Redis 高级篇_redis csdn-CSDN博客

本文链接：https://blog.csdn.net/m0_67098662/article/details/144894493

Redis持久化

RDB持久化

全称Redis Database Backup file（Redis数据备份文件），也叫Redis数据快照。简单来说就是把内存中的所有数据记录在磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据。

快照文件成为RDB文件，默认是保存在当前运行目录。

触发命令：

save 由Redis主进程来执行RDB，会阻塞所有命令。

bgsave 开启子进程执行RDB，避免主进程收Redis到影响。（推荐）

Redis停机时会执行一次RDB。

redis.conf配置文件中

save 900 1 900秒内有一次修改则执行RDB

save 300 10 300秒内有10次修改则执行RDB

dir ./ 文件保存的目录

dbfilename dump.rdb RDB文件名

AOP持久化

全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看作时命令日志文件。

AOF默认时关闭的，需要修改redis.conf配置文件来开启AOF:

#是否开启AOF功能，默认是no

appendonly yes

#AOF文件名称

appendfilename “appendonly.aof”

AOF的命令记录频率也可以通过redis.conf文件配置：

#表示每执行一次写命令，立即记录到AOF文件

appendfsync always

#写命令执行完先放入AOF缓冲区，然后每隔1秒钟将缓冲区的数据写到AOF文件，是默认方案

appendfsync everysec

#写命令执行完先放入AOF缓冲区，由操作系统决定何时将缓冲区内容写回磁盘

配置项	刷盘时机	优点	缺点
Always	同步到盘	可靠性高，几乎不会丢数据	性能影响大
everysec	每秒刷盘	性能适中	最多修饰1秒数据
no	操作系统控制	性能最好	可靠性差，可能修饰大量数据

因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个kev的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。

Redis也会在触发阈值时自动去重写AOF文件。值也可以在redis.conf中配置:
        # AOF文件比上次文件增长超过多少百分比则触发重写
        auto-aof-rewrite-percentage 100
        # AOF文件体积最小多大以上才触发重写
        auto-aof-rewrite-min-size 64mb

RDB和AOF对比

	RDB	AOF
持久化方式	定时对整个内存做快照	记录每一此执行命令
数据完整性	不完整，两次备份之间故障数据会丢失	相对完整，取决于刷盘策略
文件大小	会有压缩，文件体积小	记录命令，文件体积很大
宕机恢复速度	很快	慢
数据恢复优先级	低，因为数据完整性不如AOF	高，因为数据完整性更高
系统资源占用	高，大量CPU和内存消耗	低，主要是磁盘IO资源但AOF重写会占用大量CPU和内存资源
使用场景	可以容忍数分钟的数据丢失，追求更快的启动速度	对数据安全性要求较高

主从架构

单节点的Redis的并发能力是由上限的，要进一步提高Redis的并发能力，就需要搭建主从集群，实现读写分离。

数据同步原理

主从第一次同步时全量同步：

master如何判断slave是不是第一次来同步数据?这里会用到两个很重要的概念:

Replication ld:简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的replid，slave则会继承master节点的replid。（上图1.1和1.2中就是用slave的replid传给master，对比不一致，则是第一次，1.3会把master的replid和offset返回slave节点，slave节点记录下这两个信息，下次再同步时传给master）
offset:偏移量，随着记录在repl baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。

同步流程：

slave节点请求增量同步
master节点判断replid，发现不一致，拒绝增量同步
master将完整内存数据生成RDB，发送RDB到slave
slave清空本地数据，加载master的RDB
master将RDB期间的命令记录在repl_baklog，并持续将log中的命令发送给slave
slave执行接收到的命令，保持与master之间的同步

增量同步

如果slave重启，则会执行增量同步。

注意：repl_baklog大小有上限，写满后会覆盖最早的数据。如果slave断开时间过久，导致尚未备份的数据被覆盖，则无法基于log做增量同步，只能再次全量同步。

Redis主从集群同步优化

在master中配置repl-diskless-syncyes启用无磁盘复制，避免全量同步时的磁盘10。（要求网络带宽比较好）
Redis单节点上的内存占用不要太大，减少RDB导致的过多磁盘10
适当提高replbaklog的大小，发现slave宕机时尽快实现故障恢复，尽可能避免全量同步
限制一个master上的slave节点数量，如果实在是太多slave，则可以采用主-从-从链式结构，减少master压力

简述全量同步和增量同步区别?

全量同步:master将完整内存数据生成RDB，发送RDB到slave。后续命令则记录在repl baklog，逐个发送给slave。
增量同步:slave提交自己的offset到master，master获取repl baklog中从offset之后的命令给slave

什么时候执行全量同步?

slave节点第一次连接master节点时
slave节点断开时间太久，repl baklog中的offset已经被覆盖时

什么时候执行增量同步?

slave节点断开又恢复，并且在replbaklog中能找到offset时

哨兵的作用

Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。哨兵的结构和作用如下：

监控：不断检查您的master和slave是否按预期工作。
自动故障恢复：如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主。
通知：Sentinel充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新的信息推送给Redis的客户端。

Sentinel基于心跳机制检测服务状态，每隔1S想集群的每个实例发送ping命令：

主观下线：如果某sentinel节点发现某实例围在规定时间响应，则认为该实例主观下线。
客观下线：若超过指定数量（quorum）的sentinel都认为该实例主观下线，则该实例客观下线。quorum值最好超过sentinel实例数量的一半。

