衡与墨的博客

我们可能会遇到需要运行的某些命令在godis中不存在的情况，这个时候我们可以使用其原生的方式运行命令，为了方便使用，封装了一个方法，用于简化这个过程。需要注意的是，执行命令的返回结果返回的是interface{}，需要对其进行解析成可读的实体结构。传递的参数logger是用来打印日志的：// RunRedisCmd 运行redis命令func RunRedisCmd(redis *godis.Redis, logger *log.Logger, cmd string, args ...string)

Redis作为应对高并发场景的利器，它是如何实现高性能的呢？IO多路复用传统对于并发情况，假如一个进程不行，那搞多个进程不就可以同时处理多个客户端连接了么？多进程是可以解决一些并发问题，但是还是有一些问题，上下文切换开销，线程循环创建，从PCB来回恢复效率较低。随着客户端请求增多，那么线程也随着请求数量直线上升，如果是并发的时候涉及到数据共享访问，有时候涉及到使用锁来控制范围顺序，影响其他线程执行效率。在学NIO之前得先去了解IO模型（1）同步阻塞IO（Blocking IO）：即传统的IO模型

概述因为windows的最新版本redis已经在16年就停止更新了，目前最新的版本只到redis3，很多redis新增的特性都无法使用。例如redis5的stream，windows版本就没有。这篇文章通过使用wsl来为windows提供最新版本redis的支持，而免于去启动虚拟机的麻烦事了。主要安装的流程和linux上一般无异。1、下载redis打开 https://redis.io/download/ 查看可用版本。截至这篇文章写作时，redis目前的稳定版本是6，预计今年会更新7，目前还在

概述常用的消息队列有，rabbitMq、kafka、RocketMq、ActiveMq等。这些消息队列需要独立安装部署，作为一个中间件来提供服务，虽然有着高性能、高可靠的优点，但是额外部署这些中间件也会增加运维成本，和服务器成本。本篇文章探讨了一下如何使用redis实现消息队列。使用redis无需额外的部署，如果原先就有使用redis的话。此外redis更为轻量也更容易维护。但是redis实现消息队列有多种方案，这些方案有其优点也有其缺点，适用于不同的应用场景。以下从“实时性”、“可靠性”、“功能性”这

收录于墨的2020~2021开发经验总结接续上文（java 实现的数据查询缓存通用模型——那些我在缓存模型中用到的工具类（5））7、SPEL表达式支持spel表达式，SpEL（Spring Expression Language），即spring 表达式语言，它是一种轻量的、灵活的语言，通过spring的解析工具进行解析。在前文中，我们搭建实现的数据查询缓存通用模型，是通过cacheKeyCreater的机制来生成key的，这种方式可以实现很高的定制化，但是也有个缺点，那就是要写的代码更多，也不够直

收录于墨的2020~2021开发经验总结上一篇 基于Redis实现的日志记录组件——超实用（4）AOP和SPEL实现六、前端页面前端页面采用H5 + 原生js6语法写成，界面设计以简洁轻量实用为主。顶部是组件列表，列出了所有的日志组件，对每个组件都可以进行清空、选中、编辑。清空会清空redis里对应组件的日志。选中会将该组件的日志实时的在底下列出来。编辑可以修改组件的各项信息，修改保存之后就会实时应用。中间部分是日志的显示区间控制，和刷新频率。显示区间的索引和redis 的lrang

收录于墨的2020~2021开发经验总结上一篇 基于Redis实现的日志记录组件——超实用（3）核心类描述四、AOP实现以下是日志记录的核心切面代码：Slf4j@Aspect@Order(0) // 越小越先执行public class RedisLogOptAspect { @Resource private RedisLogSpelHandler redisLogSpelHandler; @Resource private RedisLogServi

1、概述该组件的开发目的，是试图制造一个，能够实时查阅的、高性能的、轻量级、易于使用的日志组件。在我们的系统开发中，日志无疑是极其重要的一环。没有日志，排查错误、分析用户使用情况、追溯业务事件就无从谈起。通常，Java web开发中，使用的日志一般是Slf4j。private final static Logger log = LoggerFactory.getLogger(ProductService.class);通过使用debug、info、warn、error等方法打印日志。并通过配置x

收录于墨的2020~2021开发经验总结上一篇 基于Redis实现的日志记录组件——超实用（1）概述2、类图和基本结构其中 RedisComponent是日志组件类，用于存储组件信息：RedisLogger用于操作redis，进行组件的注册、清空、删除，以及日志查询、日志写入。RedisLogService 是一个中间服务类，通过操作RedisLogger实现更多上层功能，向RedisController提供接口。RedisLogController用于向外部提供Api接口，进行组件的更

收录于墨的2020~2021开发经验总结上一篇 基于Redis实现的日志记录组件——超实用（2）类图和基本结构三、核心类介绍1、RedisLogComponentRedisComponent是日志组件类，用于存储组件信息，使用了lombok的注解，来减少编码量：这里的@NoArgsConstructor增加了一个无参构造，因为redis反序列化json为java类时，要求这个java类具有无参构造函数，并且还要有对应属性的getter和setter。@NoArgsConstructor@Set

