Spring Data Redis 让 NoSQL 快如闪电(2)

【编者案】本文作者为 Xinyu Liu，文章的第1部份重点概述了 Redis 各个方面的特性。在第2部份，将介绍详细的用例。文章系国内 ITOM 管理平台 OneAPM 编译显现。

把 Redis 当作数据库的用例

现在我们来看看在服务器端 Java 企业版系统中把 Redis 当作数据库的各种用法吧。不管用例的简繁，Redis 都能帮助用户优化性能、处理能力和延迟，让常规 Java 企业版技术栈望而生畏。

1. 全局唯1增量计数器

我们先从1个相对简单的用例开始吧：1个增量计数器，可显示某网站遭到多少次点击。Spring Data Redis 有两个适用于这1实用程序的类：RedisAtomicInteger 和 RedisAtomicLong。和 Java 并发包中的 AtomicInteger 和 AtomicLong 不同的是，这些 Spring 类能在多个 JVM 中发挥作用。

列表 3：全局唯1增量计数器

RedisAtomicLong counter = 
    new RedisAtomicLong("UNIQUE_COUNTER_NAME", redisTemplate.getConnectionFactory()); 
Long myCounter = counter.incrementAndGet();// return the incremented value

请注意整型溢出并谨记，在这两个类上进行操作需要付出相对较高的代价。

2. 全局悲观锁

时不时的，用户就得应对服务器集群的争用。假定你从1个服务器集群运行1个预定作业。在没有全局锁的情况下，集群中的节点会发起冗余作业实例。假定某个聊天室分区可容纳 50 人。如果聊天室已满，就需要创建新的聊天室实例来容纳另外 50 人。

如果检测到聊天室已满但没有全局锁，集群中的各个节点就会创建自有的聊天室实例，为全部系统带来不可预知的因素。列表 4 介绍了应当如何充分利用 SETNX（SET if **N**ot e**X**ists：如果不存在，则设置）这1 Redis 命令来履行全局悲观锁。

列表4：全局悲观锁

public String aquirePessimisticLockWithTimeout(String lockName,            int acquireTimeout, int lockTimeout) {        

  if (StringUtils.isBlank(lockName) || lockTimeout <= 0)            
      return null;        
      final String lockKey = lockName;
        String identifier = UUID.randomUUID().toString(); 
        Calendar atoCal = Calendar.getInstance();
        atoCal.add(Calendar.SECOND, acquireTimeout);
        Date atoTime = atoCal.getTime();        

        while (true) {            
           // try to acquire the lock            
           if (redisTemplate.execute(new RedisCallback<Boolean>() {                @Override                
           public Boolean doInRedis(RedisConnection connection)                        throws DataAccessException {                    
           return connection.setNX(
redisTemplate.getStringSerializer().serialize(lockKey), redisTemplate.getStringSerializer().serialize(identifier));
                }
            })) {   // successfully acquired the lock, set expiration of the lock
             redisTemplate.execute(new RedisCallback<Boolean>() {                      @Override                    
             public Boolean doInRedis(RedisConnection connection)                            throws DataAccessException {                        
              return connection.expire(redisTemplate
                                .getStringSerializer().serialize(lockKey),
                                lockTimeout);
                    }
                });                
                return identifier;
            } else { // fail to acquire the lock                
            // set expiration of the lock in case ttl is not set yet.                if (null == redisTemplate.execute(new RedisCallback<Long>() {                    @Override                    
            public Long 
      doInRedis(RedisConnection connection)                            
         throws DataAccessException 
         {                        
              return connection.ttl(redisTemplate
                                .getStringSerializer().serialize(lockKey));
                    }
                })) {                    // set expiration of the lock
                    redisTemplate.execute(new RedisCallback<Boolean>() 
                    {                        
                    @Override                        
                    public Boolean 

           doInRedis(RedisConnection connection)                                        throws DataAccessException {                            
           return connection.expire(redisTemplate
                                .getStringSerializer().serialize(lockKey),
                                    lockTimeout);
                        }
                    }); 
}                if (acquireTimeout < 0) // no wait                    
                 return null;                
                 else {                    
                     try {
                        Thread.sleep(100l); // wait 100 milliseconds before retry
                    } catch (InterruptedException ex) {
                    }
                }                if (new Date().after(atoTime))                    break;
            }
        }        return null;
    }    


    public void 
releasePessimisticLockWithTimeout(String lockName, String identifier) {        if (StringUtils.isBlank(lockName) || StringUtils.isBlank(identifier))            return;        

     final String lockKey = lockName;

        redisTemplate.execute(new RedisCallback<Void>() {                          @Override                    
        public Void doInRedis(RedisConnection connection)                            throws DataAccessException {                        
        byte[] ctn = connection.get(redisTemplate
                                .getStringSerializer().serialize(lockKey));                        if(ctn!=null && identifier.equals(redisTemplate.getStringSerializer().deserialize(ctn)))
                            connection.del(redisTemplate.getStringSerializer().serialize(lockKey));                        return null;
                    }
                });
    }

