简介
特点
Redis(Remote Dictionary Server) 速度很快的非关系型内存数据库，支持持久化。
用于高性能，空间小的场景。
String SET GET DEL
List RPUSH LRANGE LINDEX LPOP
Set SADD SMEMBERS SISMEMBER SREM SINTER/SUNION/SDIFF
HashSet HSET HGET HGETALL HDEL
ZSet ZADD ZRANGE ZRANGEBYSCORE ZREM ZINTERSTORE
使用案例
下例通过Redis存储用户的基本信息，最近登陆时间，最近看过的产品，购物车信息。
HashSet：key = "userInfo:" value = token,userInfo存储用户信息。token->userInfo
ZSet： key = "latestTime:" value = token,timeStamp存储该用户最近查看时间。 token->latestTime
ZSet: key = "viewed:"+token value = goods,timeStamp 存储该用户最近看过的产品。 token ->goods
ZSet: key = "viewed:" value = goods,viewScore 存储该产品被看的权重。 按顺序goods集合。
HashSet：key = "cart:" +token value = goods,count存储购物车信息。token->goods+count。
cookie缓存
签名cookie： 用户信息+签名。验证cookie的所有信息都在cookie中。/ 但处理签名比较麻烦。
令牌cookie： 签名。体积小。/ 但要在服务器中存储更多的信息。
检查令牌登录：通过cookie获取到用户信息
User checkToken(Connect conn, Token token){
return conn.hget("userInfo:",token);
}
更新token信息:
用户请求时，记录有价值的信息（最近登录时间，最近浏览商品）。
void updateToken(Connect conn, Token token, User user,Goods goods= Null){
timeStamp = time.time();
conn.hset("userInfo:",token,user);
conn.zadd("latestTime:",token,timeStamp);
if( goods != Null ){
String key = "viewed:"+token;
conn.zadd(key,goods,timeStamp);
conn.zremrangebyrank(key,0,-26);
conn.zincrby("viewd:",goods,1);
}
}
及时清除session，防止内存不够用：
Boolean Flag = true;
int LIMIT = 1000000;
int SLEEP_TIME = 1;
int MIN_INDEX = 100;
void cleanSession(Connect conn){
while(Flag){
int num = conn.zcard("latestTime:")
if(num<LIMIT){
time.sleep(SLEEP_TIME);
continue;
}
index = min(MIN_INDEX ,num );
Token[] tokens = conn.zrange("latestTime:",0,index-1);
String[] keys = new String[tokens.size*2];
for(int i=0;i<tokens.size;i++){
keys[i] = "viewed:"+tokens[i];
i++;
keys[i] = "cart:"+tokens[i];
}
conn.delete(keys);
conn.hdel("userInfo:",tokens );
conn.zrem("latestTime:",tokens );
}
}
购物车
cookie最初的意图在为网络零售商提供购物车。
伪代码：
void addToCart(Connect conn,Goods goods,int count,Token token){
conn.hset("cart:"+token,goods,count);
}
网页缓存
通常使用模板语言简化动态网页的生成，但是实际上大部分页面不会经常变化，不需要动态生成 。通过Redis缓存，缩短了访问时间，降低了数据库的负载。
问题：大Key对Redis性能的影响。
伪代码
Restult cacheRequest(Connect conn,Request request,Method callback){
if(needCache(request)){
String pageKey = "cache:"+toHash(request);
Restult result = str2Result( conn.get(pageKey) );
if(result == null){
result = callback(request);
conn.setex(pageKey,result.toString(),300);
}
return result;
}else{
return callback(request);
}
}
数据行缓存
作用：通过缓存数据库行，降低载入页面所需时间。
问题：存在数据库和redis中数据不一致的情况。
解决：定期缓存数据行。
实现思路
1.下次更新时间Zset （key = “schedule:” value = rowId, Time.now() + delayTime ）;
2.更新间隔Zset （key = “schedule:” value = rowId, delayTime ）;
伪代码
根据不同的场景，初始化更新时间和更新间隔。
void initial(Connect conn,String rowId,int delay){
conn.zadd("delay:",rowId,delay);
conn.zadd("schedule:",rowId,Time.now());
}
守护进程函数刷新数据。
boolean flag= true;
double SLEEP_TIME = 1;
void cacheRows(Connect conn){
while(flag){
Object[][] row = conn.zrange("schedule:",0,0,withscores = true);
if(row == null || row[0][1]>Time.now()){
time.sleep(SLEEP_TIME);
continue;
}
String rowId = row[0][0];
int delayTime = conn.zscore("delay:",rowId);
if(delayTime <= 0){
conn.zrem("delay:",rowId);
conn.zrem("schedule:",rowId);
conn.delete("inv:",rowId);
}else{
int inv = get(rowId);
conn.zadd("schedule:",rowId,Time.now() + delay);
conn.set("inv:"+rowId,inv);
}
}
}
网页分析
热点排行榜功能的简单实现以下功能：
1.按照浏览量从大到小排列。
2.解决“榜首的数据浏览次数一直很高，浏览量两级分化”问题。
实现思路：
1.通过ZSet排序。
2.ZINTERSTORE命令可以调整元素分值。
伪代码
修剪排行榜，分值调整为原来的一半
boolean flag = true;
int LAST_RANK = -20001;
int SLEEP_TIME = 300;
void rescaleViewed(conn){
while(flag){
conn.zremrangebyrank("viewed:"0,-LAST_RANK );
conn.zintersotre("viewed:",{"view:":0.5});
time.sleep(SLEEP_TIME);
}
}
可以缓存经常浏览的N个商品页面。缓存之前可以通过去空格等方式对页面进行压缩。
int CACHE_NUM = 10000;
Boolean canCache(Connect conn,Request request){
goodsId = getId(request);
if(goodsId == null or isDynamic(request))
return false;
rank = conn.zrank("viewd:",goodsId);
return rank!=null && rank<=CACHE_NUM;
}
Web请求响应步骤
1.服务器对（request）进行解析
2.请求被转发给处理器（handler）
3.处理器从数据库取出数据。
4.用取出的数据对模板（template）进行渲染（render）。
5.返回渲染后的内容（response）。
|