（四）Redis高级（删除策略、服务器配置、高级数据类型）

---

一、 删除策略

是一种加速运行速率的策略，目标就是为了减少无效key的存储或者为我们释放出有用的空间来，达到数据的快速操作与利用，但是配置这些策略时会占用内存空间同时也会消耗掉CPU的性能

（一）、Redis中的数据特征

Redis是一种内存级数据库，所有数据均存放在内存中，内存中的数据可以通过TTL指令获取其状态
 XX ：具有时效性的数据
 -1 ：永久有效的数据
 -2 ：已经过期的数据 或 被删除的数据 或 未定义的数据

（二）、时效性数据的存储结构

数据通过EXPIRE、EXPIREAT、 PEXPIRE 、 PEXPIREAT 这四个指令可以设置过期时间，设置的name值有一个存储地址，把这个数据找到后 会开放一个空间expires，空间里放数据的存储地址和它的过期时间

（三）、数据删除策略的目标

在内存占用与CPU占用之间寻找一种平衡，顾此失彼都会造成整体redis性能的下降，甚至引发服务器宕机或内存泄露

（四）、数据删除策略

1. 定时删除

 创建一个定时器，当key设置有过期时间，且过期时间到达时，由定时器任务立即执行对键的删除操作
 优点：节约内存，到时就删除，快速释放掉不必要的内存占用
 缺点：CPU压力很大，无论CPU此时负载量多高，均占用CPU，会影响redis服务器响应时间和指令吞吐量
 总结：用处理器性能换取存储空间（拿时间换空间）

2. 惰性删除

 数据到达过期时间，不做处理。等下次访问该数据时， 如果未过期，返回数据
；发现已过期，删除，返回不存在
 优点：节约CPU性能，发现必须删除的时候才删除
 缺点：内存压力很大，出现长期占用内存的数据
 总结：用存储空间换取处理器性能 （拿时间换空间）

注意：在调取任何获取的数据的操作前，内部都会执行expirelfNeeded()函数去判断是否过期

3. 定期删除

 Redis启动服务器初始化时，读取配置server.hz（在server空间下，用info server就可以找到）的值，默认为10
 每秒钟执行server.hz次serverCron()–>databasesCron()–>activeExpireCycle()
server.hz的值是控制频度的，对服务器进行定时轮训， 轮训去对databases里面的每个库进行轮训，
 activeExpireCycle()对每个expires[]逐一进行检测，每次执行250ms/server.hz
 对某个expires[]检测时，随机挑选W个key检测
 如果key超时，删除key
 如果一轮中删除的key的数量>W25%，循环该过程
 如果一轮中删除的key的数量≤W25%，检查下一个expires[]，0-15循环
 W取值=ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP属性值
 参数current_db用于记录activeExpireCycle() 进入哪个expires[] 执行
 如果activeExpireCycle()执行时间到期，下次从current_db继续向下执行
总结：
 周期性轮询redis库中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频度
 特点1：CPU性能占用设置有峰值，检测频度可自定义设置
 特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理
 总结：周期性抽查存储空间
（随机抽查，重点抽查）

（五）、删除策略比对

1. 定时删除： 节约内存，无占用 、不分时段占用CPU资源，频度高、拿时间换空间
2. 惰性删除：内存占用严重、延时执行，CPU利用率高、拿空间换时间
3. 定期删除：内存定期随机清理、每秒花费固定的CPU资源维护内存、随机抽查，重点抽查

（六）、逐出算法（总共8种策略）

当新数据进入redis时，如果内存不足（redis中的数据都是永久存在时，删除策略就不起作用了）怎么办？

 Redis使用内存存储数据，在执行每一个命令前，会调用freeMemoryIfNeeded()检测内存是否充足。如
果内存不满足新加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据
的策略称为逐出算法。
 注意：逐出数据的过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行。当对所
有数据尝试完毕后，如果不能达到内存清理的要求，将出现错误信息。

(error) OOM command not allowed when used memory >'maxmemory'
1

1、影响数据逐出的相关配置

 最大可使用内存：maxmemory （占用物理内存的比例，默认值为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上）
 每次选取待删除数据的个数：maxmemory-samples（ 选取数据时并不会全库扫描，导致严重的性能消耗，降低读写性能。因此采用随机获取数据的方式作为待检测删除数据）
 删除策略：maxmemory-policy （ 达到最大内存后的，对被挑选出来的数据进行删除的策略）

 检测易失数据（可能会过期的数据集server.db[i].expires ）
① volatile-lru：挑选最近最少使用的数据淘汰
② volatile-lfu：挑选最近使用次数最少的数据淘汰
③ volatile-ttl：挑选将要过期的数据淘汰
④ volatile-random：任意选择数据淘汰
 检测全库数据（所有数据集server.db[i].dict ）
⑤ allkeys-lru：挑选最近最少使用的数据淘汰
⑥ allkeys-lfu：挑选最近使用次数最少的数据淘汰
⑦ allkeys-random：任意选择数据淘汰
 放弃数据驱逐
⑧ no-enviction（驱逐）：禁止驱逐数据（redis4.0中默认策略），会引发错误OOM（Out Of Memory）

