Redis 基础入门
Redis(Remote Dictionary Server 远程字典服务) 使用 C 语言编写的,开源的 高性能 非关系型的键值对数据库
K, V
值支持五种数据类型:字符串、列表、集合、散列表、有序集合
因此 redis 被广泛应用于缓存方向
Redis 端口:6379,默认16个数据库,类似数组下标从0开始,初始默认使用0号库:所有库同样密码
读:11w次每秒 写:8w次每秒 有效处理程序:高性能 高并发RDB AOF 两种持久化方式Redis适合的场景主要局限在较小数据量的高性能操作和运算上Windows 版本:下方网盘连接中提供解压包,解压即用… 可以学习使用.
实际工作中,都是使用linux 的更多,所以这里顺便,记录学习下Redis Linux服务安装:
因为,Redis 是 C语言开发的,所以,运行需要C语言的开发环境需要安装
C语言环境安装:
# 查看 C语言环境版本: Centos7默认gcc 版本是4.8.3 安装redis6,gcc版本一定要5.3以上
# Red Hat 为了软件的稳定和版本支持,yum 上版本也是4.8.3 所以不建议使用:yum install gcc-c++ 下载/更新
gcc --version
# 安装scl源
# 是为了给 RHEL/CentOS 用户提供一种以方便、安全地安装和使用应用程序和运行时环境的多个版本的方式,同时避免把系统搞乱
# yum 下载过程中需要,确定操作一下,输入 y 回车
yum install centos-release-scl scl-utils-build
# 安装8版本的gcc、gcc-c++、gdb工具链
yum install -y devtoolset-8-toolchain
# 启动...
scl enable devtoolset-8 bashgcc --version 或 gcc -v 查看 C语言环境的版本
① 下载安装包:官方网址🚀 点击页面的,Download 下载最新版本的安装包
② 通过工具:WinSCP等工具将,安装包上传到Linux 上: 随便上传一个路径就可以了 /usr/wsm
③ 解压,配置,启动运行:
# ① 进入上传目录,解压Redis 压缩文件
tar -zxvf redis-6.2.1.tar.gz
# ② 进入解压后的Redis 文件目录: 执行 编译安装...
cd redis-6.2.1
# make C语言的命令对文件进行编译,如果没有C语言环境是会出错的,需要执行: make distclean 清理错误
make
# 正常情况编译后会提示:make test 测试,可以忽略直接进行安装:
make install
# ③ 最开始上传的只是一个安装包,通过make 命令进行了安装,Linux 默认安装程序的目录是:/usr/local/bin
# 进入Linux软件安装目录,查看安装的Redis服务
cd /usr/local/bin
ls
# Redis服务介绍:
# redis-benchmark: 性能测试工具,可以在自己本子运行,看看自己本子性能如何
# redis-check-aof: 修复有问题的AOF文件,rdb和aof后面介绍
# redis-check-dump: 修复有问题的dump.rdb文件
# redis-sentinel: Redis集群使用(哨兵模式)
# redis-server: Redis服务器启动命令
# redis-cli: 客户端,操作入口
# ④ 启动redis服务 /usr/local/bin 目录下执行:
redis-server
# 可以看到Redis 服务器的:ip 端口6379
16999:C 26 Jan 2022 22:56:23.819 # oO0OoO0OoO0Oo Redis is starting oO0OoO0OoO0Oo
16999:C 26 Jan 2022 22:56:23.819 # Redis version=6.2.1, bits=64, commit=00000000, modified=0, pid=16999, just started
16999:C 26 Jan 2022 22:56:23.819 # Warning: no config file specified, using the default config. In order to specify a config file use redis-server /path/to/redis.conf
16999:M 26 Jan 2022 22:56:23.820 * monotonic clock: POSIX clock_gettime
_._
_.-``__ ''-._
_.-`` `. `_. ''-._ Redis 6.2.1 (00000000/0) 64 bit
.-`` .-```. ```\/ _.,_ ''-._
( ' , .-` | `, ) Running in standalone mode
|`-._`-...-` __...-.``-._|'` _.-'| Port: 6379
| `-._ `._ / _.-' | PID: 16999
`-._ `-._ `-./ _.-' _.-'
|`-._`-._ `-.__.-' _.-'_.-'|
| `-._`-._ _.-'_.-' | http://redis.io
`-._ `-._`-.__.-'_.-' _.-'
|`-._`-._ `-.__.-' _.-'_.-'|
| `-._`-._ _.-'_.-' |
`-._ `-._`-.__.-'_.-' _.-'
`-._ `-.__.-' _.-'
`-._ _.-'
`-.__.-'
16999:M 26 Jan 2022 22:56:23.820 # WARNING: The TCP backlog setting of 511 cannot be enforced because /proc/sys/net/core/somaxconn is set to the lower value of 128.
16999:M 26 Jan 2022 22:56:23.820 # Server initialized
16999:M 26 Jan 2022 22:56:23.820 # WARNING overcommit_memory is set to 0! Background save may fail under low memory condition. To fix this issue add 'vm.overcommit_memory = 1' to /etc/sysctl.conf and then reboot or run the command 'sysctl vm.overcommit_memory=1' for this to take effect.
16999:M 26 Jan 2022 22:56:23.820 * Loading RDB produced by version 6.2.1上面已经将 Redis 服务安装完毕:
redis-server 可以启动redis服务,但有些效果并不方便,可以通过修改 redis.confRedis配置文件设置Redis服务的配置
/usr/wsm 上传的安装包路径中配置文件 拷贝一份在方便操作的目录:
cp /usr/wsm/redis6.2.1/redis.conf /MyRedis/ 将linux 目录下文件,复制一份到 /MyRedis 目录下方便操作更改;
redis-server /MyRedis/redis.conf 通过指定路径下配置文件,来启动加载Redis 服务
Redis 后台启动:
后台启动
vim redis.conf 将 daemonize no 更改为:daemonize yes 此时Redis 为后台启动
Redis 远程访问:
RedisDesktopManager可以在Windows上操作远程Redis
bind 127.0.0.1可以使所有的ip访问redis
protected-mode no 关闭保护模式
Redis 启动:
redis-cli 可以在服务器启动客户端操作Redis命令;
Redis服务关闭:
服务根路径执行: redis-cli shutdown 或,在客户端: 127.0.0.1:6379> shutdown
Linux查看Redis 服务是否启动:
