Redis（一）

一、NoSQL

NoSQL(NoSQL = Not Only SQL )，意即“不仅仅是SQL”，泛指非关系型的数据库。

存储方式：key-value键值对

 

注意：不遵循SQL标准、不支持ACID、远超于SQL的性能

适用场景：高并发、海量数据读写、高可扩展性数据

不适用场景：事务支持、复杂结构化查询

常见的NoSQL数据库：Memcache、Redis、MongoDB

Memcache：老，不持久化，支持类型单一，缓存

Redis：持久化，多种数据结构，缓存

MongoDB：文档型数据库，对value（尤其json）提供丰富查询功能，支持二进制和大型对象，可替代RDBMS或配合DBRMS

 

HBase：Hadoop项目，数据量庞大（10亿行数据、数百万列数据）

 

Cassandra：海量数据集(数据量通常达到PB级别) PB（Petabyte 千万亿字节 拍字节）=1024TB，

Neo4j：图关系型数据库

二、Redis概述安装

应用场景：

配合关系型数据库做高速缓存

分布式架构session共享

分布式锁

 安装：http://redis.cn/ 

 

• 6.2.1 for Linux（redis-6.2.1.tar.gz）

gcc编译器

yum install centos-release-scl scl-utils-build

yum install -y devtoolset-8-toolchain

scl enable devtoolset-8 bash

gcc --version //查看版本

 

下载redis-6.2.1.tar.gz放/opt目录

 

tar -zxvf redis-6.2.1.tar.gz //解压

 

cd redis-6.2.1

make

如果报下图错误执行 make distclean

 

 跳过make test 继续执行: make install

 

安装目录：/usr/local/bin

 

 

 

查看默认安装目录：

 

redis-benchmark:性能测试工具，可以在自己本子运行，看看自己本子性能如何

 

redis-check-aof：修复有问题的AOF文件，rdb和aof后面讲

 

redis-check-dump：修复有问题的dump.rdb文件

 

redis-sentinel：Redis集群使用

 

redis-server：Redis服务器启动命令【前台启动，不推荐，命令行窗口不能关闭，否则服务器停止】

 

redis-cli：客户端，操作入口

 

 

 

 

 

拷贝一份redis.conf到其他目录

cp  /opt/redis-3.2.5/redis.conf  /myredis

 

修改redis.conf(128行)文件将里面的daemonize no 改成 yes，让服务在后台启动

 

redis-server/myredis/redis.conf

ps -ef|grep redis //启动redis

redis-cli / redis-cli -p6379

ping //ping通会显示PONG

redis-cli shutdown //关闭

相关知识：

默认16个数据库，类似数组下标从0开始，初始默认使用0号库

使用select 8 可切换到第9个数据库（下标为8）

 

dbsize查看当前数据库的key的数量

 

flushdb清空当前库

 

flushall通杀全部库

 

单线程+多路IO复用技术

 

多路复用是指使用一个线程来检查多个文件描述符（Socket）的就绪状态，比如调用select和poll函数，传入多个文件描述符，如果有一个文件描述符就绪，则返回，否则阻塞直到超时。得到就绪状态后进行真正的操作可以在同一个线程里执行，也可以启动线程执行（比如使用线程池）

 

 

 

 

串行   vs   多线程+锁（memcached） vs   单线程+多路IO复用(Redis)

 

（与Memcache三点不同: 支持多数据类型，支持持久化，单线程+多路IO复用）  

三、常用五大数据类型

http://www.redis.cn/commands.html

1.键key

1.1常用命令

keys *查看当前库所有key    (匹配：keys *1)

exists key判断某个key是否存在

type key 查看你的key是什么类型

del key       删除指定的key数据

unlink key   根据value选择非阻塞删除 仅将keys从keyspace元数据中删除，真正的删除会在后续异步操作。

expire key 10   10秒钟：为给定的key设置过期时间

ttl key 查看还有多少秒过期，-1表示永不过期，-2表示已过期

2.字符串String

二进制安全，可包含任何数据（图片、序列化对象）

一个Redis中字符串value最多可以是512M

2.1常用命令

 

set   <key><value>添加键值对

 

