安徽省建设安全质量协会网站,最近时事新闻,最正规的购物平台,网站做零售文章目录 redis使用场景下载框架和连接redis1. 安装go-redis2. 连接redis 字符串操作有序集合操作流水线事务1. 普通事务2. Watch redis使用场景
缓存系统#xff0c;减轻主数据库#xff08;MySQL#xff09;的压力。计数场景#xff0c;比如微博、抖音中的关注数和粉丝数… 文章目录 redis使用场景下载框架和连接redis1. 安装go-redis2. 连接redis 字符串操作有序集合操作流水线事务1. 普通事务2. Watch redis使用场景
缓存系统减轻主数据库MySQL的压力。计数场景比如微博、抖音中的关注数和粉丝数。热门排行榜需要排序的场景特别适合使用ZSET。利用 LIST 可以实现队列的功能。利用 HyperLogLog 统计UV、PV等数据。使用 geospatial index 进行地理位置相关查询。
下载框架和连接redis
Go 社区中目前有很多成熟的 redis client 库比如redigo和go-redis读者可以自行选择适合自己的库。本文章使用 go-redis 这个库来操作 Redis 数据库。
1. 安装go-redis
# redis 6
go get github.com/go-redis/redis/v8
# redis 7
go get github.com/go-redis/redis/v92. 连接redis
var Rdb *redis.Clientfunc Connect() {Rdb redis.NewClient(redis.Options{Addr: localhost:6379,Password: ,DB: 0,PoolSize: 10,})
}字符串操作
只要Redis命令足够熟悉那么对于这个框架的API的学习基本就没有什么问题。由于Redis命令太多在此只列出了字符串和有序集合这两种数据类型的操作示例。
func String() {ctx, cancel : context.WithTimeout(context.Background(), 500*time.Millisecond)defer cancel()//set命令_, err : connect.Rdb.Set(ctx, name, bing, 0).Result()if err ! nil {fmt.Println(err.Error())}name, err : connect.Rdb.Get(ctx, name).Result()fmt.Println(name)//GetSet命令v1, _ : connect.Rdb.GetSet(ctx, name, xyz).Result()fmt.Println(旧值: v1) //bingname, err connect.Rdb.Get(ctx, name).Result()fmt.Println(新值: name) //xyz//MSet和MGet命令connect.Rdb.MSet(ctx, age, 18, password, 1234)v2 : connect.Rdb.MGet(ctx, name, age, password).Val()for _, v : range v2 {fmt.Println(v)}//IncrBy命令v3 : connect.Rdb.IncrBy(ctx, age, 2).Val() //20fmt.Println(v3)//append命令connect.Rdb.Append(ctx, password, abc)v4 : connect.Rdb.Get(ctx, password).Val() //1234abcfmt.Println(v4)//SetRange命令connect.Rdb.SetRange(ctx, password, 0, 987654)v5 : connect.Rdb.Get(ctx, password).Val() //987654cfmt.Println(v5)//GetRange命令v6 : connect.Rdb.GetRange(ctx, password, 4, -1).Val() //54cfmt.Println(v6)v7 : connect.Rdb.Get(ctx, password).Val() //987654cfmt.Println(v7)//StrLen命令v8 : connect.Rdb.StrLen(ctx, name).Val() //3fmt.Println(v8)//获取编码方式v9 : connect.Rdb.ObjectEncoding(ctx, age).Val() //intfmt.Println(v9)//redis.Nil的用法v10, err : connect.Rdb.Get(ctx, no_existing).Result()if redis.Nil err {fmt.Println(key不存在)} else if err ! nil {fmt.Println(err.Error())} else {fmt.Println(v10)}
}有序集合操作
func ZSet() {ctx, cancel : context.WithTimeout(context.Background(), 500*time.Millisecond)defer cancel()ZSetKey : languageslanguages : []redis.Z{{Score: 90, Member: Go},{Score: 85, Member: Python},{Score: 99, Member: C},{Score: 95, Member: Java},{Score: 99, Member: Rust},{Score: 80, Member: PHP},}err : connect.Rdb.ZAdd(ctx, ZSetKey, languages...).Err()if err ! nil {fmt.Println(err.Error())}//按照分数从低到高遍历v1 : connect.Rdb.ZRange(ctx, ZSetKey, 0, -1).Val()fmt.Println(v1) //[PHP Python Go Java C Rust]v2 : connect.Rdb.ZRangeWithScores(ctx, ZSetKey, 0, -1).Val()fmt.Println(v2) //[{80 PHP} {85 Python} {90 Go} {95 Java} {99 C} {99 Rust}]opt1 : redis.ZRangeBy{Min: 0, //查询的最小分数值Max: 95, //查询的最大分数值Offset: 0, //查询的起始位置Count: 6, //需要查询的元素个数}v3 : connect.Rdb.ZRangeByScoreWithScores(ctx, ZSetKey, opt1).Val()fmt.Println(v3) //[{80 PHP} {85 Python} {90 Go} {95 Java}]opt2 : redis.ZRangeBy{Min: [K, //查询的最小字典序值Max: [X, //查询的最大字典序值Offset: 0, //查询的起始位置Count: 5, //需要查询的元素个数}v4 : connect.Rdb.ZRangeByLex(ctx, ZSetKey, opt2).Val()fmt.Println(v4) //[PHP Python Go Java C]v5 : connect.Rdb.ZCard(ctx, ZSetKey).Val()fmt.Println(集合长度: strconv.FormatInt(v5, 10)) // 6
}流水线