# 检查Linux 中是否有Redis 线程存活:
ps -ef|grep redis
# 存在:检查到6379...
root 26537 1 0 00:28 ? 00:00:00 redis-server *:6379
root 26576 17279 0 00:28 pts/2 00:00:00 grep --color=auto redis
# 不存在:没有找到运行端口
root 26467 17279 0 00:27 pts/2 00:00:00 grep --color=auto redis这个非常重要, 我学习的时候使用的是 阿里服务器上面搭建的Redis
开始着只是为了学习,随便搞搞,没想到因为没有密码第二天就被 黑客攻击了,用我的 一核两G 去挖矿? 人都傻了,赶紧上一个密码 要复杂一点哟,还有我的一下文章可能会暴漏服务器ip 大家手下留情😶
Redis 设置密码:
redis.conf 配置文件来设置密码,设置之后需要重启更新配置文件… 每次启动都是这个密码
redis.conf 中设置,而是每次启动服务的时候设置一次临时密码,同样,重启服务就没有密码…
持久密码:
requirepass 参数设置Redis 登录密码requirepass 123 设置Redis持久密码为:123临时密码:
redis-cli 建立连接之后执行: config set requirepass 123456 设置临时密码为 123456,临时|持久 密码都存在时候,就近原则 使用临时密码🤯密码登录:
不然 Redis 的任何命令都执行不了了.auth <password> 就可以完成登录✔-------------------------------------------------------------
# 测试连接 返回pong 连接成功
ping
# 切换数据库,Redis 初始化具有16个数据库,默认使用第 0 个库,可以通过 select index 进行切换
select index # index 指0-15 16个库下标
# 查看当前下标库大小
dbsize
# 清空当前数据库所有数据
flushdb
# 清空Redis所有数据库数据 (16个数据库
flushall
-------------------------key操作:增删改查...------------------------------
# 查看所有的key
keys *
# 查看指定key 是否存在
exsist k # 1存在 0不存在
# 查看当然key 是什么类型
type k
# 设置指定key 的存活时间 单位秒;
expire k s
# 让设置了定时的key 还未死亡,重新设置永久存活
persist k
# 查询指定key 的存活时间
ttl k # -1表示永不过期,-2表示已过期|不存在,返回剩余秒数
# 添加一组 k v 存储数据,对相同的key多次设置值,会直接覆盖
set k v
# 查看指定 k 的 v
get k
# 当前数据库中删除
del k
# 仅将key 从keyspace元数据中删除,真正的删除会在后续异步操作(非阻塞删除
unlink key
# 修改一个 k 的名字
rename k1 k2 # 更改k1 的名字为k2
# 如果试图修改一个不存在的key 将会报出错误
# 要更改的 k2 已经存在,拥有一个v值, 会将 k1 的值赋值给 k2 k1消失
# renamenx 安全性修改: 只有要修改的 k名不存在,才可以进行修改 1成功 0失败
renamenx k1 k2
# 随机返回Redis一个key
randomkey以上基础操作非常简单,多多练习即可!
String是Redis最基本的类型,因为Redis 是k, v 存储的所以可以理解为:是一个HashMap<String,String>
意味着Redis的string可以包含任何数据比如:jpg图片或者序列化的对象
String类型是Redis最基本的数据类型,一个Redis中字符串value最多可以是512M.
<必须> [可选]
# 新增一个元素
set <k> <v> [NX|XX|EX|PX] #添加一对 k v 结构数据,如果相同的k 后面会覆盖前面的数据
# NX:当数据库中key不存在时,可以将key-value添加数据库
# XX:必须key存在!不然无效命令,可以将原先 k v 覆盖)与NX参数相反;
# EX:key的超时秒数
# PX:key的超时毫秒数,与EX互斥
.... 省略参数....配置
# 只有key不存在的时候才可以设置值
sernx <k> <过期时间> <v>
# 设置key同时设置过期时间
setex <k> <v>
# 设置更新key的值,并返回旧的数据: k必须是实现存在的,进行修改;
getset <k> <v>
# 查询一个key 的值,不存在返回 nil Redis的空标识不存在;
get <k>
-------------------------字符功能命令:-----------------------------------------
# 获得值的范围数据,类似java中的substring 前包 后包
getrange <k> <起始位置> <结束位置> #参数必须得填,且是数值类型... 第一个位置0 最后一个位置-1(倒数第二位置-2)
# 用 <value> 覆写 <key> 所储存的字符串值.
setrange <k> <起始位置> <value> #从字符 起始位置开始,到 value 字符长度的一段都被覆盖...
# 给指定key的字符串值,追加一下字符数据;
append <k> <v>
# 获取key的字符长度
strlen <k>
-------------------------原子性操作:-------------------------------
# 只能对数字值操作将 key 中储存的数字值增1 如果为空,新增值为1 (原子性)
incr <k>
# 只能对数字值操作将 key 中储存的数字值减1 如果为空,新增值为-1 (原子性)
decr <k>
# 将 key 中储存的数字值增减自定义步长,步长要是数值类型,且必须得写!
incrby <k> <步长>
decrby <k> <步长>
# 同时设置一个或多个 k-v 数据 (原子性:一个失败都失败!)
mset <k1> <v1> <k2><v2><k3><v3>...
# 同时设置一个或多个 k-v 数据,且所有的key都是实现不存在的 (原子性:一个失败都失败!)
msetnx <k1> <v1> <k2><v2><k3><v3>...
