当前位置： 首页 > news >正文

Redis只用来做缓存？来认识一下它其他强大的能力吧。

news 2025/9/14 19:23:22

当今互联网应用中，随着业务的发展，数据量越来越大，查询效率越来越高，对于时序数据的存储、查询和分析需求也越来越强烈，这时候 Redis 就成为了首选的方案之一。

Redis 提供了多种数据结构，如字符串、哈希表、列表、集合、有序集合等，每种数据结构都具备不同的特性，可以满足不同的业务需求。其中，有序集合的 score 可以存储时间戳，非常适合用于存储时序数据，例如监控指标、日志、统计数据、报表等。下面举几个时序数据场景例子：

  1. 监控指标：

假设我们有一个服务，名为 my_service，需要监控它的请求响应时间。我们可以使用 Redis 有序集合来存储数据，每个请求的响应时间作为 value，请求的时间戳作为 score。示例如下：

> ZADD requests:my_service 1613115560 350
(integer) 1
> ZADD requests:my_service 1613115570 450
(integer) 1
> ZADD requests:my_service 1613115580 550
(integer) 1
复制代码

这些命令向名为 requests:my_service 的有序集合中添加了 3 条数据，分别是 2021 年 2 月 12 日 10:19:20 的请求响应时间为 350ms，10:19:30 的请求响应时间为 450ms，10:19:40 的请求响应时间为 550ms。

接下来，我们来看一下如何使用 Redis 命令查询这些监控指标的数据。下面的命令会返回 requests:my_service 有序集合内所有数据：

> ZRANGE requests:my_service 0 -1 WITHSCORES
1) "350"
2) "1613115560"
3) "450"
4) "1613115570"
5) "550"
6) "1613115580"
复制代码

命令执行结果表示，数据按照 score 排序，其中 score 是时间戳（单位为秒），value 是请求响应时间（单位为毫秒）。同时，使用 ZRANGEBYSCORE 命令可以获取一段时间范围内的监控数据，例如：

> ZRANGEBYSCORE requests:my_service 1613115570 1613115580 WITHSCORES
1) "450"
2) "1613115570"
3) "550"
4) "1613115580"
复制代码

这条命令返回了 requests:my_service 有序集合中在时间戳 1613115570 到 1613115580 之间的所有数据。

  1. 日志：

假设我们要存储的日志是一条指定格式的字符串，包含时间戳和日志内容。使用 Redis 列表存储日志数据，每次写入新日志时可以使用 Redis 列表的 rpush 命令将数据写入列表的尾部。示例如下：

> RPUSH logs:my_logs 2021-02-12 10:30:00 INFO message 1
(integer) 1
> RPUSH logs:my_logs 2021-02-12 10:30:01 ERROR message 2
(integer) 2
> RPUSH logs:my_logs 2021-02-12 10:30:02 WARN message 3
(integer) 3
复制代码

这些命令向名为 logs:my_logs 的列表尾部添加 3 条数据，分别是 2021 年 2 月 12 日 10:30:00 的 INFO 级别消息，10:30:01 的 ERROR 级别消息和 10:30:02 的 WARN 级别消息。

接下来，我们来看一下如何使用 Redis 命令查询这些日志数据。下面的命令会返回 logs:my_logs 列表内所有数据：

> LRANGE logs:my_logs 0 -1
1) "2021-02-12 10:30:00 INFO message 1"
2) "2021-02-12 10:30:01 ERROR message 2"
3) "2021-02-12 10:30:02 WARN message 3"
复制代码

命令执行结果表示，数据按照插入顺序排序，从列表头部开始遍历。使用 ZRANGEBYSCORE 命令可以获取一段时间范围内的日志数据，例如：

> ZRANGEBYSCORE logs:my_logs 1613115570 1613115580
1) "2021-02-12 10:30:01 ERROR message 2"
复制代码

这条命令返回了 logs:my_logs 列表中在时间戳 1613115570 到 1613115580 之间的日志数据，但因为日志数据并没有具体的 time stamp 做 score，所以这个例子只是演示这个命令的用法，实际上应该使用有序集合去查询时间区间内的日志数据。

  1. 统计数据：

假设我们要存储的统计数据是一些具体业务相关的计数器，例如每分钟用户访问量。我们可以使用 Redis 有序集合来存储统计数据，key 是计数器名称，score 是时间戳，value 是具体的计数值（例如访问次数）。示例如下：

