redis计数器 redis计数器的案例

5种数据类型

ZRANGE

Redis支持5种数据类型：string（字符串），hash（哈希），list（列表），set（）及zset(sorted set：有序)。

redis计数器 redis计数器的案例

redis计数器 redis计数器的案例

简单使用举例: set key value、get key等

应用场景：共享session、分布式锁，计数器、限流。

② 哈希类型是指v（值）本身又是一个键值对（k-v）结构

简单使用举例：hset key field value 、hget key field

内部编码：ziplist（压缩列表） 、hashtable（哈希表）

应用场景：缓存用户信息等。

③ Redis list 列表是简单的字符串列表，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）。

底层双向链表，可以通过push和pop作从列表的头部或者尾部添加或者删除元素，这样List即可以作为栈，也可以作为队列

lpush+由于目前Redis的主从还不够成熟，所以存在明显的单点故障问题，这个目前只能自己做方案解决，如：主动，Proxy实现Sle对Master的替换等，这个也是Redis作者目前比较优先的任务之一，作者的解决方案思路简单优雅，详情可见 Redis Sentinel design draftlpop=Stack（栈）

lpush+rpop=Queue（队列）

④ Redis set是string类型的无序。不包含重复元素

⑤ Redis zset 和 set 一样也是string类型元素的,且不允许重复的成员。但sorted set可以通过用户额外提供一个优先级(score)的参数来为成员排序，并且是插入有序的，即自动排序。

Redis sorted set的内部使用ziplist或跳表，跳表组合了skiplist和hash,HashMap里放的是成员到score的映射，而跳表里存放的是所有的成员,

跳表就是在链表的基础上，增加多级索引提升查找效率。

跳表支持平均个人觉得应该站出来更正一下，相反的数据量大，更不应该用redis。 O（logN）,最坏 O（N）复杂度的查找，还可以通过顺序性作批量处理。

Redis过期时间

最常用的一种使用Redis的情景是会话缓存（session cache）。用Redis缓存会话比其他存储（如Memcached）的优势在于：Redis提供持久化。当维护一个不是严格要求一致性的缓存时，如果用户的购物车信息全部丢失，大部分人都会不高兴的，现在，他们还会这样吗？

1.0.0版本后可用

需要为锁加上超时时间；

时间复杂度： O(1)

2.存储结构

给一个 key 设置超时时间。在一个超时时间结束后，这个键将会被自动删除。一个拥有关联过期时间的键在Redis术语里通常被认为 不稳定的 。

只有删除或者覆盖键的内容的命令，包括 DEL , SET , GETSET 和所有的 STORE 命令，才会把过期时间清除。这意味着从理论上讲，所有改变键上存储的值而不是使用新的值来替换的作，都将会保持过期时间不变。例如，使用 INCR 增加一个键的值，使用 LPUSH 讲一个新的值放到列表中，或者使用 HSET 改变一个哈希的字段的值都将会使过期时间保持不变。

使用 PERSIST 命令将一个键变成持久化的键，过期时间也会被清除。

如果一个键被 RENAME 重命名，关联的生存时间将会被转移到新的键名上。

如果一个键被 RENAME 重命名，就像在一个已经存在的键 Key_A ，它被一个调用 RENAME Key_B Key_A 所覆盖，原始的 Key_A 是否关联过期时间是没关系的，新的键 Key_A 将会继承 Key_B 的所有特征。

注意，使用负数调用 EXPIRE / PEXPIRE ，或者使用过去的时间调用 EXPIREAT / PEXPIREAT 将会使键被删除，而不是过期(相应的，弹出的 key nt 将会是 del ，而不是 expired )。

可以使用一个已经有过期时间集的键作为参数来调用 EXPIRE 。在这种情况下，一个键的生存时间已经 更新 为一个新值。对此很多应用，下面的 Nigation session 模式一节记录了一个例子。

在Redis 2.1.3之前的版本中，使用一个命令改变一个拥有过期时间的键的值，效果跟移除这个键一样。这种语义是必须的，因为层的限制现在已经确定了。

EXPIRE 将会返回0，并且不会使用一个过期时间来改变一个键的过期时间。

特别的 返回数字 ：

redis> SET mykey "Hello"

redis> EXPIRE mykey 10

redis>

想象你有一个网页服务，并且你对用户最近访问的N个页面有兴趣，这样每个临近的页面视图的执行时间不会超过前一个页面视图执行的60秒。理论上来讲，你可以认为用户访问的页面为 Nigation session ，其中就可以包含用户在寻找哪些他或她感兴趣的产品信息，因此你可以关联的产品。

你可以非常容易的使用下面的策略在Redis中建模这种类型：每次用户访问一个页面你就调用下面的命令：

如果用户闲置超过60秒，这个键将会被删除，只有访问时间值小于60秒的页面才会被记录。

这个模式可以很容易的修改为使用 INCR 做计数器来替代使用 RPUSH 的列表。

通常情况下创建Redis的键时不关联生存时间。这个键将会简单的一直生存，除非用户显示的删除它，例如使用 DEL 命令。

EXPIRE 家族命令能够把一个过期时间关联到一个给定的键，代价是这个键会使用额外的内存。当一个键设置了过期时间，Redis将会确保当指定的时间过去之后移除这个键。

一个键的生存时间可以被 EXPIRE 命令更新，或者被 PERSIST 命令完全移除(或其他严格相关的命令)。

在Redis2.4版本中，过期时间可能不是非常的，并且它可能是在0到1秒之间的出入。从Redis2.6版本开始，过期时间误是从0到1毫秒。

键的过期信息以的Unix时间戳形式保存(Redis2.6以及更新的版本毫秒内)。这意味着甚至当Redis实例未启动时时间就流走了。

为了过期时间能工作的很好，计算机时间必须保持稳定。如果你从两个时钟巨大不同步的计算机上移动一个RDB文件，有趣的事情将会发生(像所有的键在加载时变成过期)。

实际上运行中的实例将一直会检查计算机的时钟，举例来说，如果你给一个键设置1000秒的生存时间，然后在未来将你的计算机设置在2000秒以后，这个键将会立即失效，而不是持续1000秒。

Redis键将会通过两种方式过期：一个被动的方式，和一个主动的方式。

一个键的被动过期是很简单的，当一些客户端尝试访问它，然后这个键被发现超时了。

当然，这是不够的，因为有一些键将永远不会被再次访问。这些键无论如何都应该被过期。所以，Redis会定期的在过期的中随机范围内测试少量的键。所有的已过期的键将会被从键空间被删除。

这就是Redis会在每秒做10次的事情：

这是一个小概率的算法，基本的设想是我们的样本代表整个键空间，然后我们继续失效直到将要失效的键百分比小于25%。

这意味着在任何一个时刻，正在使用内存的已经过期的数量的键等于每秒写作数量除以4.

为了获得正确的行为而不牺牲一致性，当一个键失效， DEL 作会同时在AOF文件和附属的副执行。这种方式失效进程是在主实例集中的，也不会出现一致性错误。

然而，当副本已经连接到主后将不会的失效键(但将会等待来自主的 DEL )，他们仍将会获取数据集中的全部过期状态，所以当一个副本被选举为主后，它将能够的失效这些键，完全像一个主。

Redis可以用来做数据库吗？

只用Redis作为数据库时，使用时确实很爽，突然来个新需求、数据突然暴增、数据架构迁移的时候就给跪了。

Redis是key-value数据库，面对key的内存搜索，优势明显。

大部分还是要和其他持久化数据库合作使用，就只redisdb = redRDS_HOST = '47.93.112.119', //IPis.create(RDS_PORT, RDS_HOST, RDS_OPTS);//创建连接来说几个注意的场景：

1、Redis-RDB半持久化模式下，非实时，如果一旦断电，丢失一些数据，程序能不能接受、兼容？

2、Redis主要是Key的查询，对于复杂的数据结构，需要其他sql是不是更爽？需要其他关联查询？

3、Redis吃的是纯内存，跟磁盘相比，成本也要计算在内？

4、是否需要支持像银行存取款级别的事务？

5、数据总有“冷”、“热”之分，10亿的冷数据都放Redis显然浪费资源。

性能、成本、可靠性，最终是一个权衡的问题。

Redis 已经发展了 2 年多，很多团队已经验证了它是一个靠谱的数据库。 但是它并不通用，使用场景是有限的。

知乎日报的基础数据和统计信息是用 Redis 存储的，这使得请求的平均响应时间能在 10ms 以下。 其他数据仍然需要存放在另外的地方，其实完全用 Redis 也是可行的，主要的考量是内存占用。 就使用经验而言，Redis 的数据结构很丰富，精心设计地话，能满足很多应用场景。至少很多时候比 MySQL 更方便。 更重要的是，它很 coo相关API：l，开发时有新鲜感。

redis是目前公认的速度最快的基于内存的键值对数据库，但redis的缺点也非常明显，仅提供最基本的hash set, list, sorted set等基于数据类型，不分表，没有schema，没有索引，没有外键，缺少int/date等基本数据类型，多条件查询需要通过内联(sinter,zinterstore)和连接间接实现，作不便，开发效率低，可维护性不佳； 因此一般不将其视为完整的数据库单独使用，很多网站将redis作为高速缓存和session状态存储层，然后再与其他数据库搭配使用。

但是我们的开源博客和网站系统 newghost/ourjs · GitHub v0.1.x，后台数据库就采用了Redis，为了克服Redis作不便的问题，我们还设计了redblade， 只要事先定好schema，就能像mongodb那样作redis，自动帮你创建index/ keyword等索引；

至于内存限制，有很多第三方的Redis集群工具可以帮你把它扩展成一个内存无限大的数据库。

Redis（安装方法 ）数据库采用极简的设计思想，版的源码包还不到2Mb。其在使用上也有别于一般的数据库。

Redis的一个Key不仅可以对应一个String类型的值，还支持hashes, lists, sets, sorted sets, bitmaps等。

php redis Hash 怎么通过 一个指定的value 查找到对应的 key 值

appendfsync rysec

phpredis是php的一个扩展，效率是相当高有链表排序功能，对创建内存级的模块业务关系很有用;

如果对系统存储使用的数据以两种角度分类，一种是按数据的大小划分，分成大数据和小数据，另一种是按数据的冷热程度划分，分成冷数据和热数据，热数据是指读或写比较频繁的数据，反之则是冷数据。

大体而言，Redis 最适合处理的是小而热，而且是写频繁，或者读写都比较频繁的热数据。对于大而热的数据，如果其它方式很难解决问题，也可以考虑使用 Redis 解决，但是一定要非常谨慎，防止数据无限膨胀。原因如下：

首先，对于冷数据，无论大小，都不建议放在 Redis 中。Redis 数redis> SET mykey "Hello World"据要全部放在内存中，资源宝贵，把冷数据放在其中实在是一种浪费，冷数据放在普通的存储比如关系数据库中就好了。

其次，对于热数据，尤其是写频繁的热数据，如果量比较小，是最适合放到 Redis 中的。比如上面提到的网站总的注册用户数，就是典型的 Redis 用做计数器的例子。再比如发表列表，报名列表，可以控制数量在几百到一千的规模，也是典型的 redis 做列表的使用方式。

另外，对于量比较大的热数据（或者冷热不均数据），使用 Redis 时一定要比较谨慎。这种类型数据很容易引起数据膨胀，导致 Redis 消耗内存巨大，让系统难以承受。薄荷的一个惨痛教训是把用户关注（以及被关注）数据放在 Redis 中，这是一种数据量极大，冷热很不均衡的数据，在几百万的用户级别就占用了近 10 GB左右内存，让 Redis 变得难以应付。应对这种类型的数据，可以用普通存储 + 缓存的方式。

如果用对了地方，比如在小而热的数据情形，Redis 表现很棒，如果用错了地方，Redis 也Redis在内存中对数字进行递增或递减的作实现的非常好。（Set）和有序（Sorted会带来昂贵的代价，所以使用时务必谨慎。

redis怎么实现持久化

很关键的一段配置，这时RDB持久化的核心。意思是：

redis作为当下web编程必不可少的服务，它的特点的是显而易见，相对memcached而言，做缓存，重启数据不丢失，非常好用。那么问题来了，它是怎么做到的呢？

而令牌桶在应对突击流量的时候，可以更加的“激进”。

RDB

RDB就是持久化的一种手段，把内存中数据在某些条件下写到磁盘中去。那么在哪些条件下写入呢？不可能无脑写入，来一个写一个，影响性能，也不能等老半天才写一个，万一中间宕机了，数据全丢失，还不如用memcached。在redis的配置里有着这样的一段配置：

se 900 1

se 300 10

se 60 10000

1.如果900秒时，有1个key变化（插入或者当一次业务处理结束后再删除redis的数据即可。更新），我就同步到磁盘一下

2.如果300秒时，有10个key变化（插入或者更新），我就同步到磁盘一下

3.如果60秒时，有10000个key变化（插入或者更新），我就同步到磁盘一下

这些时间点和变化的数量是怎么知道的，这时有另外两个极为关键的东西，一个叫dirty计数器，一个叫lastse（上次se的时间），dirty计数器专门记录从上次se后变化key的数量，lastse记录执行se的时间，举个例子刚开始时间是time1，dirty是0，这时有20个key发生了变化，dirty是20，然后现在的时间是time2，time2-time1 >= 300,满足第二个条件，这时内存中的数据会se一下，同时dirty清为0，然后再等待条件触发。

如果我60秒内有10万个key，那么问题来了，一下大量磁盘io来临，这时redis主进程就会阻塞，期间的所有的命令都不执行，这哪能行，于是就来了一个叫bgse的，它是redis主进程fork出来的一个子进程，专门执行rdb的持久化工作的。

保存的文件格式是二进制格式的，万一数据库宕机，恢复不需要人为干预，redis会自动读取磁盘文件。

AOF

与RDB不同，AOF存储的是你执行的命令，当aof功能打开的时候，执行的更新命令不会直接写到aof文件中去，而是先写到一个aof buf中，我们知道不能一直往buf中写，buf也是内存啊，那么何时才能同步到磁盘中去呢？redis中也有这样一段配置

appendfsync always

appendfsync no

意思是：

1.只要有更新的命令我就同步

2.如果上次同步时间距离现在超过一秒就同步

3.不同步，等待作系统自己判断（什么时候我有空我才同步）

分析下，种io频繁，io压力大，但丢失数据的概率最小，第二种io压力不是很大，最多也就丢失1秒左右的数据，第三中io压力很小，丢失数据概率太大。综合考虑，一般第二种。但还有个问题，我执行了100次INCR num，按道理num就是100，aof中也有100个同样的命令，没毛病，那么请问执行100次INCR num和SET num 100有什么区别，同样的结果前者多了99倍的空间，很浪费啊，于是就出现了AOF重写，它是怎么做到的。很简单：首先从数据库读取现在的值，然后用一条记录代替，这就是AOF重写的原理。重写很花时间，所以也是子进程来处理。重写的过程中，如果有新的命令来临怎么办，老办法，写buf缓冲，重写完成后，把buf中的命令追加到新的aof中，然后用新的aof替代老的aof，就实现了重写。

本文来自redis教程，欢迎学习。

数据多的时候为什么要使用redis而不用mysql？

因为redis是内存型数据库啊，是放在内存里的。

通常来说，当数据多、并发量大的时候，架构中可以引入Redis，帮助提升架构的整体性能，减少Mysql(或其他数据库)的压力，但不是使用Redis，就不用MySQL。

}function clear(key)

因为Redis的性能十分优越，可以支持每秒十几万此的读/写作，并且它还支持持久化、集群部署、分布式、主从同步等，Redis在高并发的场景下数据的安全和一致性，所以它经常用于两个场景：

缓存

我们经常采用这样的方式将数据刷到Redis中：查询的请求过来，现在Redis中查询，如果查询不到，就查询数据库拿到数据，再放到缓存中，这样第二次相同的查询请求过来，就可以直接在Redis中拿到数据；不过要注意【缓存穿透】的问题。

缓存的刷新会比较复杂，通常是修改完数据库之后，还需要对Redis中的数据进行作；代码很简单，但是需要保证这两步为同一事务，或最终的事务一致性。

高速读写

常见的就是计数器，比如一篇文章的阅读量，不可能每一次阅读就在数据库里面update一次。

高并发的场景很适合使用Redis，比如双11秒杀，库存一共就一千件，到了秒杀的时间，通常会在极为短暂的时间内，有数万级的请求达到，如果使用数据库的话，很可能在这一瞬间造成数据库的崩溃，所以通常会使用Redis（秒杀的场景会比较复杂，Redis只是其中之一，例如如果请求超过某个数量的时候，多余的请求就会被限流）。

这种高并发的场景，是当请求达到的时候，直接在Redis上读写，请求不会访问到数据库；程序会在合适的时间，比如一千件库存都被秒杀，再将数据批量写到数据库中。

所以通常来说，在必要的时候引入Redis，可以减少MySQL（或其他）数据库的压力，两者不是替代的关系 。

我将持续分享Ja开发、架构设计、程序员职业发展等方面的见解，希望能得到你的关注。

Redis和MySQL的应用场景是不同的。

通常来说，没有说用Redis就不用MySQL的这种情况。

因为Redis是一种非关系型数据库（NoSQL），而MySQL是一种关系型数据库。

和Redis同类的数据库还有MongoDB和Memchache（其实并没有持久化数据）

那关系型数据库现在常用的一般有MySQL，SQL ，Oracle。

我们先来了解一下关系型数据库和非关系型数据库的区别吧。

1.存储方式

关系型数据库是表格式的，因此存储在表的行和列中。他们之间很容易关联协作存储，提取数据很方便。而Nosql数据库则与其相反，他是大块的组合在一起。通常存储在数据集中，就像文档、键值对或者图结构。

关系型数据库对应的是结构化数据，数据表都预先定义了结构（列的定义），结构描述了数据的形式和内容。这一点对数据建模至关重要，虽然预定义结构带来了可靠性和稳定性，但是修改这些数据比较困难。而Nosql数据库基于动态结构，使用与非结构化数据。因为Nosql数据库是动态结构，可以很容易适应数据类型和结构的变化。

3.存储规范

关系型数据库的数据存储为了更高的规范性，把数据分割为最小的关系表以避免重复，获得精简的空间利用。虽然管理起来很清晰，但是单个作设计到多张表的时候，数据管理就显得有点麻烦。而Nosql数据存储在平面数据集中，数据经常可能会重复。单个数据库很少被分隔开，而是存储成了一个整体，这样整块数据更加便于读写

4.存储扩展

这可能是两者之间的区别，关系型数据库是纵向扩展，也就是说想要提高处理能力，要使用速度更快的计算机。因为数据存储在关系表中，作的性能瓶颈可能涉及到多个表，需要通过提升计算机性能来克服。虽然有很大的扩展空间，但是最终会达到纵向扩展的上限。而Nosql数据库是横向扩展的，它的存储天然就是分布式的，可以通过给资源池添加更多的普通数据库来分担负载。

5.查询方式

关系型数据库通过结构化查询语言来作数据库（就是我们通常说的SQL）。SQL支持数据库CURD作的功能非常强大，是业界的标准用法。而Nosql查询以块为单元作数据，使用的是非结构化查询语言（UnQl），它是没有标准的。关系型数据库表中主键的概念对应Nosql中存储文档的ID。关系型数据库使用预定义优化方式（比如索引）来加快查询作，而Nosql更简单更的数据访问模式。

6.事务

关系型数据库遵循ACID规则（原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)、持久性(Durability)），而Nosql数据库遵循BASE原则（基本可用（Basically Availble）、软/柔性事务（Soft-state ）、最终一致性（Eventual Consistency））。由于关系型数据库的数据强一致性，所以对事务的支持很好。关系型数据库支持对事务原子性细粒度控制，并且易于回滚事务。而Nosql数据库是在CAP（一致性、可用性、分区容忍度）中任选两项，因为基于的分布式系统中，很难全部满足，所以对事务的支持不是很好，虽然也可以使用事务，但是并不是Nosql的闪光点。

7.性能

关系型数据库为了维护数据的一致性付出了巨大的代价，读写性能比较。在面对高并发读写性能非常，面对海量数据的时候效率非常低。而Nosql存储的格式都是key-value类型的，并且存储在内存中，非常容易存储，而且对于数据的 一致性是 弱要求。Nosql无需sql的解析，提高了读写性能。

8.授权方式

大多数的关系型数据库都是付费的并且价格昂贵，成本较大（MySQL是开源的，所以应用的场景最多），而Nosql数据库通常都是开源的。

所以，在实际的应用环境中，我们一般会使用MySQL存储我们的业务过程中的数据，因为这些数据之间的关系比较复杂，我们常常会需要在查询一个表的数据时候，将其他关系表的数据查询出来，例如，查询某个用户的订单，那至少是需要用户表和订单表的数据。

而在这样的使用场景中，我们使用Redis来存储的话，也就是KeyValue形式存储的话，其实并不能满足我们的需要。

即使Redis的读取效率再高，我们也没法用。

但，对于某些没有关联少，且需要高频率读写，我们使用Redis就能够很好的提高整个体统的并发能力。

例如商品的库存信息，我们虽然在MySQL中会有这样的字段，但是我们并不想MySQL的数据库被高频的读写，因为使用这样会导致我的商品表或者库存表IO非常高，从而影响整个体统的效率。

所以，对于这样的数据，且有没有什么复杂逻辑关系（就只是隶属于SKU）的数据，我们就可以放在Redis里面，下单直接在Redis中减掉库存，这样，我们的订单的并发能力就能够提高了。

为什么？

设想一下，如你的电脑100G的资料，都用redis来存储，那么你需要100G以上的内存！

使用场景

Redis最明显的用例之一是将其用作缓存。只是保存热数据，或者具有过期的cache。

总之，没有见过哪个大公司数据量大了，换掉mysql用redis的。

BAT里越来越多的项目组已经采用了redis+MySQL的架构来开发平台工具。

如题主所说，当数据多的时候，MySQL的查询效率会大打折扣。我们通常默认如果查询的字段包含索引的话，返回是毫秒级别的。但是在实际工作中，我曾经遇到过一张包含10个字段的表，1800万+条数据，当某种场景下，我们不得不根据一个未加索引的字段进行查询的时候，单条sql语句的执行时长有时能够达到2min以上，就更别提如果用like这种模糊查询的话，其效率将会多么低下。

我们最开始是希望能够通过增加索引的方式解决，但是面对千万级别的数据量，我们也不敢贸然加索引，因为一旦数据库hang住，期间的所有数据库写入请求都会被放到等待队列中，如果请求是通过请求发过来的，很有可能导致服务发生分钟级别的超时不响应。

经过一番调研，最终敲定的解决方案是引入redis作为缓存。redis具有运行效率高，数据查询速度快，支持多种存储类型以及事务等优势，我们把经常读取，而不经常改动的数据放入redis中，读取这类数据的时候时候，直接与redis通信，极大的缓解了MySQL的压力。

然而，我在上面也说了，是redis+MySQL结合的方式，而不是替代。原因就是redis虽然读写很快，但是不适合做数据持久层，主要原因是使用redis做数据落盘是要以效率作为代价的，即每隔制定的时间，redis就要去进行数据备份/落盘，这对于单线程的它来说，势必会因“分心”而影响效率，结果得不偿失。

楼主你好，首先纠正下，数据多并不是一定就用Redis，Redis归属于NoSQL数据库中，其特点拥有高性能读写数据速度，主要解决业务效率瓶颈。下面就详细说下Redis的相比MySQL优点。（ 关于Redis详细了解参见我近期文章： ）

读写异常快

Redis非常快，每秒可执行大约10万次的读写速度。

丰富的数据类型

原子性

Redis的所有作都是原子作，这确保如果两个客户端并发访问，Redis能接收更新的值。

丰富实用工具 支持异机主从

Redis支持主从的配置，它可以实现主的完全拷贝。

以上为开发者青睐Redis的主要几个可取之处。但是，请注意实际生产环境中企业都是结合Redis和MySQL的特定进行不同应用场景的取舍。 如缓存——热数据、计数器、消息队列（与ActiveMQ，RocketMQ等工具类似）、位作（大数据处理）、分布式锁与单线程机制、列表（如列表页面的列表）以及排行榜等等 可以看见Redis大显身手的场景。可是对于严谨的数据准确度和复杂的关系型应用MySQL等关系型数据库依然不可替。

web应用中一般采用MySQL+Redis的方式，web应用每次先访问Redis，如果没有找到数据，才去访问MySQL。

本质区别

1、mysql：数据放在磁盘 redis：数据放在内存。

首先要知道mysql存储在磁盘里，redis存储在内存里，redis既可以用来做持久存储，也可以做等等？缓存，而目前大多数公司的存储都是mysql + redis，mysql作为主存储，redis作为辅助存储被用作缓存，加快访问读取的速度，提高性能。

使用场景区别

1、mysql支持sql查询，可以实现一些关联的查询以及统计；

2、redis对内存要求比较高，在有限的条件下不能把所有数据都放在redis；

3、mysql偏向于存数据，redis偏向于快速取数据，但redis查询复杂的表关系时不如mysql，所以可以把热门的数据放redis，mysql存基本数据。

mysql的运行机制

mysql作为持久化存储的关系型数据库，相对薄弱的地方在于每次请求访问数据库时，都存在着I/O作，如果反复频繁的访问数据库。：会在反复链接数据库上花费大量时间，从而导致运行效率过慢；第二：反复地访问数据库也会导致数据库的负载过高，那么此时缓存的概念就衍生了出来。

Redis持久化

由于Redis的数据都存放在内存中，如果没有配置持久化，redis重启后数据就全丢失了，于是需要开启redis的持久化功能，将数据保存到磁盘上，当redis重启后，可以从磁盘中恢复数据。redis提供两种方式进行持久化，一种是RDB持久化（原理是将Reids在内存中的数据库记录定时dump到磁盘上的RDB持久化），另外一种是AOF（append only file）持久化（原理是将Reids的作日志以追加的方式写入文件）。

redis是放在内存的~！

数据量多少不是选择redis和mysql的准则，因为无论是mysql和redis都可以集群扩展，约束它们的只是硬件(即你有没有那么多钱搭建上千个组成的集群)，我个人觉得数据读取的快慢可能是选择的标准之一，另外工作中往往是两者同是使用，因为mysql存储在硬盘，做持久化存储，而redis存储在内存中做缓存提升效率。

关系型数据库是必不可少的，因为只有关系型数据库才能提供给你各种各样的查询方式。如果有一系列的数据会频繁的查询，那么就用redis进行非持久化的存储，以供查询使用，是解决并发性能问题的其中一个手段

ja web开发缓存方案，ehcache和redis哪个更好

volatile-random：从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰

Redis的作者Salvatore SRedis支持丰富的数据类型，有二进制字符串、列表、、排序集和散列等等。这使得Redis很容易被用来解决各种问题，因为我们知道哪些问题可以更好使用地哪些数据类型来处理解决。anfilippo曾经对这两种基于内存的数据存储系统进行过比较：

4). Redis主从的性能问题，为了主从的速度和连接的稳定性，Sle和Master在同一个局域网内

Redis支持端的数据作：Redis相比Memcached来说，拥有更多的数据结构和并支持更丰富的数据作，通常在Memcached里，你需要将数据拿到客户端来进行类似的修改再set回去。这大大增加了网络IO的次数和数据体积。在Redis中，这些复杂的作通常和一般的GET/SET一样高效。所以，如果需要缓存能够支持更复杂的结构和作，那么Redis会是不错的选择。

内存使用效率对比：使用简单的key-value存储的话，Memcached的内存利用率更高，而如果Redis采用hash结构来做key-value存储，由于其组合式的压缩，其内存利用率会高于Memcached。

性能对比：由于Redis只使用单核，而Memcached可以使用多核，所以平均每一个核上Redis在存储小数据时比Memcached性能更高。而在100k以上的数据中，Memcached性能要高于Redis，虽然Redis最近也在存储大数据的性能上进行优化，但是比起Memcached，还是稍有逊色。

分布式解决方案之：限流

限流在日常生活中限流很常见，例如去有些景区玩，每天售卖的门票数是有限的，例如 2000 张，即每天最多只有 2000 个人能进去游玩。那在我们工程上限流是什么呢？限制的是 「流」，在不同场景下「流」的定义不同，可以是 每秒请求数、每秒事务处理数、网络流量 等等。通常意义我们说的限流指代的是限制到达系统的并发请求数，使得系统能够正常的处理部分用户的请求，来保证系统的稳定性。

日常的业务上有类似秒杀活动、双十一大促或者突发等场景，用户的流量突增，后端服务的处理能力是有限的，如果不能处理好突发流量，后端服务很容易就被打垮。另外像爬虫之类的不正常流量，我们对外暴露的服务都要以恶意为前提去防备调用者。我们不清楚调用者会如何调用我们的服务，设某个调用者开几十个线程一天二十四小时疯狂调用你的服务，如果不做啥处理咱服务基本也玩完了，更胜者还有ddos攻击。

对于很多第三方开放平台来说，不仅仅要防备不正常流量，还要保证资源的公平利用，一些接口资源不可能一直都被一个客户端占着，也需要保证其他客户端能正常调用。

计数器限流也就是最简单的限流算法就是计数限流了。例如系统能同时处理 100 个请求，保存一个计数器，处理了一个请求，计数器就加一，一个请求处理完毕之后计数器减一。每次请求来的时候看看计数器的值，如果超过阈值就拒绝。计数器的值要是存内存中就算单机限流算法，如果放在第三方存储里（例如Redis中）集群机器访问就算分2. redis相比memcached有哪些优势？布式限流算法。

一般的限流都是为了限制在指定时间间隔内的访问量，因此还有个算法叫固定窗口。

它相比于计数限流主要是多了个时间窗口的概念，计数器每过一个时间窗口就重置。规则如下：

这种方式也会面临一些问题，例如固定窗口临界问题：设系统每秒允许 100 个请求，设个时间窗口是 0-1s，在第 0.55s 处一下次涌入 100 个请求，过了 1 秒的时间窗口后计数清零，此时在 1.05 s 的时候又一下次涌入100个请求。虽然窗口内的计数没超过阈值，但是全局来看在 0.55s-1.05s 这 0.1 秒内涌入了 200 个请求，这其实对于阈值是 100/s 的系统来说是无法接受的。

为了解决这个问题，业界又提出另外一种限流算法，即滑动窗口限流。

滑动窗口限流解决固定窗口临界值的问题，可以保证在任意时间窗口内都不会超过阈值。相对于固定窗口，滑动窗口除了需要引入计数器之外还需要记录时间窗口内每个请求到达的时间点，因此对内存的占用会比较多。

规则如下，设时间窗口为 1 秒：

但是滑动窗口和固定窗口都无法解决短时间之内集中流量的冲击问题。 我们所想的限流场景是： 每秒限制 100 个请求。希望请求每 10ms 来一个，这样我们的流量处理就很平滑，但是真实场景很难控制请求的频率，因为可能就算我们设置了1s内只能有100个请求，也可能存在 5ms 内就打满了阈值的情况。当然对于这种情况还是有变型处理的，例如设置多条限流规则。不仅限制每秒 100 个请求，再设置每 10ms 不超过 2 个，不过带来的就是比较的用户体验。

而漏桶算法，可以解决时间窗口类的痛点，使得流量更加平滑。

如下图所示，水滴持续滴入漏桶中，底部定速流出。如果水滴滴入的速率大于流出的速率，当存水超过桶的大小的时候就会溢出。

规（2）全页缓存（FPC）则如下：

水滴对应的就是请求。

与线程池实现的方式方式如出一辙。

面对突发请求，服务的处理速度和平时是一样的，这并非我们实际想要的。我们希望的是在突发流量时，在保证系统平稳的同时，也要尽可能提升用户体验，也就是能更快地处理并响应请求，而不是和正常流量一样循规蹈矩地处理。

令牌桶其实和漏桶的原理类似，只不过漏桶是定速地流出，而令牌桶是定速地往桶里塞入令牌，然后请求只有拿到了令牌才能通过，之后再被处理。

当然令牌桶的大小也是有限制的，设桶里的令牌满了之后，定速生成的令牌会丢弃。

规则：

令牌桶的原理与JUC的Semaphore 信号量很相似，信号量可控制某个资源被同时访问的个数，其实和拿令牌思想一样，不同的是一个是拿信号量，一个是拿令牌。信号量用完了返还，而令牌用了不归还，因为令牌会定时再填充。

对比漏桶算法可以看出 令牌桶更适合应对突发流量 ，如桶内有 100 个令牌，那么这100个令牌可以马上被取走，而不像漏桶那样匀速的消费。不过上面批量获取令牌也会致使一些新的问题出现，比如导致一定范围内的限流误，举个例子你取了 10 个此时不用，等}});下一秒再用，那同一时刻集群机器总处理量可能会超过阈值，所以现实中使用时，可能不会去考虑redis频繁读取问题，转而直接采用一次获取一个令牌的方式，具体采用哪种策略还是要根据真实场景而定。

1、计数器 VS 固定窗口 VS 滑动窗口

2、漏桶算法 VS 令牌桶算法

总的来说

单机限流和分布式限流本质上的区别在于 “阈值” 存放的位置，单机限流就是“阀值”存放在单机部署的服务/内存中，但我们的服务往往是集群部署的，因此需要多台机器协同提供限流功能。像上述的计数器或者时间窗口的算法，可以将计数器存放至 Redis 等分布式 K-V 存储中。又如滑动窗口的每个请求的时间记录可以利用 Redis 的 zset 存储，利用 ZREMRANGEBYSCORE 删除时间窗口之外的数据，再用 ZCARD 计数，

可以看到，每个限流都有个阈值，这个阈值如何定是个难点。定大了可能顶不住，定小了就“误杀”了，没有资源利用化，对用户体验不好。一般的做法是限流上线之后先预估个大概的阈值，然后不执行真正的限流作，而是采取日志记录方式，对日志进行分析查看限流的效果，然后调整阈值，推算出集群总的处理能力，和每台机子的处理能力(方便扩缩容)。然后将线上的流量进行重放，测试真正的限流效果，最终阈值确定，然后上线。