# 同时获取多个 k 的值 (原子性:一个失败都失败!)
mget <k1><k2><k3>...incr | decr 是原子性操作:
context switch 切换到另外一线程
单线程中:能够在单条指令中完成的操作都可以认为是"原子操作"
多线程中:不能被其它进程(线程)打断的操作就叫原子操作
java中的i++是否是原子操作:
i++ 并不是原子性操作 i++ 本质被分为: i=i+1
Redis: String的数据结构为简单动态字符串
预分配 动态扩容 方式来减少内存的频繁分配
当字符串长度小于1M时,扩容都是加倍现有的空间 乘2
字符长度超过 1M 时,每次扩容只会扩容 1M 需要注意的是字符串最大长度是 512M
Redis 的列表类型,类似于Java 的List 集合:有序 不唯一 无限长度 的一个数据集合
队列:先进先出原则
你可以添加一个元素到队列 l头部 r尾部 lpush|rpush 往队列中添加数据 lpop|rpop 从队列中取出一个数据

双向列表 队列 左右都支持,存取元素,元素一旦被获取就会消失...自动从队列中消息(就像真的被取走了一样) 可以用它实现简单的:发布订阅
HashMap<String,List>
# 从左边插入一个或多个值
lpush <k> <v> <v2><v3>...
# 从右边插入一个或多个值
rpush <k> <v> <v2><v3>...
# 从左边获取一个值
lpop <k>
# 从右边获取一个值,当一个list 中所有的值获取完了,redis对应的k 也就消失了(值在键在,值亡键亡)
rpop <k>
# 从k1(list) 右边获取一个值,往 k2(list) 左边插入~ 只有 rpoplpush 没有 lpoprpush...
rpoplpush <k1> <k2>
-----------------------------功能命令:--------------------------------
# 根据下标显示 k(list) 中多个元素 start stop都是数值类型(0起始 -1倒数第一个下标 -2倒二) 该指令查看并不会移除元素;
lrange <k> <start> <stop>
# 根据下标显示 k(list) 中元素,并不会删除元素... (index数值类型)
lindex <k> <index>
# 获取 k(list) 中元素数量
llen <k>
# 在指定的 k(list) 某个元素 'Before之前|After之后' 插入新的值:
linsert <k> Before|After <v1> <v2> # 在 v1 的前面或后面插入v2 相同的值,以最左边为准
# 移除 K(list) 中 指定数量count 的 v 匹配的元素, 从左往右移除...
lrem <k> <count> <v> # 返回移除的数量: count>0从头往下找匹配删除 count<0从下往上匹配 count=0全部匹配的删除
# 将 k(list) 指定下标index 的元素,替换成 v
lset <k> <index> <v> # 下标长度存在回报错.Redis 中的 list数据结构为:quickList
quickList 是由多个 zipList 组成的一个链表
指针 空间消耗太大 **zipList, 多个zipList 组成了 quickList 就是Redis List的数据结构Redis Set 功能与 List类似 特殊之处:set是可以自动排重
判断某个成员是否在一个set 集合中 的一个重要接口 这个List 很难实现的.Redis的Set是string类型的无序集合:对应Java HashMap< String,Set<String> >
随着数据增加,查找数据时间不变;Set 不像 List 取值不会删除值
-----------------------------增删改查----------------------------------
# 将一个或多个元素v 加入到集合 k 中,已经存在的元素将被忽略
sadd <k> <v1> <v2><v3>...
# 查看该集合 k(set) 的所有值, set 并不会删除值
smembers <k>
# 随机从集合 k(set) 获取count个值,并不会删除值
srandmember <k> <count>
# 随机从集合 k(set) 中获取(吐)一个值, 会移除一个元素
spop <k>
# 删除集合k(set) 中的 一个|多个指定 v 返回删除成功的元素个数;
srem <k> <v1> <v2><v3>...
-----------------------------功能命令:--------------------------------
# 判断该 k(set) 是否存在该 value 值:(存在1) (不存在0)
sismember <k> <v>
# 返回该集合元素个数 k(set), 不存在的k 回返回0, 类型不是set的k 会报错;
scard <k>
# 把集合元素从一个集合 k1(set) 中一个值移动到另外一个 k2(set)集合;
smove <k1> <k2> <v> # 将k1中的v移动到 k2中去,k1中没有v 则0失败
# 返回两个|多个集合中的交集: 多个集合中都有的元素
sinter <k1> <k2> <k3>...
# 返回两个|多个集合中的并集: 多个集合中所有的元素,但相同的值只出现一次
sunion <k1> <k2> <k3>...
# 返回两个|多个集合中的差集: 多个集合互相没有重复的元素
sdiff <k1> <k2> <k3>...Set数据结构是dict字典,字典是用哈希表实现的 Java中HashSet的内部实现使用的是HashMap
Redis的set结构也是一样,它的内部也使用hash结构,所有的value都指向同一个内部值
Redis hash 是一个键值对集合: 是一个string类型的field和value的映射表
HashMap< String,HashMap<String,Object> >
对象的id为 Redis k 对应的 value 又是一个 HashMap K属性 V属性值
# 创建一个 k(HashMap<s,o>) 并设置一个|多个 field-value
hset <k> <f1> <v1> <f2><v2>... # 返回新增行数,已经存在的 f 会覆盖之前的数据,不会返回新增行数
# 批量设置 k(HashMap<s,o>) 的值
hmset <k> <f1> <v1> <f2><v2>... # 返回执行ok|失败
# 根据 k 和 fieid 获取到集合 并根据k 获取到对应的value
hget <k> <f> # 并不会移除元素,如果k 或 f不对返回 nil
# 根据 k 的 fieid 批量获取 k 集合中对应数据
hmget <k> <f1> <f2> <f3><f4>... # 如果f 在k 中没有对应的值,则只是该 fieid列返回nil
# 查看一个 k(HashMap<s,o>) 的所有 fieid
hkeys <k>
# 查看一个 k(HashMap<s,o>) 的所有 value
hvals <k>
# 对指定的 k(HashMap<s,o>) 某一个fieid 数值类型进行 + - 增量;
hincrby <k> <f> <number> # f number 必须是一个数值类型:number是正数就+ 负数就-
# 设置 k(HashMap<s,o>) 中的 fieid 必须事先不存在,才能创建成功: 以前都是直接覆盖,现在就可以避免值被随便覆盖;
hsetnx <k> <f> <v>Hash类型对应的数据结构是两种:
ziplist(压缩列表) field-value长度较短且个数较少时 否则使用:hashtableRedis有序集合zset与普通集合set非常相似: 都是一个没有重复元素的字符串集合
评分 score
Redis 通过这个评分 对每个元素进行 从低到高 排序集合中的成员 集合中的 value 是唯一的,但是评分是可以重复的.