如果使用关系数据库，1旦最早生成锁的程序意外退出，锁便可能永久得不到释放。Redis 的 EXPIRE 设置可确保在任何情况下释放锁。

3. 位屏蔽(Bit Mask)

假定 web 客户端需要轮询1台 web 服务器，针对某个数据库中的多个表查询客户指定更新内容。如果盲目地查询所有相应的表以寻觅潜伏更新，本钱较高。为了不这1做法，可以尝试在 Redis 中给每一个客户端保存1个整型作为脏指标，整型的每一个数位表示1个表。该表中存在客户所需更新时，设置数位。轮询期间，不会触发对表的查询，除非设置了相应数位。就获得并将这样的位屏蔽设置为 STRING 而言，Redis 非常高效。

4. 排行榜（Leaderboard）

Redis 的 ZSET 数据结构为游戏玩家排行榜提供了简洁的解决方案。ZSET 的工作方式有些类似于 Java 中的 PriorityQueue，各个对象均为经过排序的数据结构，井井有条。可以依照分数排出游戏玩家在排行榜上的位置。Redis 的 ZSET 定义了1分内容丰富的命令列表，支持灵活有效的查询。例如，ZRANGE（包括 ZREVRANGE）可返回有序集内的指定范围要素。

你可使用这1命令列出排行榜前 100 名玩家。ZRANGEBYSCORE 返回指定分数范围内的要素（例如列出得分为 1000 至 2000 之间的玩家），ZRNK 则返回有序集内的要素的排名，诸如此类。

5. 布隆(Bloom)过滤器

布隆过滤器 (Bloom filter) 是1种空间利用率较高的几率数据结构，用来测试某元素是不是某个集的1员。可能会出现误报匹配，但不会漏报。查询可返回“可能在集内”或“肯定不在集内”。

就在线服务和离线服务包括大数据分析等方面，布隆过滤器数据结构都能派上很多用处。Facebook 利用布隆过滤器进行输入提示搜索，为用户输入的查询提取朋友和朋友的朋友。Apache HBase 则利用布隆过滤器过滤掉不包括特殊行或列的 HFile 块磁盘读取，使读取速度得到明显提升。Bitly 用布隆过滤器来避免将用户重定向到歹意网站，而 Quara 则在定阅后端履行了1个切分的布隆过滤器，用来过滤掉之前查看过的内容。在我自己的项目里，我用布隆过滤器追踪用户对各个主题的投票情况。

借助出色的速度和处理能力，Redis 极好地融会了布隆过滤器。搜索 GitHub，就可以发现很多 Redis 布隆过滤器项目，其中1些还支持可调谐精度。

6. 高效的全局通知：发布/定阅渠道

Redis 发布/定阅渠道的工作方式类似于1个扇出消息传递系统，或 JMS 语义中的1个主题。JMS 主题和 Redis 发布/定阅渠道的1个区分是，通过 Redis 发布的消息其实不持久。消息被推送给所有相连的客户端后，Redis 上就会删除这1消息。换句话说，定阅者必须1直在线才能接收新消息。Redis 发布/定阅渠道的典型用例包括实时配置散布、简单的聊天服务器等。

在 web 服务器集群中，每一个节点都可以是 Redis 发布/定阅渠道的1个定阅者。发布到渠道上的消息也会被即时推送到所有相连节点。这1消息可以是某种配置更改，也能够是针对所有在线用户的全局通知。和恒定轮询相比，这类推送沟通模式明显极其高效。

Redis 性能优化

Redis 非常强大，但也能够从整体上和根据特定编程场景做出进1步优化。可以斟酌以下技能。

存活时间

所有 Redis 数据结构都具有存活时间 (TTL) 属性。当你设置这1属性时，数据结构会在过期后自动删除。充分利用这1功能，可让 Redis 保持较低的内存消耗。

管道技术

在1条要求中向 Redis 发送多个命令，这类方法叫做管道技术。这1技术节省了网络来回的本钱，这1点非常重要，由于网络延迟可能比 Redis 延迟要高上好几个量级。但这里存在1个圈套：管道中的 Redis 命令列表必须预先肯定，并且应当彼此独立。如果1个命令的参数是由先前命令的结果计算得出，管道技术就不起作用。列表 5 给出了 Redis 管道技术的1个示例。

