Java教程
【Java从0到架构师】Redis - 进阶（pipline、发布订阅、Bitmap、HyperLogLog、GEO）
本文主要是介绍【Java从0到架构师】Redis - 进阶（pipline、发布订阅、Bitmap、HyperLogLog、GEO），对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！
Redis 原理与实战
- Jedis 的基本使用
- Redis 数据淘汰策略
- Redis 进阶拓展
- pipline - 命令批处理，减少大量命令的网络开销，提高操作性能
- 发布订阅 - subscribe
- Bitmap - 一串连续的二进制数字（字符串），每一位所在的位置为偏移
- HyperLogLog - 一种基数统计算法
- GEO - 地理信息定位，存储经纬度，计算两地距离，计算范围
Java 从 0 到架构师目录：【Java从0到架构师】学习记录
一些概念：PV（Page View）访问量，UV（Unique Visitor）独立访客
Jedis 的基本使用
参考文章：Redis 笔记之 Java 操作 Redis（Jedis）
<dependencies>
<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>3.1.0</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.13</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<configuration>
<source>1.8</source>
<target>1.8</target>
</configuration>
</plugin>
</plugins>
</build>
Redis 数据淘汰策略
- lft：根据 key 的使用次数多少进行淘汰
- lru：根据 key 的最近使用时间进行淘汰
在 Redis 中，允许用户设置最大的内存大小（redis.conf 中配置）
maxmemory 1G maxmemory-policy noeviction
maxmemory-policy：
- volatile-lru 设定超时时间的数据中，删除最不常用的数据
- allkeys-lru 查询所有的 key 中最不常使用的数据进行删除
- volatile-random 在已经设定了超时的数据中随机删除
- allkeys-random 查询所有的 key 之后随机删除
- volatile-ttl 查询全部设定超时时间的数据，进行排序，删除即将过期的数据
- noeviction 默认策略，设置该属性，则不会进行删除操作，如果内存溢出则报错返回
- volatile-lfu 从所有配置了过期的时间的键中删除使用频率最少的键
- allkeys-lfu 从所有键中删除使用频率最少的键
Redis 进阶拓展
命令的执行流程：
pipline - 命令批处理，减少大量命令的网络开销，提高操作性能
pipline 应用：
-
多个命令之间可以并行执行，没有前后的关联关系
pipline 不保证原子性，只是将一堆命令发送过去执行；mset 这种命令是保证原子性的
-
需要批处理执行的操作，需要同时不同多个数据放到内存中
-
时间的消耗更多的是在网络层面， 在执行命令的时候需要的时间是 us（微秒）级别
代码实现：
public class JedisDemo {
private Jedis jedis = null;
@Before
public void init() throws Exception {
jedis = new Jedis("192.168.48.101", 6379);
}
@Test
public void testJedis() throws Exception {
jedis.flushAll();
Long start = System.currentTimeMillis(); // 获取开始时间
for (int i = 0; i < 100000; i++) {
jedis.set("name" + i, i + "");
}
Long end = System.currentTimeMillis(); // 获取结束时间
System.out.println(end - start);
jedis.close();
}
@Test
public void testPipeline() throws Exception {
jedis.flushAll();
Long start = System.currentTimeMillis(); // 获取开始时间
Pipeline pipelined = jedis.pipelined();
for (int i = 0; i < 100000; i++) {
pipelined.set("name" + i, i + "");
}
pipelined.sync();
Long end = System.currentTimeMillis(); // 获取结束时间
System.out.println(end - start);
jedis.close();
}
}
发布订阅 - subscribe
了解即可，实现发布订阅有专门的消息中间件
发布订阅中的角色：
- 发布者 publisher
- 订阅者 subscriber
- 频道 channel
# 订阅一个或多个频道 subscribe <channel> subscribe sohu:tv # 发布消息 publish <channel> <message> publish sohu:tv "hello world" # 取消订阅 unsubscirbe
测试案例：
- 生产者：
public class PublisherDemo {
private Jedis jedis = null;
@Before
public void init() throws Exception {
jedis = new Jedis("192.168.48.101", 6379);
}
@After
