作者：依乐祝
原文地址：https://www.cnblogs.com/yilezhu/p/9941208.html
- 主讲人：大石头
- 时间：2018-11-10 晚上20：00
- 地点：钉钉群（组织代码BKMV7685）QQ群：1600800
- 内容：Redis基本使用及百亿数据量中的使用技巧分享
- 记录人：依乐祝
热场准备
熟悉的开场白，大家晚上好啊，今天给大家分享的是Redis在大数据中的使用，可能真正讲的是一些redis的使用技巧，Redis基本的一些东西。
首先给大家个地址，源码以及实例都在里面，当然今天的分享也是按照里面的实例来进行的，大家可以先进行下载。
http://git.newlifex.com/NewLife/NewLife.Redis
当然这里也附上Redis的下载地址：
windows：https://github.com/MicrosoftArchive/redis/releases
http://x.newlifex.com/Redis-x64-3.2.100.msi
Linux：https://redis.io/download
开始
Redis封装架构讲解
实际上NewLife.Redis是一个完整的Redis协议的功能的实现，但是redis的核心功能并没有在这里面，Redis的核心功能的实现是在NewLife.Core里面。这里可以打开看一下，NewLife.Core里面有一个NewLife.Caching的命名空间，里面有一个Redis类里面实现了Redis的基本功能，另一个类是RedisClient是Redis的客户端。Redis的核心功能就是有这两个类实现。RedisClient代表着Redis客户端对服务器的一个连接。Redis真正使用的时候有一个Redis连接池，里面存放着很多个RedisClient对象。
所以我们Redis的封装有两层，一层是NewLife.Core里面的Redis以及RedisClient。另一层就是NewLife.Redis。这里面的FullRedis是对Redis的实现了Redis的所有的高级功能。这里你也可以认为NewLife.Redis是Redis的一个扩展。
Test实例讲解Redis的基本使用
实例
打开Program.cs看下代码
这里XTrace.UseConsole();是向控制台输出日志，方便调试使用查看结果。
接下来看第一个例子Test1。具体的我都在代码中进行了注释，大家可以看下
static void Test1()
{
var ic = Redis.Create("127.0.0.1:6379", 3);//创建Redis实例，得到FullRedis对象
//var ic = new FullRedis();//另一种实例化的方式
//ic.Server = "127.0.0.1:6379";
//ic.Db = 3;//Redis中数据库
ic.Log = XTrace.Log;//显示日志，进行Redis操作把日志输出，生产环境不用输出日志
// 简单操作
Console.WriteLine("共有缓存对象 {0} 个", ic.Count);//缓存对象数量
ic.Set("name", "大石头");//Set K-V结构，Set第二个参数可以是任何类型
Console.WriteLine(ic.Get<String>("name"));//Get泛型，指定获取的类型
ic.Set("time", DateTime.Now, 1);//过期时间秒
Console.WriteLine(ic.Get<DateTime>("time").ToFullString());
Thread.Sleep(1100);
Console.WriteLine(ic.Get<DateTime>("time").ToFullString());
// 列表
var list = ic.GetList<DateTime>("list");
list.Add(DateTime.Now);
list.Add(DateTime.Now.Date);
list.RemoveAt(1);
Console.WriteLine(list[list.Count - 1].ToFullString());
// 字典
var dic = ic.GetDictionary<DateTime>("dic");
dic.Add("xxx", DateTime.Now);
Console.WriteLine(dic["xxx"].ToFullString());
// 队列
var mq = ic.GetQueue<String>("queue");
mq.Add(new[] { "abc", "g", "e", "m" });
var arr = mq.Take(3);
Console.WriteLine(arr.Join(","));
// 集合
var set = ic.GetSet<String>("181110_1234");
set.Add("xx1");
set.Add("xx2");
set.Add("xx3");
Console.WriteLine(set.Count);
Console.WriteLine(set.Contains("xx2"));
Console.WriteLine("共有缓存对象 {0} 个", ic.Count);
}
Set的时候如果是字符串或者字符数据的话Redis会直接保存起来（字符串内部机制也是保存二进制），如果是其他类型会默认进行json序列化然后再保存起来
Get的时候如果是字符串或者字符数据会直接获取，如果是其他类型会进行json反序列化
Set第三个参数过期时间单位是秒。
vs调试小技巧，按F5或者直接工具栏“启动”会编译整个解决方案会很慢（VS默认），可以选中项目然后右键菜单选择调试->启动新实例。会只编译将会用到的项目，这样对调试来说会快很多。
大家运行调试后可以看到控制台输出的内容：向右的箭头=》是
ic.Log=XTrace.Log输出的日志
字典的使用：对象的话需要把json全部取出来然后转换成对象，而字典的话就可以直接取某个字段。
队列是List结构实现的，使用场景可以上游数据太多，下游处理不过来的时候，那么就可以使用这个队列。上游的数据发到队列，然后下游慢慢的消费。另一个应用，跨语言的协同工作，比方说其他语言实现的程序往队列里面塞数据，然后另一种语言来进行消费处理。哈，这种方式类似mq的概念，虽然有点low，但是也很好用。
集合，用的比较多的是用在一个需要精确判断的去重功能。像我们每天有三千万订单，这三千万订单可以有重复，这时候我想统计下一共有订单，这时候直接数据库group by是不大可能的，因为数据库中分了十几张表，这里分享个实战经验：比方说揽收，商家发货了，网点要把件收回来，但是收回来之前网点不知道自己有多少货啊，这时候我们做了一个功能，也就是订单会发送到我们公司来，我们会建一个time_site的key的集合，而且集合本身有去重的功能，而且我们可以很方便的通过set.Count功能来统计数量，当件被揽收以后，我们后台把这个件从集合中Remove掉.然后这个Set中存在的就是网点还没有揽收的件，这时候通过Count就会知道这个网点今天还有多少件没有揽收。实际使用中这个数量比较大，因为有几万个网点。
Redis中布隆过滤器，去重的，面试的时候问的比较多
小经验分享：
- 数据库中不合法的时间处理：判断时间中的年份，是否大于2000年。如果小于2000就认为不合法。习惯大于小于号不习惯用等于号，这样可以处理很多意外的数据
- Set的时候最好指定过期时间防止有些需要删除的数据，我们忘记删了
- Redis异步尽量不用，因为Redis延迟本身很小，大概在100us-200us，再一个就是Redis本身是单线程的，异步任务切换的耗时比网络耗时还要大。
- List用法：物联网中数据上传，量比较大时，我们可以把这些数据先放在Redis的List中，比如说一秒钟1万条，然后再批量取出来然后批量插入数据库中。这时候要设置好key,可以前缀+时间，对于已经处理的List可以进行remove移除。
压力测试
接下来看第四个例子，我们直接做压力测试，代码如下：
static void Main(String[] args)
{
XTrace.UseConsole();
// 激活FullRedis，否则Redis.Create会得到默认的Redis对象
FullRedis.Register();
Test4();
Console.ReadKey();
}
static void Test4()
{
var ic = Redis.Create("127.0.0.1:6379", 5);
//var ic = new MemoryCache();
ic.Bench();
}
运行的结果如下图所示：
测试就是进行get,set remove,累加等的操作。大家可以看到在我本机上轻轻松松的到了六十万，多线程的时候甚至到了一百多万。为什么会达到这么高的ops呢，下面给大家说一下。
- Bench 会分根据线程数分多组进行添删改压力测试。
- rand 参数，是否随机产生key/value。
- batch 批大小，分批执行读写操作，借助GetAll/SetAll进行优化。
Redis中NB的函数来提升性能
上面的操作如果大家都掌握的基本算Redis入门了，接下来进行进阶。会了基本比别人更胜一筹了。
- GetAll()与SetAll()
GetAll:比方说我要取十个key，这个时候可以用getall。这时候redis就执行了一次命令。比方说我要取10个key那么用get的话要取10次，如果用getall的话要用1次。一次getall时间大概是get的一点几倍，但是10次get的话就是10倍的时间，这个账你应该会算吧。强烈推荐大家用getall。
setall 跟getall相似。批量设置K-V.
setall与getall性能很恐怖，官方公布的ops也就10万左右，为什么我们的测试轻轻松松到五十万甚至上百万，因为我们就用了setall,getall。
如果get,set两次以上，建议用getall，setall
- Redis管道Pipeline
比如执行10次命令会打包成一个包集体发过去执行，这里实现的方式是StartPipeline()开始，StopPipeline()结束中间的代码就会以管道的形式执行。这里推荐使用我们的更强的武器，AutoPipeline自动管道属性。管道操作到一定数量时，自动提交，默认0。使用了AutoPipeline，就不需要StartPipeline，StopPipeline指定管道的开始结束了！
- Add与Replace
- Add:Redis中没有这个Key就添加，有了就不要添加，返回false
- Replace:有则替换，还会返回原来的值，没有则不进行操作
Add跟Replace就是实现Redis分布式锁的关键
Redis使用技巧，经验分享
在项目的Readme中，这里摘录下：
特性
- 在ZTO大数据实时计算广泛应用，200多个Redis实例稳定工作一年多，每天处理近1亿包裹数据，日均调用量80亿次
- 低延迟，Get/Set操作平均耗时200~600us（含往返网络通信）
- 大吞吐，自带连接池，最大支持1000并发
- 高性能，支持二进制序列化（默认用的json,json很低效，转成二进制性能会提升很多）
Redis经验分享
- 在Linux上多实例部署，实例个数等于处理器个数，各实例最大内存直接为本机物理内存，避免单个实例内存撑爆（比方说8核心处理器，那么就部署8个实例）
- 把海量数据（10亿+）根据key哈希（Crc16/Crc32）存放在多个实例上，读写性能成倍增长
- 采用二进制序列化，而非常见的Json序列化
- 合理设计每一对Key的Value大小，包括但不限于使用批量获取，原则是让每次网络包控制在1.4k字节附近，减少通信次数（实际经验几十k，几百k也是没问题的）
- Redis客户端的Get/Set操作平均耗时200~600us（含往返网络通信），以此为参考评估网络环境和Redis客户端组件（达不到就看一下网络，序列化方式等等）
- 使用管道Pipeline合并一批命令
- Redis的主要性能瓶颈是序列化、网络带宽和内存大小，滥用时处理器也会达到瓶颈
- 其它可查优化技巧
以上经验，源自于300多个实例4T以上空间一年多稳定工作的经验，并按照重要程度排了先后顺序，可根据场景需要酌情采用！
缓存Redis的兄弟姐妹
Redis实现ICache接口，它的孪生兄弟MemoryCache，内存缓存，千万级吞吐率。
各应用强烈建议使用ICache接口编码设计，小数据时使用MemoryCache实现；
数据增大（10万）以后，改用Redis实现，不需要修改业务代码。
提问环节聊聊大数据中Redis使用的经验，问题
-
一条数据多个key怎么设置比较合理？
如果对性能要求不是很高直接用json序列化实体就好，没必要使用字典进行存储。 -
队列跟List有什么区别？左进右出的话用List还是用队列比较好？
队列其实就是用List实现的，也是基于List封装的。左进右出的话直接队列就好。Redis的List结构比较有意思，既可以左进右出，也能右进左出。所以它既可以实现列表结构，也能队列，也能实现栈 -
存放多个字段的类性能一样吗？
大部分场景都不会有偏差，可能对于大公司数据量比较大的场景会有些偏差 -
可否介绍一下使用Redis进行数据计算、统计的场景？
略。自己看视频吧！o(∩_∩)o 哈哈！（因为我没听清！） -
大数据写入到数据库之后 比如数据到亿以上的时候 统计分析这块 查询这块 能不能分享些经验。
分表分库，拆分到一千万以内。 -
CPU为何暴涨？
程序员终极理念：CPU达到百分百，然后性能达到最优，尽量不要浪费。最痛恨的是：如果cpu不到百分百，性能没法提升了，说明代码有问题！
视频地址
视频已经上传至百度云，大家可以自行下载观看
链接：https://pan.baidu.com/s/1sOW_PLjxQE8C2msbDfizeA
提取码：c7dp
观看指南（笑笑提供）
总结
虽然Redis会用，但是没有像大石头这样的大数据使用场景。今天的视频收获颇丰，可能大部分人跟我一样，没有大石头的使用场景，但是值得借鉴的经验还是很丰富的！期待下一次的精彩分享。同时附上QQ群：1600800。可以共同交流使用经验！