园林建设网站,个人主页设计模板,苏州网站开发公司,建筑工程公司经营范围文章目录 简介Redis基本介绍#xff1a;性能#xff1a;持久性和复制#xff1a;补充——重点#xff1a;Redis额外支持的操作#xff1a; 使用场景#xff1a;与Java的集成#xff1a;Redis集群Redis Sentinel优点#xff1a;缺点#xff1a;适用场景#xff1a; Re… 文章目录 简介Redis基本介绍性能持久性和复制补充——重点Redis额外支持的操作 使用场景与Java的集成Redis集群Redis Sentinel优点缺点适用场景 Redis Cluster优点缺点适用场景 Codis优点缺点适用场景 Redis Enterprise优点缺点适用场景 补充主从复制Replication优点缺点适用场景 数据结构数据结构分析——操作字符串String操作底层数据结构 哈希Hash操作底层数据结构 列表List操作底层数据结构 集合Set操作底层数据结构 有序集合Sorted Set操作底层数据结构 位图Bitmaps操作底层数据结构 超日志HyperLogLog操作底层数据结构 地理空间索引Geospatial操作底层数据结构 流Stream操作底层数据结构补充 面试Redis中模糊搜索1. KEYS 命令优点缺点 2. SCAN 命令优点缺点 3. ~~SORT 命令 和 Alpha 修改符~~优点缺点 ~~4. 自定义数据结构和算法~~优点缺点 ~~5. Redis Modules~~优点缺点 6. 利用 Lua 脚本优点缺点 ~~7. 利用集合和哈希的特性~~优点缺点 总结 总结 简介 提示理论方法小总结
Redis基本介绍
RedisRemote Dictionary Server是一个开源的、基于内存的高性能键值存储的内存数据库。这里要区分开MySQL 它支持多种基础数据结构 1、字符串Strings 2、哈希Hashes 3、列表Lists 4、集合Sets 5、有序集合Sorted Sets 以及更高级的数据结构如 1、位图Bitmaps 2、超日志Hyperloglogs 4、地理空间索引Geo indexes
性能
作为内存数据库Redis的读写性能极高能够支持每秒万级甚至百万级的读写操作非常适合需要快速读写操作的场景。
持久性和复制
虽然Redis是基于内存的但它支持数据的持久化。可以通过RDB快照或AOFappend-only file方式将内存中的数据定期或实时保存到磁盘上确保数据安全。此外Redis支持主从复制功能提高数据的可用性和冗余。
补充——重点
抛开Redis在java项目开发中不论是elasticsearch还是Rocketmq等等诸多中间件和框架只要是涉及到会存储的那么都是如下的思想 1、定时 2、定量 这两种在和同步、异步进行组合 最终结果为 定时-同步刷盘 定时-异步刷盘 定量-同步刷盘 定量-异步刷盘 从性能角度来讲定量-异步刷盘性能最高从数据安全性角度来讲定时-同步刷盘安全性最高性能最低。
Redis额外支持的操作
Redis不但支持基本的键值操作还提供复杂的数据结构操作如事务、管道pipeline、Lua脚本、发布/订阅模式等
使用场景
Redis由于其高性能的特性通常被用于以下场景
1、缓存系统减少数据库负载提供快速响应 2、会话存储如Web应用中的用户会话管理 3、消息队列因其支持发布订阅模式pub/sub 4、实时分析如计算在线用户数、排行榜等 5、地理空间数据支持地理空间索引和范围查询。
与Java的集成
在Java应用中可以通过使用Jedis、Redisson、redisTemplate、Lettuce等客户端库来和Redis进行交互。这些库提供API来执行Redis命令处理连接池以及实现复杂的功能如分布式锁等。 但是通常建议使用Redisson这里提供的功能更多如看门狗机制
Redis集群 Redis拥有多种集群解决方案以提供高可用性和水平扩展功能。以下是几种常见的Redis集群配置和它们的特点 Redis Sentinel 描述主从复制的模式增加了Redis Sentinel系统以实现高可用性。Sentinel负责监控所有Redis节点并在主节点故障时自动进行故障转移(Process Failover)。 优点
