03：小功能大用處

文章目錄

• • 03：小功能大用處
• 1、本章知識
• • 1.1 本章內容
  • 1.2 重點
• 2、慢查詢分析
• • 2.1 慢查詢的兩個配置參數
  • 2.2 慢查詢最佳實踐
• 3、Redis Shell
• • 3.1 redis-cli常用命令
  • 3.2 redis-cli命令總結
  • 3.2 redis-benchmark命令
  • 3.3 Pipeline
  • • 3.3.1 執行過程
    • 3.3.2 Pipeline性能測試
    • 3.3.3 原生批量命令與Pipeline對比
    • 3.3.4 最佳實踐
  • 3.4 Redis與Lua
  • 3.5 Bitmaps
  • • 3.5.1 數據結構模型
    • 3.5.2 命令
    • 3.5.3 Bitmaps分析
  • 3.6 HyperLogLog
  • • 3.6.1 HyperLogLog命令
  • 3.7 發布訂閱
  • • 3.7.1 命令
  • 3.8 GEO（地理信息定位）

1、本章知識

1.1 本章內容

• 慢查詢分析：通過慢查詢分析，找到有問題的命令進行優化。
• Redis Shell：功能強大的Redis Shell會有意想不到的實用功能。
• Pipeline：通過Pipeline（管道或者流水線）機制有效提高客戶端性能。
• 事務與Lua：制作自己的專屬原子命令。
• Bitmaps：通過在字符串數據結構上使用位操作，有效節省內存，為開 發提供新的思路。
• HyperLogLog：一種基于概率的新算法，難以想象地節省內存空間。
• 發布訂閱：基于發布訂閱模式的消息通信機制。
• GEO：Redis3.2提供了基于地理位置信息的功能。

1.2 重點

• 1）慢查詢中的兩個重要參數slowlog-log-slower-than和slowlog-max-len。
• 2）慢查詢不包含命令網絡傳輸和排隊時間。
• 3）有必要將慢查詢定期存放。
• 4）redis-cli一些重要的選項，例如–latency、–-bigkeys、-i和-r組合。
• 5）redis-benchmark的使用方法和重要參數。
• 6）Pipeline可以有效減少RTT次數，但每次Pipeline的命令數量不能無節制。
• 7）Redis可以使用Lua腳本創造出原子、高效、自定義命令組合。
• 8）Redis執行Lua腳本有兩種方法：eval和evalsha。
• 9）Bitmaps可以用來做獨立用戶統計，有效節省內存。
• 10）Bitmaps中setbit一個大的偏移量，由于申請大量內存會導致阻塞。
• 11）HyperLogLog雖然在統計獨立總量時存在一定的誤差，但是節省的內存量十分驚人。

2、慢查詢分析

所謂慢查詢日志就是系統在命令執行前后計算每條命令的執行時間，當超過預設閥值，就將這條命令的相關信息（例如：發生時 間，耗時，命令的詳細信息）記錄下來，Redis也提供了類似的功能。

Redis客戶端執行一條命令分為如下4個部分：

• 一條客戶端命令的生命周期：
  • 發送命令
  • 命令排隊
  • 命令執行
  • 返回結果

需要注意，慢查詢只統計(命令執行)的時間，所以沒有慢查詢并不代表客戶端沒有超時問題。

2.1 慢查詢的兩個配置參數

• 對于慢查詢功能，需要明確兩件事：
  • 預設閥值怎么設置？
  • 慢查詢記錄存放在哪？

Redis提供了slowlog-log-slower-than和slowlog-max-len配置來解決這兩個問題。

• slowlog-log-slower-than

從字面意思就可以看出，slowlog-log-slower-than就是那個預設閥值， 它的單位是微秒（1秒=1000毫秒=1000000微秒），默認值是10000即10毫秒，假如執 行了一條很慢的命令（例如keys*），如果它的執行時間超過了10000微秒，那么它將被記錄在慢查詢日志中。

注意：如slowlog-log-slower-than = 0會記錄所有的命令，slowlog-log-slower-than < 0對于任何命令都不會進行記錄。

• slowlog-max-len

從字面意思看，只是說明了慢查詢日志最多存儲多少條，并沒有說明存放在哪里？
實際上Redis使用了一個列表來存儲慢查詢日志，slowlog-max-len就是列表的最大長度。
一個新的命令滿足慢查詢條件時 被插入到這個列表中，當慢查詢日志列表已處于其最大長度時，最早插入的 一個命令將從列表中移出，例如slowlog-max-len設置為5，當有第6條慢查詢插入的話，那么隊頭的第一條數據就出列，第6條慢查詢就會入列。

• 在Redis中有兩種修改配置的方法:
  • 一種是修改配置文件
  • 另一種是使用config set命令動態修改

下面使用config set命令將slowlog-log-slower- than設置為20000微秒，slowlog-max-len設置為256

命令行查看修改配置文件項config get | config set | config rewrite

192.168.49.171:6392> config get slow* 1) "slowlog-log-slower-than" 2) "10000" 3) "slowlog-max-len" 4) "128" 192.168.49.171:6392> config set slowlog-log-slower-than 20000 OK 192.168.49.171:6392> config set slowlog-max-len 256 OK 192.168.49.171:6392> config rewrite OK 192.168.49.171:6392> config get slow* 1) "slowlog-log-slower-than" 2) "20000" 3) "slowlog-max-len" 4) "256" 192.168.49.171:6392>

