redis整合

一.redis的发布订阅

        什么 是发布和订阅

                Redis 发布订阅 (pub/sub) 是一种消息通信模式：发送者 (pub) 发送消息，订阅者 (sub) 接收消息。

                Redis 客户端可以订阅任意数量的频道。

       1、Redis的发布和订阅

                客户端订阅频道发布的消息

                频道发布消息 订阅者就可以收到消息

        2、发布订阅的代码实现

                     打开一个客户端订阅channel1

                        SUBSCRIBE channel1

                        

                打开另一个客户端，给channel1发布消息hello

                        publish channel1 hello

                

                        返回的1是订阅者数量

                打开第一个客户端可以看到发送的消息

                

                

二.Redis事务

        1.事务简介：

                可以一次执行多个命令，本质是一组命令的集合。一个事务中的 所有命令都会序列化，按顺序地串行化执行而不会被其它命令插入，不许加塞。

        单独的隔离的操作

                官网说明

https://redis.io/docs/interact/transactions/                https://redis.io/docs/interact/transactions/

        MULTI、EXEC、DISCARD、WATCH。这四个指令构成了 redis 事务处理的基础。

                1.MULTI 用来组装一个事务；将命令存放到一个队列里面

                2.EXEC 用来执行一个事务；//commit

                3.DISCARD 用来取消一个事务；//rollback

                4.WATCH 用来监视一些 key，一旦这些 key 在事务执行之前被改变，则取消事务的执行。

        例子：

                

redis> MULTI //标记事务开始
OK
redis> INCR user_id //多条命令按顺序入队
QUEUED queued
redis> INCR user_id
QUEUED
redis> INCR user_id
QUEUED
redis> PING
QUEUED
redis> EXEC //执行
1) (integer) 1
2) (integer) 2
3) (integer) 3
4) PONG

        有关事务，经常会遇到的是两类错误：

                1.调用 EXEC 之前的错误

                “调用 EXEC 之前的错误”，有可能是由于语法有误导致的，也可能时由于内存不足导致的。只要出现某个命令无法成功写入缓冲队列的情况，redis 都会进行记录，在客户端调用 EXEC 时，redis 会拒绝执行这一事务

        

        

> multi
OK
> haha
QUEUED
> ping
QUEUED
> exec
ReplyError: EXECABORT Transaction discarded because of previous errors.

2.调用 EXEC 之后的错误

                                

        

> multi
OK
> set age 23
QUEUED
//age 不是集合，所以如下是一条明显错误的指令
> sadd age 23
QUEUED
> set age 29
QUEUED
> exec //执行事务时，redis 不会理睬第 2 条指令执行错误
OK
OK
> get age
29 //可以看出第 3 条指令被成功执行了

        

        2.redis事务冲突

                双十一去购物的时候使用同一张银行卡去付款

                10000

                一个请求想给金额减8000

                一个请求想给金额减5000

                一个请求想给金额减1000

        解决方案

                悲观锁

                select * from biao where 1=1 for update；

                悲观锁(Pessimistic Lock), 顾名思义，就是很悲观，

                每次去拿数据的时候都认为别人会修改，所以每次在拿数据的时候都会上锁，

                这样别人想拿这个数据就会block直到它拿到锁。

                传统的关系型数据库里边就用到了很多这种锁机制，

                比如行锁，表锁等，读锁，写锁等，都是在做操作之前先上锁。

                12306抢票

                        乐观锁

                        version 1

                        查余额 10000 version：1

                10000>8000 -8000 update uuuu set moner-=8000 where version=1 1.1

                10000 -5000 UPDATE uuuuu SET MONTY-=5000 WHERE VERSION=1

                2000 2000>1000 UPDATE uuuu SET MONTY-=1000 WHERE VERSION=1.1 1.2

                version

                select * from ttt where uid =1

                version money

                        1 10000

                乐观锁

                乐观锁(Optimistic Lock), 顾名思义，就是很乐观，

                每次去拿数据的时候都认为别人不会修改，所以不会上锁，

                但是在更新的时候会判断一下在此期间别人有没有去更新这个数据，

                可以使用版本号等机制。乐观锁适用于多读的应用类型，

                这样可以提高吞吐量。Redis就是利用这种check-and-set机制实现事务的。

        