1、故障发现和自动故障转移。 2、可以继续使用单个Redis实例无需修改客户端代码。
缺点
不提供自动分片因此不能直接用于数据水平扩展由于使用异步复制仍有数据丢失的风险。
适用场景
要求高可用但数据量不是特别巨大的场景。
Redis Cluster 描述一个分布式数据库系统通过自动将数据分片到多个Redis实例中来提供水平扩展和高可用性。 优点
1、自动分片可水平扩展 2、支持主从复制并提供故障转移功能 3、无单点故障No single point of failureNSPF。
缺点
1、客户端需要支持Redis Cluster协议 2、分片机制可能会限制某些复杂操作例如有些事务和键操作要求数据位于同一节点上。
适用场景
大规模数据集和高吞吐量要求场景。 除了以上两种官方支持的解决方案外还有一些社区或云服务提供商实现的Redis高可用和分布式解决方案 Codis 描述基于代理的Redis分片解决方案通过增加一个代理层来实现Redis的水平扩展。 优点
1、对客户端透明不需要特别的客户端支持 2、提供图形界面管理工具 3、动态扩缩容。
缺点
1、新增了代理层增加了系统复杂性 2、不是Redis官方支持的社区维护可能不如官方活跃。
适用场景
操作简单需要容易管理的环境下的中小型Redis集群。
Redis Enterprise 描述Redis官方推出的企业版本提供自动分片、持久化、备份、高可用等功能。 优点
1、官方支持稳定性和性能有保障 2、集成了许多高级功能例如自动重平衡、热升级 3、提供图形界面的管理平台。
缺点
1、商业化产品需要付费 2、对开源社区选型有一定限制。
适用场景
对性能和稳定性有非常高要求的企业级应用。 选择不同的Redis集群方案时需要权衡数据规模、易用性、成本、客户端支持等因素。对于大部分应用来说Redis官方提供的Sentinel和Cluster方案已经能够很好地满足需求。在一些特定的、对集群管理有更复杂要求的场景下则可以考虑使用如Codis或Redis Enterprise等其他解决方案。
补充 我之前没有单独列出主从复制作为一种集群配置但实际上它是Redis提供高可用性的基础并且在Redis Sentinel和Redis Cluster中都扮演重要的角色。我们可以将主从复制单独说明 主从复制Replication
主从复制是Redis支持的一种数据复制方式它允许一个或多个副本(从服务器)实时地复制主服务器的数据。它的配置简单主要用于数据的冗余备份、读写分离和提高数据安全性。
优点
1、数据冗余提供数据的多个副本可以用于灾难恢复。 2、读写分离读操作可以分布到多个从节点减轻主节点压力。 3、数据备份可在从节点上进行持久化操作避免影响主节点性能。 4、可扩展性通过增加从节点来水平扩展读取能力。
缺点
1、写操作不可扩展所有写操作仍然需要通过主节点主节点成为瓶颈。 2、不自动故障转移如果主节点宕机需要人工介入或额外的工具如Sentinel进行故障转移。 3、数据存在延迟从节点的数据同步可能存在延迟不能保证强一致性。
适用场景
1、数据备份和灾难恢复。 2、当应用对读取性能要求高而对写入性能和强一致性要求不高时可以搭配多从节点以分散读压力。 3、作为复杂高可用解决方案如Sentinel和Cluster的一部分。 4、主从复制通常是高可用和负载均衡配置的基础。 比如在Redis Sentinel中Sentinel负责监控主从服务器并自动执行故障转移操作。在Redis Cluster中各个分片shard内部也会使用主从复制来确保数据的高可用性。 因此即使没有单独列出主从复制作为一个集群配置选项它实际上是构成其他高可用集群解决方案的关键组件。 数据结构
数据结构分析——操作 提示先操作后思想面试 Redis提供了多种数据结构每种结构都适合不同的使用场景。下面是Redis支持的常用数据结构及其典型使用场景 字符串String
场景缓存用户信息、会话Session信息、计数器、分布式锁的值。 描述可以包含任何数据例如文本、数字或者序列化的对象。
操作
# 增
SET user:1 John Doe# 删
DEL user:1# 改
SET user:1 Jane Doe# 查
GET user:1
