Redis总结
发表于|更新于|后端
|浏览量:
相关推荐
2026-04-09
Redis知识点汇总
Redis快速回忆核心数据结构 字符串小于1M，成倍扩容，大于1M，就每次扩容1M，最大512M。 哈希 购物车 列表 集合 有序集合 位图 Bitmap虽然基于String类型，但是可以直接操作位 一个字节8位表示一个用户是数据 使用的时候把握住偏移量即可 集成springboot 一般都会自定义，JDK的序列化方式存的数据不能直接查看 核心原理持久化机制持久化命令bgsave 是异步的 save 是同步的 RDB AOF 混合模式 快照的时候，增量的数据使用AOF的方式 分布式锁演进过程本地锁和分布式锁减库存的时候多线程 无法释放锁的情况处理出现异常的话，就无法释放锁 服务器断了，下面的锁还是无法释放 设置超时时间，但是不能不是原子性操作 合并为原子性操作，但是自己的锁可能被别人释放，因为别人的锁可能过期没了 自己的锁被别人删除怎么办解决办法一：值相同的时候才可以删除掉 解决办法二：给锁续命，防止线程还在执行的时候锁就失效 redission 看门狗机制 **看门狗作用：**每隔十...
2026-04-09
Redis持久化
对比 AOF 文件的内容是操作命令； RDB 文件的内容是二进制数据。 RDB 快照就是记录某一个瞬间的内存实际数据，而 AOF 文件记录的是命令操作的日志 RDB 恢复数据的效率会比 AOF 高些，因为直接将 RDB 文件读入内存就可以，不需要像 AOF 那样还需要额外执行操作命令的步骤才能恢复数据。 RDB 丢失的数据会更多，因为保存是全量快照，所以频率不能太高否则性能不好，所以会丢失更多数据 AOF 怎么用12345678910111213141516171819// redis.confappendonly yesappendfilename "appendonly.aof"# 同步方式appendfsync everysec# aof重写期间是否同步no-appendfsync-on-rewrite no# 重写触发配置auto-aof-rewrite-percentage 100auto-aof-rewrite-min-size 64mb# 加载aof时如果有错如何处理aof-load-truncated yes # yes表示如果aof尾部文件...
2026-04-09
Linux性能分析、调优套路以及工具总结
分析性能问题从系统资源瓶颈的角度来说，USE 法是最为有效的方法，即从使用率、饱和度以及错误数 这三个方面，来分析 CPU、内存、磁盘和文件系统 I/O、网络以及内核资源限制等各类软 硬件资源。 从应用程序瓶颈的角度来说，资源瓶颈跟系统资源瓶颈，本质是一样的。依赖服务瓶颈，你可以使用全链路跟踪系统进行定位。而应用自身的问题，你可以通过系统调用、热点函数，或者应用自身的指标监控以及日志 监控等，进行分析定位。 值得注意的是，虽然我把瓶颈分为了系统和应用两个角度，但在实际运行时，这两者往往是 相辅相成、相互影响的。系统是应用的运行环境，系统的瓶颈会导致应用的性能下降；而应 用的不合理设计，也会引发系统资源的瓶颈。我们做性能分析，就是要结合应用程序和操作系统的原理，揪出引发问题的真凶。 系统资源瓶颈USE 法，即使用 率、饱和度以及错误数这三类指标来衡量。 资源列表： CPU、内存、磁盘和文件系统以及网络等，都是最常见的硬件资源。 文件描述符数、连接跟踪数、套接字缓冲区大小等，则是典型的软件资源。 收到监控系统告警时，就可以对照这些资源列表，再根据指标的不同来进行定...