三.Redis的使用

        java操作redis

        创建java项目

        添加redis的依赖

<dependency><groupId>redis.clients</groupId><artifactId>jedis</artifactId><version>3.2.0</version>
</dependency>

        相关API

        key的api
 @Testpublic  void testRedis() {//设置连接的服务器 端口号默认是6379// 服务器的默认值是localhostJedis jedis=new Jedis("8.140.27.154"); // redis的服务器的密码jedis.auth("xxx"); //设置密码// 设置选中的数据库的下标jedis.select(15);// 设置键值对jedis.set("k1", "v1");jedis.set("k2", "v2");jedis.set("k3", "v3");//获取所有的key值Set<String> keys = jedis.keys("*");System.out.println(keys.size());for (String key : keys) {System.out.println(key);}// 判断key是否存在System.out.println(jedis.exists("k1"));//获取key的过期时间System.out.println(jedis.ttl("k1"));// 获取key对应的值System.out.println(jedis.get("k1"));}}
        string-api
// 批量设置
jedis.mset("str1","v1","str2","v2","str3","v3");
//批量获取key
System.out.println(jedis.mget("str1","str2","str3"));
        hash-api
//设置 一个key叫做hash1 对应的field是username，value是lisi
jedis.hset("hash1","userName","lisi");
//获取key为hash1的对应的fileld为username的值
System.out.println(jedis.hget("hash1","userName"));
Map<String,String> map = new HashMap<String,String>();
map.put("telphone","13838389438");
map.put("address","郑州");
map.put("email","abc@163.com");
//批量设置
jedis.hmset("hash2",map);
//批量获取
List<String> result = jedis.hmget("hash2", "telphone","email");
for (String element : result) {System.out.println(element);
}
        set-api
jedis.sadd("orders", "order01");
jedis.sadd("orders", "order02");
jedis.sadd("orders", "order03");
jedis.sadd("orders", "order04");
Set<String> smembers = jedis.smembers("orders");
for (String order : smembers) {System.out.println(order);
}
//删除集合中的元素
jedis.srem("orders", "order02");
        zset-api
jedis.zadd("zset01", 100d, "z3");
jedis.zadd("zset01", 90d, "l4");
jedis.zadd("zset01", 80d, "w5");
jedis.zadd("zset01", 70d, "z6");Set<String> zrange = jedis.zrange("zset01", 0, -1);
for (String e : zrange) {System.out.println(e);
}
        list-api
//添加
jedis.lpush("mylist","test1","test2","test3");
//获取list里面的值
List<String> mylist = jedis.lrange("mylist", 0, -1);
for (String s : mylist) {System.out.println(s);
}

redis整合springboot

        创建springboot项目

        过程略

        加入redis的依赖

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId>
</dependency><dependency><groupId>org.apache.commons</groupId><artifactId>commons-pool2</artifactId><version>2.6.0</version>
</dependency><dependency><groupId>redis.clients</groupId><artifactId>jedis</artifactId>
</dependency>

        编写配置文件

#设置reis的索引
spring.redis.database=15
#设置连接redis的密码
spring.redis.password=xxx
#设置的redis的服务器
spring.redis.host=192.168.xx.33
#端口号
spring.redis.port=6379
#连接超时时间（毫秒）
spring.redis.timeout=1800000
#连接池最大连接数（使用负值表示没有限制）
spring.redis.lettuce.pool.max-active=20
#最大阻塞等待时间(负数表示没限制)
spring.redis.lettuce.pool.max-wait=-1
#连接池中的最大空闲连接
spring.redis.lettuce.pool.max-idle=5
#连接池中的最小空闲连接
spring.redis.lettuce.pool.min-idle=0