底层数据结构
字符串在Redis中是最基本的数据类型实际上是动态字符串sdssimple dynamic string。 Redis的字符串是二进制安全的可以包含任意数据比如jpeg图片或序列化的对象。 特点动态字符串意味着字符串长度可以在运行时修改不像C语言的字符串以空字符终止支持高效的长度计算和字符串追加操作。
哈希Hash
场景存储对象数据如用户的属性避免频繁的加载和存储整个对象。 描述键值对集合适合存储对象。
操作 # 增
HSET user:2 name Alice age 30 city Wonderland# 删
# 删除特定字段
HDEL user:2 city
# 删除整个哈希
DEL user:2# 改
HSET user:2 age 31# 查
HGET user:2 name
HGETALL user:2
底层数据结构
哈希在小数据集下使用ziplist压缩列表在数据量变大时转而使用hashtable。ziplist是Redis为内存优化设计的数据结构压缩空间但对于元素的增删改查可能相对较慢。 特点当哈希内的字段数量增长或单个字段值超过某个阈值时底层数据结构从ziplist升级到hashtable。
列表List
场景实现队列FIFO或栈LIFO结构比如消息队列。 描述有序集合按插入顺序排序。
操作 # 增
LPUSH friends:1 Bob
RPUSH friends:1 Charlie# 删
LREM friends:1 0 Charlie # 移除所有Charlie
LPOP friends:1
RPOP friends:1# 改
LSET friends:1 0 David# 查
LINDEX friends:1 0
LRANGE friends:1 0 -1
底层数据结构
列表类型使用ziplist或linkedlist双向链表。 列表操作连贯性较强时例如对列表的两端插入和删除常用linkedlist。当列表中的字符串长度较短元素数量较少时为了节省空间使用ziplist。 特点Redis 的列表允许在列表的两端进行插入或删除操作实现了时间复杂度为O(1)的列表头尾操作。
集合Set
场景存储不允许重复的元素如标签、好友关系。 描述unordered collection of unique items。集合中的元素是不重复的且不保留元素的插入顺序。
操作 # 增
SADD hobbies:1 reading traveling cooking# 删
SREM hobbies:1 cooking# 改
# 不提供直接修改操作可以先删除再添加
SREM hobbies:1 reading
SADD hobbies:1 hiking# 查
SISMEMBER hobbies:1 traveling
SMEMBERS hobbies:1底层数据结构
小集合使用intset整数集合它是一个有序的数组元素之间没有重复。较大集合或有字符串值的集合使用hashtable。 特点intset由于元素类型的一致和良好的内存连续性保证了高效的内存使用和查询速度。
有序集合Sorted Set
场景排行榜、数据按范围查询如游戏得分榜。 描述与集合相似但是每个元素都会关联一个浮点数分值元素按分值有序排列。
操作 # 增
ZADD scores 10 player1 20 player2# 删
ZREM scores player1# 改
ZADD scores 15 player2 # 更新player2的得分# 查
ZRANGE scores 0 -1 WITHSCORES
ZSCORE scores player2底层数据结构
有序集合小数据集使用ziplist数据量较大则使用skiplist跳表和hashtable的组合结构。跳表用于保持元素有序哈希表用来快速查找元素。
特点跳表提供了有序数据快速访问的功能但其内存消耗比纯哈希集合要高。
位图Bitmaps
场景进行位级操作比如统计在线用户数、特征标记。 描述更高效地存储大量的布尔值如标志位。
操作 # 增/改
SETBIT featureFlags 7 1 # Set the 8th bit (0-indexed) to 1# 删
DEL featureFlags# 查
