1.redis
c语言编写的一个开源软件，使用字典结构存储数据，支持多种类型数据类型
数据类型：字符串，字典，列表，集合，有序集合
2.redis特点
速度快：c语言实现的，所有数据都存储在计算机内存中
持久化：他会将数据定期保存到文件系统中，但redis节点故障时，数据文件可以从redis数据文件恢复
支持多种数据结构：字典，集合，列表，有序集合，字符串
支持多种语言的API:JAVA,C,php,python,Ruby,node.js,C++等
功能齐全：支持事物，发布/订阅，LUA脚本等功能
主从复制：主服务器（master）执行添加、修改、删除，从服务器执行查询
高可用及分布式：2.8版本支持高可用，3.0支持分布式
3.Memcached和Redis对比
1.性能上：Redis只使用单核，而Memcached可以使用多核，所以平均每一个核上Redis在存储小数据时比Memcached性能更高。而在100k以上的数据中，Memcached性能要高于Redis。
2.内存空间和数据量大小：Memcached可以修改最大内存，采用LRU算法。Memcached单个key-value大小有限，一个value最大只支持1MB，而Redis最大支持512MB
3.操作便利上：Memcached数据结构单一，而Redis支持更加丰富的数据类型
4.可靠性：MemCached不支持数据持久化，断电或重启后数据消失。Redis支持数据持久化和数据恢复和集群，允许单点故障
5.应用场景：
Memcached：动态系统中减轻数据库负载，提升性能；做缓存，适合多读少写，大数据量的情况（如人人网大量查询用户信息、好友信息、文章信息等）
Redis：适用于对读写效率要求都很高，数据处理业务复杂和对安全性要求较高的系统（如新浪微博的计数和微博发布部分系统，对数据安全性、读写要求都很高）
4.redis的持久化策略
RDB：每隔一段时间对redis进行一次持久化。
- 缺点：数据不完整 - 优点：速度快
AOF：把所有命令保存起来，如果想到重新生成到redis，那么就要把命令重新执行一次。
- 缺点：速度慢，文件比较大 - 优点：数据完整
5.其他常见问题
如果redis中的某个列表中的数据量非常大，如果实现循环显示每一个值？
- 如果一个列表在redis中保存了10w个值，我需要将所有值全部循环并显示，请问如何实现？ 一个一个取值，列表没有iter方法，但能自定义 def list_scan_iter(name,count=3): start = 0 while True: result = conn.lrange(name, start, start+count-1) start += count if not result: break for item in result: yield item for val in list_scan_iter('num_list'): print(val) 场景：投票系统，script-redis
redis如何实现主从复制以及数据同步？
# 实现主从复制 '创建6379和6380配置文件' redis.conf：6379为默认配置文件，作为Master服务配置； redis_6380.conf：6380为同步配置，作为Slave服务配置； '配置slaveof同步指令' 在Slave对应的conf配置文件中，添加以下内容： slaveof 127.0.0.1 6379 # 数据同步步骤： (1)Slave服务器连接到Master服务器. (2)Slave服务器发送同步(SYCN)命令. (3)Master服务器备份数据库到文件. (4)Master服务器把备份文件传输给Slave服务器. (5)Slave服务器把备份文件数据导入到数据库中. 优势： - 高可用 - 分担主压力 注意： - slave设置只读
redis中sentinel的作用？
帮助我们自动在主从之间进行切换(哨兵) 检测主从中 主是否挂掉，且超过一半的sentinel检测到挂了之后才进行进行切换。 如果主修复好了，再次启动时候，会变成从。 启动主redis: redis-server /etc/redis-6379.conf 启动主redis redis-server /etc/redis-6380.conf 启动从redis 在linux中： 找到 /etc/redis-sentinel-8001.conf 配置文件，在内部： - 哨兵的端口 port = 8001 - 主redis的IP，哨兵个数的一半/1 找到 /etc/redis-sentinel-8002.conf 配置文件，在内部： - 哨兵的端口 port = 8002 - 主redis的IP, 1 启动两个哨兵
实现redis集群
#基于【分片】来完成。 - 集群是将你的数据拆分到多个Redis实例的过程 - 可以使用很多电脑的内存总和来支持更大的数据库。 - 没有分片，你就被局限於单机能支持的内存容量。 #redis将所有能放置数据的地方创建了 16384 个哈希槽。 #如果设置集群的话，就可以为每个实例分配哈希槽： - 192.168.1.20【0-5000】 - 192.168.1.21【5001-10000】 - 192.168.1.22【10001-16384】 #以后想要在redis中写值时：set k1 123 - 将k1通过crc16的算法转换成一个数字，然后再将该数字和16384求余， - 如果得到的余数 3000，那么就将该值写入到 192.168.1.20 实例中。 #集群方案： - redis cluster：官方提供的集群方案。 - codis：豌豆荚技术团队。 - tweproxy：Twiter技术团队。
redis中默认的哈希槽
#redis中默认有 16384 个哈希槽。
redis支持的过期策略(6个)
# 数据集（server.db[i].expires） a、voltile-lru： #从已设置过期时间的数据集中，挑选最近频率最少数据淘汰 b、volatile-ttl： #从已设置过期时间的数据集中，挑选将要过期的数据淘汰 c、volatile-random：#从已设置过期时间的数据集中，任意选择数据淘汰 d、allkeys-lru： #从数据集中，挑选最近最少使用的数据淘汰 e、allkeys-random： #从数据集中，任意选择数据淘汰 f、no-enviction(驱逐)：#禁止驱逐数据
MySQL 里有 2000w 数据，redis 中只存 20w 的数据，如何保证 redis 中都是热点数据？
# 限定Redis占用的内存，根据自身数据淘汰策略，淘汰冷数据，把热数据加载到内存。 # 计算一下 20W 数据大约占用的内存，然后设置一下Redis内存限制即可。
什么是codis及其作用？
Codis 是一个分布式 Redis 解决方案, 对于上层的应用来说, 连接到 Codis-Proxy(redis代理服务)和连接原生的 Redis-Server 没有明显的区别, 上层应用可以像使用单机的 Redis 一样使用, Codis 底层会处理请求的转发, 不停机的数据迁移等工作, 所有后边的一切事情, 对于前面的客户端来说是透明的, 可以简单的认为后边连接的是一个内存无限大的 Redis 服务.
