在项目开发中redis的使用也比较频繁,本文介绍了Go语言中go-redis库的基本使用。
Redis介绍
Redis是一个开源的内存数据库,Redis提供了多种不同类型的数据结构,很多业务场景下的问题都可以很自然地映射到这些数据结构上。除此之外,通过复制、持久化和客户端分片等特性,我们可以很方便地将Redis扩展成一个能够包含数百GB数据、每秒处理上百万次请求的系统。
Redis支持的数据结构
Redis支持诸如字符串(strings)、哈希(hashes)、列表(lists)、集合(sets)、带范围查询的排序集合(sorted sets)、位图(bitmaps)、hyperloglogs、带半径查询和流的地理空间索引等数据结构(geospatial indexes)。
Redis应用场景
- 缓存系统,减轻主数据库(MySQL)的压力。
- 计数场景,比如微博、抖音中的关注数和粉丝数。
- 热门排行榜,需要排序的场景特别适合使用ZSET。
- 利用LIST可以实现队列的功能。
准备Redis环境
这里直接使用Docker启动一个redis环境,方便学习使用。
docker启动一个名为redis507的5.0.7版本的redis server示例:
注意:此处的版本、容器名和端口号请根据自己需要设置。docker run --name redis507 -p 6379:6379 -d redis:5.0.7
启动一个redis-cli连接上面的redis server:docker run -it --network host --rm redis:5.0.7 redis-cli
go-redis库
安装
区别于另一个比较常用的Go语言redis client库:redigo,我们这里采用https://github.com/go-redis/redis连接Redis数据库并进行操作,因为go-redis支持连接哨兵及集群模式的Redis。
使用以下命令下载并安装:go get -u github.com/go-redis/redis
连接
普通连接
// 声明一个全局的rdb变量var rdb *redis.Client// 初始化连接func initClient() (err error) {rdb = redis.NewClient(&redis.Options{Addr: "localhost:6379",Password: "", // no password setDB: 0, // use default DB})_, err = rdb.Ping().Result()if err != nil {return err}return nil}
连接Redis哨兵模式
func initClient()(err error){rdb := redis.NewFailoverClient(&redis.FailoverOptions{MasterName: "master",SentinelAddrs: []string{"x.x.x.x:26379", "xx.xx.xx.xx:26379", "xxx.xxx.xxx.xxx:26379"},})_, err = rdb.Ping().Result()if err != nil {return err}return nil}
连接Redis集群
func initClient()(err error){rdb := redis.NewClusterClient(&redis.ClusterOptions{Addrs: []string{":7000", ":7001", ":7002", ":7003", ":7004", ":7005"},})_, err = rdb.Ping().Result()if err != nil {return err}return nil}
基本使用
set/get示例
func redisExample() {err := rdb.Set("score", 100, 0).Err()if err != nil {fmt.Printf("set score failed, err:%v\n", err)return}val, err := rdb.Get("score").Result()if err != nil {fmt.Printf("get score failed, err:%v\n", err)return}fmt.Println("score", val)val2, err := rdb.Get("name").Result()if err == redis.Nil {fmt.Println("name does not exist")} else if err != nil {fmt.Printf("get name failed, err:%v\n", err)return} else {fmt.Println("name", val2)}}
zset示例
输出结果如下:func redisExample2() {zsetKey := "language_rank"languages := []redis.Z{redis.Z{Score: 90.0, Member: "Golang"},redis.Z{Score: 98.0, Member: "Java"},redis.Z{Score: 95.0, Member: "Python"},redis.Z{Score: 97.0, Member: "JavaScript"},redis.Z{Score: 99.0, Member: "C/C++"},}// ZADDnum, err := rdb.ZAdd(zsetKey, languages...).Result()if err != nil {fmt.Printf("zadd failed, err:%v\n", err)return}fmt.Printf("zadd %d succ.\n", num)// 把Golang的分数加10newScore, err := rdb.ZIncrBy(zsetKey, 10.0, "Golang").Result()if err != nil {fmt.Printf("zincrby failed, err:%v\n", err)return}fmt.Printf("Golang's score is %f now.\n", newScore)// 取分数最高的3个ret, err := rdb.ZRevRangeWithScores(zsetKey, 0, 2).Result()if err != nil {fmt.Printf("zrevrange failed, err:%v\n", err)return}for _, z := range ret {fmt.Println(z.Member, z.Score)}// 取95~100分的op := redis.ZRangeBy{Min: "95",Max: "100",}ret, err = rdb.ZRangeByScoreWithScores(zsetKey, op).Result()if err != nil {fmt.Printf("zrangebyscore failed, err:%v\n", err)return}for _, z := range ret {fmt.Println(z.Member, z.Score)}}