要Redis將配置持久化到本地配置文件，需要執行config rewrite命令,config rewrite命令重寫配置文件

192.168.49.171:6392> slowlog get 1) 1) (integer) 02) (integer) 15740618273) (integer) 148324) 1) "DEL"2) "baobao" 192.168.49.171:6392> slowlog len (integer) 1 192.168.49.171:6392>

• 慢查詢日志數據結構

• 那么記錄的中的1）2）3）4）分別表示什么呢？
  • 1）表示日志唯一標識符uid
  • 2）命令執行時系統的時間戳
  • 3）命令執行的時長，以微妙來計算
  • 4）命令和命令的參數

192.168.49.171:6392> slowlog len --當前Redis中有1條慢查詢 (integer) 1 192.168.49.171:6392> slowlog reset --慢查詢日志重置 OK 192.168.49.171:6392> slowlog len (integer) 0 192.168.49.171:6392>

2.2 慢查詢最佳實踐

• 慢查詢功能可以有效地幫助我們找到Redis可能存在的瓶頸，但在實際 使用過程中要注意以下幾點：
  • slowlog-max-len配置建議：線上建議調大慢查詢列表，記錄慢查詢時 Redis會對長命令做截斷操作，并不會占用大量內存。增大慢查詢列表可以減緩慢查詢被剔除的可能，例如線上可設置為1000以上。
  • slowlog-log-slower-than配置建議：默認值超過10毫秒判定為慢查詢，需要根據Redis并發量調整該值。由于Redis采用單線程響應命令，對于高流量的場景，如果命令執行時間在1毫秒以上，那么Redis最多可支撐OPS不到 1000。因此對于高OPS場景的Redis建議設置為1毫秒。
  • 慢查詢只記錄命令執行時間，并不包括命令排隊和網絡傳輸時間。因此客戶端執行命令的時間會大于命令實際執行時間。因為命令執行排隊機制，慢查詢會導致其他命令級聯阻塞，因此當客戶端出現請求超時，需要檢 查該時間點是否有對應的慢查詢，從而分析出是否為慢查詢導致的命令級聯阻塞。
  • 由于慢查詢日志是一個先進先出的隊列，也就是說如果慢查詢比較多 的情況下，可能會丟失部分慢查詢命令，為了防止這種情況發生，可以定期執行slow get命令將慢查詢日志持久化到其他存儲中（例如MySQL），然后 可以制作可視化界面進行查詢。

3、Redis Shell

Redis提供了redis-cli、redis-server、redis-benchmark等Shell工具。

可執行文件作用

redis-server	啟動redis
redis-cli	redis命令行工具
redis-benchmark	基準測試工具
redis-check-aof	AOF持久化文件檢測工具和修復工具
redis-check-dump	RDB持久化文件檢測工具和修復工具
redis-sentinel	啟動redis-sentinel

3.1 redis-cli常用命令

1. -r(repeat）選項代表將命令執行多次，例如下面操作將會執行三次ping命令：[root@manager01 ~]# redis-cli -r 3 -h 192.168.49.171 -p 6393 ping PONG PONG PONG2.-i(interval)選項代表每隔幾秒執行一次命令，但是-i選項必須和-r選項一起使用，下面的操作會每隔1秒執行一次ping命令，一共執行5次：[root@manager01 ~]# redis-cli -h 192.168.49.171 -p 6393 -r 5 -i 1 ping PONG PONG PONG PONG PONG注意-i的單位是秒，不支持毫秒為單位，但是如果想以每隔10毫秒執行一次，可以用-i 0.01，例如：[root@manager01 ~]# redis-cli -h 192.168.49.171 -p 6393 -r 5 -i 0.01 ping PONG PONG PONG PONG PONG例如下面的操作利用-r和-i選項，每隔1秒輸出內存的使用量，一共輸出5次：[root@manager01 ~]# redis-cli -h 192.168.49.171 -p 6393 -r 5 -i 1 info |grep used_memory_human used_memory_human:40.34M used_memory_human:40.34M used_memory_human:40.34M used_memory_human:40.31M used_memory_human:40.34M3.-x選項代表從標準輸入（stdin）讀取數據作為redis-cli的***一個參數，例如下面的操作會將字符串world作為set hello的值：[root@manager01 ~]# echo "world" | redis-cli -h 192.168.49.171 -p 6393 -x set hello OK[root@manager01 ~]# redis-cli -h 192.168.49.171 -p 6393 get hello "world\n"[root@manager01 ~]# echo -n "world_1" | redis-cli -h 192.168.49.171 -p 6393 -x set hello_1 --因為echo命令是默認帶有回車\n的，不帶回車需要echo –n命令：從標準輸入讀入一個參數到redis，就不會有回車符. OK [root@manager01 ~]# redis-cli -h 192.168.49.171 -p 6393 get hello_1 "world_1" [root@manager01 ~]# 4.-c(cluster）選項是連接Redis Cluster節點時需要使用的，-c選項可以防止moved和ask異常。[root@manager01 ~]# redis-cli -h 192.168.49.173 -p 6379 -c 192.168.49.173:6379> info cluster # Cluster cluster_enabled:1 192.168.49.173:6379> 5.-a 如果Redis配置了密碼，可以用-a(auth）選項，有了這個選項就不需要手動輸入auth命令。6.--scan選項和--pattern選項用于掃描指定模式的鍵，相當于使用scan命令。7.--slave選項是把當前客戶端模擬成當前Redis節點的從節點，可以用來獲取當前Redis節點的更新操作，有關于Redis復制將在第6章進行詳細介紹。合理的利用這個選項可以記錄當前連接Redis節點的一些更新操作，這些更新操作很可能是實際開發業務時需要的數據。下面開啟***個客戶端，使用--slave選項，看到同步已完成： $ redis-cli --slave SYNC with master, discarding 72 bytes of bulk transfer... SYNC done. Logging commands from master. 再開啟另一個客戶端做一些更新操作： redis-cli 127.0.0.1:6379> set hello world OK 127.0.0.1:6379> set a b OK 127.0.0.1:6379> incr count 1 127.0.0.1:6379> get hello "world" ***個客戶端會收到Redis節點的更新操作： redis-cli --slave SYNC with master, discarding 72 bytes of bulk transfer... SYNC done. Logging commands from master. "PING" "PING" "PING" "PING" "PING" "SELECT","0" "set","hello","world" "set","a","b" "PING" "incr","count" PING命令是由于主從復制產生的，第6章會對主從復制進行介紹。8.--rdb選項會請求Redis實例生成并發送RDB持久化文件，保存在本地。可使用它做持久化文件的定期備份。9.--pipe選項用于將命令封裝成Redis通信協議定義的數據格式，批量發送給Redis執行： [root@manager01 ~]# echo -en "PING\r\n SET w3ckey redis\r\nGET w3ckey\r\nINCR visitor\r\nINCR visitor\r\nINCR visitor\r\n" | redis-cli -h 192.168.49.171 -p 6392 PONG OK "redis" (integer) 1 (integer) 2 (integer) 310、--bigkeys統計bigkey的分布，使用scan命令對redis的鍵進行采樣，從中找到內存占用比較大的鍵，這些鍵可能是系統的瓶頸。11、--eval用于執行lua腳本12、--latency [root@manager01 ~]# redis-cli -h 192.168.49.171 -p 6393 --latency min: 0, max: 4, avg: 0.30 (3757 samples)有三個選項，--latency、--latency-history、--latency-dist。它們可檢測網絡延遲，展現的形式不同。13、--stat 可實時獲取redis的重要統計信息。info命令雖然比較全，但這里可看到一些增加的數據，如requests（每秒請求數）14、--raw 和 --no-raw --no-raw 要求返回原始格式。--raw 顯示格式化的效果。 [root@manager01 ~]# redis-cli -h 192.168.49.171 -p 6393 --stat ------- data ------ --------------------- load -------------------- - child - keys mem clients blocked requests connections 8 40.31M 8 0 2798512 ( 0) 19198 8 40.35M 8 0 2798517 ( 5) 19198 8 40.35M 8 0 2798525 ( 8) 19198