*NX：当数据库中key不存在时，可以将key-value添加数据库

 

*XX：当数据库中key存在时，可以将key-value添加数据库，与NX参数互斥

 

*EX：key的超时秒数

 

*PX：key的超时毫秒数，与EX互斥

 

get   <key>查询对应键值

 

append  <key><value>将给定的<value> 追加到原值的末尾

 

strlen  <key>获得值的长度

 

setnx  <key><value>只有在 key 不存在时    设置 key 的值

 

incr  <key> 将 key 中储存的数字值增1 只能对数字值操作，如果为空，新增值为1

 

decr  <key> 将 key 中储存的数字值减1 只能对数字值操作，如果为空，新增值为-1

 

incrby / decrby  <key><步长>将 key 中储存的数字值增减。自定义步长。

 

 

mset  <key1><value1><key2><value2>  .....同时设置一个或多个 key-value对  

 

mget  <key1><key2><key3> .....同时获取一个或多个 value  

 

msetnx <key1><value1><key2><value2>  .....同时设置一个或多个 key-value 对，当且仅当所有给定 key 都不存在。

 

getrange  <key><起始位置><结束位置> 获得值的范围，类似java中的substring，前包，后包

 

setrange  <key><起始位置><value> 用 <value>  覆写<key>所储存的字符串值，从<起始位置>开始(索引从0开始)。

 

setex  <key><过期时间><value> 设置键值的同时，设置过期时间，单位秒。

 

getset <key><value> 以新换旧，设置了新值同时获得旧值。

2.2数据结构

 

数据结构为简单动态字符串(Simple Dynamic String,缩写SDS)。是可以修改的字符串，内部结构实现上类似于Java的ArrayList，采用预分配冗余空间的方式来减少内存的频繁分配.

 

当字符串长度小于1M时，扩容都是加倍现有的空间，如果超过1M，扩容时一次只会多扩1M的空间。

 

 

 

 

 

 

3.列表List

 

简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）。

 

 

底层实际是个双向链表，通过索引下标的操作中间的节点性能会较差。

3.1常用命令

 

 

lpush/rpush  <key><value1><value2><value3> .... 从左边/右边插入一个或多个值。

 

lpop/rpop  <key>从左边/右边吐出一个值。值在键在，值光键亡。

rpoplpush  <key1><key2>从<key1>列表右边吐出一个值，插到<key2>列表左边。

 

lrange <key><start><stop>按照索引下标获得元素(从左到右)

 

lrange mylist 0 -1   0左边第一个，-1右边第一个，（0-1表示获取所有）

 

lindex <key><index>按照索引下标获得元素(从左到右)

 

llen <key>获得列表长度

 

linsert <key>  before <value><newvalue>在<value>的后面插入<newvalue>插入值

 

lrem <key><n><value>从左边删除n个value(从左到右)

 

lset<key><index><value>将列表key下标为index的值替换成value

3.2数据结构

 

 

在列表元素较少的情况下会使用一块连续的内存存储，这个结构是ziplist，也即是压缩列表。它将所有的元素紧挨着一起存储，分配的是一块连续的内存。

 

当数据量比较多的时候才会改成quicklist。

Redis将链表和ziplist结合起来组成了quicklist。也就是将多个ziplist使用双向指针串起来使用。这样既满足了快速的插入删除性能，又不会出现太大的空间冗余。

 

4.集合Set

 

set是可以自动排重，string类型的无序集合。它底层其实是一个value为null的hash表，所以添加，删除，查找的复杂度都是O(1)。

4.1常用命令

 

sadd <key><value1><value2> .....将一个或多个 member 元素加入到集合 key 中，已经存在的 member 元素将被忽略

 

smembers <key>取出该集合的所有值。

 

sismember <key><value>判断集合<key>是否为含有该<value>值，有1，没有0

 

scard<key>返回该集合的元素个数。

 

srem <key><value1><value2> .... 删除集合中的某个元素。

 

spop <key>随机从该集合中吐出一个值。

 

srandmember <key><n>随机从该集合中取出n个值。不会从集合中删除 。

 

smove <source><destination>value把集合中一个值从一个集合移动到另一个集合

 

sinter <key1><key2>返回两个集合的交集元素。

 

sunion <key1><key2>返回两个集合的并集元素。

 

sdiff <key1><key2>返回两个集合的差集元素(key1中的，不包含key2中的)