        设置配置类

package com.example.demo;import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.cache.CacheManager;
import org.springframework.cache.annotation.CachingConfigurerSupport;
import org.springframework.cache.annotation.EnableCaching;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.cache.RedisCacheConfiguration;
import org.springframework.data.redis.cache.RedisCacheManager;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.RedisSerializationContext;
import org.springframework.data.redis.serializer.RedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;import java.time.Duration;@EnableCaching
@Configuration
public class RedisConfig extends CachingConfigurerSupport {/*** 连接池的设置** @return*/@Beanpublic JedisPoolConfig getJedisPoolConfig() {JedisPoolConfig jedisPoolConfig = new JedisPoolConfig();return jedisPoolConfig;}/*** RedisTemplate* @param factory* @return*/@Beanpublic RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {RedisTemplate<String, Object> template = new RedisTemplate<>();RedisSerializer<String> redisSerializer = new StringRedisSerializer();Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);ObjectMapper om = new ObjectMapper();// 指定要序列化的域，field,get和set,以及修饰符范围，ANY是都有包括private和publicom.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);// 指定序列化输入的类型，类必须是非final修饰的，final修饰的类，比如String,Integer等会跑出异常om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);jackson2JsonRedisSerializer.setObjectMapper(om);template.setConnectionFactory(factory);//key序列化方式template.setKeySerializer(redisSerializer);//value序列化template.setValueSerializer(jackson2JsonRedisSerializer);//value hashmap序列化template.setHashValueSerializer(jackson2JsonRedisSerializer);return template;}/*** 缓存处理* @param factory* @return*/@Beanpublic CacheManager cacheManager(RedisConnectionFactory factory) {RedisSerializer<String> redisSerializer = new StringRedisSerializer();Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
//解决查询缓存转换异常的问题ObjectMapper om = new ObjectMapper();om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);jackson2JsonRedisSerializer.setObjectMapper(om);
// 配置序列化（解决乱码的问题）,过期时间600秒RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig().entryTtl(Duration.ofSeconds(600)).serializeKeysWith(RedisSerializationContext.SerializationPair.fromSerializer(redisSerializer)).serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(jackson2JsonRedisSerializer)).disableCachingNullValues();RedisCacheManager cacheManager = RedisCacheManager.builder(factory).cacheDefaults(config).build();return cacheManager;}
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/647221.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

matlab绘图杂谈-stem函数和plot函数

matlab绘图杂谈-stem函数和plot函数

出发点 今天在论文中看到一副这样的图&#xff0c;它既有曲线&#xff0c;又有点&#xff0c;并且对两者都添加了图例。三条曲线应该是用plot函数绘制的&#xff0c;而target哪个绿色的圆圈&#xff0c;我的理解是用stem函数绘制的。它只是1个点&#xff0c;并且没有竖线&…
阅读更多...
Linux文件管理技术实践

Linux文件管理技术实践

shell shell的种类(了解) shell是用于和Linux内核进行交互的一个程序&#xff0c;他的功能和window系统下的cmd是一样的。而且shell的种类也有很多常见的有c shell、bash shell、Korn shell等等。而本文就是使用Linux最常见的bash shell对Linux常见指令展开探讨。 内置shell…
阅读更多...
ElasticSearch搜索引擎入门到精通

ElasticSearch搜索引擎入门到精通

ES 是基于 Lucene 的全文检索引擎，它会对数据进行分词后保存索引，擅长管理大量的数据，相对于 MySQL 来说不擅长经常更新数据及关联查询。这篇文章就是为了进一步了解一下它，到底是如何做到这么高效的查询的。 在学习其他数据库的时候我们知道索引是一个数据库系统极其重要…
阅读更多...
【基础配置】Python2/Python3并存安装配置教程

【基础配置】Python2/Python3并存安装配置教程

Nx01 产品简介 Python是一种高级的、解释型的、面向对象的通用编程语言&#xff0c;具有简单易学、代码可读性强、功能强大、可移植性好等特点。它可以应用于多种领域&#xff0c;如Web开发、数据科学、人工智能、机器学习、科学计算、自动化测试等。Python由Guido van Rossum于…
阅读更多...
如何使用phpStudy软件测试本地PHP及环境搭建

