4 天前 / 猴哥说Java
Bitmap 是什么？ BitMap 原本的含义是用一个比特位来映射某个元素的状态。由于一个比特位只能表示 0 和 1 两种状态，所以 BitMap 能映射的状态有限，但是使用比特位的优势是能大量的节省内存空间。 在 Redis 中，可以把 Bitmaps 想象成一个以比特位为单位的数组，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，如下图。 相关命令# 设置值 key 数组 offset 位置值为 value，value 只能是 0 或者 1 setbit key offset value # 获取 key 数组 offset 位置值 getbit key offset #统计 key 中的 BitMap 中值为 1 的个数...
5 天前 / binecy
本文探究 Redis 最新特性 -- 客户端缓存在 SpringBoot 上的应用实战。 Redis TrackingRedis 客户端缓存机制基于 Redis Tracking 机制实现的。我们先了解一下 Redis Tracking 机制。 为什么需要 Redis TrackingRedis 由于速度快、性能高，常常作为 MySQL 等传统数据库的缓存数据库。但由于 Redis 是远程服务，查询 Redis 需要通过网络请求，在高并发查询情景中难免造成性能损耗。所以，高并发应用通常引入本地缓存，在查询 Redis 前先检查本地缓存是否存在数据。 假如使用 MySQL 存储数据，那么数据查询流程下图所示。
6 天前 / 狂笨的小海马
Redis 的集合（Sets）键允许用户将任意多个各不相同的元素存储到集合中，这些元素既可以是文本数据，也可以是二进制数据。 截止目前，Redis 中涉及集合的命令共有 17 个，如下图所示 Redis Sets 命令列表 在 Redis 的列表的键也允许我们存储多个元素，但列表与集合的有两个明显的区别： 列表可以存储重复的元素，而集合只会存储非重复元素，若尝试将一个已存在的元素添加到集合中，将会被忽略。 列表是以有序的方式存储元素的，而集合则是以无序方式存储元素的。
8 天前 / 无籽水稻研发
有一天你突然收到一条线上告警：Redis 内存使用率 85%。你吓坏了赶紧先进行扩容然后再去分析 big key。等你进行完这一系列操作之后老板叫你去复盘，期间你们聊到了业务的数据存储在 Redis 中占用多大内存的问题。老板按照序列化为 String 的方式来评估每个 key 对应的 value 大概多少字节来计算总 key 数占用多大空间。你努力的回想了一下当年你面试的时候背诵的 ”真理“，总感觉哪里不太对。于是你在夜深人静的时候又打开了 ”Redis 面试宝典“。
14 天前 / 狂笨的小海马
Redis 的散列键会将一个键和一个散列在数据库里关联起来，并用客户端可以在散列中为任意多个字段（即 field）设置值。 关于散列的命令大概有 16 个，通过散列键，客户端可以把相关联的多项数据存储到同一个散列里，以便对这些数据进行管理，或者针对它们执行批量操作。 HSET 与 HSETNX 很熟悉的两个命令，相信你也能看出来，与字符串中的 SET 与 SETNX 很像。 正如你所想，它们的用户也很类似。 # 为散列中指定字段设置值 HSET key field value [field value ...] 正如字符串 SET 命令一样，HSET 也有以下特性： 如果给定的字段并不存在于散列当中...
20 天前 / binecy
Redis 散列类型可以存储一组无序的键值对，它特别适用于存储一个对象数据。 >HSETfruitnameappleprice7.6originchina 3 >HGETfruitprice "7.6" 本文分析 Redis 中散列类型以及其底层数据结构 -- 字典的实现原理。 字典 Redis 通常使用字典结构存储用户散列数据。 字典是 Redis 的重要数据结构。除了散列类型，Redis 数据库也使用了字典结构。 Redis 使用 Hash 表实现字典结构。分析 Hash 表，我们通常关注以下几个问题： （1）使用什么 Hash 算法？ （2）Hash 冲突如何解决？ （3）Hash 表如何扩容？ 提示：本章代码如无特别说明，均在 dict.h、dict.c 中。
21 天前 / 微观技术
大家好，我是 Tom 哥~ 为了便于大家查找问题，了解全貌，整理个目录，我们可以快速全局了解关于 Redis 缓存，面试官一般喜欢问哪些问题？ 接下来，我们逐条来看看每个问题及答案 Redis 有哪些特性？ 答案： 性能高， 读的速度是 100000 次 /s，写的速度是 80000 次 /s 数据持久化，支持 RDB 、AOF 支持事务。通过 MULTI 和 EXEC 指令包起来。多种数据结构类型主从复制其他特性：发布 / 订阅、通知、key 过期等 Redis 为什么这么快？ 答案： 完全基于内存，没有磁盘 IO 上的开销，异步持久化除外单线程...