1、概述在并发编程中，锁是用来保证数据同步的重要举措，Java 自带了多种锁的实现，如synchronized、ReentrantLock、ReentrantReadWriteLock等。但这些锁只在该进程内有效。一但跨进程就会不起作用。然而在当下的技术趋势下，微服务，单服务多实例，多实例间负载均衡已经成为常见的架构基础。在这样的多进程情况下，要保证同步，那么分布式锁就尤为重要。这篇文章，描述了两种Redis分布式锁的实现方式。希望对大家有用。2、原理锁的原理来自于其“唯一持有性”，因此只要能保证这

收录于墨的2020~2021开发经验总结接续上文（Redis 实现的数据查询缓存通用模型（5））6、那些我在缓存模型中用到的工具类本篇是这个系列的最后一篇，Redis 实现的数据查询缓存通用模型这个系列，标题虽然是Redis 实现的数据查询缓存通用模型，但是实际上却不是以Redis为主，如果再取一个更合适的标题，我觉得是Java的通用数据查询缓存模型会更为恰当一些。使用到的工具类，主要是Ehcache的工具类和Redis的工具类为主。6.1 Ehcache的工具类Ehcache的工具类6.2

这个工具类最早是在网络上找的，现在已经找不到出处了，后边自己改了很多地方，也加了很多新的东西。现在将其公开出来，希望对大家有用。需要导入包： compile 'org.springframework.data:spring-data-redis:2.3.2.RELEASE'maven的话是：<!-- https://mvnrepository.com/artifact/org.springframework.data/spring-data-redis --><depe

收录于墨的2020~2021开发经验总结接续上文（Redis 实现的数据查询缓存通用模型（3））5、缓存组件设计5.1 整体架构先上一张类图，这张类图包含了Dawn缓存架构设计的整体结构：其中DawnCache是一个缓存组件的通用接口，包含了获取缓存、设置缓存、清除缓存三个方法，而DawnRedisCache是它的Redis实现，DawnEhcacheCache是它的Ehcache实现，DawnSimpleCache是它的基于Java Map 的实现。三种缓存组件分别适用不同情况下的使用。Da

收录于墨的2020~2021开发经验总结接续上文（Redis 实现的数据查询缓存通用模型（2））4、缓存模型核心AOP实现4.1 概述在上两篇文章中，我们主要分析了 @DawnCacheable 实现的缓存，和@DawnCacheEvict实现的缓存清除，之前是从模型上分析的，还没有介绍如何实现这个模型，这篇文章就是分析这两个注解背后的实现。Spring拥有两个核心，一个是IOC，控制反转和依赖注入，还有一个就是AOP，面向切面编程。在我这几年的编程生涯中，确实也意味到了，AOP是大部分框架的实现

收录于墨的2020~2021开发经验总结接续上文（Redis 实现的数据查询缓存通用模型（1））3、缓存清除cacheEvict3.1 基本原理在实际应用中，缓存并非是一成不变的，我们写入缓存之后还需要更新缓存。这常常存在于一些更新操作和删除操作中。例如我们查询了一个产品列表的第一页，之后缓存写入了这一页，在缓存中我们有这样一个映射：key : DAWN-CACHE.cn.hengyumo.dawn.example.service.ProductService.searchProduct.siz

1、缓存的意义在经济学中，有一个定律叫做二八定律，含义是社会上百分之20的人却占了百分之80的财富。这一定律同样在计算机学科中适用，少部分的资源在计算中会被频繁使用，因此计算机的存储设计中，从低到高，从快到慢，设计了多级缓存。从CPU的一级、二级、三级缓存，到内存，到磁盘，到远程的分布式文件系统。它们的容量从小到大，速度从快到慢。常用的数据会被优先存放在高速的缓存上。在网站的架构设计中，也要考虑到缓存的使用，因为大部分网站的实际运行中，对数据的访问也是呈现出二八定律，百分之八十的业务会集中到百分之二

1、redis 使用lua脚本的语法Redis Eval 命令 - 执行 Lua 脚本redis 127.0.0.1:6379> eval "return {KEYS[1],KEYS[2],ARGV[1],ARGV[2]}" 2 key1 key2 first second1) "key1"2) "key2"3) "first"4) "second"其中script： 参数是一段 Lua 5.1 脚本程序。脚本不必(也不应该)定义为一个 Lua 函数。numkeys： 用于指定键名

一、redis 安装官网redis.io 下载源码linux上确保安装了gcc之后对源码进行编译：解压 tar zxvf redis-5.05.tar.gzcd redis-5.05编译 make安装 sudo make PREFIX=/usr/local/redis install启动cd /usr/local/redis/bin服务端 ./redis-server客户端 ./redis-cli 输入ping响应PONG则安装连接成功windo