3.2 redis-cli命令總結

• 字符串命令

• 修改字符串操作命令

• 修改數字值操作命令

• 位圖命令

• 列表命令

• 其他列表命令

• 哈希命令

*其他哈希命令

• 集合命令

集合并交差運算操作命令

*有序集合命令

• 其他有序集合命令

• 發布訂閱命令

• 連接操作相關的命令

• 服務端相關命令

與客戶端連接、獲取命令信息相關的命令

與配置文件、磁盤操作相關的命令

其他命令

• 腳本命令

• 對KEY操作的命令

• Hyperloglog命令

• 地理空間命令

• 事務命令

• 集群命令

連接操作相關的命令默認直接連接 遠程連接-h 192.168.1.20 -p 6379 ping：測試連接是否存活如果正常會返回pong echo：打印 select：切換到指定的數據庫，數據庫索引號 index 用數字值指定，以 0 作為起始索引值 quit：關閉連接（connection） auth：簡單密碼認證服務端相關命令time：返回當前服務器時間 client list: 返回所有連接到服務器的客戶端信息和統計數據 參見http://redisdoc.com/server/client_list.html client kill ip:port：關閉地址為 ip:port 的客戶端 save：將數據同步保存到磁盤 bgsave：將數據異步保存到磁盤 lastsave：返回上次成功將數據保存到磁盤的Unix時戳 shundown：將數據同步保存到磁盤，然后關閉服務 info：提供服務器的信息和統計 config resetstat：重置info命令中的某些統計數據 config get：獲取配置文件信息 config set：動態地調整 Redis 服務器的配置(configuration)而無須重啟，可以修改的配置參數可以使用命令 CONFIG GET * 來列出 config rewrite：Redis 服務器時所指定的 redis.conf 文件進行改寫 monitor：實時轉儲收到的請求 slaveof：改變復制策略設置發布訂閱相關命令psubscribe：訂閱一個或多個符合給定模式的頻道 例如psubscribe news.* tweet.* publish：將信息 message 發送到指定的頻道 channel 例如publish msg "good morning" pubsub channels：列出當前的活躍頻道 例如PUBSUB CHANNELS news.i* pubsub numsub：返回給定頻道的訂閱者數量 例如PUBSUB NUMSUB news.it news.internet news.sport news.music pubsub numpat：返回客戶端訂閱的所有模式的數量總和 punsubscribe：指示客戶端退訂所有給定模式。 subscribe：訂閱給定的一個或多個頻道的信息。例如 subscribe msg chat_room unsubscribe：指示客戶端退訂給定的頻道。exists(key)：確認一個key是否存在 del(key)：刪除一個key type(key)：返回值的類型 keys(pattern)：返回滿足給定pattern的所有key randomkey：隨機返回key空間的一個 keyrename(oldname, newname)：重命名key dbsize：返回當前數據庫中key的數目 expire：設定一個key的活動時間（s） ttl：獲得一個key的活動時間 move(key, dbindex)：移動當前數據庫中的key到dbindex數據庫 flushdb：刪除當前選擇數據庫中的所有key flushall：刪除所有數據庫中的所有key對String操作的命令set(key, value)：給數據庫中名稱為key的string賦予值value get(key)：返回數據庫中名稱為key的string的value getset(key, value)：給名稱為key的string賦予上一次的value mget(key1, key2,…, key N)：返回庫中多個string的value setnx(key, value)：添加string，名稱為key，值為value setex(key, time, value)：向庫中添加string，設定過期時間time mset(key N, value N)：批量設置多個string的值 msetnx(key N, value N)：如果所有名稱為key i的string都不存在 incr(key)：名稱為key的string增1操作 incrby(key, integer)：名稱為key的string增加integer decr(key)：名稱為key的string減1操作 decrby(key, integer)：名稱為key的string減少integer append(key, value)：名稱為key的string的值附加value substr(key, start, end)：返回名稱為key的string的value的子串對List操作的命令rpush(key, value)：在名稱為key的list尾添加一個值為value的元素 lpush(key, value)：在名稱為key的list頭添加一個值為value的 元素 llen(key)：返回名稱為key的list的長度 lrange(key, start, end)：返回名稱為key的list中start至end之間的元素 ltrim(key, start, end)：截取名稱為key的list lindex(key, index)：返回名稱為key的list中index位置的元素 lset(key, index, value)：給名稱為key的list中index位置的元素賦值 lrem(key, count, value)：刪除count個key的list中值為value的元素 lpop(key)：返回并刪除名稱為key的list中的首元素 rpop(key)：返回并刪除名稱為key的list中的尾元素 blpop(key1, key2,… key N, timeout)：lpop命令的block版本。 brpop(key1, key2,… key N, timeout)：rpop的block版本。 rpoplpush(srckey, dstkey)：返回并刪除名稱為srckey的list的尾元素，并將該元素添加到名稱為dstkey的list的頭部對Set操作的命令sadd(key, member)：向名稱為key的set中添加元素member srem(key, member) ：刪除名稱為key的set中的元素member spop(key) ：隨機返回并刪除名稱為key的set中一個元素 smove(srckey, dstkey, member) ：移到集合元素 scard(key) ：返回名稱為key的set的基數 sismember(key, member) ：member是否是名稱為key的set的元素 sinter(key1, key2,…key N) ：求交集 sinterstore(dstkey, (keys)) ：求交集并將交集保存到dstkey的集合 sunion(key1, (keys)) ：求并集 sunionstore(dstkey, (keys)) ：求并集并將并集保存到dstkey的集合 sdiff(key1, (keys)) ：求差集 sdiffstore(dstkey, (keys)) ：求差集并將差集保存到dstkey的集合 smembers(key) ：返回名稱為key的set的所有元素 srandmember(key) ：隨機返回名稱為key的set的一個元素對Hash操作的命令hset(key, field, value)：向名稱為key的hash中添加元素field hget(key, field)：返回名稱為key的hash中field對應的value hmget(key, (fields))：返回名稱為key的hash中field i對應的value hmset(key, (fields))：向名稱為key的hash中添加元素field hincrby(key, field, integer)：將名稱為key的hash中field的value增加integer hexists(key, field)：名稱為key的hash中是否存在鍵為field的域 hdel(key, field)：刪除名稱為key的hash中鍵為field的域 hlen(key)：返回名稱為key的hash中元素個數 hkeys(key)：返回名稱為key的hash中所有鍵 hvals(key)：返回名稱為key的hash中所有鍵對應的value hgetall(key)：返回名稱為key的hash中所有的鍵（field）及其對應的value

3.2 redis-benchmark命令

redis-benchmark可以為Redis做基準性能測試，它提供了很多選項幫助開 發和運維人員測試Redis的相關性能

序號選項描述默認值

1	-h	指定服務器主機名	127.0.0.1
2	-p	指定服務器端口	6379
3	-s	指定服務器 socket
4	-c	指定并發連接數	50
5	-n	指定請求數	10000
6	-d	以字節的形式指定 SET/GET 值的數據大小	2
7	-k	1=keep alive 0=reconnect	1
8	-r	SET/GET/INCR 使用隨機 key, SADD 使用隨機值
9	-P	通過管道傳輸 請求	1
10	-q	強制退出 redis。僅顯示 query/sec 值
11	–csv	以 CSV 格式輸出
12	-l	生成循環，永久執行測試
13	-t	僅運行以逗號分隔的測試命令列表。
14	-I	Idle 模式。僅打開 N 個 idle 連接并等待。

