微服务实战系列之Redis(cache)

news2024/11/20 1:37:08

前言

云淡天高,落木萧萧,一阵西北风掠过,似寒刀。冬天渐渐变得更名副其实了。“暖冬”的说法有点言过其实了。——碎碎念

  • 微服务实战系列之Cache
  • 微服务实战系列之Nginx(技巧篇)
  • 微服务实战系列之Nginx
  • 微服务实战系列之Feign
  • 微服务实战系列之Sentinel
  • 微服务实战系列之Token
  • 微服务实战系列之Nacos
  • 微服务实战系列之Gateway
  • 微服务实战系列之加密RSA
  • 微服务实战系列之签名Sign

此刻,博主的“微服务实战系列”的队伍已满10员“悍将”,但是如何征服微服务这座大山,依然尚需时日。所谓一人一岗一责,术业有专攻。就像攻城离不开挖地道的、投石块的、射箭的,学习微服务自然也要“四面八方”,面面俱到。
昨天一篇Cache,突然给博主带来了灵感,索性做个Cache系列吧,分享各位盆友。
闲言少叙,言归正传。今天主讲Cache第一悍将:Redis,从实战出发,理论联系实际。
在这里插入图片描述


一、Redis入门

Redis是一个开源的、使用C语言编写的、支持网络交互的、可基于内存也可持久化的Key-Value数据库。

是不是和Map类似?先开始安装吧。

1. 快速安装

首先准备一个redis稳定的tar包,上传至 /usr/local/redis

mkdir -p /usr/local/redis //创建目录
cd /usr/local/redis
tar -zxvf redis-7.0.10.tar.gz
cd /usr/local/redis/redis-7.0.10
make
make PREFIX=/usr/local/redis install

如看到“Hint:It's a good idea to run make...”,那么恭喜你!
修改必要配置:

requirepass xxx  //设置密码
daemonize yes //后台启动

到此,可以启动了:

cd  /usr/local/redis/bin
redis-server /usr/local/redis/redis-7.0.10/redis.conf
2. 数据结构

既然是K-V数据库,那必须有一对Key和Value。

2.1 Key

key一般使用字符串存储,但是定义key时,有两点注意:

  1. 长度不能太长,太长会占用内存,影响效率;
  2. 长度也不宜太短,太短影响可读性;
2.2 Value
  1. String-字符串
  2. Hash 哈希
  3. List 列表
  4. Set 集合
  5. Sorted_set 有序集合
    在这里插入图片描述

二、单点模式

什么是单点?顾名思义,有且仅有一个实例,即一个redis server。
单点模式最简单,适合于业务量较小,并发要求较低的场景,比如:
在这里插入图片描述
通过合理的定义K,实现高热数据的缓存同步,下次再请求时,可从缓存读取。
当然此模式仍需关注内存占用率和单点故障。

三、集群模式

Redis集群是一种通过将多个Redis节点互联,实现高可用、高性能的数据缓存方案。该方案可以促使Redis在不同节点上同时提供服务,提高整体可靠性。
Redis集群主要有三种模式:主从复制模式(Master-Slave),哨兵模式(Sentinel)、Cluster模式

1. 主从复制模式

在这里插入图片描述
主从复制从上图可以看出,由Master负责写操作,其Slave负责同步和读操作。
当然Slave也可以同步到多级Slave,让我们把目光聚焦下图:
在这里插入图片描述
那么,如何实现主从复制呢,命令如下:

# 在Slave节点中,新增:replicaof 主节点IP和端口
replicaof Master_IP 6379
2. 哨兵模式

简单讲,哨兵模式是在主从复制模式基础上,新增了一个“岗哨”,负责警卫。如Master发生故障,立即在集群中指定新的Master,实现服务高可用。哨兵一般使用Sentinel,前序文章已讲过哦,可回看。

在这里插入图片描述
如何实现哨兵模式呢?
可指定其中一个Redis节点为哨兵,同时配置sentinel(一般在sentinel.conf文件完成):

# 哨兵端口号
port 16379
# sentinel monitor 配置被监控主节点以及触发故障转移所需的最小哨兵节点数
sentinel monitor yourmaster IP 6379 1
# sentinel down-after-milliseconds 被监控主节点时效时间(毫秒)
sentinel down-after-milliseconds yourmaster 60000
# sentinel failover-timeout 被监控主节点故障转移超时时间(毫秒)
sentinel failover-timeout yourmaster 180000

启动哨兵模式:

redis-sentinel /usr/local/redis/sentinel/sentinel.conf
3. Cluster模式

Cluster为实现缓存的高可用,引入了数据分片的概念。可以理解为把数据拆为一份一份的数据单元,根据一定算法(CRC16),完成数据拆分,从而实现分布式存储。
在这里插入图片描述
那该如何实现呢?准备多个Redis节点(注意端口不同),并参考如下配置redis.conf

# cluster节点端口号
port 16379
# 开启集群模式
cluster-enabled yes
# 节点超时时间
cluster-node-timeout 10000

参考如下命令,启动每个节点:

redis-server /usr/local/redis/redis-7.0.10/redis.conf

最后,一键完成Cluster(实现2主2从Cluster):

redis-cli --cluster create IP:16379 IP:26379 IP:36379 IP:46379 --cluster-replicas 1

结语

今天博主对Redis的基本使用进行了介绍,无论什么架构、什么模式,取决于业务的场景和发展趋势。工具服务于业务,结合业务选择合适的工具,是当下急需的能力。
好了,缓存第一篇到此为止,欢迎分享与讨论!

在这里插入图片描述

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.coloradmin.cn/o/1269638.html

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,一经查实,立即删除!

相关文章

Structured Streaming: Apache Spark的流处理引擎

欢迎来到我们的技术博客!今天,我们要探讨的主题是Apache Spark的一个核心组件——Structured Streaming。作为一个可扩展且容错的流处理引擎,Structured Streaming使得处理实时数据流变得更加高效和简便。 什么是Structured Streaming&#…

数据结构中的二分查找(折半查找)

二分法:顾名思义,把问题一分为2的处理,是一种常见的搜索算法,用于在有序数组或这有序列表中查找指定元素的位置,它的思想是将待搜索的区间不断二分,然后比较目标值与中间元素的大小关系,然后确定…

Failed to connect to gitee.com port 443: Time out 连接超时提示【Bug已完美解决-鸿蒙开发】

文章目录 项目场景:问题描述原因分析:解决方案:解决方案1解决方案2:解决方案3:此Bug解决方案总结解决方案总结**心得体会:解决连接超时问题的三种方案**项目场景: 导入Sample时遇到导入失败的情况,并提示“Failed to connect to gitee.com port 443: Time out”连接超…

实现一个通讯录

目录 项目要求及功能实现 通讯录的代码实现 contact.h: contanct.c main.c 项目要求及功能实现 1、可以存放100个人的信息 2、每个人的信息 名字 性别 年龄 电话 地址 3、增加联系人 4、删除指定联系人 5、查找指定联系人 6、修改指定联系人 7、显示联系人信息 8、排…

运维笔记111

运维笔记 Navicat中查询指定字段名所在的表名tomcat设置JVM的初始堆内存修改catalina.sh文件修改完保存并关闭tomcat启动tomcat 查询数据库连接数查询是否存在死锁 Navicat中查询指定字段名所在的表名 SELECT * FROM information_schema.COLUMNS WHERE COLUMN_NAME‘替换成你要…

Redis-Redis 高级数据结构 HyperLogLog与事务

Redis 高级数据结构 HyperLogLog HyperLogLog(Hyper [ˈhaɪpə(r)] ) 并不是一种新的数据结构 ( 实际类型为字符串类 型) ,而是一种基数算法 , 通过 HyperLogLog 可以利用极小的内存空间完成独立总数的统计,数据集可以是 IP 、 Email 、 ID 等。 如…

【brew】Mac上安装vue3

先安装node。 这里我从其他博客找的方案,原始脚本下载太慢了。 cnpm的安装: 让npm更快一点。 npm install -g cnpm --registryhttps://registry.npm.taobao.org安装vue脚手架 2.0版本:sudo npm install -g vue-cli 3.0版本: sud…

对话式数据需求激增,景联文科技提供高质量多轮对话数据定制采集标注服务

大模型的快速发展使得数据服务需求激增,产品整体处于供不应求状态。对话式数据集成为当下需求热点,人们对于更复杂、更真实的多轮对话数据需求不断增加,定制化服务占据市场需求主流。 通过对多轮对话数据的训练,模型可以更好地理解…

解析Top-K问题及堆排序算法

Top-K问题是在海量数据中找到最大或最小的K个元素,它在实际应用中非常常见,例如专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。在面对大规模数据时,直接对数据进行排序可能效率低下,因为排序的时间复杂度通常为O(n lo…

Notepad++批量添加引号

工作中经常会遇到这样情景:业务给到一批订单号,需要查询这批订单的某些字段信息。在where条件中需要传入这些订单号的数组,并且订单号用引号引起,用引号隔开。 字符串之间长度相同 可以按住CtrlAlt和鼠标左键选中区域&#xff0…

IDEA如何配置Git 遇到问题的解决

新建项目 点击 会变红 会生成.git隐藏文件 配置远程仓库路径:点击Manage Remotes:将远程仓库的链接放到这里: 得到如下样式: 此时提交到本地仓库 点击add,添加到暂存文件: 此时文件变绿&#xf…

力扣日记11.28-【二叉树篇】二叉树的最小深度

力扣日记:【二叉树篇】二叉树的最小深度 日期:2023.11.28 参考:代码随想录、力扣 111. 二叉树的最小深度 题目描述 难度:简单 给定一个二叉树,找出其最小深度。 最小深度是从根节点到最近叶子节点的最短路径上的节点…

Gitee-PicGo-Typora

Gitee-PicGo-Typora 问题引出 问题1:根据相关法律法规和政策,您的部分文件因存在敏感信息而无法显示 就在昨晚, 我在记笔记的时候,发现之前配置的七牛云图床出了问题: 1、根据相关法律法规和政策,您的部…

联邦学习(Federated Learning)

联邦学习(Federated Learning)是一种保护用户隐私的分布式机器学习方法,在联邦学习中,模型的训练是在分布式的客户端设备上进行的,而模型的更新则是在中央服务器上进行的。联邦学习的目标是通过共享模型而不是原始数据…

C# 使用 Fody 监控方法执行时间

写在前面 在做性能调优的时候,经常需要跟踪具体方法的执行时间;通过插入Stopwatch的方案对代码的侵入性太高了,所以引入了 MethodTimer.Fody 类库,采用编译时注入的方式给方法动态加上Stopwatch 跟踪代码,只需要在目标…

探索低代码之路——JNPF

目录 一、低代码行业现状 二、产品分析 1.可视化应用开发 2.流程管理 3.整个平台源码合作 三、架构和技术 技术栈 四、规划和展望 低代码平台(Low-code Development Platform)是一种让开发者通过拖拽和配置,而非传统的手动编写大量代…

geoserver根据数据字段动态设置样式

一、数据展示&#xff1a; 二、样式设置 <?xml version"1.0" encoding"UTF-8"?> <StyledLayerDescriptor version"1.0.0" xsi:schemaLocation"http://www.opengis.net/sld StyledLayerDescriptor.xsd" xmlns"http://…

从0开始学习JavaScript--JavaScript 模板字符串的全面应用

JavaScript 模板字符串是 ES6 引入的一项强大特性&#xff0c;它提供了一种更优雅、更灵活的字符串拼接方式。在本文中&#xff0c;将深入探讨模板字符串的基本语法、高级用法以及在实际项目中的广泛应用&#xff0c;通过丰富的示例代码带你领略模板字符串的魅力。 模板字符串…

Efficient RGB-T Tracking via Cross-Modality Distillation

摘要 目前大多数RGB-T跟踪器采用双流结构来提取单个RGB和热红外特征&#xff0c;并采用复杂的融合策略来实现多模态特征融合&#xff0c;这需要大量的参数&#xff0c;阻碍了它们的实际应用。另一方面&#xff0c;一个紧凑的RGB-T跟踪器可能具有计算效率&#xff0c;但由于特征…

01数仓平台 Hadoop介绍与安装

Hadoop概述 Hadoop 是数仓平台的核心组件。 在 Hadoop1.x 时代&#xff0c;Hadoop 中的 MapReduce 同时处理业务逻辑运算和资源调度&#xff0c;耦合性较大。在 Hadoop2.x 时代&#xff0c;增加了 Yarn。Yarn 只负责资源的调度&#xff0c;MapReduce 只负责运算。Hadoop3.x 在…