Spring Data Redis 让 NoSQL 快如闪电(2)

摘要：布隆过滤器布隆过滤器是一种空间利用率较高的概率数据结构，用来测试某元素是否某个集的一员。则利用布隆过滤器过滤掉不包含特殊行或列的块磁盘读取，使读取速度得到明显提升。搜索，就能发现很多布隆过滤器项目，其中一些还支持可调谐精度。

【编者按】本文作者为 Xinyu Liu，文章的第一部分重点概述了 Redis 方方面面的特性。在第二部分，将介绍详细的用例。文章系国内 ITOM 管理平台 OneAPM 编译呈现。

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。无论用例的简繁，Redis 都能帮助用户优化性能、处理能力和延迟，让常规 Java 企业版技术栈望而却步。

我们先从一个相对简单的用例开始吧：一个增量计数器，可显示某网站受到多少次点击。Spring Data Redis 有两个适用于这一实用程序的类：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：全局唯一增量计数器

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。

时不时的，用户就得应对服务器集群的争用。假设你从一个服务器集群运行一个预定作业。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。假设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，为整个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 Not eXists：如果不存在，则设置）这一 Redis 命令来执行全局悲观锁。

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() {                @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() {                      @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() {                    @Override                    
            public Long 
      doInRedis(RedisConnection connection)                            
         throws DataAccessException 
         {                        
              return connection.ttl(redisTemplate
                                .getStringSerializer().serialize(lockKey));
                    }
                })) {                    // set expiration of the lock
                    redisTemplate.execute(new RedisCallback() 
                    {                        
                    @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() {                          @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，一旦最先生成锁的程序意外退出，锁就可能永远得不到释放。Redis 的 EXPIRE 设置可确保在任何情况下释放锁。

假设 web 客户端需要轮询一台 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找潜在更新，成本较高。为了避免这一做法，可以尝试在 Redis 中给每个客户端保存一个整型作为脏指标，整型的每个数位表示一个表。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。就获取并将这样的位屏蔽设置为 STRING 而言，Redis 非常高效。

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。可以按照分数排出游戏玩家在排行榜上的位置。Redis 的 ZSET 定义了一份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。

你可以使用这一命令列出排行榜前 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。

布隆过滤器 (Bloom filter) 是一种空间利用率较高的概率数据结构，用来测试某元素是否某个集的一员。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场。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含特殊行或列的 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恶意网站，而 Quara 则在订阅后端执行了一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 极好地融合了布隆过滤器。搜索 GitHub，就能发现很多 Redis 布隆过滤器项目，其中一些还支持可调谐精度。

Redis 发布/订阅渠道的工作方式类似于一个扇出消息传递系统，或 JMS 语义中的一个主题。JMS 主题和 Redis 发布/订阅渠道的一个区别是，通过 Redis 发布的消息并不持久。消息被推送给所有相连的客户端后，Redis 上就会删除这一消息。换句话说，订阅者必须一直在线才能接收新消息。Redis 发布/订阅渠道的典型用例包括实时配置分布、简单的聊天服务器等。

在 web 服务器集群中，每个节点都可以是 Redis 发布/订阅渠道的一个订阅者。发布到渠道上的消息也会被即时推送到所有相连节点。这一消息可以是某种配置更改，也可以是针对所有在线用户的全局通知。和恒定轮询相比，这种推送沟通模式显然极为高效。

Redis 非常强大，但也可以从整体上和根据特定编程场景做出进一步优化。可以考虑以下技巧。

所有 Redis 数据结构都具备存活时间 (TTL) 属性。当你设置这一属性时，数据结构会在过期后自动删除。充分利用这一功能，可以让 Redis 保持较低的内存损耗。

在一条请求中向 Redis 发送多个命令，这种方法叫做管道技术。这一技术节省了网络往返的成本，这一点非常重要，因为网络延迟可能比 Redis 延迟要高上好几个量级。但这里存在一个陷阱：管道中的 Redis 命令列表必须预先确定，并且应当彼此独立。如果一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 管道技术的一个示例。

列表 5：管道技术

@Override
public List fetchLeaderboard(String key, String... playerIds) {    
   final List entries = new ArrayList<>();
    redisTemplate.executePipelined(new RedisCallback