> ZADD visits 1613167800 100
(integer) 1
> ZADD visits 1613167860 120
(integer) 1
> ZADD visits 1613167920 150
(integer) 1
复制代码

这些命令向名为 visits 的有序集合中添加了 3 条数据，分别是 2021 年 2 月 12 日 23:30:00 的访问次数为 100，23:31:00 的访问次数为 120，23:32:00 的访问次数为 150。

接下来，我们来看一下如何使用 Redis 命令查询这些统计数据。下面的命令会返回 visits 有序集合内所有数据：

> ZRANGE visits 0 -1 WITHSCORES
1) "100"
2) "1613167800"
3) "120"
4) "1613167860"
5) "150"
6) "1613167920"
复制代码

命令执行结果表示，数据按照 score 排序，其中 score 是时间戳（单位为秒），value 是访问次数。使用 ZRANGEBYSCORE 命令可以获取一段时间范围内的统计数据，例如：

> ZRANGEBYSCORE visits 1613167860 1613167920 WITHSCORES
1) "120"
2) "1613167860"
3) "150"
4) "1613167920"
复制代码

这条命令返回了 visits 有序集合中在时间戳 1613167860 到 1613167920 之间的所有数据。

使用 Redis 有序集合中的另一个常见场景是计算 TopN，例如找出访问次数最多的前 10 个计数器，可以使用命令 ZREVRANGE visits 0 9 WITHSCORES，它返回 visits 有序集合中前 10 个元素，按照 value 从大到小排列，并且返回每个元素的 score。

需求实践：

这是一个实时监控系统，主要用于记录和统计服务发生的错误情况，以便在错误数量超过预设阈值时发出警告信息。

系统每秒钟生成随机错误数据，并将它们存储到 Redis 数据库中。每隔 10 秒钟，系统会从 Redis 数据库中聚合最近一分钟内的错误数据，并按照服务名和错误类型进行统计计算。如果某个服务的错误数量超过预设阈值，系统会输出一条警告信息提示用户。

整个系统的目标是帮助用户及时了解每个服务的错误情况，以便及时采取相应的措施，保障服务的稳定性和可靠性。

代码示例：

模拟接口服务异常数据

package com.example.demo.redis;import redis.clients.jedis.Jedis;
import java.util.*;public class DataGenerator {// 定义服务列表private static final List<String> SERVICES = Arrays.asList("service1", "service2", "service3");// 定义错误列表public static final List<String> ERRORS = Arrays.asList("invalid_param", "timeout", "unknown_error");/*** 生成数据** @param total 数据总数* @param jedis Redis 客户端连接*/public static void generateData(int total, Jedis jedis) {Random rand = new Random(); // 初始化随机数生成器long currentTimestamp = System.currentTimeMillis() / 1000; // 获取当前时间戳，精确到秒long startTimestamp = currentTimestamp - 60; // 计算起始时间戳，为当前时间戳减去 60 秒for (int i = 0; i < total; i++) { // 循环 total 次，生成 total 条数据String service = SERVICES.get(rand.nextInt(SERVICES.size())); // 随机选择一个服务String error = ERRORS.get(rand.nextInt(ERRORS.size())); // 随机选择一个错误long timestamp = startTimestamp + rand.nextInt(60); // 生成一个随机时间戳，精确到秒，范围为起始时间戳到当前时间戳int count = 1;String item = String.format("%s:%s:%d:%d", service, error, timestamp, count);jedis.zadd("error_data", timestamp, item); // 将错误数据存储到 Redis 数据库中}}
}复制代码