22 天前 / 苏三说技术
大家好，我是苏三，又跟大家见面了。前言 在分布式系统中，由于 redis 分布式锁相对于更简单和高效，成为了分布式锁的首先，被我们用到了很多实际业务场景当中。 但不是说用了 redis 分布式锁，就可以高枕无忧了，如果没有用好或者用对，也会引来一些意想不到的问题。 今天我们就一起聊聊 redis 分布式锁的一些坑，给有需要的朋友一个参考。 1 非原子操作使用 redis 的分布式锁，我们首先想到的可能是 setNx 命令。 if(jedis.setnx(lockKey,val)==1){ jedis.expire(lockKey,timeout); } 容易，三下五除二，我们就可以把代码写好。
24 天前 / 狂笨的小海马
上一篇文章大概介绍了 Redis 中有关于字符串的操作命令。本篇文章主要介绍下列表（Lists），列表是编程中非常常用的一种数据结构，通常有线性表（数组）与链表两种的实现。在 Redis 中，列表便是使用链表进行实现。涉及列表的 Redis 命令有 22 个。 Redis 的列表（Lists）是一种线性的有序结构，可以按照元素被推入列表的顺序来存储元素，这些元素同 Strings 类型一样，即可以存储文本数据，也可以存储二进制数据。 LPUSH 将元素推入到列表左端我们可以通过 LPUSH 命令，将一个或者多个元素推入到列表左端。
24 天前 / binecy
在上一篇文章《Redis 列表实现原理之 ziplist 结构》，我们分析了 ziplist 结构如何使用一块完整的内存存储列表数据。 同时也提出了一个问题：如果链表很长，ziplist 中每次插入或删除节点时都需要进行大量的内存拷贝，这个性能是无法接受的。 本文分析：quicklist 结构如何解决这个问题并实现 Redis 的列表类型。 quicklist 的设计思想很简单，将一个长 ziplist 拆分为多个短 ziplist，避免插入或删除元素时导致大量的内存拷贝。
25 天前 / flyer0126
开发工作中对于分布式缓存高可用方案（搭建 Redis 缓存高可用方案），Redis 主从架构下是如何保证高可用的呢？ 我们知道 Redis Sentinel 是一个分布式系统，为 Redis 提供高可用性解决方案。那 Redis 服务部署的哨兵模式主要原理是什么，又解决了什么问题呢，于是利用时间将相关问题做了整理，相信看完这篇文章，你也可以去给别人做技术分享了。O(∩_∩)O 哈哈~ 0. 问题铺垫在讨论哨兵模式之前，我们先来看一个应用问题：Redis 服务主机宕机 实际使用过程中，会出现 master 宕机的情况（这样会导致没有写服务，只有读服务）。
27 天前 / 狂笨的小海马
Redis 为我们提供了一系列丰富的数据结构，从最初的 Strings、Hashes、Lists、Sets、Sorted Sets，逐步增加 HyperLogLog、BitMaps、Streams、Geo 等数据结构，每种数据结构都适用于解决特定的问题。很多同学在面试的时候，经常会被问到，Redis 支持哪些数据结构？然而很多同学的回答依旧停留在五个基础的数据结构：Strings、Hashes、Lists、Sets、Sorted Sets。然而，Redis 从版本 2.2 版本增加了 BitMaps；在 2.8.9 版本增加了 HyperLogLog；3.2 及以后版本新增了 Geo；在 5.0 版本新增了 Streams。
32 天前 / binecy
Redis 列表类型可以存储一组按插入顺序排序的字符串，它非常灵活，支持在两端插入、弹出数据，可以充当栈和队列的角色。 >LPUSHfruitapple (integer)1 >RPUSHfruitbanana (integer)2 >RPOPfruit "banana" >LPOPfruit "apple" 本文探讨 Redis 中列表类型的实现。 ziplist 使用数组和链表结构都可以实现列表类型。Redis 中使用的是链表结构。下面是一种常见的链表实现方式 adlist.h： typedefstructlistNode{ structlistNode*prev; structlistNode*next; void*value; }listNode; typedefstructlist{ listNode*head; listNode*tail; void*(*dup)(void*ptr); v...
32 天前 / 三分恶
大家好，我是老三，今天又是被算法致郁的一天，写篇文章缓一缓。 这篇文章，我们来看看缓存一致性问题。 缓存一致性我接下来会巴巴说一堆缓存一致性，但是—— 作为一名暴躁老哥，我先把结论撂这了！ 缓存和数据库的强一致性无法实现！ CAP 理论了解一下，缓存适用的场景属于 CAP 中的 AP，是非强一致性的场景。 那还扯个犊子的缓存一致性？洗洗睡吧。 BASE 理论接着了解一下，强一致性保证不了，那只好委屈求全，尽量保证最终一致性呗。 最终一致性强调的是系统中所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态。