其实真实的业务场景很复杂，需要限流的条件和资源很多，每个资源限流要求还不一样。

一般而言，我们不需要自己实现限流算法来达到限流的目的，不管是接入层限流还是细粒度的接口限流，都有现成的轮子使用，其实现也是用了上述我们所说的限流算法。

具体的使用还是很简单的，有兴趣的同学可以自行搜索，对内部实现感兴趣的同学可以下个源码看看，学习下生产级别的限流是如何实现的。

限流具体应用到工程还是有很多点需要考虑的，并且限流只是保证系统稳定性中的一个环节，还需要配合降级、熔断等相关内容。

Redis使用bitmap、zset、hash、list等结构完成骚作？

题主你错了，不是用redis代替MySQL，而是引入redis来优化。

当同时满足以下条件时，使用ziplist编码：

此外，对WordPress的用户来说，Pantheon有一个非常好的插件

SpringBoot—实现n秒内出现x个异常报警

思路：

借助Redis的zSet，score存储的是异常时的时间戳，获取一定时间范围内的set。判断set个数是否满足条件，若满足条件则触发报警；

注意点：

Redis实现延迟队列方法介绍

基于Redis实现DelayQueue延迟队列设计方案

SpringBoot2.x—使用Redis的bitmap实现布隆过滤器（Gua中BF算法）

布隆过滤器： 是专门用来检测中是否存在特定元素的数据结构。

存在误率： 即将不在的元素误判在中。

所以布隆过滤器适合查询准确度要求没这么苛刻，但是对时间、空间效率比较高的场景。

实现方式：Redis实现布隆过滤器——借鉴Gua的BF算法：

SpringBoot2.x中使用Redis的bitmap结构（工具类）

注意：bitmap使用存在风险，若仅仅计算hash值，会导致bitmap占用空间过大。一般需要对hash值进行取余处理。

根据Redis是否存在key，判断锁是否被获取；

锁应该是一个对象，记录持有锁的线程信息、当前重入次数。所以应该使用Redis的Hash结构来存储锁对象。

3.1 网络波动造成释放锁失败怎么解决？

3.2 任务未执行完毕时，锁由于超时时间被释放？

线程一旦加锁成功，可以启动一个后台线程，每隔多少秒检查一次，如果线程还持有锁，可以不断延长锁的生存时间。

主从切换时，从上没有加锁信息，导致多个客户端同时加锁。

list结构底层是ziplist/quicklist（可看着一个双端队列）。常用命令：(1) 速度快，因为数据存在内存中，类似于HashMap，HashMap的优势就是查找和作的时间复杂度都是O(1)

使用list作为对象的缓存池。通过rpush放入对象，通过lpop取出对象。

Redis和Lua脚本(实现令牌桶限流)

数据结构选择hash。

hash里面维护：放入令牌时间、当前桶内令牌量、桶内数量、令牌放置速度（元数据）。

被动式维护：

命令：incr原子累加；

对一段固定时间窗口内的请求进行计数，如果请求数超过了阈值，则舍弃该请求；如果没有达到设定的阈值，则接受该请求，且计数加1。当窗口时间结束，重置计数器为0。

优点：实现简单，容易理解；

缺点：流量曲线可能不够平滑，有“突刺现象”。

1. 一段时间内（不超过时间窗口）系统服务不可用。 比如窗口大小1s，限流为100，恰好某个窗口第1ms来了100个请求，然后2ms-999ms请求都会被拒绝。这段时间用户会感觉系统服务不可用（即不够平滑）。

2. 窗口切换时可能会出现两倍于阈值流量的请求。 比如窗口大小1s，限流大小100，然后在某个窗口的第999ms有100个请求，窗口前期没有请求。所以这100个请求都会通过。然后下一个窗口的第1ms又来100个请求，然后全部通过。其实也是1ms内通过的200个请求。

命令：Redis的incr命令

是对固定窗口计数器的优化，解决的是切换窗口两倍阈值流量的场景。

具体解决方案是：将限流窗口分为多个小的限流窗口，各个限流窗口分别计数。当前时间大于窗口时间时，将头部的小窗口数据舍弃，尾部新增小窗口来处理新请求。

优点：本质上是对固定窗口的优化

redis是关系型数据库吗

4. MySQL里有2000w数据，redis中只存20w的数据，如何保证redis中的数据都是热点数据

不是。（4）为了保证效率数据都是缓存在内存中，它也可以周期性的把更新的数据写入磁盘或者把修改作写入追加的记录文件。

这些数据类型都支持push/pop、add/remove及取交集并集和集及更丰富的作，而且这些作都是原子性的。为了保证效率，数据都是缓存在内存中。

MySQL是关系型数据库,主要用于存放持久化数据,将数① :String是Redis最基础的数据结构类型，它是二进制安全的，可以存储数字，或者序列化的对象，值存储为512M据存储在硬盘中,读取速度较慢。

Redis是NOSQL,即非关系型数据库,也是缓存数据库,即将数据存储在缓存中,缓存的读取速度快,能够大大的提高运行效率,但是保存时间有限。

Redis和MySQL的区别：

1、类型上

从类型上来说,MySQL是关系型数据库,Redis是缓存数据库。

2、作用上

MySQL用于持久化的存储数据到硬盘,功能强大,但是速度较慢。

Redis用于存储使用较为频繁的数据到缓存中,读取速度快。

3、需求上

MySQL和Redis因为需求的不同,一般都是配合使用。

4、场景选型上

Redis和MySQL要根据具体业务场景去选型。

5、存放位置

数据存放位置MySQL:数据放在磁盘。

Redis:数据放在内存。

6、适合存放数据类型

Redis适合放一些频繁使用,比较热的数据,因为是放在内存中,读写速度都非常快,一般会应用在下面一些场景:排行榜、计数器、消息队列推送、好友关注、粉丝。