有序的 可以根据 score评分 position次序 来获取一个评分范围的元素.
有序集合可以用于实现,排行榜等功能
# 添加一个|多个元素.... 并设置评分 score 简称 s
zadd <k> <s> <v> <s2> <v2>...
# 返回有序集合中指定评分范围的数据, witchscores 简写 ws
zrange <k> <start> <stop> [ws] # start stop 都是数值类型,起始|结束评分 [ws] 可选返回数据value同事返回对应的score
# 查看所有的数据,从小到大排序,[limit offset count] 分页展示
zrangebyscore <k> <min><max> [ws][limit offset count] # min max 都是数值类型,评分的范围~
# 查看所有的数据,从大到小排序
zrevrangebyscore<k> <max><min> [ws][limit offset count]
# 为某个元素的 v 添加评分 score
zincrby <k> <number> <v> # number 是添加的评分数
# 根据value 删除集合的元素
zrem <k> <v>
# 统计该集合,分数区间内的元素个数
zcount <k> <min><max> # min~max 区间的评分数据合
# 返回该值在集合中的排名,从0开始 从小到大排序;
zrank <k> <v>SortedSet(zset)是Redis提供的一个非常特别的数据结构:
zset底层使用了两个数据结构
HashMap<v,s>
根据score 生产跳跃表给value 进行排序
跳跃表:
数组不便元素的插入、删除 平衡树或红黑树虽然效率高但结构复杂 链表查询需要遍历所有效率低 Redis采用的是跳跃表
跳跃表 类似于二分发是一种算法: 空间换时间
跳表,是基于链表实现的一种类似“二分”的算法。它可以快速的实现增,删,改,查操作

正常查询 16 需要依次比较 10次

而使用 跳跃表:我们每隔一个节点就提取出来一个元素到上一层,把这一层称作索引 其中的down指针指向原始链表
每次查询先比较最上层的索引间隔,通过down 到下一层索引继续比较,知道比较对的结果…
第一次比较 1>16 不成立,比较 7>16 不成立,13>16 不成立—>往后没有了down 往下 第一级索引17>16 成立则 从13 down往下 原始链表:16==16 比较了5次大大提高了性能!但这种,方式是以空间换取时间,随着数据增大 索引也会越来越多,上级的索引是下级索引的索引~
Redis 发布订阅 pub/sub 是一种消息通信模式:发送者 (pub) 发送消息,订阅者 (sub) 接收消息 Redis 客户端可以订阅任意数量的频道
发布消息 也可以订阅消息
发消息客户端,通过往固定的 频道 上发布消息. publish 频道名 发送的消息
接收消息客户端,可以订阅 一个|多个 频道 subscirbe 频道1 频道2 频道3... 多个客户端可以订阅同一个 频道 类似于MQ的 Fanout交换机

WSM1 对频道 www 发布消息 hello
WSM2 WSM3 订阅 www 评到,可以事实监听到消息订阅…
Redis6中除了有5中基本的数据类型外,还有另外3中新数据类型: BitMaps HyperLogLog Geospatial
现代计算机用二进制(位) 作为信息的基础单位, 1个字节byte 等于8位bit 每个位标识一个二进制标识 0 1
abc 是由三个字节组成 3byte 等于 24个位bit
a ASCLL码97——> 01100001
b ASCLL码98——> 01100010
b ASCLL码99——> 01100011
Redis提供了Bitmaps这个“数据类型”可以实现对位的操作: 其实本质上还是 k-v 字符串
Bitmaps单独提供了一套命令, 所以在Redis中使用Bitmaps和使用字符串的方法不太相同.
把Bitmaps想象成一个以位为单位的数组, 数组的每个单元只能存储 0 和 1 数组的下标在Bitmaps中叫做偏移量
k v
key名 "01100001011000100" #本质上就是一个字符串,但Redis可以对每个"位" 进行操作;
# 可能这样还是很懵,可以把它当作一个int数组,只允许存储 0|1 而且长度无限...
# 这就是BitMaps的数据结构,而这个 0|1 通过某些场景定义可以解决很多业务场景... 签到打卡
# 设置一个key zhangsan20220201 张三2022年2月1日打卡报表;
# v 每一位默认都是0张三第一天打卡就会 setbit 设置数组下标0值1 表示打卡成功!每天如此: 打卡设置对应天数-1 数组下标赋值;
# 假设一个月后这个key: 0110001011000...
# 只需要统计这个 key 中有多少次 1 就知道张三这个月打了多少次卡! 节省内存空间,而且Redis对于BitMaps 还有和很多这种方法;
setbit 根据偏移量设置 v 位上的值,默认每一位的值都是 0
setbit <k> <offset> <v> 设置Bitmaps中某个偏移量offset 的值 0|1 偏移量数组下标从 0开始getbit 根据偏移量获取该位上的值
getbit <k> <offset> 获取Bitmaps中某个偏移量的值bitcount 这个和上面很不同✨
key(BigMaps) 下所有的 1 的个数
start 起始下标 end 结束下标 **
就是这个 start 和 end 正常人都会认为这个是数值下标其实不是, Redis可能为了方便表示的是一个字节单位而且是个范围
实际上的 start~end 对应数据的下标是 start*8~(end+1)*8-1 例如是0 表示的是:0-7 Redis 对start end 设置的是字节单位所以需要 *8 才是数组真实坐标
bitcount <k> [start,end] [] 可选, 如果不输入 start end 则直接返回改key 所有的1
bitop and 是一个复合操作: 它可以和多个 BitMaps 进行统计 交集 并集 非 异或
bitop and|or|not|xor <返回的新集合k名> <k1> <k2> <k3>... and|or|not|xor选其一即可
and交集 交集就是求两个|多个集合之间共同的元素
or并集 差集是求两个|多个集合之间元素的差异 集合A差集合B:集合A中排除掉和集合B中共同元素 后剩下的元素
not非 对比一个多个集合每个下标 0|1 是否一样一样取 0 不一样取 1 然后全部取反~ 是一种二进制算法
xor异或 异或集,有的又叫交补集,是求两个集合互为不一样的元素 A|B集合 中互相没有的元素.