public void destroy() throws Exception {
jedis.close();
}
@Test
public void publish() throws Exception {
for (int i = 0; i < 100; i++) {
jedis.publish("channel02", "value" + i);
TimeUnit.MICROSECONDS.sleep(10);
}
}
}
- 消费者：
public class Subscriber {
private Jedis jedis = null;
@Before
public void init() throws Exception {
jedis=new Jedis("192.168.48.101", 6379);
}
@After
public void destroy() throws Exception {
jedis.close();
}
@Test
public void subscribe() throws Exception {
JedisPubSub jedisPubSub = new JedisPubSub(){
@Override
public void onMessage(String channel, String message) {
System.out.println("channel = " + channel);
System.out.println("message = " + message);
}
};
jedis.subscribe(jedisPubSub, "channel01", "channel02");
}
}
Bitmap - 一串连续的二进制数字（字符串），每一位所在的位置为偏移
Bitmap 是一串连续的 2 进制数字（0 或 1），每一位所在的位置为偏移 (offset)
setbit、getbit、bitcount：
# 设置指定的bit 127.0.0.1:6379> setbit qq:uv 1002 1 127.0.0.1:6379> setbit qq:uv 1003 1 # 获取指定位置的值, 返回1或者0 127.0.0.1:6379> getbit qq:uv 1003 (integer) 1 # bitcount: 统计值为1的个数 127.0.0.1:6379> BITCOUNT qq:uv (integer) 1
bitop：
# 对一个或多个 key 求逻辑与(默认和1)，并将结果保存到 destkey BITOP AND destkey key [key ...] 1# 对一个或多个 key 求逻辑或(默认和0)，并将结果保存到 destkey BITOP OR destkey key [key ...] # 对一个或多个 key 求逻辑异或，并将结果保存到 destkey BITOP XOR destkey key [key ...] # 对给定 key 求逻辑非，并将结果保存到 destkey BITOP NOT destkey key
bitpos：
# bitpos: 用来返回操作的索引位置 # 5:代表从第5个字节开始查找, 8:代表从第8个字节开始查找 127.0.0.1:6379> BITPOS qq:uv 1 5 8
应用：登陆用户数量统计，实现记录用户哪天进行了登录，每天只记录是否登录过，重复登录状态算已登录。不需要记录用户的操作行为，不需要记录用户上次的登录时间和 ip 地址.
比如现在有如下用户: id name 1 张三 3 李四 8 王五 # bitset key 偏移量 [0,1] # 李四登录了, 就记录李四今天登录了 bitset login_20191206 3 1 # 此时 bitmap 中存储如下: 00000000 00001000 # 王五登录了, 记录王五今天登陆了 bitset login_20191206 8 1 # 此时bitmap中存储如下: 00000001 00001000
代码实现：
- 初始化数据：
@Test
public void initData() throws Exception {
// 添加登录过的用户
jedis.setbit("user:login:20190919", 1, "1"); // 设置id为1的用户登录过
jedis.setbit("user:login:20190919", 8, "1"); // 设置id为8的用户登录过
jedis.setbit("user:login:20190919", 12, "1"); // 设置id为12的用户登录过
jedis.setbit("user:login:20190920", 8, "1"); // 设置id为8的用户登录过
jedis.setbit("user:login:20190920", 22, "1"); // 设置id为22的用户登录过
jedis.setbit("user:login:20190921", 8, "1"); // 设置id为8的用户登录过
jedis.setbit("user:login:20190921", 24, "1"); // 设置id为22的用户登录过
}
- 统计登陆人数：
@Test
public void useData() throws Exception {
// 1 统计 20190919的登录用户数
System.out.println(jedis.bitcount("user:login:20190919"));
// 2 统计 最近三天的登录用户总数
jedis.bitop(BitOP.OR, "user:login:last3_1",
"user:login:20190919",
"user:login:20190920",
"user:login:20190921");
System.out.println(jedis.bitcount("user:login:last3_1"));
// 3 统计 连续三天都登录过的用户 用户数
jedis.bitop(BitOP.AND, "user:login:last3_2",
"user:login:20190919",