GETBIT featureFlags 7
BITCOUNT featureFlags
底层数据结构
位图本质上是字符串通过位操作命令来处理。本身不是独立的数据结构而是建立在字符串之上的一层抽象。
特点由于底层是字符串位图可以非常节省空间并且可以很快地进行操作非常适合于统计和运算。
超日志HyperLogLog
场景大量数据的基数统计如独立IP访问计数时能够以极小的空间误差提供近似值。 描述用于近似计算集合的基数即不同元素的数量。
操作 # 增/改
SETBIT featureFlags 7 1 # Set the 8th bit (0-indexed) to 1# 删
DEL featureFlags# 查
GETBIT featureFlags 7
BITCOUNT featureFlags底层数据结构
超日志使用稀疏矩阵压缩编码并伴随着特殊的算法来保持计数的唯一性和准确性。 这是一种概率数据结构用于估算集合中唯一元素的数量。 特点特别适合处理大量数据其空间占用总是固定的并且独立于输入元素的数量。
地理空间索引Geospatial
场景存储地理位置信息并进行范围查询、附近位置查询等。 描述可以存储地理空间信息并进行半径查询和邻近成员查询。
操作 # 增
GEOADD locations 13.361389 38.115556 Palermo 15.087269 37.502669 Catania# 删
ZREM locations Catania# 改
GEOADD locations 13.356778 38.115219 Palermo # 更新Palermo的坐标# 查
GEORADIUS locations 15 37 100 km WITHCOORD
GEODIST locations Palermo Catania km底层数据结构
地理空间类型实际上使用了有序集合sorted sets来存储数据每个元素的分数是通过将地理位置信息经度和纬度编码成一个64位的整数实现的。 特点利用Sorted Sets的分值来实现区域查询在两个地理位置点之间进行快速的范围查询。 每种数据类型的特点和底层实现使得Redis在处理不同类型的数据时都提供了优越的性能表现。在日常开发中了解这些底层实现可以帮助我们更好地了解每种类型可能的性能瓶颈和最佳使用场景。
流Stream
场景用于构建消息队列实现发布订阅系统记录事件流。 描述是一种日志数据结构每个条目由一个ID和一系列键值对组成。 使用这些数据结构时需要根据应用场景和需求中的数据特征来选择最合适的结构。例如如果要存储社交应用中的好友关系可以考虑使用 Set。如果要存储和获取用户的个人信息对象Hash 比较适合。为高性能排行榜提供支持时可以使用 Sorted Set。选择正确的数据结构可以大大提高性能和存储效率。
操作 # 增
XADD mystream * name John email john.doeexample.com# 删
# 假设ID是从XADD返回的或之前已知的
XDEL mystream ID# 改
# 流的条目不直接支持修改通常是删除再插入
XDEL mystream ID
XADD mystream ID name Jane email jane.doeexample.com# 查
XRANGE mystream - # 查看全部消息
XREVRANGE mystream - # 查看全部消息逆序
底层数据结构
Redis流的底层采用的是一组linked lists即多个链表组成。每个链表节点包含了多个字段称为记录record或条目entry。每个条目由一个唯一的ID通常是时间戳和一系列键值对组成。在Redis版本5以上引入流之后流的底层实现专门设计了一种叫做listpack的紧凑数据结构来存储这些记录。listpack类似于ziplist是一种为小型集合优化的数据结构它存储在每个链表节点中通过连续的内存存储条目数据。
特点 流结构支撑高性能的插入同时保留了插入顺序。 自动条目删除可以通过配置基于时间或最大长度来自动逸出老的数据。 消费群组Consumer Groups允许多个消费者同时读取和处理数据类似于Kafka的使用场景。 通过ID进行消息定位允许消费者在任意位置开始消息读取。 流适合用于实现发布/订阅模式聊天应用程序实时消息队列等。与其他消息队列系统相比Redis流因为将数据存储在内存中因此能提供更低的延迟和更高的吞吐量。另外它的自动删除机制可以帮助控制内存使用并且消费者群组使得构建复杂的消息传递架构成为可能。