以上實例中主機為 192.168.49.171，端口號為 6392，執行的命令為 set,lpush，請求數為 10000，通過 -q 參數讓結果只顯示每秒執行的請求數。 [root@manager01 ~]# redis-benchmark -h 192.168.49.171 -p 6392 -t set,lpush -n 100000 -q SET: 43917.44 requests per second LPUSH: 51786.64 requests per second[root@manager01 ~]# redis-benchmark -h 192.168.49.171 -p 6392 -c 100 -n 100000 -q PING_INLINE: 42607.59 requests per second PING_BULK: 50864.70 requests per second SET: 51706.31 requests per second GET: 50581.69 requests per second INCR: 50125.31 requests per second LPUSH: 50684.23 requests per second RPUSH: 57142.86 requests per second LPOP: 49043.65 requests per second RPOP: 51948.05 requests per second SADD: 51177.07 requests per second SPOP: 51334.70 requests per second LPUSH (needed to benchmark LRANGE): 50864.70 requests per second LRANGE_100 (first 100 elements): 24758.60 requests per second LRANGE_300 (first 300 elements): 11036.31 requests per second LRANGE_500 (first 450 elements): 8940.54 requests per second LRANGE_600 (first 600 elements): 7476.08 requests per second MSET (10 keys): 30797.66 requests per second[root@manager01 ~]# redis-benchmark -h 192.168.49.171 -p 6392 -c 100 -n 20000 -r 10000 ====== PING_INLINE ======20000 requests completed in 0.58 seconds100 parallel clients3 bytes payloadkeep alive: 10.28% <= 1 milliseconds 91.85% <= 2 milliseconds 98.81% <= 3 milliseconds 99.81% <= 4 milliseconds 99.99% <= 5 milliseconds 100.00% <= 5 milliseconds 34246.57 requests per second====== PING_BULK ======20000 requests completed in 0.45 seconds100 parallel clients3 bytes payloadkeep alive: 11.61% <= 1 milliseconds 99.28% <= 2 milliseconds 99.72% <= 3 milliseconds 99.90% <= 4 milliseconds 100.00% <= 4 milliseconds 44543.43 requests per second====== SET ======20000 requests completed in 0.45 seconds100 parallel clients3 bytes payloadkeep alive: 16.17% <= 1 milliseconds 96.38% <= 2 milliseconds 99.87% <= 3 milliseconds 100.00% <= 3 milliseconds 44843.05 requests per second====== GET ======20000 requests completed in 0.39 seconds100 parallel clients3 bytes payloadkeep alive: 128.71% <= 1 milliseconds 99.81% <= 2 milliseconds 100.00% <= 3 milliseconds 100.00% <= 3 milliseconds 50890.59 requests per second====== INCR ======20000 requests completed in 0.41 seconds100 parallel clients3 bytes payloadkeep alive: 16.71% <= 1 milliseconds 98.00% <= 2 milliseconds 99.75% <= 3 milliseconds 99.96% <= 4 milliseconds 100.00% <= 4 milliseconds 48899.75 requests per second====== LPUSH ======20000 requests completed in 0.40 seconds100 parallel clients3 bytes payloadkeep alive: 15.18% <= 1 milliseconds 93.09% <= 2 milliseconds 99.61% <= 3 milliseconds 100.00% <= 3 milliseconds 49875.31 requests per second====== RPUSH ======20000 requests completed in 0.42 seconds100 parallel clients3 bytes payloadkeep alive: 17.76% <= 1 milliseconds 87.24% <= 2 milliseconds 98.24% <= 3 milliseconds 99.54% <= 4 milliseconds 99.72% <= 5 milliseconds 99.88% <= 6 milliseconds 100.00% <= 6 milliseconds 47846.89 requests per second====== LPOP ======20000 requests completed in 0.44 seconds100 parallel clients3 bytes payloadkeep alive: 11.74% <= 1 milliseconds 81.83% <= 2 milliseconds 99.30% <= 3 milliseconds 99.73% <= 4 milliseconds 99.90% <= 5 milliseconds 100.00% <= 5 milliseconds 45248.87 requests per second====== RPOP ======20000 requests completed in 0.41 seconds100 parallel clients3 bytes payloadkeep alive: 15.95% <= 1 milliseconds 99.17% <= 2 milliseconds 99.76% <= 3 milliseconds 100.00% <= 4 milliseconds 49140.05 