如何使用phpStudy软件测试本地PHP及环境搭建

各位同学朋友们大家好&#xff01;我是咕噜铁蛋&#xff01;我们经常需要在本地进行PHP代码的开发和测试。而phpStudy作为一个集成了Apache、MySQL和PHP的软件套装&#xff0c;提供了方便快捷的环境搭建和测试工具。今天铁蛋为大家详细介绍如何使用phpStudy来测试本地PHP及环境…
阅读更多...
gradle源

gradle源

腾讯源 distributionUrlhttps\://mirrors.cloud.tencent.com/gradle/gradle-xxx-bin.zip阿里云 https://developer.aliyun.com/mvn/guide maven { url http://maven.aliyun.com/nexus/content/groups/public/ }maven { url https://maven.aliyun.com/repository/google }mave…
阅读更多...
【cuda】RuntimeError: Unexpected error from cudaGetDeviceCount()

【cuda】RuntimeError: Unexpected error from cudaGetDeviceCount()

解决 会发现 nvidia-smi 不管用了。不要立即重启&#xff0c;会黑屏的。赶紧记录使用的驱动版本号&#xff0c;最好找到安装包位置。 直接重装原版驱动&#xff0c;环境还能用。 参考我的安装博客。 已经黑屏就进入安全模式&#xff0c;network模式。卸载可视化桌面和显卡驱动…
阅读更多...
雨云服务器部署幻兽帕鲁PalWorld联机服务器详细教程

雨云服务器部署幻兽帕鲁PalWorld联机服务器详细教程

幻兽帕鲁是Pocketpair开发的一款开放世界生存制作游戏&#xff0c;游戏中&#xff0c;玩家可以在广阔的世界中收集神奇的生物“帕鲁”&#xff0c;派他们进行战斗、建造、做农活&#xff0c;工业生产等。 最近&#xff0c;这款游戏挺火&#xff0c;为了获得更好的游戏体验&…
阅读更多...
SpringBoot中Redis解决LocalDateTime序列化与反序列化不一致问题

SpringBoot中Redis解决LocalDateTime序列化与反序列化不一致问题

前言 在SpringBoot应用中&#xff0c;数据的序列化和反序列化是关键环节。然而&#xff0c;对于LocalDateTime类型的数据&#xff0c;有时会遇到序列化与反序列化不一致的问题。这主要是由于不同的时区或格式差异所导致。为了解决这一问题&#xff0c;我们可以借助Redis的强大功…
阅读更多...
手搓 国内首个非Attention大模型，训练效率7倍于Transformer

手搓 国内首个非Attention大模型，训练效率7倍于Transformer

手搓 国内首个非Attention大模型，训练效率7倍于Transformer 非Attention大模型代码解析非Attention大模型代码 import torchclass FeedForward(torch.nn.Module):def __init__(self, hidden_dim):super
阅读更多...
爬虫工作量由小到大的思维转变---＜第四十章 Scrapy Redis 实现IP代理池管理的最佳实践＞

爬虫工作量由小到大的思维转变---＜第四十章 Scrapy Redis 实现IP代理池管理的最佳实践＞

前言: 本篇是要结合上篇一起看的姊妹篇:爬虫工作量由小到大的思维转变---&#xff1c;第三十九章 Scrapy-redis 常用的那个RetryMiddleware&#xff1e;-CSDN博客 IP代理池的管理对于确保爬虫的稳定性和数据抓取的匿名性至关重要。围绕Scrapy-Redis框架和一个具体的IP代理池中…
阅读更多...
Vue构建项目断点调试过程问题总结

Vue构建项目断点调试过程问题总结

Vue构建项目断点调试过程问题总结 问题背景 前端开发过程中&#xff0c;碰到问题时需要debug&#xff0c;快速分析和解决问题。一般除了console.log的方式打印日志外&#xff0c;更方便直观的方式就是打断点debug。本文对vue项目debug过程可能碰到的问题进行总结&#xff0c;…
阅读更多...
“数据同步大揭秘：Canal工具如何让实时处理变得轻而易举？“