补充 这些例子展示了如何在Redis命令行中直接对各种数据结构进行操作。在Java开发环境中你需要使用Redis客户端来执行类似的操作并处理返回结果或异常情况以及考虑连接管理、线程安全和性能优化等相关问题。 面试
聊到这里如果把上边的都看了并且将主要的几个常用的数据结构理解了那么面试Redis这块问题不大
再就是无非就是对他的增啥改查不知道何时起Redis的模糊搜索也成名面试会问到的 那就卷一下吧看前两个就行了
Redis中模糊搜索
1. KEYS 命令 KEYS 命令可以在处理小型数据集时用于模糊搜索键名例如 KEYS user:*
这个命令会返回所有以 user: 为前缀的键。优点
简单直接易于使用。可以使用多种通配符如 *匹配任意数量的字符、?匹配单个字符和字符范围 [a-z]。
缺点
在大型数据库上运行时效率低下因为它是一个阻塞操作扫描整个键空间可能会导致性能问题。不适用于生产环境中的大型数据集。
2. SCAN 命令 使用 SCAN 命令是一种更高效且不阻塞的方式来迭代数据库中的键可以与模式结合使用 SCAN 0 MATCH user:* COUNT 100优点
迭代过程是非阻塞的不会像KEYS命令那样对性能产生负面影响。具有MATCH参数可以指定键的模式。可以逐渐和重复地调用对于应用程序来说更加友好。提供了游标概念实现非阻塞式迭代。与 KEYS 类似支持模糊匹配。
缺点
可能需要多次执行才能遍历整个键空间对于需立刻获得所有结果的场景不太适用。使用时可能会得到重复的键需要在客户端进行去重。COUNT 参数可以控制每次迭代返回键的数量但不保证每次都返回该数量的键。通常需要多次调用来遍历整个键空间。
3. SORT 命令 和 Alpha 修改符 如果键按某种模式存储例如列表或集合可以使用 SORT 命令配合 ALPHA 修改符对键执行字母排序并通过模式搜索 SORT user:ids BY nosort GET user:*-name ALPHA优点
在获取排序结果的同时能进行模式匹配。可以通过操作列表、集合或有序集合中的元素来实现更复杂的搜索。
缺点
只适用于字符串类型的元素。依赖于存储数据的Redis数据结构类型。需要预先知道键的部分名称。ALPHA 修改符用于符合字母排序。适用于数据结构是列表、集合或有序集合。
4. 自定义数据结构和算法
在某些情况下可以自己设计如前缀树Trie等复杂的数据结构来实现模糊搜索可能需要额外在 Redis 之外实现数据结构逻辑。
优点
高度可定制可以为特定场景构建索引。 提供排序范围查询等复杂操作。
缺点
复杂性增加需要维护代码和逻辑。 需要额外的存储空间来维护索引。
5. Redis Modules
RediSearch它是一个建立在 Redis 之上的全文搜索引擎模块能够提供先进的搜索功能。
优点
提供全面的搜索功能包括模糊匹配、全文搜索、复杂的查询语法等。 性能优化专为搜索场景设计。
缺点
需要额外安装和维护redisseach模块。 可能增加系统的复杂性。
6. 利用 Lua 脚本
可以编写 Lua 脚本来定制模糊搜索的行为比如对集合进行一些过滤和处理后返回结果。
优点
高度可定制。 服务器端执行节省网络传输成本。
缺点
没有内置的文字匹配功能需要编写逻辑。 特点
7. 利用集合和哈希的特性
有时候可以通过将项存储为集合SET成员或哈希HASH字段来实现限定的匹配。
优点
只适用于精确匹配。
缺点
需要巧妙地设计键的模式以实现模糊匹配的需求~~ 。
总结
每种模糊搜索方式都有其适用范围与限制。通常KEYS 和 SCAN 更适合于键名的搜索而 RediSearch 等模块则为内容搜索提供了更加专业的解决方案。在选择合适的搜索方法时开发者应该考虑数据集的大小性能需求以及搜索复杂性。 特点
总结
Redis本身并不是java语言实现的这里其实面试题还有很多尝试的去理解就好了 比如多路IO复用为什么是单线程存在疑问仅仅是某一点使用了单线程分析一下其好处和坏处等等诸多奇怪的问题目的是什么呢增加门槛高度。