 

 

 

 

 

4.2数据结构

dict字典，字典是用哈希表实现的。

Java中HashSet的内部实现使用的是HashMap，只不过所有的value都指向同一个对象。Redis的set结构也是一样，它的内部也使用hash结构，所有的value都指向同一个内部值。

5.哈希hash

 

string类型的field和value的映射表，hash特别适合用于存储对象，类似Java里面的Map<String,Object>

5.1优点

 

 

每次修改用户的某个属性需要，先反序列化改好后再序列化回去。开销较大。

用户ID数据冗余

 通过 key(用户ID) + field(属性标签) 就可以操作对应属性数据了，既不需要重复存储数据，也不会带来序列化和并发修改控制的问题

5.2常用命令

hset <key><field><value>给<key>集合中的  <field>键赋值<value>

hget <key1><field>从<key1>集合<field>取出 value

hmset <key1><field1><value1><field2><value2>... 批量设置hash的值

hexists<key1><field>查看哈希表 key 中，给定域 field 是否存在。

hkeys <key>列出该hash集合的所有field

hvals <key>列出该hash集合的所有value

hincrby <key><field><increment>为哈希表 key 中的域 field 的值加上增量 1   -1

hsetnx <key><field><value>将哈希表 key 中的域 field 的值设置为 value ，当且仅当域 field 不存在 .

5.3数据结构

 

Hash类型对应的数据结构是两种：ziplist（压缩列表），hashtable（哈希表）。当field-value长度较短且个数较少时，使用ziplist，否则使用hashtable。

6.有序集合Zset

 

没有重复元素的字符串集合。不同之处是有序集合的每个成员都关联了一个评分（score）,这个评分（score）被用来按照从最低分到最高分的方式排序集合中的成员。集合的成员是唯一的，但是评分可以是重复 。

6.1常用命令

 

zadd  <key><score1><value1><score2><value2>…将一个或多个 member 元素及其 score 值加入到有序集 key 当中。

 

zrange <key><start><stop>  [WITHSCORES]   返回有序集 key 中，下标在<start><stop>之间的元素 带WITHSCORES，可以让分数一起和值返回到结果集。

 

zrangebyscore key minmax [withscores] [limit offset count]返回有序集 key 中，所有 score 值介于 min 和 max 之间(包括等于 min 或 max )的成员。有序集成员按 score 值递增(从小到大)次序排列。

 

zrevrangebyscore key maxmin [withscores] [limit offset count]               同上，改为从大到小排列。

 

zincrby <key><increment><value>      为元素的score加上增量

 

zrem  <key><value>删除该集合下，指定值的元素

 

zcount <key><min><max>统计该集合，分数区间内的元素个数

 

zrank <key><value>返回该值在集合中的排名，从0开始。

 

案例：如何利用zset实现一个文章访问量的排行榜？

 

 

6.3数据结构

SortedSet(zset)是Redis提供的一个非常特别的数据结构，一方面它等价于Java的数据结构Map<String, Double>，可以给每一个元素value赋予一个权重score，另一方面它又类似于TreeSet，内部的元素会按照权重score进行排序，可以得到每个元素的名次，还可以通过score的范围来获取元素的列表。

zset底层使用了两个数据结构

（1）hash，hash的作用就是关联元素value和权重score，保障元素value的唯一性，可以通过元素value找到相应的score值。

（2）跳跃表，跳跃表的目的在于给元素value排序，根据score的范围获取元素列表。

6.4跳跃表

 

对于有序集合的底层实现，可以用数组、平衡树、链表等。

数组不便元素的插入、删除；

平衡树或红黑树虽然效率高但结构复杂；

链表查询需要遍历所有效率低。

跳跃表效率堪比红黑树，实现远比红黑树简单。

查找51

 