模拟场景:
k(BitMaps): unique:users:20220201 代表2022-02-01这天的独立访问用户的Bitmaps
用户的 id 就是,BitMaps 的下标: 只需要通过用户 id getbit unique:users:20220201 用户id 就可以得到改用户在这一天有没有登录系统;
# 用户id: 1 3 5 7 2022年2月1日登录系统设置 1
127.0.0.1:6379> setbit unique:users:20220201 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220201 3 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220201 5 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220201 7 1
(integer) 0
# 查看2022年2月1日 id1 id2 用户有没有登录系统
127.0.0.1:6379> getbit unique:users:20220201 1 # id1登录系统
(integer) 1
127.0.0.1:6379> getbit unique:users:20220201 2 # id2没有登录系统
(integer) 0
# 统计当天一共有多少个用户登录系统 2022年2月1日
127.0.0.1:6379> bitcount unique:users:20220201
(integer) 4 # 一共有四个用户访问系统
# 计算出两天都访问过网站的用户数量,使用 and交集:A B 集合中共同的元素;
# 用户id: 1 2 3 4 2022年2月2日登录系统设置 1
127.0.0.1:6379> setbit unique:users:20220202 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220202 2 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220202 3 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220202 4 1
# 查看这两天的集合的交集,得知这两天都登录的用户放到 20220201_02 集合中;
127.0.0.1:6379> bitop and 20220201_02 unique:users:20220201 unique:users:20220202
(integer) 1
127.0.0.1:6379> bitcount 20220201_02 # bitcount 查看集合中元素和,得知这两天一共有两个人登录系统;
(integer) 2
# 而且还可以查看具体是拿些用户进行了系统登录;
127.0.0.1:6379> getbit 20220201_02 0
(integer) 0
127.0.0.1:6379> getbit 20220201_02 1
(integer) 1
127.0.0.1:6379> getbit 20220201_02 2
(integer) 0
127.0.0.1:6379> getbit 20220201_02 3
(integer) 1 # 得用户id 1 3 这两天都登录了系统;很多应用的用户id以一个指定数字例如10000开头 10001 10002
Redis 是单线程多路复用,这样的操作会造成其它请求的堵塞执行...
10001这样的id Bitmaps的偏移量对应势必会造成一定的浪费, 通常的做法是每次做setbit操作时将用户id减去这个指定数字 或设计某种算法
假设网站有1亿用户, 每天独立访问的用户有5千万,如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表
set和Bitmaps存储一天活跃用户对比 | |||
|---|---|---|---|
数据 类型 | 每个用户id占用空间 | 需要存储的用户量 | 全部内存量 |
集合 类型 | 64位 | 50000000 | 64位*50000000 = 400MB |
Bitmaps | 1位 | 100000000 | 1位*100000000 = 12.5MB |
很明显, 这种情况下使用Bitmaps能节省很多的内存空间, 尤其是随着时间推移节省的内存还是非常可观的
大量的僵尸用户 , 那么两者的对比如下表所示, 很显然, 这时候使用Bitmaps就不太合适了, 因为基本上大部分位都是0set和Bitmaps存储一天活跃用户对比(独立用户比较少) | |||
|---|---|---|---|
数据类型 | 每个userid占用空间 | 需要存储的用户量 | 全部内存量 |
集合类型 | 64位 | 100000 | 64位*100000 = 800KB |
Bitmaps | 1位 | 100000000 | 1位*100000000 = 12.5MB |
在工作当中,我们经常会遇到与统计相关的功能需求,比如统计网站PV PageView页面访问量
可以使用Redis的incr、incrby轻松实现
独立IP数、搜索记录数等需要去重和计数的问题如何解决? 对每个浏览的ip进行统计, 统计该网站每天被多少个ip 访问…
这要求对每个不同的 ip 进行存储,并统计集合中 不同ip值的个数...
但他们都比较消耗内存空间...
什么是基数:就是一组不重复的数据~
{1,3,5,7,8}Hyperloglog
只需要花费 12 KB 内存,就可以计算接近 2^64 个不同元素的基数pfadd 将指定的元素添加到 HypeLogLog中
pfadd <k> <v1> <v2>... 插入成功返回1 失败0pfcount 统计 k(HypeLogLog) 中的元素个数.
pfcount <k>pfmerge 将一个|多个 k(HypeLogLog) 合并并存储到另外一共 k(HypeLogLog)
pfmerge <新k> <旧k1> <旧k2> 会自动过滤 k1 k2重复的值…Redis 3.2 中增加了对GEO类型的支持 Geographic地理信息
Redis 可以通过记录地图上的坐标 经纬度° 来设置地理信息:提供了经纬度设置,查询,范围查询,距离查询,经纬度Hash等常见操作
geoadd 添加一个经纬度坐标
geoadd <k> <经度> <维度> <地址名称>
geoadd china:city 121.43 31.23 shanghai 创建一个 中国城市集合 上海的坐标是 121.43 31.23
已经添加的数据,是无法再次往里面添加的
南北极,无法暂时直接添加…
geopos 根据 k(Geospatial) 地址名称 获取该位置的 坐标
geopos <k> <地址名>geopos china:city shanghai 获取上海的坐标.geodist 获取两个坐标之间的直线距离
geodist <k> <地址1> <地址2> [m|km|ft|mi] 两个地址首先要在同一个 k(Geo) 中
m表示米 km表示千米 mi表示英里 ft表示英尺 如果没有指定则,默认使用 m 做单位;
georadius 以给定的经纬度为中心,找出某一半径内的元素
georadius <k> <经度> <纬度> <半径范围> [m|km|ft|mi]
以指定 坐标 为中心,查找附近的设备… 这个功能太好用了!
请结合配置文件:redis.conf 配置文件进行管理;

指支持Bytes 不支持 bit单位 配置文件:敏感大小写…
引入外部配置:
类似jsp中的include,多实例的情况可以把公用的配置文件提取出来
include /路径/路径/文件.conf 引入外部的配置文件,就像 jsp 的 < include > 可以引入外部的小脚本~自定义模块配置:
自定义模块配置就是其中之一
通过 loadmodule 配置将引入自定义模块来新增一些功能.