2026-04-09
布隆过滤器
布隆过滤器布隆过滤器由「初始值都为 0 的位图数组」和「 N 个哈希函数」两部分组成。当我们在写入数据库数据时，在布隆过滤器里做个标记，这样下次查询数据是否在数据库时，只需要查询布隆过滤器，如果查询到数据没有被标记，说明不在数据库中。 第一步，使用 N 个哈希函数分别对数据做哈希计算，得到 N 个哈希值； 第二步，将第一步得到的 N 个哈希值对位图数组的长度取模，得到每个哈希值在位图数组的对应位置。 第三步，将每个哈希值在位图数组的对应位置的值设置为 1； 查询的时****候只要有一个为 0，就认为数据 x 不在数据库中。 没有的一定没有，有的也可能没有 黑名单，爬虫去重 只有加入和查询，不要求删除， 极大减少内存， 但是必须允许一定程度的失误率，会误杀好人，但是不会漏杀坏人 布隆过滤器是一种数据结构，比较巧妙的概率型数据结构（probabilistic data structure），特点是高效地插入和查询，可以用来告诉你** “某样东西****一定不存在或者可能存在****”。** 如果存在那就是可能存在（hash的碰撞） 如果不存在那就一定不存在 相比于传统的...
2026-04-09
Redis核心数据类型的底层编码（C源码）（重要）
Redis K-V 底层设计原理：字典hashtablekey：string val：string、hash、list、set、sorted set map 就是字典，还要支持海量数据的存储，查找和插入删除（hashtable） hashtable 里面 hash(key) % hashtable.size ，最后的得到的就是[0, hashtable.size - 1] hash碰撞的时候，线性探测或者链表法。Redis 使用的是链表法 注意这个hashtable里面的value的类型是五种常见类型谁都可以放，因为最后都是使用指针指向的，value的包装类里面会执行是什么数据类型。 redisDb–dict–dictht–dictEntry–redisObject Redis 渐进式rehash及动态扩容机制如图所示， 扩容时机：在使用的容量是大小的一样的时候就会扩容， 扩容大小：扩容的时候变为原来的2倍， 渐进式迁移：新建数组之后，数据迁移的时候，一个链表上的数据是一个桶为单位转移的，不能一下全部转移会导致单线程阻塞，所以有了渐进式rehash的设计，dict字典包...
2026-04-09
设计模式、设计原则、重构与编码规范（设计模式之美笔记）
设计模式要干的事情就是对复杂解耦。利用更好的代码结构将一大坨代码拆分成职责更单一的小类，让其满足高内聚低耦合等特性。 创建型模式是将创建和使用代码解耦，结构型模式是将不同的功能代码解耦，行为型模式是将不同的行为代码解耦。 而解耦的主要目的是应对代码的复杂性。设计模式就是为了解决复杂代码问题而产生的。 为什么设计模式？ 面试会问 提高复杂代码的设计和开发能力。避免只是框架用的溜。 如何分层、分模块、分类 每个类应该有哪些属性和方法 怎么设计类之间的交互，用继承还是组合 使用接口还是抽象类，怎么做到解耦、高内聚和低耦合 该用单例模式还是静态方法 用工厂模式创建对象还是直接new出来 如何避免使用了设计模式提高扩展性的同时降低了可读性 告别写被人吐槽的烂代码，团队里面的代码标杆，不经意间写出来的代码，都能作为同事学习、临摹的范例。 读源码的时候根据设计模式推测作者的思路，做到事半功倍。 如何评价代码质量的好坏？即使一段代码的可扩展性很好，但可读性很差，那我们也不能说这段代码质量高。常见的评价指标： 可维护性：分层清晰、模块化好、高内聚低耦合、遵从基于接口而非实现编程的设...
公告
👋 你好，我是褚成志，一名专注于云原生与后端架构的工程师。
热爱 Java、Kubernetes、Linux、Redis、Spring 等技术领域，持续探索 AGI 与智能化运维的边界。
这里记录我的技术思考与实践总结，欢迎交流！
热爱 Java、Kubernetes、Linux、Redis、Spring 等技术领域，持续探索 AGI 与智能化运维的边界。
这里记录我的技术思考与实践总结，欢迎交流！