 

 

 第2层 1 - 第2层 21 - 第1层 21 （无需比较）- 第1层 41  -第1层 61 - 第2层 41 （无需比较）- 第0层 51

四、Redis配置文件

自定义目录：/myredis/redis.conf

1.###Units单位###

 

配置大小单位,开头定义了一些基本的度量单位，只支持bytes，不支持bit

 

大小写不敏感

2.###INCLUDES包含###

 

 

多实例的情况可以把公用的配置文件提取出来

 

 

 

3.###网络相关配置 ###

 

3.1 bind

 

默认情况bind=127.0.0.1只能接受本机的访问请求

 

不写的情况下，无限制接受任何ip地址的访问

 

生产环境肯定要写你应用服务器的地址；服务器是需要远程访问的，所以需要将其注释掉

 

如果开启了protected-mode，那么在没有设定bind ip且没有设密码的情况下，Redis只允许接受本机的响应

3.2 protected-mode

 

将本机访问保护模式设置no

3.3 Port

默认6379

3.4 tcp-backlog

 

设置tcp的backlog，backlog其实是一个连接队列，backlog队列总和=未完成三次握手队列 + 已经完成三次握手队列。

 

在高并发环境下你需要一个高backlog值来避免慢客户端连接问题。

 

Linux内核会将这个值减小到/proc/sys/net/core/somaxconn的值（128），所以需要确认增大/proc/sys/net/core/somaxconn和/proc/sys/net/ipv4/tcp_max_syn_backlog（128）两个值来达到想要的效果

3.5 timout

 

一个空闲的客户端维持多少秒会关闭，0表示关闭该功能。即永不关闭

3.6 tcp-keepalive

 

心跳检测，单位秒，如果为0则不会检测，建议值60

4.###GENERAL通用###

4.1 daemonize 后台进程，设置yes，守护进程，后台启动

4.2 pidfile 存放pid文件的位置，每个实例pid文件不同

4.3 loglevel 日志记录级别：debug、verbose、notice、warning，默认为notice，生产环境选择notice 或者warning

4.4 logfile 日志文件名称

4.5 databases 库的数量 默认16

5.###SECURITY安全###

5.1 设置密码

命令行临时设置访问密码，重启服务器后还原

config get requirepass //查看访问密码

config set requirepass "123456"或者config set requirepass 123456 //设置访问密码

auth 123456//使用访问密码登录

config set requirepass '' 或者 config set requirepass ""//取消访问密码

 

配置文件 requirepass foobared 改成 requirepass 123456 可以永久设置

6.#### LIMITS限制 ###

6.1 maxclients 限制同时客户端连接数（默认10000）达到则拒绝新的连接max number of clients reached

 

 

 

 

 

6.2 maxmemory 必须设置，否则内存满后宕机，maxmemory-policy来指定移除规则，若无法移除或者不允许移除则会返回错误信息。

主redis设置内存使用上限时，需要在系统中留出一些内存空间给同步队列缓存，只有在你设置的是“不移除”的情况下，才不用考虑这个因素。

 

6.3 maxmemory-policy

volatile-lru：使用LRU算法移除key，只对设置了过期时间的键；（最近最少使用）

allkeys-lru：在所有集合key中，使用LRU算法移除key

olatile-random：在过期集合中移除随机的key，只对设置了过期时间的键

allkeys-random：在所有集合key中，移除随机的key

volatile-ttl：移除那些TTL值最小的key，即那些最近要过期的key

noeviction：不进行移除。针对写操作，只是返回错误信息

6.4 maxmemory-samples

设置样本数量，LRU算法和最小TTL算法都并非是精确的算法，而是估算值，所以你可以设置样本的大小，redis默认会检查这么多个key并选择其中LRU的那个。一般设置3到7的数字，数值越小样本越不准确，但性能消耗越小。

五、发布和订阅

 

发布订阅 (pub/sub) 是一种消息通信模式：发送者 (pub) 发送消息，订阅者 (sub) 接收消息。

 