网络配置:
bind
绑定redis服务器网卡IP,默认为127.0.0.1,即本地回环地址 这样访问 Redis服务只能通过本机的客户端连接,而无法通过远程连接
如果bind选项为空的话,那会接受所有来自于可用网络接口的连接… Redis3.2之后新增了保护模式记得关闭:"protected-mode no"
port
指定redis运行的端口,默认是6379 据说是Redis开发者,唾弃的一个电影女主名字的9键拼写
由于Redis是单线程模型,因此单机开多个Redis进程的时候会修改端口 本地搭建集群~
timeout
设置客户端连接的超时时间
当客户端在这段时间内没有发出任何指令,那么Redis服务自动关闭该连接。默认值为0,表示不关闭
tcp-keepalive
对访问客户端的一种心跳检测,每个n秒检测一次 单位是 秒
将周期性的使用SO_KEEPALIVE检测客户端是否还处于健康状态,避免服务器一直阻塞.
tcp-backlog
设置tcp的backlog backlog其实是一个连接队列:里面记录着 未完成三次握手队列 + 已经完成三次握手 网络连接的合
在高并发环境下你需要一个高backlog值来避免慢客户端连接问题.
Redis 总体常用的配置:
daemonize
设置为yes 表示指定Redis以守护进程的方式启动 后台启动 默认值为 no
pidfile
配置PID文件路径,当redis作为守护进程运行的时候,会将服务 pid 默认写到:/var/redis/run/redis_6379.pid Linux系统可以通过查看该文件获取 redis服务pid
loglevel
定义日志级别:默认值为notice,有如下4种取值
debug(记录大量日志信息,适用于开发、测试阶段
verbose(较多日志信息
notice(适量日志信息,使用于生产环境
warning(仅有部分重要、关键信息才会被记录
logfile
配置log文件地址, 默认打印在命令行终端的窗口上, 默认不输出配置文件;
databases
设置数据库的索引。默认的数据库是 0 Redis一共有16个库
SNAPSHOTTING 快照:
save 配置触发 Redis的持久化条件, 也就是什么时候将内存中的数据保存到硬盘
save 900 1:表示900 秒内如果至少有 1 个 key 的值变化,则保存
save 300 10:表示300 秒内如果至少有 10 个 key 的值变化,则保存
save 60 10000:表示60 秒内如果至少有 10000 个 key 的值变化,则保存
如果你只是用Redis的缓存功能,不需要持久化,那么你可以注释掉所有的 save 行来停用保存功能: save ""
stop-writes-on-bgsave-error 默认值为yes
当启用了RDB且最后一次后台保存数据失败,Redis是否停止接收数据
这会让用户意识到数据没有正确持久化到磁盘上,否则没有人会注意到灾难(disaster)发生了 Redis重启 又可以重新开始接收数据了
rdbcompression 默认值是yes
对于存储到磁盘中的快照,可以设置是否进行压缩存储 redis会采用LZF算法进行压缩
如果你不想消耗CPU来进行压缩的话,可以设置为关闭此功能,但是存储在磁盘上的快照会比较大
rdbchecksum 默认值是yes
在存储快照后,我们还可以让redis使用CRC64算法来进行数据校验 这样做会增加大约10%的性能消耗,如果希望获取到最大的性能提升,可以关闭此功能
dbfilename
设置快照的文件名,默认是 dump.rdb
dir
设置快照文件的存放路径,这个配置项一定是个目录,而不能是文件名 使用上面的 dbfilename 作为保存的文件名
SECURITY 安全保护: Redis 的密码设置 一些命令的禁用
rename-command 命令重命名,对于一些危险命令例如:flushdb flushall config keys 一些黑客不法分子,输入命令执行…
服务端redis-server,常常需要禁用以上命令来使得服务器更加安全:禁用语法: rename-command flushdb "" 禁用 flushdb命令
也可以保留命令但是不能轻易使用,重命名这个命令即可:重命名语法:rename-command flushdb "fdb" 重命名,之后更简单了😀
requirepass
置redis连接密码…
CLIENTS 客户端设置:
maxclients 默认 0 无限制
设置客户端最大并发连接数,默认无限制 Redis可以同时打开的客户端连接数为Redis进程可以打开的最大文件
当客户端连接数到达限制时,Redis会关闭新的连接并向客户端返回max number of clients reached错误信息
MEMORY MANAGEMENT 内存管理:
maxmemory
设置Redis的最大内存,如果设置为0 表示不作限制
建议设置,否则, 内存满了造成服务器宕机 maxmemory-policy可以对内存满载进行设置…
maxmemory-policy 当内存使用达到maxmemory设置的最大值时,redis使用的内存清除策略
volatile-lru 利用LRU算法移除设置过过期时间的key 从设置定时key,的数据集中移除最近很少使用的数据淘汰
volatile-ttl 从设置定时key,数据集中挑选最近快要过期的数据淘汰
volatile-random 从设置定时key,数据集中挑选随机挑选数据淘汰
allkeys-lru 从全部数据集中挑选,使用较少的淘汰
allkeys-random 从全部数据集中,随机挑选数据淘汰
no-enviction 禁止数据淘汰,Redis内存慢了,则不在允许新增数据 默认值
maxmemory-samples lru ttl 样本数量
LRU算法和最小TTL算法都并非是精确的算法,而是估算值
所以:你可以设置样本的大小,redis默认会检查这么多个key并选择其中LRU的那个 一般设置3到7的数字,数值越小样本越不准确,但性能消耗越小
设置:maxmemory-samples 5
APPEND ONLY MODE 追加模式:
appendonly 默认值为no 关闭
AOF 设置 yes 开启 aofappendfilename
appendfsync aof持久化策略的配置
Linux 默认30s 一次保存no-appendfsync-on-rewrite 默认值为no
everysec和always的aof模式来说:
rewrite期间对新写操作不fsync,暂时存在内存中,等rewrite完成后再写入
默认为no,建议yes Linux的默认fsync策略是30秒。可能丢失30秒数据
auto-aof-rewrite-min-size 64mb
aof-load-truncated 默认值为 yes
load重启LUA SCRIPTING lua脚本设置:
REPLICATION 复制:
Redis 集群的配置, 下面介绍…
Redis 集群的配置, 下面介绍…
JedisRedis 为了方便提供了一共依赖,Jedis 就想Java 操作数据库一样需要引入一个 JDBC驱动
里面定义了大量操作 Redis 的接口方法… 这个不需要太细致精通,了解即可,毕竟现在Java 都是SpringBoot 的工程了. 下面整合SpringBoot 才是关键!