聚合异常数据，达到阈值告警

package com.example.demo.redis;import redis.clients.jedis.Jedis;
import java.util.*;
import java.util.concurrent.Executors;
import java.util.concurrent.ScheduledExecutorService;
import java.util.concurrent.TimeUnit;public class DataAggregator {private static final String REDIS_HOST = "localhost"; // Redis 主机名private static final int REDIS_PORT = 6379; // Redis 端口号private static final int THRESHOLD = 100; // 预设阈值，当错误数量超过该阈值时触发警告public static void main(String[] args) {ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(2); // 创建一个只有一个线程的定时任务执行程序Jedis jedis = new Jedis(REDIS_HOST, REDIS_PORT); // 创建 Redis 客户端连接scheduler.scheduleAtFixedRate(() -> {// 并发情况下，线程会阻塞synchronized (jedis) {DataGenerator.generateData(20, jedis); // 生成随机错误数据，并将其存储到 Redis 数据库中}}, 0, 1, TimeUnit.SECONDS); // 定时任务间隔为 1 秒钟scheduler.scheduleAtFixedRate(() -> { // 定时任务逻辑synchronized (jedis) {long currentTimestamp = System.currentTimeMillis() / 1000; // 获取当前时间戳，精确到秒long startTimestamp = currentTimestamp - 60; // 计算起始时间戳，为当前时间戳减去 60 秒Set<String> data = jedis.zrangeByScore("error_data", startTimestamp, currentTimestamp); // 使用 zrange 命令获取指定时间范围内的数据Map<String, Map<String, Integer>> countMap = new HashMap<>(); // 用于记录聚合后的服务和错误数量信息for (String item : data) { // 遍历所有错误数据String[] parts = item.split(":"); // 以冒号为分隔符，将错误数据分割为部分String service = parts[0]; // 获取服务名String error = parts[1]; // 获取错误类型long timestamp = Long.parseLong(parts[2]); // 获取时间戳int count = Integer.parseInt(parts[3]); // 获取错误数量if (timestamp < startTimestamp) { // 如果时间戳早于起始时间戳，则跳过该数据continue;}Map<String, Integer> serviceCountMap = countMap.computeIfAbsent(service, k -> new HashMap<>()); // 获取指定服务的错误数量信息serviceCountMap.put(error, serviceCountMap.getOrDefault(error, 0) + count); // 更新指定服务和错误类型的错误数量信息}List<String> alerts = new ArrayList<>(); // 用于存储警告信息for (String service : countMap.keySet()) { // 遍历服务名列表Map<String, Integer> serviceCountMap = countMap.get(service); // 获取服务和错误数量信息int totalErrors = 0;for (String error : serviceCountMap.keySet()) { // 遍历错误列表int count = serviceCountMap.get(error); // 获取错误数量totalErrors += count;}if (totalErrors > THRESHOLD) { // 如果错误数量超过预设阈值alerts.add(service + " has too many errors: " + serviceCountMap.keySet() + ", count: " + totalErrors); // 将该服务名添加到警告信息列表中}}if (!alerts.isEmpty()) { // 如果警告信息列表不为空System.out.println(String.join("\n", alerts)); // 打印警告信息}}}, 0, 10, TimeUnit.SECONDS); // 定时任务间隔为 10 秒// 关闭 Redis 连接jedis.close();}
}复制代码

以上代码可正常运行，有疑问可以交流～～

http://www.lryc.cn/news/59310.html

相关文章：

  • 【ES】数据同步集群
  • 37岁男子不愿熬夜，回乡养鸡每天准时下班，青山绿水中养鸡，直播间里卖鸡蛋...
  • 深度学习和人工智能之间是什么样的关系？
  • 实战打靶集锦-016-lampiao
  • 《Web前端应用开发》考试试卷（模拟题）
  • 【react全家桶学习】react简介
  • 此战成硕，我成功上岸西南交通大学了~~~
  • 光耦继电器工作原理及优点概述
  • 【Mysql】mysql8.0.26解压包部署方式
  • 进销存管理系统能为企业带来哪些实际效益？
  • 图片怎么转换成pdf格式？这几个方法帮你一键转换
  • 数据结构exp1_2学生成绩排序
  • 在DongshanPI-D1开箱使用分享与折腾记录实现MPU6050数据读取
  • Nature子刊 定制饮食去除半胱氨酸和蛋氨酸可诱导细胞自毁进而治疗脑瘤？
  • 抛弃 TCP 和 QUIC 的 HTTP
  • 未来公寓智能化设计平台项目（下）
  • 常见分布式消息队列综合对比
  • 怎么邀请主流媒体到现场报道
  • 2023年最强手机远程控制横测：ToDesk、向日葵、Airdroid三款APP免Root版本
  • 用SQL语句操作oracle数据库--数据查询（上篇）
  • 模板学堂｜DataEase图表样式解析
  • STM32看门狗
  • 什么是划分子网？网络工程师划分子网有啥技巧？
  • 制作两栏布局的 6+5 种方法：从相当合理到完全错误
  • nvidia-smi 各种命令
  • 实验6 TensorFlow基础
  • Python爬虫基础之如何对爬取到的数据进行解析
  • 【Python游戏】坦克大战、推箱子小游戏怎么玩？学会这些让你秒变高高手—那些童年的游戏还记得吗？（附Pygame合集源码）
  • python3 DataFrame一些好玩且高效的操作
  • 如何从 PowerPoint 导出高分辨率（高 dpi）幻灯片