什么是twemproxy机器及其作用？
# 什么是Twemproxy 是Twtter开源的一个 Redis 和 Memcache 代理服务器， 主要用于管理 Redis 和 Memcached 集群，减少与Cache服务器直接连接的数量。 他的后端是多台REDIS或memcached所以也可以被称为分布式中间件。 # 作用 通过代理的方式减少缓存服务器的连接数。 自动在多台缓存服务器间共享数据。 通过配置的方式禁用失败的结点。 运行在多个实例上，客户端可以连接到首个可用的代理服务器。 支持请求的流式与批处理，因而能够降低来回的消耗。
redis中的watch命令的作用？
用于监视一个或多个key， 如果在事务执行之前这个/些key被其他命令改动，那么事务将被打断
基于redis商城商品数量计数器(使用watch命令)
import redis conn = redis.Redis(host='192.168.1.41',port=6379) conn.set('count',1000) with conn.pipeline() as pipe: # 先监视，自己的值没有被修改过 conn.watch('count') # 事务开始 pipe.multi() old_count = conn.get('count') count = int(old_count) if count > 0: # 有库存 pipe.set('count', count - 1) # 执行，把所有命令一次性推送过去 pipe.execute()
redis分布式锁heredlock实现机制
实现 - 写值并设置超时时间 - 超过一半的redis实例设置成功，就表示加锁完成。 - 使用：安装redlock-py from redlock import Redlock dlm = Redlock( [ {"host": "localhost", "port": 6379, "db": 0}, {"host": "localhost", "port": 6379, "db": 0}, {"host": "localhost", "port": 6379, "db": 0}, ] ) # 加锁，acquire my_lock = dlm.lock("my_resource_name",10000) if my_lock: # 进行操作 # 解锁,release dlm.unlock(my_lock) else: print('获取锁失败')
一致性哈希概念
# 一致性哈希 一致性hash算法（DHT）可以通过减少影响范围的方式，解决增减服务器导致的数据散列问题，从而解决了分布式环境下负载均衡问题； 如果存在热点数据，可以通过增添节点的方式，对热点区间进行划分，将压力分配至其他服务器，重新达到负载均衡的状态。 # 模块：hash_ring
如何高效的找到redis中所有以zhugc开头的key？
可以使用keys命令来加速查找
# 语法：KEYS pattern # 说明：返回与指定模式相匹配的所用的keys。 该命令所支持的匹配模式如下： 1、?：用于匹配单个字符。例如，h?llo可以匹配hello、hallo和hxllo等； 2、*：用于匹配零个或者多个字符。例如，h*llo可以匹配hllo和heeeello等； 2、[]：可以用来指定模式的选择区间。例如h[ae]llo可以匹配hello和hallo，但是不能匹配hillo。同时，可以使用“/”符号来转义特殊的字符 # 注意 KEYS 的速度非常快，但如果数据太大，内存可能会崩掉， 如果需要从一个数据集中查找特定的key，最好还是用Redis的集合结构(set)来代替。
如何基于redis实现发布和订阅？
# 发布和订阅，只要有任务就所有订阅者每人一份。 发布者： #发布一次 import redis conn = redis.Redis(host='127.0.0.1',port=6379) conn.publish('104.9MH', "hahahahahaha") 订阅者： #'while True'一直在接收 import redis conn = redis.Redis(host='127.0.0.1',port=6379) pub = conn.pubsub() pub.subscribe('104.9MH') while True: msg= pub.parse_response() print(msg)
详细介绍链接：redis为什么这么快