客户端A：SUBSCRIBE channel1

客户端B：publish channel1 hello

客户端A：

发布的消息没有持久化

 

 

六、新数据类型

1.Bitmaps

Bitmaps本身不是一种数据类型， 实际上它就是字符串（key-value） ， 但是它可以对字符串的位进行操作。

Bitmaps单独提供了一套命令， 所以在Redis中使用Bitmaps和使用字符串的方法不太相同。

可以把Bitmaps想象成一个以位为单位的数组， 数组的每个单元只能存储0和1， 数组的下标在Bitmaps中叫做偏移量

1.1命令

 

setbit<key><offset><value>设置Bitmaps中某个偏移量的值（0或1） *offset:偏移量从0开始

 

设置键的第offset个位的值（从0算起） ， 假设现在有20个用户，userid=1， 6， 11， 15， 19的用户对网站进行了访问， 那么当前Bitmaps初始化结果如图

 

unique:users:20201106代表2020-11-06这天的独立访问用户的Bitmaps

 

 

 

 

 

 

很多应用的用户id以一个指定数字（例如10000） 开头， 直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费， 通常的做法是每次做setbit操作时将用户id减去这个指定数字。

 

在第一次初始化Bitmaps时， 假如偏移量非常大， 那么整个初始化过程执行会比较慢， 可能会造成Redis的阻塞。

 

getbit<key><offset>获取Bitmaps中某个偏移量的值

 

获取id=8的用户是否在2020-11-06这天访问过， 返回0说明没有访问过（不存在也返回0）：

bitcount统计字符串被设置为1的bit数。一般情况下，给定的整个字符串都会被进行计数，通过指定额外的 start 或 end 参数，可以让计数只在特定的位上进行。start 和 end 参数的设置，都可以使用负数值：比如 -1 表示最后一个位，而 -2 表示倒数第二个位，start、end 是指bit组的字节的下标数，二者皆包含。

 

bitcount<key>[start end] 统计字符串从start字节到end字节比特值为1的数量

 

计算2022-11-06这天的独立访问用户数量

 

 

 start和end代表起始和结束字节数， 下面操作计算用户id在第1个字节到第3个字节之间的独立访问用户数， 对应的用户id是11， 15， 19。

 

 注意：redis的setbit设置或清除的是bit位置，而bitcount计算的是byte位置。

bitop  and(or/not/xor) <destkey> [key…]

bitop是一个复合操作， 它可以做多个Bitmaps的and（交集） 、 or（并集） 、 not（非） 、 xor（异或） 操作并将结果保存在destkey中。

 

2020-11-04 日访问网站的userid=1,2,5,9。

 

setbit unique:users:20201104 1 1

 

setbit unique:users:20201104 2 1

 

setbit unique:users:20201104 5 1

 

setbit unique:users:20201104 9 1

 

2020-11-03 日访问网站的userid=0,1,4,9。

 

setbit unique:users:20201103 0 1

 

setbit unique:users:20201103 1 1

 

setbit unique:users:20201103 4 1

 

setbit unique:users:20201103 9 1

 

计算出两天都访问过网站的用户数量

 

bitop and unique:users:and:20201104_03

 

unique:users:20201103unique:users:20201104

 计算出任意一天都访问过网站的用户数量（例如月活跃就是类似这种） ， 可以使用or求并集

 1.3 对比

假设网站有1亿用户， 每天独立访问的用户有5千万， 如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表

set和Bitmaps存储一天活跃用户对比
数据 类型	每个用户id占用空间	需要存储的用户量	全部内存量
集合 类型	64位	50000000	64位*50000000 = 400MB
Bitmaps	1位	100000000	1位*100000000 = 12.5MB

 

假如该网站每天的独立访问用户很少， 例如只有10万（大量的僵尸用户） ， 那么两者的对比如下表所示， 很显然， 这时候使用Bitmaps就不太合适了， 因为基本上大部分位都是0。

set和Bitmaps存储一天活跃用户对比（独立用户比较少）
数据类型	每个userid占用空间	需要存储的用户量	全部内存量
集合类型	64位	100000	64位*100000 = 800KB
Bitmaps	1位	100000000	1位*100000000 = 12.5MB