入门① 创建一共Maven工程:RedisDemo 本地Git 进行管理…
② 添加Maven依赖:
pom.xml
<!-- 引入环境依赖 -->
<dependencies>
<!-- redis的操作依赖: 类似于数据库的JDBC -->
<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>3.2.0</version>
</dependency>
<!-- Junit 测试依赖 -->
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>compile</scope>
</dependency>
</dependencies>③ 编写测试类:
为了方便管理创建一个包:com.wsm.jedis
JedisTest.Java
public class JedisTest {
/** 测试连接 */
public static void main(String[] args) {
// 创建一共Jedis Redis的连接对象...
Jedis jedis = new Jedis("47.243.109.199",6379); // 这里的ip 是个人的服务器,本人学习完毕可能会关闭建议切换自己的ip...
// 设置密码的Redis 第一个命令是需要登录,不然什么操作都做不了...
jedis.auth("540707!@#wsm");
// 测试连接
String pong = jedis.ping();
System.out.println("测试连接"+pong+"返回PONG连接成功~");
// 处理完毕之后关闭连接.
jedis.close();
}
}执行测试连接,返回PONG 连接成功!
通过 new Jedis() 获取的 Jedis对象 进行操作Redis 的各种方法… 下面进行逐一简单测试~
使用完毕之后,记得 Jedis.close(); 回收资源
Redis 配置文件要打开允许网络远程调用:bind xxxx 关闭保护模式
如果是Linux 操作系统,要关闭 防火墙
JedisTest.Java
/** Redis常用方法使用: */
@Test
public void test1(){
// 创建一共Jedis Redis的连接对象...
Jedis jedis = new Jedis("47.243.109.199",6379);
jedis.auth("540707!@#wsm");
/**常用命令使用**/
jedis.flushAll(); //清空所有数据库;
jedis.set("k1", "v1");
jedis.set("k2", "v2");
jedis.set("k3", "v3");
// 查看所有的 keys
Set<String> keys = jedis.keys("*");
System.out.println(keys.size());
for (String key : keys) {
System.out.println(key);
}
// 判断数据库中是否存在k1
System.out.println(jedis.exists("k1"));
// 判断数据库中k1的过期时间: -1永久存在
System.out.println(jedis.ttl("k1"));
// 获取k1的值
System.out.println(jedis.get("k1"));
//切换数据库...
//jedis.select(1);
// 处理完毕之后关闭连接.
jedis.close();
}/** 五大基本数据类型,基本使用: */
@Test
public void test2(){
// 创建一共Jedis Redis的连接对象...
Jedis jedis = new Jedis("47.243.109.199",6379);
jedis.auth("540707!@#wsm");
jedis.flushAll();
/** String类型 **/
// mset 批量新增k-v 数据
jedis.mset("k1","v1","k2","v2","k3","v3");
// mget 批量获取结果集
List<String> mget = jedis.mget("k1", "k2", "k3");
System.out.println("String类型:"+mget);
/** List类型 **/
// 创建 k(list) 并从右添加三个数据
jedis.rpush("Klist", "list1","list2","list3");
List<String> klist = jedis.lrange("Klist", 0, -1);
System.out.println("List类型:"+klist);
/** set类型 **/
jedis.sadd("kset", "set1");
jedis.sadd("kset", "set2");
jedis.sadd("kset", "set3");
Set<String> kset = jedis.smembers("kset");
System.out.println("set类型:"+kset);
/** zset类型 **/
jedis.zadd("kzset", 1, "1");
jedis.zadd("kzset", 3, "3");
jedis.zadd("kzset", 2, "2");
Set<String> zrange = jedis.zrange("kzset", 0, -1); // 会默认从小往大排序
System.out.println("zset类型:"+zrange);
/** hash类型 **/
System.out.println("Hash类型:");
jedis.hset("khash", "name","zhangsan");
jedis.hset("khash", "age","18");
System.out.println("张三的age"+jedis.hget("khash", "age"));
// Jedis 支持参数传递 Map
HashMap<String,String> lisimap = new HashMap<>();
lisimap.put("name","lisi");
lisimap.put("age","18");
lisimap.put("weight","120");
jedis.hmset("Klisi", lisimap);
// 输出李四个人信息
System.out.println("李四的个人信息: "+jedis.hmget("Klisi", "name","age","weight"));
// 处理完毕之后关闭连接.
jedis.close();
}Redis 的大部分方法都和 Jedis 中API 一致不详细一一介绍了
个人代码,需要的可以下方地址下载…点个赞呀♥

Spring Boot整合Redis非常简单: 创建一个SpringBoot工程~
pom.xml
<!-- redis依赖配置 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>application.yaml .properties
#Redis服务器地址
spring.redis.host=47.243.109.199
#Redis服务器连接端口
spring.redis.port=6379
#Redis服务连接密码
spring.redis.password=540707!@#wsm
#Redis数据库索引(默认为0)
spring.redis.database= 0
#连接超时时间(毫秒)
spring.redis.timeout=1800000
#连接池最大连接数(使用负值表示没有限制)
spring.redis.lettuce.pool.max-active=20
#最大阻塞等待时间(负数表示没限制)
spring.redis.lettuce.pool.max-wait=-1
#连接池中的最大空闲连接
spring.redis.lettuce.pool.max-idle=5
#连接池中的最小空闲连接
spring.redis.lettuce.pool.min-idle=0创建 com.wsm.controller包下: Redistest.Java测试类
@RestController
@RequestMapping("/redisTest")
public class Redistest {
// SpringBoot 提供的redisTemplate 配置类;
@Autowired
private RedisTemplate redisTemplate;
// 发送请求REST 风格要 {param} 要发送redis 消息
@GetMapping("/demo1/{param}")
public void demo1(@PathVariable("param")String param){
// 向Redis 存一共k-v 字符类型
String key = "wsm";
redisTemplate.opsForValue().set(key,param);
// 根据key 获取该值
// redisTemplate是一个<Object,Object> 返回数据需要强转;
String strval = (String) redisTemplate.opsForValue().get(key);
System.out.println("获取Redis消息:"+strval);
}
}发送一请求 http://localhost:8080/redisTest/demo1/你好
并发送Redis 同时进行读取这是因为RedisTemplate 默认序列化接口的问题...
