高级用法之慢查询
# 配置一个时间，如果查询时间超过了我们设置的时间，我们就认为这是一个慢查询
# 配置的慢查询，只在命令执行阶段
# 慢查询演示
-设置慢查询---》只要超过某个时间的命令---》都会保存起来
# 设置记录所有命令
CONFIG SET slowlog-log-slower-than 0
# 最多记录100条
config set slowlog-max-len 100
# 持久化到本地配置文件
config rewrite
# 记录所有命令了
# 查看慢查询队列
slowlog get [n]
slowlog len #获取慢查询队列长度
slowlog reset #清空慢查询队列
# 有什么用，如何聊？
-公司好多项目用这一个redis实例
-最近公司发现，redis响应非常慢
-通过排查它的 慢查询--》排查出一些慢命令
-找到对应的执行项目---》位置
-避免再执行这些命令了
pipline与事务
### python客户端实现pipline
import redis
pool = redis.ConnectionPool(host='10.211.55.4', port=6379)
r = redis.Redis(connection_pool=pool)
# pipe = r.pipeline(transaction=False)
#创建pipeline
pipe = r.pipeline(transaction=True)
#开启事务
pipe.multi()
pipe.set('name', 'lqz')
#其他代码，可能出异常
pipe.set('role', 'nb')
pipe.execute()
# 原生redis操作操作事务
# 1 mutil 开启事务，放到管道中一次性执行
multi # 开启事务
set name lqz
set age 18
exec
# 2 模拟事务 mutil +watch 模拟事务 乐观锁
# 在开启事务之前，先watch
watch age
multi
decr age
exec
# 另一台机器
multi
decr age
exec # 先执行，上面的执行就会失败(乐观锁，被wathc的事务不会执行成功)
# django+mysql实现乐观锁
# 使用python+redis实现乐观锁
https://www.cnblogs.com/liuqingzheng/p/9997092.html
发布订阅
# 发布者发布了消息，所有的订阅者都可以收到，就是生产者消费者模型（后订阅了，无法获取历史消息）
# 设计模式的：观察者模式
# 发布消息，向lqz频道发送了hellowrold--》不会有人收到---》没有人订阅
publish lqz "hello world"
# 订阅消息客户端1
subscribe lqz
# 订阅消息客户端2
subscribe lqz
# 发布订阅和消息队列的区别
发布订阅，订阅者都能收到，
消息队列有个抢的过程，只有一个抢到
bitmap位图
# 操作 比特位
set hello big #放入key位hello 值为big的字符串
getbit hello 0 #取位图的第0个位置，返回0
getbit hello 1 #取位图的第1个位置，返回1 如上图
# 设置比特位
etbit hello 7 1 #把hello的第7个位置设为1 这样，big就变成了cig
# 获取指定字节范围内，有几个1
bitcount key 0 3 # 数字指的是字节
# 基于上面，可以做独立用户统计
-假设有1亿用户，假设5千万活跃---》统计日活
-使用集合：大约需要200m
-使用bitmap位图：大约需要12m内存
-如果活跃用户量少，不适合用bitmap
# 面试题：
redis的key值最大多少 512M
redis的string 类型vaule值最大多少 512M
HyperLogLog
# 基于HyperLogLog算法：极小的空间完成独立数量统计,去重
# 布隆过滤器
# 具体操作
pfadd uuids "uuid1" "uuid2" "uuid3" "uuid4" # 增加值
pfcount uuids # 统计个数
# 数据不能删除单个
# 跟集合很像，但是占的内存空间很小
百万级别独立用户统计，百万条数据只占15k
错误率 0.81%
无法取出单条数据，只能统计个数
# 作用：
-爬虫去重
-黑白名单
-垃圾邮件过滤
-独立用户统计
-有个用户登录，就把用户id放到HyperLogLog中
-最后只需要统计一下 个数 就能统计出今天的活跃人数
GEO地理位置信息
GEO（地理信息定位）：存储经纬度，计算两地距离，范围等
# 类似于
-附近的人，餐馆，医院
-附近5km内的 xx
-我距离某个好友的距离
# 经纬度哪里来？
-前端(app,web),都是可以申请，获得经纬度的--》是前端做
-前端拿到---》调用我们的一个接口---》把经纬度传入---》存起来--》redis的geo中
-我要统计我附近5公里以内的好友
-需要我的经纬度
-我所有好友的经纬度，已经在 redis的geo中存好了
# 案例
geoadd cities:locations 116.28 39.55 beijing
geoadd cities:locations 117.12 39.08 tianjin
geoadd cities:locations 114.29 38.02 shijiazhuang
geoadd cities:locations 118.01 39.38 tangshan
geoadd cities:locations 115.29 38.51 baoding
# 计算两个地理位置的距离
geodist cities:locations beijing tianjin km
# 计算北京方圆 150km内的城市
georadiusbymember cities:locations beijing 90 km
# geo本质时zset类型
持久化
# redis的所有数据保存在内存中,支持把数据持久化到硬盘上
# 数据库(mysql,redis,mongodb,rabbitmq，infludb，clickhose，kafak)---》持久化方法通常是以下两种
快照：某时某刻数据的一个完成备份，
-mysql的Dump
-redis的RDB
写日志：任何操作记录日志，要恢复数据，只要把日志重新走一遍即可
-mysql的 Binlog
-Redis的 AOF
# redis支持 ：3中方案
-rdb方案：在某一刻做完成备份
-aof方案：每个操作都会有日志，恢复的时候，把日志重放即可
-混合持久化：rdb+aof方案
-aof重写
-隔一段时候，会把之前的日志做成rdb文件放在日志文件中，后续的继续使用aof方案记录日志
-达到快速恢复的目的
#
rdb方案
# 触发机制-主要三种方式
# save(同步)--->阻塞--》如果数据量很多---》影响redis的查询操作
save
# bgsave(异步，Backgroud saving started)
# 自动（通过配置）
配置 seconds changes
save 900 1
save 300 10
save 60 10000
如果60s中改变了1w条数据，自动生成rdb
如果300s中改变了10条数据，自动生成rdb
如果900s中改变了1条数据，自动生成rdb
AOF
# AOF的三种策略
日志不是直接写到硬盘上，而是先放在缓冲区，缓冲区根据一些策略，写到硬盘上
always：redis–》写命令刷新的缓冲区—》每条命令fsync到硬盘—》AOF文件
everysec（默认值）：redis——》写命令刷新的缓冲区—》每秒把缓冲区fsync到硬盘–》AOF文件
no:redis——》写命令刷新的缓冲区—》操作系统决定，缓冲区fsync到硬盘–》AOF文件
# AOF 重写
本质就是把过期的，无用的，重复的，可以优化的命令，来优化
这样可以减少磁盘占用量，加速恢复速度
# aof配置
appendonly yes
appendfilename "appendonly.aof"
appendfsync everysec
dir /root/lqz/redis/data
混合持久化
# 必须先开启AOF
aof-use-rdb-preamble yes