redis——Jedis、慢查询、发布订阅、bitmap

痛定思痛。 2022-02-17 02:17 225阅读 0赞

# 一  Java客户端Jedis #

Jedis是Redis官方推荐的面向Java的操作Redis的客户端，而RedisTemplate是SpringDataRedis中对JedisApi的高度封装。  
SpringDataRedis相对于Jedis来说可以方便地更换Redis的Java客户端，比Jedis多了自动管理连接池的特性，方便与其他Spring框架进行搭配使用如：SpringCache。关于RedisTemplate的使用我们可以看我以前的博文：[十次方——Redis、SpringCache][Redis_SpringCache]

具体的API我们不介绍了，我们来看看Jedis直连和Jedis连接池。

Jedis直连

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70][]

Jedis连接池

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 1][]

两个方案的比较

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 2][]

# 二.  慢查询 #

客户端请求到一个redis的完整的生命周期

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 3][]

其中有两点说明：

1.  慢查询发生在第三阶段
2.  客户端超时不一定慢查询，但慢查询是客户端超时的一个可能因素

慢查询是一个先进先出的队列，假如一条命令它在第三步的时候被列为慢查询，它就会进入一个队列（其实就是redis的列表来实现的），且这个队列是固定长度的，且保存在内存中。

慢查询有两个配置：

*  slowlog-max-len：设置队列的长度的，当队列满了，就会掉到最开始的数据
 *  slowlog-log-slower-than：设置慢查询的阈值（微秒），但此值为0时，记录所有命令

慢查询的配置方法：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 4][]

慢查询命令：

![20190418194031421.png][]

运维经验：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 5][]

# 三  pipeline #

批量网络命令通信模型：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 6][]

使用pipeline：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 7][]

两者之间的对比：

![20190418200953905.png][]

其中有两点注意的是：

1.  Redis的命令时间是微秒级别
2.  pipeline每次条数要控制（网络）

M操作与pipe操作的区别如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 8][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 9][]

将pipeline命令进行拆分，是非原子操作，单返回还是按顺序的

# 三  发布订阅 #

我们的角色有：发布者（publisher），订阅者（subscriber），频道（channel）,

模型图如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 10][]

使用场景：如我们需要将这三个订阅者的本地缓存全部清除

还有一个消息队列模式，该模式中发布者发布的一个消息只有一个订阅者能拿到

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 11][]

使用场景：三个人抢一个红包

# 四  bitmap #

我们先来看下字符串big的二进制

![20190418213859452.png][]

我们打开客户端做下测试：

![20190418214215920.png][]

我们取第一位为0，第二位为1，和上面的二进制是一样的

也就是说，我们可以对直接对字符串的位进行操作

![20190418214340734.png][]

我们下面来看下用bitmap来实现独立用户统计的功能

假设我们有这个网站有一亿个用户，每天的独立访问量是五千万，我们分别使用set和Bitmap来存储userid如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 12][]

是不是Bitmap在什么情况下都比set好，还是要分情况的

[Redis_SpringCache]: https://blog.csdn.net/qq_36582604/article/details/88742434
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70]: /images/20220217/6c5cedbf830041db8eb308e14c5518e7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 1]: /images/20220217/bc0d287ec8a9448fad48d18699c4dd4f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 2]: /images/20220217/3e9ebd3f255340ff81aec3a920e57a0b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 3]: /images/20220217/4b6fee9e9a7a471eadbbdc7f311453e9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 4]: /images/20220217/2e459a04b485453e9a0c5eb2e8a1e2e6.png
[20190418194031421.png]: /images/20220217/952bd10cbddc473089629ffd3e6211db.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 5]: /images/20220217/e773bc6ef05f42eb824d2dd89e1fb429.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 6]: /images/20220217/358effa896f54265b13d1d0dcffe5b7e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 7]: /images/20220217/c76254bb5c49458aa28ecb57a004d4d9.png
[20190418200953905.png]: /images/20220217/cd6a59dc9f064f7a80a5f21c0ab47d29.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 8]: /images/20220217/b63ce097104f45af8e934bf9272aa2e1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 9]: /images/20220217/89e102a7175a43019d5d35df2591a95d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 10]: /images/20220217/a228c4c3812744b8bea247e15e6f4e99.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 11]: /images/20220217/d07bd93e59b345438020a0be9e144cff.png
[20190418213859452.png]: /images/20220217/0df65678083541139f383f924f95053c.png
[20190418214215920.png]: /images/20220217/901d7696eabf4b5c8b298819dbf38dcb.png
[20190418214340734.png]: /images/20220217/f19b80f7abf94d9dbf051a48342614ab.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NTgyNjA0_size_16_color_FFFFFF_t_70 12]: /images/20220217/45b90535de944a59bcc57e42219b3c7c.png