Redis(一)原理与基本使用
@[toc]
## 一、Redis 的核心概念
1. 概念
Redis 就是分布式缓存,也可以理解成进程外的缓存。
如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/0c7b7fb26a514142ba664a40e62bbe2b.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQEDnpZ7lhpzlhpnku6PnoIE=,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
## 二、Redis 的应用场景
- 应用场景
主要是应用在集群系统中。
- 单体项目就没必要用分布式缓存,使用本地缓存就可以;如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/84a757cc02a34d8b9d42795ae56b1ce7.png#pic_center)
当客户端发起请求到系统,系统先去到本地缓存查询数据,没有查询到数据则到数据库查询,将查到的数据保存到本地缓存在返回到客户端;当第二次请求到系统,系统先去到本地缓存查询数据,则将缓存中的数据返回到客户端【第一次请求已经将数据保存到本地缓存中】;那他本地缓存的命中率为 50%;
- 使用本地缓存做分布式会有缓存命中率下降缺陷;如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/0ec82697b60c42afada9a4816b574baa.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQEDnpZ7lhpzlhpnku6PnoIE=,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
客户端发起请求到 Nginx,Nginx 将请求代理到系统 1,系统 1 查看本地缓存没有符合条件的数据,再到数据库获取数据存到本地缓存再返回到客户端;当客户端在一次发起请求到 Nginx,Nginx 将请求代理到系统 2,系统 2 查看本地缓存没有符合条件的数据,再到数据库获取数据存到本地缓存再返回到客户端,那么发起了两次请求都没有到本地缓存中获取到数据,那它缓存命中率为 0/2=0;缓存命中率下降那就表明整体查询性能下降。
- 解决缓存命中率的方案
将缓存数据集中到一起,使用 Redis 分布式缓存,如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/7e60270c4b4c41d6b8042612c2450f14.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQEDnpZ7lhpzlhpnku6PnoIE=,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
## 三、Redis 的项目落地
- 条件
- Demo 项目
- Redis 【在 linux 中部署】
- Linux 安装
```bash
#安装 wget 命令
yum -y install wget
#下载
wget http://download.redis.io/releases/redis-6.2.6.tar.gz
#解压
tar xzf redis-6.2.6.tar.gz
#进入解压文件夹
cd redis-6.2.6
#安装 gcc
yum install gcc
#编译
make
#进入解压后的 src 目录,运行服务
src/redis-server
```
- Demo 项目配置
- 步骤
1. 安装 Redis Nuget 包
```
StackExchange.Redis
```
2. 定义一个扩展类
```
public static IServiceCollection AddRedis(this IServiceCollection serviceCollection)
{
ConnectionMultiplexer connectionMultiplexer = ConnectionMultiplexer.Connect("IP:端口");
serviceCollection.AddSingleton(connectionMultiplexer);
return serviceCollection;
}
```
3. StateUp 类注册【写了个扩展方法】
```
services.AddRedis();
```
4. Redis 存储和获取
```C#
//注入
public readonly ConnectionMultiplexer connectionMultiplexer;
public HomeController(ConnectionMultiplexer _connectionMultiplexer)
{
connectionMultiplexer = _connectionMultiplexer;
}
// 获取 Redis 值
obj = connectionMultiplexer.GetDatabase(0).StringGet(Key).ToString();
//存储 Redis 值 Key:Value
connectionMultiplexer.GetDatabase(0).StringSet(Key, Value);
```
5. Redis 存储集合
```
//获取 Redis 是否存在
RedisValue[] redisValues = connectionMultiplexer.GetDatabase(0).SetMembers("list");
//Redis 中不存在此数据
if (redisValues.Length == 0)
{
//数据库中获取
list = demoDbContext.Set<User>().ToList();
List<RedisValue> rvList = new List<RedisValue>();
foreach (User user in list)
{
obj = JsonConvert.SerializeObject(user);
rvList.Add(obj);
}
//将数据添加到 Redis 中
connectionMultiplexer.GetDatabase(0).SetAdd("list", rvList.ToArray());
}
```
6. Redis Hash 字典存储
使用场景:对数据库某个字段做修改或者某个 int 字段数据加一
```
//获取 HASH 字段中的数据
connectionMultiplexer.GetDatabase(0).HashGet(类型, key).ToString();
if (string.IsNullOrEmpty(obj))
{
//到数据库获取数据
u = demoDbContext.Set<User>().Where(p => p.useid == useid).FirstOrDefault();
//将数据添加到 Redis Hash 字典中
connectionMultiplexer.GetDatabase(0).HashSet(类型, key,Value);
//设置过期时间
connectionMultiplexer.GetDatabase(0).KeyExpire(类型,TimeSpan.FromSeconds(10));
}
//字典中的 Value 值加 1
connectionMultiplexer.GetDatabase(0).HashIncrement(类型, key);
```
7. Redis 事务
```
//查询获取值
connectionMultiplexer.GetDatabase(0).HashGet(类型, key).ToString();
//创建事务
ITransaction transaction = connectionMultiplexer.GetDatabase(0).CreateTransaction();
//添加值
transaction.HashSetAsync(类型, key, value);
//修改值
// transaction.HashSetAsync(类型, key,修改后 Value);
//提交事务
bool commit = transaction.Execute();
```
8. Redis 批量存储数据
```
//创建批量对象
var bach = connectionMultiplexer.GetDatabase(0).CreateBatch();
//获取数据
List<User> list = new List<User>();
list = demoDbContext.user.ToList();
//批量添加
for (int i = 0; i < list.Count; i++)
{
bach.HashSetAsync("bach_User_"+i, "state", list[i].usestate);
}
//数据提交
bach.Execute();
```
9. Redis 集合排序
```
//获取数据
RedisValue[] rv = connectionMultiplexer.GetDatabase(0).SetMembers("User");
if (rv.Length == 0)
{
list = demoDbContext.Set<User>().ToList();
List<RedisValue> rvList = new List<RedisValue>();
//批量添加数据
foreach (User u in list)
{
var data = JsonConvert.SerializeObject(u);
rvList.Add(data);
//数据排序
connectionMultiplexer.GetDatabase(0).SortedSetAdd("User", data, u.usestate); // User :key data:Value 值 u.usestate:排序字段 升序
}
```
10. Redis 分页查询
```
List<User> list = new List<User>();
//获取分页数据 100 为行数,1 为页数
RedisValue[] rv = connectionMultiplexer.GetDatabase(0).SetScan("User",100,0,1).ToArray();
if (rv.Length == 0)
{
list = demoDbContext.Set<User>().ToList();
List<RedisValue> rvList = new List<RedisValue>();
foreach (User u in list)
{
var data = JsonConvert.SerializeObject(u);
rvList.Add(data);
}
//添加数据到 Redis 中
connectionMultiplexer.GetDatabase(0).SetAdd("User", rvList.ToArray());
}
```
## 四、Redis 的通信原理
Redis 处理事件的简单模型:多路复用机制【一个线程处理多个连接】【订阅发布机制】;
- 原理
默认通过 Socket 协议建立连接的,服务端通过 Socket 的经过四层,在通过链路层再经过四层到达 Redis 建立连接;链路层【硬件层面】收到请求后,操作系统【生产者】通过同步转换成异步将请求发给事件收集器【MQ】然后 Redis【订阅者】用一个线程通过轮询的方式处理事件,这就是多路复用机制。
Redis 做的三件事:
1、建立连接
2、存储数据到本地缓存
3、持久化数据到文件中(开启新线程)
如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/2b67cfb098954a379e8eb8d9af41e4ce.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQEDnpZ7lhpzlhpnku6PnoIE=,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
## 五、Redis 的数据结构原理
- 原理
Redis 建立连接后,通过接口将数据存储到内存中。
如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/e40240124287449a885872d6a3441e3e.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQEDnpZ7lhpzlhpnku6PnoIE=,size_16,color_FFFFFF,t_70,g_se,x_16#pic_center)
- 数据持久化
- 目的
为了防止数据丢失。默认存放在 AOP 文件中。
- Redis Set 原理图
数组+HASH 表,如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/7d401b8f5ce84f0a83e6113d9bfb41b8.png#pic_center)
HASH 的作用:防止数据重复,使用 HASH 碰撞。
- Redis HASH 字典原理
数组+HASH 表+单项列表。
- 原理
字典存储的字段经过 hash 得到一个数组的索引,根据索引将 key \ value 存储到数组中,如果得到的索引已经存在 key\value 了,不会覆盖掉,会形成一个单项链表的形式继续存储。
如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/3e4a1a23c7a34ef1b8c2c16e34abf72d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQEDnpZ7lhpzlhpnku6PnoIE=,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
- 缺陷
完全基于内存,会导致内存溢出。不适合存储海量数据。
版权声明: 本文为 InfoQ 作者【神秘码农】的原创文章。
原文链接:【http://xie.infoq.cn/article/0128c082798f9df0741e79efb】。未经作者许可,禁止转载。
评论