requests per second====== SADD ======20000 requests completed in 0.41 seconds100 parallel clients3 bytes payloadkeep alive: 16.28% <= 1 milliseconds 97.25% <= 2 milliseconds 99.98% <= 3 milliseconds 100.00% <= 3 milliseconds 49019.61 requests per second====== SPOP ======20000 requests completed in 0.39 seconds100 parallel clients3 bytes payloadkeep alive: 115.18% <= 1 milliseconds 99.61% <= 2 milliseconds 100.00% <= 2 milliseconds 51679.59 requests per second====== LPUSH (needed to benchmark LRANGE) ======20000 requests completed in 0.44 seconds100 parallel clients3 bytes payloadkeep alive: 13.17% <= 1 milliseconds 77.82% <= 2 milliseconds 97.53% <= 3 milliseconds 99.60% <= 4 milliseconds 99.76% <= 5 milliseconds 99.93% <= 6 milliseconds 100.00% <= 6 milliseconds 45871.56 requests per second====== LRANGE_100 (first 100 elements) ======20000 requests completed in 0.81 seconds100 parallel clients3 bytes payloadkeep alive: 10.01% <= 1 milliseconds 19.49% <= 2 milliseconds 92.38% <= 3 milliseconds 98.71% <= 4 milliseconds 99.69% <= 5 milliseconds 99.96% <= 6 milliseconds 100.00% <= 6 milliseconds 24600.25 requests per second====== LRANGE_300 (first 300 elements) ======20000 requests completed in 1.86 seconds100 parallel clients3 bytes payloadkeep alive: 10.00% <= 2 milliseconds 0.81% <= 3 milliseconds 27.92% <= 4 milliseconds 47.61% <= 5 milliseconds 80.65% <= 6 milliseconds 90.54% <= 7 milliseconds 93.58% <= 8 milliseconds 96.07% <= 9 milliseconds 97.94% <= 10 milliseconds 98.86% <= 11 milliseconds 99.26% <= 12 milliseconds 99.69% <= 13 milliseconds 99.92% <= 14 milliseconds 99.97% <= 15 milliseconds 99.99% <= 16 milliseconds 100.00% <= 16 milliseconds 10746.91 requests per second====== LRANGE_500 (first 450 elements) ======20000 requests completed in 1.82 seconds100 parallel clients3 bytes payloadkeep alive: 10.00% <= 1 milliseconds 0.06% <= 2 milliseconds 0.45% <= 3 milliseconds 24.24% <= 4 milliseconds 41.03% <= 5 milliseconds 69.07% <= 6 milliseconds 83.25% <= 7 milliseconds 90.21% <= 8 milliseconds 94.71% <= 9 milliseconds 97.28% <= 10 milliseconds 98.53% <= 11 milliseconds 98.98% <= 12 milliseconds 99.35% <= 13 milliseconds 99.63% <= 14 milliseconds 99.80% <= 15 milliseconds 99.89% <= 16 milliseconds 99.96% <= 17 milliseconds 99.99% <= 18 milliseconds 100.00% <= 18 milliseconds 10970.93 requests per second====== LRANGE_600 (first 600 elements) ======20000 requests completed in 2.76 seconds100 parallel clients3 bytes payloadkeep alive: 10.00% <= 3 milliseconds 0.38% <= 4 milliseconds 11.99% <= 5 milliseconds 23.41% <= 6 milliseconds 51.24% <= 7 milliseconds 64.32% <= 8 milliseconds 73.74% <= 9 milliseconds 86.28% <= 10 milliseconds 93.30% <= 11 milliseconds 96.13% <= 12 milliseconds 97.79% <= 13 milliseconds 98.67% <= 14 milliseconds 98.98% <= 15 milliseconds 99.24% <= 16 milliseconds 99.44% <= 17 milliseconds 99.61% <= 18 milliseconds 99.72% <= 19 milliseconds 99.79% <= 20 milliseconds 99.85% <= 21 milliseconds 99.90% <= 22 milliseconds 99.94% <= 23 milliseconds 99.97% <= 24 milliseconds 100.00% <= 25 milliseconds 7256.89 requests per second====== MSET (10 keys) ======20000 requests completed in 0.85 seconds100 parallel clients3 bytes payloadkeep alive: 10.00% <= 1 milliseconds 3.28% <= 2 milliseconds 24.63% <= 3 milliseconds 59.44% <= 4 milliseconds 84.07% <= 5 milliseconds 96.65% <= 6 milliseconds 98.99% <= 7 milliseconds 99.67% <= 8 milliseconds 99.97% <= 9 milliseconds 100.00% <= 9 milliseconds 23668.64 requests per second

3.3 Pipeline

3.3.1 執行過程

Redis客戶端執行一條命令分為如下四個過程：

1）發送命令 2）命令排隊 3）命令執行 4）返回結果 ；其中1） 4）稱為Round Trip Time（RTT，往返時間）。

Redis提供了批量操作命令（例如mget、mset等），有效地節約RTT。但 大部分命令是不支持批量操作的，例如要執行n次hgetall命令，并沒有 mhgetall命令存在，需要消耗n次RTT。Redis的客戶端和服務端可能部署在不 同的機器上。例如客戶端在北京，Redis服務端在上海，兩地直線距離約為1300公里，那么1次RTT時間=1300×2/（300000×2/3）=13毫秒（光在真空中 傳輸速度為每秒30萬公里，這里假設光纖為光速的2/3），那么客戶端在1秒 內大約只能執行80次左右的命令，這個和Redis的高并發高吞吐特性背道而馳。

Pipeline（流水線）機制能改善上面這類問題，它能將一組Redis命令進行組裝，通過一次RTT傳輸給Redis，再將這組Redis命令的執行結果按順序返回給客戶端,為沒有使用Pipeline執行了n條命令，整個過程需要n次 RTT

redis-cli的–pipe選項實際上就是使用Pipeline機制，例如下面操作將set hello world和incr counter兩條命令組裝

[root@manager01 ~]# echo -en '*3\r\n$3\r\nSET\r\n$5\r\nhello\r\n$5\r\nworld\r\n*2\r\n$4\r\nincr\r\n$7\r\ncounter\r\n' | redis-cli -h 192.168.49.171 -p 6393 --pipe All data transferred. Waiting for the last reply... Last reply received from server. errors: 0, replies: 2 [root@manager01 ~]#

3.3.2 Pipeline性能測試

• 給出了在不同網絡環境下非Pipeline和Pipeline執行10000次set操作 的效果，可以得到如下兩個結論：
  • Pipeline執行速度一般比逐條執行要快。
  • 客戶端和服務端的網絡延時越大，Pipeline的效果越明顯。

在不同網絡下，10000條set非Pipeline和Pipeline的執行時間對比

3.3.3 原生批量命令與Pipeline對比

• Pipeline模擬出批量操作的效果與原生批量命令的區別：
  • 原生批量命令是原子的，Pipeline是非原子的。
  • 原生批量命令是一個命令對應多個key，Pipeline支持多個命令。
  • 原生批量命令是Redis服務端支持實現的，而Pipeline需要服務端和客戶端的共同實現。

3.3.4 最佳實踐

Pipeline雖然好用，但是每次Pipeline組裝的命令個數不能沒有節制，否 則一次組裝Pipeline數據量過大，一方面會增加客戶端的等待時間，另一方 面會造成一定的網絡阻塞，可以將一次包含大量命令的Pipeline拆分成多次 較小的Pipeline來完成。

Pipeline只能操作一個Redis實例，但是即使在分布式Redis場景中，也可 以作為批量操作的重要優化手段

3.4 Redis與Lua

3.5 Bitmaps

3.5.1 數據結構模型

在我們平時的開發過程中，會有－些 bool 型數據需要存取，比如用戶1年的簽到記錄，簽了是1，沒簽是0，要記錄 365 天。如果使用普通的 key/value ，每個用戶
要記錄 365 個，當用戶數上億的時候，需要的存儲空間是驚人的。

為了解決這個問題， Redis 提供了位圖數據結構，這樣每天的簽到記錄只占據一個位， 365 天就是 365 個位， 46 個字節（一個稍長一點的字符串）就可以完全容納下，
這就大大節約了存儲空間。位圖的最小單位是比特（bit ），每個 bit 的取值只能是0或1

3.5.2 命令

• 設置值setbit key offset value

設置鍵的第offset個位的值（從0算起），假設現在有20個用戶， userid=0，5，11，15，19的用戶對網站進行了訪問，那么當前Bitmaps初始化結果如圖所示。
如果此時有一個userid=50的用戶訪問了網站，那么Bitmaps的結構變成了下圖，第20位~49位都是0(補零)。

192.168.49.171:6392> setbit unique:users:2019-11-19 0 1 (integer) 0 192.168.49.171:6392> setbit unique:users:2019-11-19 5 1 (integer) 0 192.168.49.171:6392> setbit unique:users:2019-11-19 11 1 (integer) 0 192.168.49.171:6392> setbit unique:users:2019-11-19 15 1 (integer) 0 192.168.49.171:6392> setbit unique:users:2019-11-19 19 1 (integer) 0 192.168.49.171:6392> setbit unique:users:2019-11-19 50 1 (integer) 0 192.168.49.171:6392> bitcount unique:users:2019-11-19 --計算2019-11-19這天的獨立訪問用戶數量（獲取Bitmaps指定范圍值為1的個數） (integer) 6 192.168.49.171:6392> bitcount unique:users:2019-11-19 0 20 (integer) 6 192.168.49.171:6392> bitcount unique:users:2019-11-19 1 5 --[start]和[end]代表起始和結束字節數；面操作計算用戶id在第1個字節 到第3個字節之間的獨立訪問用戶數，對應的用戶id是11，15，19 (integer) 3

• Bitmaps間的運算

bitop是一個復合操作，它可以做多個Bitmaps的and（交集）、or（并 集）、not（非）、xor（異或）操作并將結果保存在destkey中

利用bitop and命令計算兩天都訪問網站的用戶

3.5.3 Bitmaps分析

假設網站有1億用戶，每天獨立訪問的用戶有5千萬，如果每天用集合類型和Bitmaps分別存儲活躍用戶可以得到下表

3.6 HyperLogLog

先思考一個常見的業務問題：如果你負責開發維護一個大型的網站，有一天老板技產品經理要網站上每個網頁每天的 UV 數據，然后讓你來開發這個統計模塊，你會如何實現？

如果統計 PV ，那非常好辦，給每個網頁配一個獨立的 Redis 計數器就可以了，把這個計數器的 key 后綴加上當天的日期。這樣來一個請求，執行 incrby 指令一次，最終就可以統計出所有的 PV 數據。

但是 UV 不一樣，它要去重，同一個用戶一天之內的多次訪問請求只能計數一次。這就要求每一個網頁請求都需要帶上用戶的 ID ，無論是登錄用戶還是未登錄用戶都需要一個唯一 來標識。
你也許已經想到了一個簡單的方案，那就是為每一個頁面設置一個獨立的 set集合來存儲所有當天訪問過此頁面的用戶囚。當一個請求過來時，我們使用 sadd 將用戶ID 塞進去就可以了。通過 scard 可以取出這個集合的大小，這個數字就是這個頁
面的 UV 數據。沒錯，這是一個非常簡單的可行方案。

但是，如果你的頁面訪問量非常大，比如一個爆款頁面可能有幾千萬個 UV ，你就需要一個很大的 set 集合來統計，這就非常浪費空間。如果這樣的頁面很多，那所需要的存儲空間是驚人的。為這樣一個去重功能就耗費這樣多的存儲空間，值得嗎？
其實老板所需要的數據并不需要太精確， 105 萬和 106 萬這兩個數字對于老板來說并沒有多大區別。那么，有沒有更好的解決方案呢？

3.6.1 HyperLogLog命令

HyperLogLog并不是一種新的數據結構（實際類型為字符串類型），而 是一種基數算法，通過HyperLogLog可以利用極小的內存空間完成獨立總數的統計，數據集可以是IP、Email、ID等。

• HyperLogLog提供了3個命令：pfmerge
  • pfadd 增加計數
  • pfcount 計算獨立用戶數
  • pfmerge 可以求出多個HyperLogLog的并集并賦值給destkey

192.168.49.171:6392> pfadd 2016_03_06:unique:ids "uuid-1" "uuid-2" "uuid-3" "uuid-4" --添加四個元素 (integer) 1 192.168.49.171:6392> pfadd 2016_03_06:unique:ids "uuid-1" "uuid-2" "uuid-3" "uuid-90" (integer) 1 192.168.49.171:6392> pfcount 2016_03_06:unique:ids --計算獨立用戶數 (integer) 5 192.168.49.171:6392> pfadd 2016_03_05:unique:ids "uuid-4" "uuid-5" "uuid-6" "uuid-7" (integer) 1 192.168.49.171:6392> pfmerge 2016_03_05_06:unique:ids 2016_03_05:unique:ids 2016_03_06:unique:ids --合并 OK 192.168.49.171:6392> pfcount 2016_03_05_06:unique:ids (integer) 8 192.168.49.171:6392>

集合類型和HyperLogLog占用空間對比

HyperLogLog內存占用量非常小，但是存在錯誤率

• 結構選型時只需要確認如下兩條即可：
  • 只為了計算獨立總數，不需要獲取單條數據。
  • 可以容忍一定誤差率，畢竟HyperLogLog在內存的占用量上有很大的優勢。

3.7 發布訂閱

Redis提供了基于“發布/訂閱”模式的消息機制，此種模式下，消息發布 者和訂閱者不進行直接通信，發布者客戶端向指定的頻道（channel）發布消 息，訂閱該頻道的每個客戶端都可以收到該消息

3.7.1 命令

1.發布消息 publish channel message

2.訂閱消息 subscribe channel [channel …]

3.取消訂閱 unsubscribe [channel [channel …]]

4.按照模式訂閱和取消訂閱 psubscribe pattern [pattern…] punsubscribe [pattern [pattern …]]

5.查詢訂閱
（1）查看活躍的頻道 pubsub channels [pattern]
（2）查看頻道訂閱數 pubsub numsub [channel …]
（3）查看模式訂閱數 pubsub numpat

--redis源端192.168.49.171:6392> publish channel:xiaomidou "A baby" (integer) 0--redis接收端192.168.49.171:6392> subscribe channel:xiaomidou Reading messages... (press Ctrl-C to quit) 1) "subscribe" 2) "channel:xiaomidou" 3) (integer) 1--redis源端再發送一次信息192.168.49.171:6392> publish channel:xiaomidou "baby pig" (integer) 1 192.168.49.171:6392> 192.168.49.171:6392> subscribe channel:xiaomidou Reading messages... (press Ctrl-C to quit) 1) "subscribe" 2) "channel:xiaomidou" 3) (integer) 1 1) "message" 2) "channel:xiaomidou" 3) "baby pig"

• 如果有多個客戶端同時訂閱了；有關訂閱命令有兩點需要注意：
  • 客戶端在執行訂閱命令之后進入了訂閱狀態，只能接收subscribe、 psubscribe、unsubscribe、punsubscribe的四個命令。
  • 新開啟的訂閱客戶端，無法收到該頻道之前的消息，因為Redis不會對 發布的消息進行持久化。

3.8 GEO（地理信息定位）

Redis3.2版本提供了GEO地理信息定位功能， 支持存儲地理位置信息用來實現諸如附近位置、 搖一搖這類依賴于地理位置信息的功能， 對于需要實現這些功能的開發者來說是一大福音。

geoadd key longitude latitude member [longitude latitude member …] 增加地理位置信息
geopos key member 獲取地理位置信息
longitude、 latitude、 member分別是該地理位置的經度、 緯度、 成員， 表3-7展示5個城市的經緯度

192.168.49.171:6392> geoadd cities:locations 116.28 39.55 beijing --增加地理位置信息 (integer) 1 192.168.49.171:6392> geoadd cities:locations 116.28 39.55 beijing --返回結果為1， 如果已經存在則返回0 (integer) 0 192.168.49.171:6392> geoadd cities:locations 117.12 39.08 tianjin 114.29 38.02 shijiazhuang 118.01 39.38 tangshan 115.29 38.51 baoding --geoadd命令可以同時添加多個地理位置信息 (integer) 4

geodist key member1 member2 [unit] 獲取兩個地理位置的距離

• 其中unit代表返回結果的單位，包含以下四種：
  • m（meters） 代表米。
  • km（kilometers） 代表公里。
  • mi（miles） 代表英里。
  • ft（ feet） 代表尺

192.168.49.171:6392> geopos cities:locations tianjin --獲取天津的經維度 1) 1) "117.12000042200088501"2) "39.0800000535766543"

• 獲取指定位置范圍內的地理信息位置集合

georadius key longitude latitude radiusm|km|ft|mi [withcoord] [withdist] [withhash] [COUNT count] [asc|desc] [store key] [storedist key]

georadiusbymember key member radiusm|km|ft|mi [withcoord] [withdist] [withhash] [COUNT count] [asc|desc] [store key] [storedist key]

georadius和georadiusbymember兩個命令的作用是一樣的， 都是以一個地理位置為中心算出指定半徑內的其他地理信息位置，不同的是georadius命令的中心位置給出了具體的經緯度，georadiusbymember只需給出成員即可。其中radiusm|km|ft|mi是必需參數，指定了半徑（帶單位），

• 這兩個命令有很多可選參數， 如下所示：
  • withcoord： 返回結果中包含經緯度。
  • withdist： 返回結果中包含離中心節點位置的距離。
  • withhash： 返回結果中包含geohash， 有關geohash后面介紹。
  • COUNT count： 指定返回結果的數量。
  • asc|desc： 返回結果按照離中心節點的距離做升序或者降序。
  • store key： 將返回結果的地理位置信息保存到指定鍵。
  • storedist key： 將返回結果離中心節點的距離保存到指定鍵

192.168.49.171:6392> georadiusbymember cities:locations beijing 150 km --獲取兩個地理位置的距離 1) "beijing" 2) "tianjin" 3) "tangshan" 4) "baoding" 192.168.49.171:6392> geohash cities:locations beijing --Redis使用geohash將二維經緯度轉換為一維字符串， 下面操作會返回beijing的geohash值。 1) "wx48ypbe2q0" 192.168.49.171:6392> type cities:locations zset 192.168.49.171:6392> zrem key cities:locations beijing (integer) 0 192.168.49.171:6392> geohash cities:locations beijing 1) "wx48ypbe2q0" 192.168.49.171:6392>

總結

以上是生活随笔為你收集整理的03：小功能大用处的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。