 

2.HyperLogLog

统计网站PV（PageView页面访问量）,可以使用Redis的incr、incrby轻松实现。

但像UV（UniqueVisitor，独立访客）、独立IP数、搜索记录数等需要去重和计数的问题如何解决？这种求集合中不重复元素个数的问题称为基数问题。

 解决基数问题有很多种方案：

（1）数据存储在MySQL表中，使用distinct count计算不重复个数

（2）使用Redis提供的hash、set、bitmaps等数据结构来处理

以上的方案结果精确，但随着数据不断增加，导致占用空间越来越大，对于非常大的数据集是不切实际的。

能否能够降低一定的精度来平衡存储空间？Redis推出了HyperLogLog

Redis HyperLogLog 是用来做基数统计的算法，HyperLogLog 的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定的、并且是很小的。

在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。

但是，因为 HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以 HyperLogLog 不能像集合那样，返回输入的各个元素。

什么是基数?

比如数据集 {1, 3, 5, 7, 5, 7, 8}， 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素)为5。 基数估计就是在误差可接受的范围内，快速计算基数。

pfadd <key>< element> [element ...]   添加指定元素到 HyperLogLog 中

 

将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后HLL估计的近似基数发生变化，则返回1，否则返回0。

 

pfcount<key> [key ...] 计算HLL的近似基数，可以计算多个HLL，比如用HLL存储每天的UV，计算一周的UV可以使用7天的UV合并计算即可

 

 

pfmerge<destkey><sourcekey> [sourcekey ...]  将一个或多个HLL合并后的结果存储在另一个HLL中，比如每月活跃用户可以使用每天的活跃用户来合并计算可得

 

3.Geospatial

 

Redis 3.2 中增加了对GEO类型的支持。GEO，Geographic，地理信息的缩写。该类型，就是元素的2维坐标，在地图上就是经纬度。redis基于该类型，提供了经纬度设置，查询，范围查询，距离查询，经纬度Hash等常见操作。

 

 geoadd<key>< longitude><latitude><member> [longitude latitude member...]   添加地理位置（经度，纬度，名称）

 

geoadd china:city 121.47 31.23 shanghai

 

geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing

 

有效的经度从 -180 度到 180 度。有效的纬度从 -85.05112878 度到 85.05112878 度。

 geopos  <key><member> [member...]  获得指定地区的坐标值

 

 geodist<key><member1><member2>  [m|km|ft|mi ]  获取两个位置之间的直线距离

 

mi 表示单位为英里。

ft 表示单位为英尺。

如果用户没有显式地指定单位参数， 那么 GEODIST 默认使用米作为单位

 

georadius<key>< longitude><latitude>radius  m|km|ft|mi   以给定的经纬度为中心，找出某一半径内的元素

七、Jedis测试

1.jar包

<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>3.2.0</version>
</dependency>

2.注意事项

 

禁用Linux的防火墙：Linux(CentOS7)里执行命令

 

systemctl stop/disable firewalld.service   

 

redis.conf中注释掉bind 127.0.0.1 ,然后 protected-mode no

 

3.常用操作

3.1创建工程

3.2创建测试程序

public class Demo01 {
　　public static void main(String[] args) {
　　　　Jedis jedis = new Jedis("192.168.137.3",6379);
　　　　String pong = jedis.ping();
　　　　System.out.println("连接成功："+pong);
　　　　jedis.close();
}
}

4.测试

//key
jedis.set("k1", "v1");
jedis.set("k2", "v2");
jedis.set("k3", "v3");
Set<String> keys = jedis.keys("*");
System.out.println(keys.size());
for (String key : keys) {
System.out.println(key);
}
System.out.println(jedis.exists("k1"));
System.out.println(jedis.ttl("k1"));                
System.out.println(jedis.get("k1"));