列表 5：管道技术

@Override
public List<LeaderboardEntry> fetchLeaderboard(String key, String... playerIds) {    
   final List<LeaderboardEntry> entries = new ArrayList<>();
    redisTemplate.executePipelined(new RedisCallback<Object>() {    // enable Redis Pipeline        
    @Override 
        public Object doInRedis(RedisConnection connection) throws DataAccessException { 
            for(String playerId : playerIds) {
                Long rank = connection.zRevRank(key.getBytes(), playerId.getBytes());
                Double score = connection.zScore(key.getBytes(), playerId.getBytes());
                LeaderboardEntry entry = new LeaderboardEntry(playerId, 
                score!=null?score.intValue():⑴, rank!=null?rank.intValue():⑴);
                entries.add(entry);
            }        
            return null; 
        }
    }); 
    return entries; 
}

副本集和切分

Redis 支持主从副本配置。和 MongoDB 1样，副本集也是不对称的，由于从节点是只读的，以便同享读取工作量。我在文章开头提到过，也能够履行切分来横向扩大 Redis 的处理能力和存储容量。事实上，Redis 非常强大，据亚马逊公司的内部基准显示，类型 r3.4xlarge 的1个 EC2 实例每秒可轻松处理 100000 次要求。传说还有把每秒 700000 次要求作为基准的。对中小型利用程序，通常无需斟酌 Redis 切分。（请参见这篇非常出色的文章《运行中的 Redis》，进1步了解 Redis 的性能优化和切分。）

Redis 中的事务

Redis 其实不像关系数据库管理系统那样能支持全面的 ACID 事务，但其自有的事务也非常有效。从本质上来讲，Redis 事务是管道、乐观锁、肯定提交和回滚的结合。其思想是履行1个管道中的1个命令列表，然后视察某1关键记录的潜伏更新（乐观锁）。根据所视察的记录是不是会被另外一个进程更新，该命令列表或整体肯定提交，或完全回滚。

下面以某个拍卖网站上的卖方库存为例。买方试图从卖方处购买某件商品时，你负责视察 Redis 事务内的卖方库存变化。同时，你要从同1个库存中删除此商品。事务关闭前，如果库存被1个以上进程触及（例如，如果两个买方同时购买了同1件商品），事务将回滚，否则事务会肯定提交。回滚后可开始重试。

Spring Data Redis 中的事务圈套

我在 Spring 的 RedisTemplate 类 redisTemplate.setEnableTransactionSupport(true); 中启用 Redis 事务时得到1个惨重的教训：Redis 会在运行几天后开始返回垃圾数据，致使数据严重破坏。StackOverflow 上也报导了类似情况。

在运行1个 monitor 命令后，我的团队发现，在进行 Redis 操作或 RedisCallback 后，Spring 并没有自动关闭 Redis 连接，而事实上它是应当关闭的。如果再次使用未关闭的连接，可能会从意想不到的 Redis 密钥返回垃圾数据。成心思的是，如果在 RedisTemplate 中把事务支持设为 false，这1问题就不会出现了。

我们发现，我们可以先在 Spring 语境里配置1个 PlatformTransactionManager（例如 DataSourceTransactionManager），然后再用 @Transactional 注释来声明 Redis 事务的范围，让 Spring 自动关闭 Redis 连接。

根据这1经验，我们相信，在 Spring 语境里配置两个单独的 RedisTemplate 是很好的做法：其中1个 RedisTemplates 的事务设为 false，用于大多数 Redis 操作，另外一个 RedisTemplates 的事务已激活，仅用于 Redis 事务。固然必须要声明 PlatformTransactionManager 和 @Transactional，以防返回垃圾数值。

另外，我们还发现了 Redis 事务和关系数据库事务（在本例中，即 JDBC）相结合的不利的地方。混合型事务的表现和料想的不太1样。

结论

我希望通过这篇文章向其他 Java 企业开发师介绍 Redis 的强大的地方，特别是将 Redis 用作远程数据缓存和用于易挥发数据时。在这里我介绍了 Redis 的6个有功效例，分享了1些性能优化技能，还说明了我的 Glu Mobile 团队怎样解决了 Spring Data Redis 事务配置不当酿成的垃圾数据问题。我希望这篇文章能够激起你对 Redis NoSQL 的好奇心，让你能够遭到启发，在自己的 Java 企业版系统里创造出1番天地。

本文系 OneAPM 工程师编译整理。OneAPM 能为您提供端到真个 Java 利用性能解决方案，我们支持所有常见的 Java 框架及利用服务器，助您快速发现系统瓶颈，定位异常根本缘由。分钟级部署，即刻体验，Java 监控历来没有如此简单。想浏览更多技术文章，请访问 OneAPM 官方技术博客。

本文转自 OneAPM 官方博客

原文地址：http://www.javaworld.com/article/3062899/big-data/lightning-fast-nosql-with-spring-data-redis.html?page=2