“数据同步大揭秘：Canal工具如何让实时处理变得轻而易举？“

介绍&#xff1a;Canal是一个基于MySQL数据库增量日志解析的开源数据同步工具。 Canal的主要功能是提供增量数据订阅和消费&#xff0c;它通过解析MySQL数据库的增量日志来捕获数据变更事件&#xff0c;并将这些事件转换成数据变更流&#xff0c;供用户订阅和消费。这样&#x…
阅读更多...
魔法少女LJJ 题解

魔法少女LJJ 题解

推荐在 cnblogs 上阅读 魔法少女LJJ 题解 这题纯属就是迷惑题。。 为什么这么说&#xff1f; 注意数据范围&#xff1a; 对 100% 的数据 0 ≤ m ≤ 400000 0\leq m\leq400000 0≤m≤400000&#xff0c; c ≤ 7 c\leq 7 c≤7。 c ≤ 7 c\leq 7 c≤7&#xff01;&#xff01…
阅读更多...
Deepin基本环境查看（四）【硬盘/分区、文件系统、硬连接/软连接】

Deepin基本环境查看（四）【硬盘/分区、文件系统、硬连接/软连接】

Linux操作系统(Deepin、Ubuntu&#xff09;操作系统中&#xff0c;硬盘分区的管理与Windows操作系统不同&#xff1b; 在Linux系统中维护着一个统一的文件目录体系&#xff0c;而硬盘和分区是以资源的形式由操作系统挂接和调度&#xff1b;此外Linux系统中连接&#xff08;硬连…
阅读更多...
R语言【taxlist】——get_children()，get_parents()：检索分类概念的子类群或父类群

R语言【taxlist】——get_children()，get_parents()：检索分类概念的子类群或父类群

Package taxlist version 0.2.4 Description 检索所查询分类单元概念的所有子概念或父概念。 Usage get_children(taxlist, ...)## S3 method for class taxlist get_children(taxlist, ConceptID, ...)get_parents(taxlist, ...)## S3 method for class taxlist get_parents…
阅读更多...
NTFS 磁盘管理 ：NTFS Disk by Omi NTFS

NTFS 磁盘管理 ：NTFS Disk by Omi NTFS

NTFS Disk by Omi NTFS是一款专为Mac系统设计的NTFS文件系统读写解决方案的工具。它可以帮助Mac用户方便地访问和管理NTFS格式的硬盘、U盘、移动硬盘以及其他存储设备&#xff0c;提供高效稳定的NTFS卷管理功能。 NTFS 磁盘管理 &#xff1a;NTFS Disk by Omi NTFS 该软件的主…
阅读更多...
【榜单公布】2023年度征文活动已结束

【榜单公布】2023年度征文活动已结束

经过为期一个月的热情参与&#xff0c;CSDN 2023年度征文活动正式落下帷幕&#xff01;那么今年又有哪些博主上榜了呢&#xff1f;一起来看下吧~~ 活动链接&#xff1a;https://activity.csdn.net/creatActivity?id10645 csdnid昵称链接qq_57761637鸽芷咕CSDN年度征文&#xf…
阅读更多...
IDEA使用快捷键提炼函数（Extract Method）

IDEA使用快捷键提炼函数（Extract Method）

IDEA使用快捷键提炼函数&#xff08;Extract Method&#xff09; 1、快捷键 ------ctrlaltM 2、右击操作--------选中待提炼代码 --> 右击 --> Refactor --> Extract --> Method. 3、举例 提炼前&#xff1a; public void printOwing(double amount) {printBa…
阅读更多...
Mistral AI vs. Meta:顶级开源LLM比较

Mistral AI vs. Meta:顶级开源LLM比较

为了提高性能&#xff0c;大型语言模型(llm)通常会通过增加模型大小的方法来实现这个目标&#xff0c;但是模型大小的增加也增加了计算成本和推理延迟&#xff0c;增加了在实际场景中部署和使用llm的障碍。 Mistral AI是一家总部位于巴黎的欧洲公司&#xff0c;一直在研究如何…
阅读更多...
最新文章

Copyright @ 2022~2023