之前通过,Redis 整合Java 使用的是 Jedis
jedis 建立连接,然后:直接使用Redis 命令对应的方法... 我个人感觉良好,挺好用的但是 Springboot2 移除了…Jedis——替换为 lettucejedis pool 连接池# RedisTemplate 对五种数据结构分别定义了操作
RedisTemplate.opsForValue(); # 操作字符串 BitMaps的方法也在这里面...
RedisTemplate.opsForHash(); # 操作hash
RedisTemplate.opsForList(); # 操作list
RedisTemplate.opsForSet(); # 操作set
RedisTemplate.opsForZSet(); # 操作有序set
RedisTemplate.opsForGeo(); # 操作Geo
RedisTemplate.opsForHyperLogLog(); # 操作HyperLogLog
# 除了数据类型的操作,我们对于Redis 常用的基本操作方法也可以通过获取连接对象来操作:
# 获取到连接对象之后,就可以像Jedis 一样直接操作Redis... 大量的命令方法也可以直接调用;
RedisConnection connection = redisTemplate.getConnectionFactory().getConnection();
connection.flushDb(); # 清空数据库查看SpringBoot 自动注入的 RedisTemplate
spring-boot-autoconfigure-2.6.3.jar 自动配置文件下:RedisProperties
RedisTemplate.Java源码 默认实现@ConditionalOnMissingBean 注解,当程序中没有 RedisTemplate 则使用,注入改配置类对象到 Spring容器RedisTemplate.Java源码
@Configuration(proxyBeanMethods = false)
@ConditionalOnClass({RedisOperations.class})
@EnableConfigurationProperties({RedisProperties.class})
@Import({LettuceConnectionConfiguration.class, JedisConnectionConfiguration.class})
public class RedisAutoConfiguration {
public RedisAutoConfiguration() {
}
/** 内部定义了两个 RedisTemplate StringRedisTemplate用于操作Redis **/
@Bean
// 当Spring容器中没有 redisTemplate 就将该配置注入到Spring中.也就是说:只要自定义 RedisTemplate 注入这个方法就会失效;
@ConditionalOnMissingBean(name = {"redisTemplate"})
@ConditionalOnSingleCandidate(RedisConnectionFactory.class)
// 参数RedisConnectionFactory连接工厂SpringBoot2 使用了Lettuce
public RedisTemplate<Object, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {
RedisTemplate<Object, Object> template = new RedisTemplate();
template.setConnectionFactory(redisConnectionFactory); // 默认采用 JDk的序列化方式,所以会产生 乱码;
return template;
}
@Bean
@ConditionalOnMissingBean
@ConditionalOnSingleCandidate(RedisConnectionFactory.class)
public StringRedisTemplate stringRedisTemplate(RedisConnectionFactory redisConnectionFactory) {
return new StringRedisTemplate(redisConnectionFactory); // 默认采用 StringRedisSerializer 类序列化
}
}StringRedisTemplate 只能对 key=String 因为Redis 经常使用 k-v 字符类型,为了提高效率而特定义的 StringRedisTemplate
它是专门为了String类型
因此获取数据,反序列化时候会需要 强至转换
k乱码定义 com.wsm.config 配置包 RedisTemplate.Java
import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.boot.autoconfigure.condition.ConditionalOnMissingBean;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import java.net.UnknownHostException;
@Configuration
public class RedisConfig {
@Bean
@ConditionalOnMissingBean(name = "redisTemplate") // 为了方便使用 泛型定义为 <S,O>
public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory)throws UnknownHostException {
// JSON序列化类配置对象
Jackson2JsonRedisSerializer<Object> jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<Object>(Object.class);
ObjectMapper om = new ObjectMapper();
om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
jackson2JsonRedisSerializer.setObjectMapper(om);
// String序列化配置对象
StringRedisSerializer stringRedisSerializer = new StringRedisSerializer();
// RedisTemplate配置
RedisTemplate<String, Object> template = new RedisTemplate<String, Object>();
template.setConnectionFactory(redisConnectionFactory);
// 将RedisTemplate 的传输方式都更改为 JSON传输方式
// key 采用String序列化
template.setKeySerializer(stringRedisSerializer);
// 值采用JSON序列化
template.setValueSerializer(jackson2JsonRedisSerializer);
// Hashkey 采用String序列化
template.setHashKeySerializer(stringRedisSerializer);
// 值采用JSON序列化
template.setHashValueSerializer(jackson2JsonRedisSerializer); // 因为,很多时候公司都是使用对象转JSON 来进行存储... 很少直接发送对象,所以使用JSON序列化配置
template.afterPropertiesSet();
return template;
}
@Bean
@ConditionalOnMissingBean(StringRedisTemplate.class)
public StringRedisTemplate stringRedisTemplate(RedisConnectionFactory redisConnectionFactory)throws UnknownHostException {
StringRedisTemplate template = new StringRedisTemplate();
template.setConnectionFactory(redisConnectionFactory);
return template;
}
}重启配置执行:

Redis 存储的key 不在乱码…
正常情况下,公司存储对象都是JSON 类型所以,发送的value 设置JSON序列化
当然 Redis 也支持发送存储 对象,实体类要进行序列化配置,不然不可以进行网络传输… Redis会报错. SpringBoot2.6之后程序会默认对实体类进行序列化,所以很多人会忽略!
保证在多连接的时候, 系统的高吞吐量
多路-指的是多个socket网络连接
复用-指的是复用一个线程
多路复用主要有三种技术:select,poll,epoll。epoll是最新的也是目前最好的多路复用技术.
复用技术可以让单个线程高效的处理多个连接请求(尽量减少网络IO的时间消耗,Redis在内存中操作数据的速度非常快,内存内的操作不会成为这里的性能瓶颈
多路复用主要有三种技术:select,poll,epoll
select | poll
select 最大支持1024个连接 poll 支持无限个连接
epoll
避免了空操作情况官方回答: