redis中的哈希表瓶颈，redis中哈希的实现扩容细节

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

redissetnx加锁和hash加锁区别

redis-multi()； $redis-setNX($key， $value)； $redis-expire($key， $ttl)； $redis-exec()；虽然增加了原子性，但仍有漏洞：如果多个请求同时到达，一个setNX成功但expire可能失败，导致锁失效。

这里同时启动5个线程并发往redis中存储 lock 这个key（key可以自定义，但需要一致），同时设置10秒的过期时间。 setIfAbsent 这个函数实现的功能与 setnx 命令一样，代表如果没有这个key则set成功获取到锁，否则set失败没有获取到锁。获得锁后进行资源的操作，最后释放锁。

思路是在加锁的时候多加锁几台redis服务器，通常情况下redis部署的时候是2n+1台，那么在加锁的时候需要保证过半数服务器加锁成功了，也就是说n+1台服务器。这时候除非整个集群都不可用了，则这个安全性将大幅度提升。这个问题也有开源库解决了，就是redis红锁。

// 获取锁的 value 值与 ARGV[1] 比较，匹配成功则执行 del 使用上面的脚本，为每个锁分配一个随机字符串“签名”，只有当删除锁的客户端的“签名”与锁的 value 匹配的时候，才会去删除它。

秒杀等场景，并发量不大的场景可以使用数据库的悲观锁、乐观锁来实现，但在并发量高的场合中，利用数据库锁来控制资源的并发访问是不太理想的，大大影响了数据库的性能。可以利用Redis的setnx功能来编写分布式的锁，如果设置返回1说明获取锁成功，否则获取锁失败，实际应用中要考虑的细节要更多。

为此，我们可以为这个锁加上一个超时时间。第一时间我们会联想到Redis的EXPIRE命令（EXPIRE key seconds）。

为什么用Java往redis中插入一百万个hash(每个hash有10个键值对)会卡住...

1、你这个是n vs n的情况，都不算算是键值对应关系了。

2、防止死锁，客户端在获取锁后，hash设置一个过期时间。可以使用EXPIRE命令来设置过期时间，HSET命令中使用NX和PX选项来同时设置字段和过期时间。过期时间根据业务逻辑来合理设定，不能太短导致锁被误释放，不能太长导致锁被占用过久。redis是一款开源的内存数据结构存储，用作数据库、缓存或消息队列。

3、SETNX不同：SETNX（SETifNoteXists），该命令在key不存在时设置key的值，如果key存在，不做任何操作。Redishash数据结构可以存储多个键值对，所以我们可以使用Redishash实现分布式锁。Redishash实现方式不同：可以使用SETNX实现分布式锁，将Redis中某个Key的value设置为1，表示该锁被某个客户端取得。

Redis中String和Hash哪个结构更加省内存

压缩列表之所以能节省内存，就在于它是用一系列连续的 entry 保存数据。Redis 基于压缩列表实现了 List、Hash 和 Sorted Set 这样的集合类型，这样做的最大好处就是节省了 dictEntry 的开销。当你用 String 类型时，一个键值对就有一个 dictEntry，要用 32 字节空间。

第二种方法是这个用户信息对象有多少成员就存成多少个key-value对儿，用用户id+对应属性的名称作为唯一标识来取得对应属性的值，虽然省去了序列化开销和并发问题，但是用户id为重复存储，如果存在大量这样的数据，内存浪费还是非常可观的。

string string是redis最基本的类型，你可以理解成与Memcached一模一样的类型，一个key对应一个value。string类型是二进制安全的。意思是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，string类型的值最大能存储512MB。

String是redis中最基础的数据结构，你可以把它用作缓存最基础的kv（key-value）类型的缓存(value最大为512MB)，只需要把需要缓存的对象进行string的编解码即可。

redis淘汰策略有哪些

noeviction：默认策略，不淘汰数据；大部分写命令都将返回错误（DEL等少数除外）。allkeys-lru：从所有数据中根据 LRU 算法挑选数据淘汰。volatile-lru：从设置了过期时间的数据中根据 LRU 算法挑选数据淘汰。allkeys-random：从所有数据中随机挑选数据淘汰。

Redis 内存淘汰机制有以下几种策略：noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。（Redis 默认策略）allkeys-lru：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的 Key。（推荐使用）allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个 Key。

volatile-random：在设置过期时间的数据集合里，随机淘汰 allkeys-random：在所有的数据集合随机淘汰 volatile-ttl：在设置过期时间的数据集合里，淘汰剩余存活时间 (TTL) 最少的数据 noevictionl：当内存不足以写入新数据时，拒绝新数据写入。Redis 默认策略我这里越久的数据价值越低，不在乎调用次数。

当Redis内存超出物理内存限制时，内存数据会开始和磁盘产生频繁的交换，使得性能急剧下降。为了限制内存的使用，Redis提供参数 maxmemory 来限制最大内存，当内存超出后，会有以下策略( maxmemory-policy )来淘汰key以腾出空间：由于LRU算法需要消耗大量的额外内存，redis采用一种近似的LRU算法。

做业务处理的，可以做此监听。springboot整合Redis参考， SpringBoot整合Redis - (jianshu.com) 在整合Redis的基础上，在新加监听配置监听配置类监听类将Redis用作缓存时，如果内存空间用满，就会自动驱逐老的数据。