$ ./06redis_demozadd 0 succ.Golang's score is 100.000000 now.Golang 100C/C++ 99Java 98JavaScript 97Java 98C/C++ 99Golang 100
Pipeline
Pipeline主要是一种网络优化。它本质上意味着客户端缓冲一堆命令并一次性将它们发送到服务器。这些命令不能保证在事务中执行。这样做的好处是节省了每个命令的网络往返时间(RTT)。Pipeline基本示例如下:
上面的代码相当于将以下两个命令一次发给redis server端执行,与不使用pipe := rdb.Pipeline()incr := pipe.Incr("pipeline_counter")pipe.Expire("pipeline_counter", time.Hour)_, err := pipe.Exec()fmt.Println(incr.Val(), err)
Pipeline相比能减少一次RTT。
也可以使用INCR pipeline_counterEXPIRE pipeline_counts 3600
Pipelined:
在某些场景下,当我们有多条命令要执行时,就可以考虑使用pipeline来优化。var incr *redis.IntCmd_, err := rdb.Pipelined(func(pipe redis.Pipeliner) error {incr = pipe.Incr("pipelined_counter")pipe.Expire("pipelined_counter", time.Hour)return nil})fmt.Println(incr.Val(), err)
事务
Redis是单线程的,因此单个命令始终是原子的,但是来自不同客户端的两个给定命令可以依次执行,例如在它们之间交替执行。但是,Multi/exec能够确保在multi/exec两个语句之间的命令之间没有其他客户端正在执行命令。
在这种场景我们需要使用TxPipeline。TxPipeline总体上类似于上面的Pipeline,但是它内部会使用MULTI/EXEC包裹排队的命令。例如:
上面代码相当于在一个RTT下执行了下面的redis命令:pipe := rdb.TxPipeline()incr := pipe.Incr("tx_pipeline_counter")pipe.Expire("tx_pipeline_counter", time.Hour)_, err := pipe.Exec()fmt.Println(incr.Val(), err)
还有一个与上文类似的MULTIINCR pipeline_counterEXPIRE pipeline_counts 3600EXEC
TxPipelined方法,使用方法如下:var incr *redis.IntCmd_, err := rdb.TxPipelined(func(pipe redis.Pipeliner) error {incr = pipe.Incr("tx_pipelined_counter")pipe.Expire("tx_pipelined_counter", time.Hour)return nil})fmt.Println(incr.Val(), err)
Watch
在某些场景下,我们除了要使用MULTI/EXEC命令外,还需要配合使用WATCH命令。在用户使用WATCH命令监视某个键之后,直到该用户执行EXEC命令的这段时间里,如果有其他用户抢先对被监视的键进行了替换、更新、删除等操作,那么当用户尝试执行EXEC的时候,事务将失败并返回一个错误,用户可以根据这个错误选择重试事务或者放弃事务。
Watch方法接收一个函数和一个或多个key作为参数。基本使用示例如下:Watch(fn func(*Tx) error, keys ...string) error
最后看一个官方文档中使用GET和SET命令以事务方式递增Key的值的示例:// 监视watch_count的值,并在值不变的前提下将其值+1key := "watch_count"err = client.Watch(func(tx *redis.Tx) error {n, err := tx.Get(key).Int()if err != nil && err != redis.Nil {return err}_, err = tx.Pipelined(func(pipe redis.Pipeliner) error {pipe.Set(key, n+1, 0)return nil})return err}, key)
更多详情请查阅文档。const routineCount = 100increment := func(key string) error {txf := func(tx *redis.Tx) error {// 获得当前值或零值n, err := tx.Get(key).Int()if err != nil && err != redis.Nil {return err}// 实际操作(乐观锁定中的本地操作)n++// 仅在监视的Key保持不变的情况下运行_, err = tx.Pipelined(func(pipe redis.Pipeliner) error {// pipe 处理错误情况pipe.Set(key, n, 0)return nil})return err}for retries := routineCount; retries > 0; retries-- {err := rdb.Watch(txf, key)if err != redis.TxFailedErr {return err}// 乐观锁丢失}return errors.New("increment reached maximum number of retries")}var wg sync.WaitGroupwg.Add(routineCount)for i := 0; i < routineCount; i++ {go func() {defer wg.Done()if err := increment("counter3"); err != nil {fmt.Println("increment error:", err)}}()}wg.Wait()n, err := rdb.Get("counter3").Int()fmt.Println("ended with", n, err)