使用流水线就是将多个执行的命令放入 pipeline 中然后使用1次读写操作就像执行单个命令一样执行它们就相当于把多个命令打包然后一起发送给redis服务器让redis服务器一次性执行完毕。这样做的好处是节省了执行命令的网络往返时间RTT。
注意如果redis采用了分布式集群模式不可以直接使用pipeline命令进行操作因为访问的key可能并不在同一个节点上。
下面的示例代码中演示了使用 pipeline 将pipeline_counter键的值加1和设置过期时间。
func PipeLine() {ctx, cancel : context.WithTimeout(context.Background(), 500*time.Millisecond)defer cancel()//创建一个Pipeline对象:pipepipe : connect.Rdb.Pipeline()//将名为pipeline_counter的键的值加1incr : pipe.Incr(ctx, pipeline_counter)//设置pipeline_counter键的过期时间为1分钟pipe.Expire(ctx, pipeline_counter, time.Minute)//执行所有的命令。_, err : pipe.Exec(ctx)if err ! nil {panic(err)}// 在执行pipe.Exec之后才能获取到结果fmt.Println(incr.Val())
}上面的代码相当于将以下两个redis命令一次发给 Redis Server 端执行与不使用 Pipeline 相比能减少一次RTT。
INCR pipeline_counter
EXPIRE pipeline_counts 60或者你也可以使用Pipelined 方法它会在当前函数退出时调用 Exec。
func PipeLine() {ctx, cancel : context.WithTimeout(context.Background(), 500*time.Millisecond)defer cancel()var incr *redis.IntCmdcmdS, err : connect.Rdb.Pipelined(ctx, func(pipe redis.Pipeliner) error {incr pipe.Incr(ctx, pipelined_counter)pipe.Expire(ctx, pipelined_counter, time.Minute)return nil})if err ! nil {panic(err)}// 在pipeline执行后获取到结果fmt.Println(incr.Val())//使用类型断言特性来对 cmd 进行类型检查for _, cmd : range cmdS {switch v : cmd.(type) {case *redis.StringCmd:fmt.Println(v.Val())case *redis.IntCmd:fmt.Println(v.Val())case *redis.BoolCmd:fmt.Println(v.Val())default:fmt.Printf(unexpected type %T\n, v)}}
}运行结果如下 所以在那些我们需要一次性执行多个命令的场景下就可以考虑使用 pipeline 来优化。
事务
1. 普通事务
Redis 是单线程执行命令的因此单个命令始终是原子的但是来自不同客户端的两个给定命令可以依次执行例如在它们之间交替执行。使用事务后Redis会按照命令的顺序执行这些命令并且在执行过程中不会立即返回结果只有在所有命令都执行完毕后才会一次性返回所有命令的执行结果。也就是在执行过程中保证了原子性即要么所有命令都执行成功要么所有命令都不执行。
同时Redis事务还支持WATCH命令可以在事务执行之前监视一个或多个键如果在事务执行期间这些键发生了改变事务会被中断。这样可以确保在执行事务期间被监视的键没有被其他客户端修改。
Tx是Transaction的缩写意为事务”。TxPipeline 和 TxPipelined 的使用方法如下所示
func Work() {ctx, cancel : context.WithTimeout(context.Background(), 500*time.Millisecond)defer cancel()pipe : connect.Rdb.TxPipeline()incr : pipe.Incr(ctx, tx_pipeline_counter)pipe.Expire(ctx, tx_pipeline_counter, time.Minute)_, err : pipe.Exec(ctx)fmt.Println(incr.Val(), err)var incr2 *redis.IntCmd_, err connect.Rdb.TxPipelined(ctx, func(pipe redis.Pipeliner) error {incr2 pipe.Incr(ctx, tx_pipeline_counter)pipe.Expire(ctx, tx_pipeline_counter, time.Minute)return nil})fmt.Println(incr2.Val(), err)
}运行结果如下 2. Watch
我们通常搭配 WATCH命令来执行事务操作。从使用WATCH命令监视某个 key 开始直到执行EXEC命令的这段时间里如果有其他用户抢先对被监视的 key 进行了替换、更新、删除等操作那么当用户尝试执行EXEC的时候事务将失败并返回一个错误用户可以根据这个错误选择重试事务或者放弃事务。
Watch方法接收一个函数和一个或多个key作为参数。
Watch(fn func(*Tx) error, keys ...string) error假设我们有一个应用程序它需要保持用户的积分。我们需要一个函数可以安全地减少用户的积分。为了避免并发问题我们将使用WATCH命令来监视用户的积分并在事务中更新积分。
func WatchUserPoints(userID string, points int) error {ctx, cancel : context.WithTimeout(context.Background(), 500*time.Millisecond)defer cancel()for {// 监控err : connect.Rdb.Watch(ctx, func(tx *redis.Tx) error {// 得到当前用户的积分nn, err : tx.Get(ctx, userID).Int()//扣除积分时开启事务,points表示要扣除的积分_, err tx.TxPipelined(ctx, func(pipe redis.Pipeliner) error {err : pipe.Set(ctx, userID, n-points, 0).Err()return err})return err}, userID) //监控的键为userID,也就是当这个键的值(积分)如果在事务执行过程中被其他客户端修改,那么当前事务就会执行失败。//对错误的判断if err redis.TxFailedErr {//表示监视的键在事务执行过程中被其他客户端修改了因此事务执行失败了。continue} else if err ! nil {//其他类型的错误return err} else {//没有错误break}}//能够跳出循环说明一切正常return nil
}这段代码的目的是监视用户的当前积分如果在事务执行过程中其他客户端改变了这个键的值也就是用户的积分那么 Watch 会发现这个变化并使得事务失败返回 redis.TxFailedErr 错误。
总的来说这段代码的目的是确保在减少用户积分的过程中用户的积分没有被其他客户端修改。这是通过Redis的 WATCH 命令来实现的这个命令可以将一个或多个键标记为监视然后在执行事务之前检查这些键是否已经被修改。