选举新的master

判断slave节点与master节点断开时间的长短，如果超过指定值（down-after-miilliseconds*10）则会排除该slave。
判断slave节点的slave-priority值，越小优先级越高，如果是0则永不参与选举
如果slave-priority一样，则判断slave节点的offset值，越大说明数据越新，优先级越高
最后判断slave节点运行id大小，越小优先级越高

故障转移

sentinel给备选的slave1节点发送slaveofnoone命令，让该节点成为master
sentinel给所有其它slave发送slaveof 192.168.150.1017002命令，让这些slave成为新master的从节点，开始从新的master上同步数据。
最后，sentinel将故障节点标记为slave，当故障节点恢复后会自动成为新的master的slave节点

分片集群

主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决

海量数据存储问题
高并发写的问题

使用分片集群可以解决上述问题，分片集群特征:

集群中有多个master，每个master保存不同数据
每个master都可以有多个slave节点
master之间通过ping监测彼此健康状态
客户端请求可以访问集群任意节点，最终都会被转发到正确节点

散列插槽

Redis会把每一个master节点映射到0-16383共16383个插槽（hash slot）上。

数据key不是与节点绑定，而是与插槽绑定。redis会根据key的有效部分计算插槽值，分两种情况：

key中包含“{}”，且“{}”中至少包含1个字符，“{}”中的部分是有效部分
key中不包含“{}”，整个key都是有效部分

例如：key是num，那么就根据num计算，如果是{itcast}num，则根据itcast计算。计算方式是利用CRC16算法得到一个hash值，然后对16384取余，得到的结果就是slot值。

集群伸缩

使用redis-cli --cluster命令添加节点 add -node

redis-cli --cluster help 查看都有哪些命令

故障转移

数据迁移：

利用cluster failover命令可以手动让集群中的某个master宕机，切换到执行cluster failover命令的这个slave节点，实现无感知的数据迁移。其流程如下:

手动的Failover支持三种不同模式:

缺省:默认的流程，如图1~6步（推荐）
force:省略了对offset的一致性校验
takeover:直接执行第5步，忽略数据一致性、忽略master状态和其它master的意见

RedisTemplate访问分片集群

RedisTemplate底层同样基于lettuce实现了分片集群的支持，而使用的步骤与哨兵模式基本一致:

1.引入redis的starter依赖
2.配置分片集群地址
3.配置读写分离

与哨兵模式相比，其中只有分片集群的配置方式略有差异，如下:
spring:
        redis:
                cluster:
                        nodes:#指定分片集群的每一个节点信息
                                -10.153.150.101:8001
                                -10.153.150.101:8002
-10.153.150.101:9001
-10.153.150.101:9002

多级缓存

多级缓存就是充分利用请求处理的每个环节，分别添加缓存，减轻Tomcat压力，提升服务性能。

jvm进程缓存

本地进程缓存

分布式缓存，例如Redis：

优点：存储容量更大，可靠性更好，可以在集群间共享
缺点：访问缓存存在网络开销
场景：缓存数据量较大，可靠性要求较高，需要在集群间共享

进程本地缓存，例如HashMap，GuavaCache：

优点:读取本地内存，没有网络开销，速度更快
缺点：存储容量有限，可靠性较低，无法共享
场景：性能要求较高，缓存数据量较小

Caffeine是一个基于Java8开发的，提供了近乎最佳命中率的高性能的本地缓存库。目前Spring内部的缓存使用的就是Caffeine。GitHub地址:https://github.com/ben-manes/caffeine

Caffeine提供了三种缓存驱逐策略:

基于容量:设置缓存的数量上限

1创建缓存对象

Cache<String,String>cache=Caffeine.newBuilder().maximumSize(1)//设置缓存大小上限为1.build();

基于时间:设置缓存的有效时间

创建缓存对象
Cache<String,String>cache=Caffeine.newBuilder()
.expireAfterWrite(Duration.ofSeconds(10))/!设置缓存有效期为 10 秒，从最后一次写入开始计时
build();

基于引用:设置缓存为软引用或弱引用，利用GC来回收缓存数据。性能较差，不建议使用。

在默认情况下，当一个缓存元素过期的时候，Caffeine不会自动立即将其清理和驱逐。而是在一次读或写操作后，或者在空闲时间完成对失效数据的驱逐。

Lua常用语法

Lua 是一种轻量小巧的脚本语言，用标准C语言编写并以源代码形式开放，其设计目的是为了嵌入应用程序中，从而为应用程序提供灵活的扩展和定制功能。官网:https://www.lua.org/

数据类型

nil：这个最简单，只有值nil属于该类，表示一个无效值(在条件表达式中相当于false)。
boolean：包含两个值:false和true
number：表示双精度类型的实浮点数
string：字符串由一对双引号或单引号来表示
function：由C或Lua 编写的函数
table：Lua 中的表(table)其实是一个"关联数组"(associative arrays)，数组的索引可以是数字、字符串或表类型。在 Lua 里，table 的创建是通过"构造表达式"来完成，最简单构造表达式是{}，用来创建一个空表。

可以用type函数测试给定变量或者值的类型：

print（type（“Hello world”））

变量声明变量的时候，并不需要指定数据类型，都用local（局部变量）就可以：

local str=‘hello’；

local num=21 ；

数组：local arr={'gao','li'} 获取：arr[1] （下标从1开始）

table：local map={name=‘gao’，age=18} 获取：map.name或map['name']两种方式

。。。。。。。。。