2、数据逐出策略配置依据

 使用INFO命令输出监控信息，查询缓存 hit （命中次数）和 miss（丢失次数） 的次数，根据业务需求调优Redis配置

二、服务器配置-redis.conf配置

（一）服务器基础配置

1、对服务器端设定

 设置服务器以守护进程的方式运行：daemonize yes|no
 绑定可以访问的主机地址：bind 127.0.0.1 （只有绑定的ip可以访问）
 设置服务器端口号：port 6379
 设置数据库数量：databases 16

2、日志配置

 设置服务器以指定日志记录级别：loglevel debug|verbose|notice|warning
 日志记录文件名：logfile 端口号.log
注意：日志级别开发期设置为verbose即可，生产环境中配置为notice，简化日志输出量，降低写日志IO的频度

3、对客户端的配置

 设置同一时间最大客户端连接数，默认无限制。当客户端连接到达上限，Redis会关闭新的连接：maxclients 0
 客户端闲置等待最大时长，达到最大值后关闭连接。如需关闭该功能，设置为 0：timeout 300

4、多服务器快捷配置

在生产环境中可能会配置多个redis服务，但是他们的配置都差不多，所以可以先写个公共的配置文件，然后在自己的配置文件中用include引入就可以

 导入并加载指定配置文件信息，用于快速创建redis公共配置较多的redis实例配置文件，便于维护：include /path/server-端口号.conf

三、高级数据类型

(一)、Bitmaps

可以理解为：String中二进制位的操作接口，操作API有哪些

1、Bitmaps类型的基础操作

 获取指定key对应偏移量上的bit值：getbit key offset
 设置指定key对应偏移量上的bit值，value只能是1或0：setbit key offset value
注：
offfset：表示从什么位置改成值是什么，如setbit key 0 1 表示将key0位上的值改成1
偏移量：表示对应的位置offset）

2、Bitmaps类型的扩展操作

业务场景
电影网站
 统计每天某一部电影是否被点播
 统计每天有多少部电影被点播
 统计每周/月/年有多少部电影被点播
 统计年度哪部电影没有被点播
业务分析

通过电影的名称获取到它对应的id,将id作为偏移量直接去拿就可以了

 对指定key按位进行交、并、非、异或操作，并将结果保存到destKey中
bitop op destKey key1 [key2…]
 and：交
 or：并
 not：非
 xor：异或
 统计指定key中1的数量
bitcount key [start end]
Tips 21：
 redis 应用于信息状态统计

（二）、HyperLogLog

用途：统计不重复数据的数量

1、统计独立UV

 原始方案：set
 存储每个用户的id（字符串）

 改进方案：Bitmaps
 存储每个用户状态（bit）

 全新的方案：Hyperloglog
Hyperloglog是用来做基数统计的

2、基数

 基数是数据集去重后元素个数
 HyperLogLog 是用来做基数统计的，运用了LogLog的算法
例如：
{1, 3, 5, 7, 5, 7, 8} 基数集： {1, 3, 5 ,7, 8} 基数：5
{1, 1, 1, 1, 1, 7, 1} 基数集： {1,7} 基数：2

3、LogLog算法

4、HyperLogLog算法

5、LogLog算法底层

6、HyperLogLog类型的基本操作

 添加数据：pfadd key element [element …]
 统计数据：pfcount key [key …]
 合并数据：pfmerge destkey sourcekey [sourcekey…]
如：

Tips 22：
 redis 应用于独立信息统计

7、HyperLogLog相关说明

 用于进行基数统计，不是集合，不保存数据，只记录数量而不是具体数据
 核心是基数估算算法，最终数值存在一定误差
 误差范围：基数估计的结果是一个带有 0.81% 标准错误的近似值
 耗空间极小，每个hyperloglog key占用了12K的内存用于标记基数
 pfadd命令不是一次性分配12K内存使用，会随着基数的增加内存逐渐增大
 Pfmerge命令合并后占用的存储空间为12K，无论合并之前数据量多少

三、GEO

1、GEO类型的基本操作

 添加坐标点：geoadd key longitude latitude member [longitude latitude member …]
 获取坐标点：geopos key member [member …]
 计算坐标点距离：geodist key member1 member2 [unit]
 计算经纬度：geohash key member [member …]
注：
longitude:横坐标
latitude ：纵坐标
member：地点的名称（如饭店名）
unit：单位（m km等）
例如：

根据坐标求范围内的数据：
georadius key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]
根据点求范围内的数据：
georadiusbymember key member radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]

如：

Tips 23：
 redis 应用于地理位置计算