询等操作。

• 操作命令：

  GEOADD locations 116.40 39.90 "Beijing"
  GEODIST locations "Beijing" "Shanghai"
  GEORADIUS locations 116.40 39.90 100 km

• 应用场景：

  • 附近的人、附近的店
  • LBS（基于地理位置服务）

9. Pub/Sub（发布订阅）

• Redis 的消息系统，支持发布-订阅机制。

• 操作命令：

  SUBSCRIBE news
  PUBLISH news "Redis 6.0 released"

• 应用场景：

  • 实时消息推送
  • 聊天室系统
  • 日志采集系统

Redis键

通用命令如下：

命令	作用
SET key value	设置键的值
GET key	获取键的值
DEL key	删除键
EXISTS key	判断键是否存在
EXPIRE key seconds	设置键的过期时间
TTL key	查看剩余存活时间
KEYS pattern	按模式查找键（如 user:*）
TYPE key	返回键的数据类型

键管理命令：

命令	说明
EXPIRE key seconds	设置过期时间（秒）
PEXPIRE key milliseconds	设置过期时间（毫秒）
TTL key	查看剩余生存时间
PERSIST key	移除过期时间
RENAME old new	重命名键

Redis事务

单个 Redis 命令的执行是原子性的，但 Redis 没有在事务上增加任何维持原子性的机制，所以 Redis 事务的执行并不是原子性的。

事务可以理解为一个打包的批量执行脚本，但批量指令并非原子化的操作，中间某条指令的失败不会导致前面已做指令的回滚，也不会造成后续的指令不做。

命令	说明
MULTI	开启事务
EXEC	提交事务
DISCARD	放弃事务
WATCH key	监视键值是否被其他客户端修改

Redis连接与服务器

命令	说明
AUTH password	验证密码是否正确
ECHO message	打印字符串
PING	查看服务器是否运行
QUIT	关闭当前连接
SELECT index	切换到指定的数据库
INFO	查看服务器信息和统计
MONITOR	实时查看操作命令
FLUSHDB	清空当前数据库
FLUSHALL	清空所有数据库
DBSIZE	返回当前数据库中 key 的数量

Redis数据备份与恢复

命令	说明
SAVE	同步保存快照（阻塞）
BGSAVE	异步保存快照
BGREWRITEAOF	重写 AOF 文件
LASTSAVE	上次保存的时间

Java（Spring Boot）中使用Redis

以我们组的大作业项目为例，我们采用Redis实现试卷数据的缓存，使得试卷在毫秒内加载完成。

1. 添加依赖

在 pom.xml 文件中添加 Redis 相关依赖

<dependencies>
  <!-- Spring Data Redis -->
  <dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
  </dependency>
</dependencies>

2. 配置Redis连接信息

在application.yml中添加连接信息：

spring:
  # ……其他配置
  # Redis配置
  data:
    redis:
      host: 127.0.0.1
      port: 6379
      lettuce:
        pool:
          max-active: 50  # 匹配线程池大小
          max-idle: 20
          min-idle: 5

3. 使用RedisTemplate进行操作

创建配置类，其作用是定义一个自定义的 RedisTemplate<String, Object> Bean，指定序列化方式，以便在项目中可以更方便地使用 Redis 存储和读取对象数据。

package com.buaa.javahuikao.config;

import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.GenericJackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;

import java.lang.runtime.ObjectMethods;

@Configuration
public class RedisConfig {
    @Bean
    public RedisTemplate<String,Object> redisTemplate(RedisConnectionFactory factory){
        RedisTemplate<String, Object> redisTemplate = new RedisTemplate<>();
        redisTemplate.setConnectionFactory(factory);
        redisTemplate.setKeySerializer(new StringRedisSerializer());
        redisTemplate.setValueSerializer(new GenericJackson2JsonRedisSerializer());
        redisTemplate.setHashKeySerializer(new StringRedisSerializer());
        redisTemplate.setHashValueSerializer(new GenericJackson2JsonRedisSerializer());
        redisTemplate.afterPropertiesSet();
        return redisTemplate;
    }
}

在ExamService.java中注入：

@Resource
private RedisTemplate<String, Object> redisTemplate;

使用redisTemplate.opsForValue().get(cacheKey)从缓存中获取数据、redisTemplate.opsForValue().set(cacheKey,jsonData)向缓存中写入数据。此处使用Jackson的序列化工具ObjectMapper将对象与Json字符串相互转换，redis缓存中存的字符串值为序列化后的Json字符串，读取缓存后也需要反序列化为Java对象。

package com.buaa.javahuikao.service;

import com.buaa.javahuikao.dto.StudentExamQuestionDTO;
import com.buaa.javahuikao.mapper.ExamQuestionMapper;
import com.fasterxml.jackson.core.JsonProcessingException;
import com.fasterxml.jackson.databind.ObjectMapper;
import jakarta.annotation.Resource;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisCallback;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Service;
import java.util.concurrent.TimeUnit;

@Service
public class ExamQuestionService {
    private static final String EXAM_QUESTIONS_KEY_PREFIX = "exam:questions:";
    private static final long CACHE_EXPIRE_HOURS = 3; // 缓存过期时间(小时)

    @Autowired
    private ExamQuestionMapper examQuestionMapper;
    @Resource
    private RedisTemplate<String, Object> redisTemplate;
    @Autowired
    private ObjectMapper objectMapper; //json处理器

    public StudentExamQuestionDTO getExamQuestions(int examId){
        String cacheKey = EXAM_QUESTIONS_KEY_PREFIX + examId;
        //尝试从缓存获取
        try{
            String cachedData = (String) redisTemplate.opsForValue().get(cacheKey);
            if(cachedData != null) {
                return objectMapper.readValue(cachedData,StudentExamQuestionDTO.class);
            }
        }
        catch(Exception e){
            System.out.println("redis缓存错误："+ e);
        }

        //缓存未命中
        StudentExamQuestionDTO questions = examQuestionMapper.getExamQuestions(examId);
        //写入缓存
        if (questions!=null){
            try{
                String jsonData = objectMapper.writeValueAsString(questions);
                redisTemplate.opsForValue().set(
                        cacheKey,
                        jsonData,
                        CACHE_EXPIRE_HOURS,
                        TimeUnit.HOURS
                );
            }
            catch(JsonProcessingException e){
                System.out.println("写入缓存错误："+ e);
            }
        }
        return questions;
    }

}