"user:login:20190920",
"user:login:20190921");
System.out.println(jedis.bitcount("user:login:last3_2"));
}
HyperLogLog - 一种基数统计算法
HyperLogLog 是用来做基数统计的算法（不准确，模糊值）
- 在输入元素的数量或者体积非常大时，计算基数所需的空间总是固定的、并且是很小的
在 Redis 中，每个 HyperLogLog 键只需要花费 12KB 内存，就可以计算接近 2^64（约42亿）个不同元素的基数
这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比
使用 HyperLogLog 应当考虑的因素：
- 是否能容忍错误（0.81%）
- 是否需要单条数据
- 是否需要使用很小的内存
# pfadd: 将任意数量的元素添加到指定的 HyperLogLog 里面 pfadd qq:tv:uv 003 004 005 # pfcount: 用来统计元素的个数 127.0.0.1:6379> pfcount qq:tv:uv # pfmerge: 把多个key合并为一个key, 自动过滤重复元素 pfmerge tv:uv qq:tv:uv aiqiyi:tv:uv
代码实现：
// 添加登录过的用户 添加一万个用户
Pipeline pipelined = jedis.pipelined();
for (int i = 0; i < 5000000; i++) {
pipelined.pfadd("pf:user:login:20190919","user"+i);
}
pipelined.sync();
System.out.println(jedis.pfcount("pf:user:login:20190919"));
GEO - 地理信息定位，存储经纬度，计算两地距离，计算范围
geoadd 添加一个地理位置信息 geopos 获取地理位置信息 geodist 获取两个地理位置 georadius 获取指定范围内的数据
经纬度查询：https://lbs.amap.com/tools/picker
代码实现：
- 封装经纬度信息：
@Data
@NoArgsConstructor
@AllArgsConstructor
public class CityPosition {
// 经度
private double lng;
// 纬度
private double lat;
// 商家id
private String key;
}
- 初始化对应的城市数据：
@Test
public void initData() throws Exception {
CityPosition s1 = new CityPosition (113.264385, 23.129112, "广州");
CityPosition s2 = new CityPosition (121.473658, 31.230378, "上海");
CityPosition s3 = new CityPosition (114.085947, 22.547, "深圳");
CityPosition s4 = new CityPosition (113.746262, 23.046237, "东莞");
jedis.geoadd("city", s1.getLng(), s1.getLat(), s1.getKey());
jedis.geoadd("city", s2.getLng(), s2.getLat(), s2.getKey());
jedis.geoadd("city", s3.getLng(), s3.getLat(), s3.getKey());
jedis.geoadd("city", s4.getLng(), s4.getLat(), s4.getKey());
}
- 获取对应的城市信息：
@Test
public void getInfo() throws Exception {
System.out.println(jedis.geodist("city", "广州", "东莞", GeoUnit.KM));
List<GeoRadiusResponse> datas = jedis.georadius("city", 113.264385,23.129112, 100, GeoUnit.KM);
for (GeoRadiusResponse data : datas) {
System.out.println(data);
System.out.println("城市: = " + new String(data.getMember()));
}
}
这篇关于【Java从0到架构师】Redis - 进阶（pipline、发布订阅、Bitmap、HyperLogLog、GEO）的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
您可能喜欢
-
百万架构师第十三课：源码分析：Spring 源码分析：Spring核心IOC容器及依赖注入原理｜JavaGuide01-10
-
便捷好用的电商API工具合集01-10
-
必试！帮 J 人团队解决物流错发漏发的软件神器！01-09
-
不容小觑！助力 J 人物流客服安抚情绪的软件！01-09
-
为什么医疗团队协作离不开智能文档工具？01-09
-
惊叹：J 人团队用啥软件让物流服务快又准？01-09
-
如何利用数据分析工具优化项目资源分配？4种工具推荐01-09
-
多学科协作难？这款文档工具可以帮你省心省力01-09
-
团队中的技术项目经理TPM：工作内容与资源优化策略01-09
-
JIT生产管理法：优化流程，提升竞争力的秘诀01-09
-
2024全球互联网流量分析报告01-09
-
如何提升学校行政管理中的进度追踪效率？4个实用策略和3款工具推荐01-09
-
提升直播效果的复盘技巧，你必须知道的五个步骤01-09
-
电商蛇年营销实战：看板工具提升效率效果01-09
-
产品开发中如何解决跨团队协作问题？协同工具来解决这些问题01-09
栏目导航