//String
jedis.mset("str1","v1","str2","v2","str3","v3");
System.out.println(jedis.mget("str1","str2","str3"));
//List
List<String> list = jedis.lrange("mylist",0,-1);
for (String element : list) {
    System.out.println(element);
}
//Set
jedis.sadd("orders", "order01");
jedis.sadd("orders", "order02");
jedis.sadd("orders", "order03");
jedis.sadd("orders", "order04");
Set<String> smembers = jedis.smembers("orders");
for (String order : smembers) {
    System.out.println(order);
}
jedis.srem("orders", "order02");
//Hash
jedis.hset("hash1","userName","lisi");
System.out.println(jedis.hget("hash1","userName"));
Map<String,String> map = new HashMap<String,String>();
map.put("telphone","13810169999");
map.put("address","atguigu");
map.put("email","abc@163.com");
jedis.hmset("hash2",map);
List<String> result = jedis.hmget("hash2", "telphone","email");
for (String element : result) {
    System.out.println(element);
}
//ZSet
jedis.zadd("zset01", 100d, "z3");
jedis.zadd("zset01", 90d, "l4");
jedis.zadd("zset01", 80d, "w5");
jedis.zadd("zset01", 70d, "z6");
 
Set<String> zrange = jedis.zrange("zset01", 0, -1);
for (String e : zrange) {
    System.out.println(e);
}

八、Jedis实例

手机验证码功能

要求：

1、输入手机号，点击发送后随机生成6位数字码，2分钟有效

2、输入验证码，点击验证，返回成功或失败

3、每个手机号每天只能输入3次

 

 

 

1.依赖

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

<!-- spring2.X集成redis所需common-pool2-->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-pool2</artifactId>
<version>2.6.0</version>
</dependency>

2.配置

#Redis服务器地址
spring.redis.host=192.168.140.136
#Redis服务器连接端口
spring.redis.port=6379
#Redis数据库索引（默认为0）
spring.redis.database= 0
#连接超时时间（毫秒）
spring.redis.timeout=1800000
#连接池最大连接数（使用负值表示没有限制）
spring.redis.lettuce.pool.max-active=20
#最大阻塞等待时间(负数表示没限制)
spring.redis.lettuce.pool.max-wait=-1
#连接池中的最大空闲连接
spring.redis.lettuce.pool.max-idle=5
#连接池中的最小空闲连接
spring.redis.lettuce.pool.min-idle=0

3.配置类

@EnableCaching
@Configuration
public class RedisConfig extends CachingConfigurerSupport {

    @Bean
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        RedisSerializer<String> redisSerializer = new StringRedisSerializer();
        Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
        ObjectMapper om = new ObjectMapper();
        om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        jackson2JsonRedisSerializer.setObjectMapper(om);
        template.setConnectionFactory(factory);
//key序列化方式
        template.setKeySerializer(redisSerializer);
//value序列化
        template.setValueSerializer(jackson2JsonRedisSerializer);
//value hashmap序列化
        template.setHashValueSerializer(jackson2JsonRedisSerializer);
        return template;
    }

    @Bean
    public CacheManager cacheManager(RedisConnectionFactory factory) {
        RedisSerializer<String> redisSerializer = new StringRedisSerializer();
        Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
//解决查询缓存转换异常的问题
        ObjectMapper om = new ObjectMapper();
        om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        jackson2JsonRedisSerializer.setObjectMapper(om);
// 配置序列化（解决乱码的问题）,过期时间600秒
        RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
                .entryTtl(Duration.ofSeconds(600))
                .serializeKeysWith(RedisSerializationContext.SerializationPair.fromSerializer(redisSerializer))
                .serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(jackson2JsonRedisSerializer))
                .disableCachingNullValues();
        RedisCacheManager cacheManager = RedisCacheManager.builder(factory)
                .cacheDefaults(config)
                .build();
        return cacheManager;
    }
}

测试类

@RestController
@RequestMapping("/redisTest")
public class RedisTestController {
    @Autowired
    private RedisTemplate redisTemplate;

    @GetMapping
    public String testRedis() {
        //设置值到redis
        redisTemplate.opsForValue().set("name","lucy");
        //从redis获取值
        String name = (String)redisTemplate.opsForValue().get("name");
        return name;
    }
}