1、Redis封装架构讲解程序员
实际上NewLife.Redis是一个完整的Redis协议功能的实现，可是Redis的核心功能并无在这里面，而是在NewLife.Core里面。面试
这里能够打开看一下，NewLife.Core里面有一个NewLife.Caching的命名空间，里面有一个Redis类，里面实现了Redis的基本功能；另外一个类是RedisClient是Redis的客户端。数据库
Redis的核心功能就是有这两个类实现，RedisClient表明着Redis客户端对服务器的一个链接。Redis真正使用的时候有一个Redis链接池，里面存放着不少个RedisClient对象。json
因此咱们Redis的封装有两层，一层是NewLife.Core里面的Redis以及RedisClient；另外一层就是NewLife.Redis。这里面的FullRedis是对Redis的实现了Redis的全部的高级功能。缓存
这里你也能够认为NewLife.Redis是Redis的一个扩展。性能优化
2、Test实例讲解Redis的基本使用服务器
一、实例网络
打开Program.cs看下代码：多线程
这里XTrace.UseConsole();是向控制台输出日志，方便调试使用查看结果。架构
接下来看第一个例子Test1，具体的我都在代码中进行了注释，你们能够看下：
Set的时候，若是是字符串或者字符数据的话，Redis会直接保存起来（字符串内部机制也是保存二进制），若是是其余类型，会默认进行json序列化而后再保存起来。
Get的时候，若是是字符串或者字符数据会直接获取，若是是其余类型会进行json反序列化。
Set第三个参数过时时间单位是秒。
vs调试小技巧，按F5或者直接工具栏“启动”会编译整个解决方案会很慢（VS默认），能够选中项目而后右键菜单选择调试->启动新实例，会只编译将会用到的项目，这样对调试来讲会快不少。
你们运行调试后能够看到控制台输出的内容：向右的箭头=》是ic.Log=XTrace.Log输出的日志。
字典的使用：对象的话，须要把json所有取出来，而后转换成对象，而字典的话，就能够直接取某个字段。
队列是List结构实现的，上游数据太多，下游处理不过来的时候，就可使用这个队列。上游的数据发到队列，而后下游慢慢的消费。另外一个应用，跨语言的协同工做，比方说其余语言实现的程序往队列里面塞数据，而后另外一种语言来进行消费处理。这种方式相似MQ的概念，虽然有点low，可是也很好用。
集合，用的比较多的是用在一个须要精确判断的去重功能。像咱们天天有三千万订单，这三千万订单能够有重复。这时候我想统计下一共有订单，这时候直接数据库group by是不大可能的，由于数据库中分了十几张表，这里分享个实战经验：
比方说揽收，商家发货了，网点要把件收回来，可是收回来以前网点不知道本身有多少货，这时候咱们作了一个功能，也就是订单会发送到咱们公司来。咱们会建一个time_site的key的集合，并且集合自己有去重的功能，并且咱们能够很方便的经过set.Count功能来统计数量，当件被揽收之后，咱们后台把这个件从集合中Remove掉。而后这个Set中存在的就是网点尚未揽收的件，这时候经过Count就会知道这个网点今天还有多少件没有揽收。实际使用中这个数量比较大，由于有几万个网点。
Redis中布隆过滤器，去重的，面试的时候问的比较多。
小经验分享：
数据库中不合法的时间处理：判断时间中的年份是否大于2000年，若是小于2000就认为不合法；习惯大于小于号不习惯用等于号，这样能够处理不少意外的数据；
Set的时候最好指定过时时间，防止有些须要删除的数据咱们忘记删了；
Redis异步尽可能不用，由于Redis延迟自己很小，大概在100us-200us，再一个就是Redis自己是单线程的，异步任务切换的耗时比网络耗时还要大；
List用法：物联网中数据上传，量比较大时，咱们能够把这些数据先放在Redis的List中，好比说一秒钟1万条，而后再批量取出来而后批量插入数据库中。这时候要设置好key，能够前缀+时间，对已处理的List能够进行remove移除。
二、压力测试
接下来看第四个例子，咱们直接作压力测试，代码以下：
运行的结果以下图所示：
测试就是进行get,set remove,累加等的操做。你们能够看到在我本机上轻轻松松的到了六十万，多线程的时候甚至到了一百多万。
为何会达到这么高的Ops呢？下面给你们说一下：
Bench会分根据线程数分多组进行添删改压力测试；
rand参数，是否随机产生key/value；
batch批大小，分批执行读写操做，借助GetAll/SetAll进行优化。
三、Redis中NB的函数来提高性能
上面的操做若是你们都掌握了就基本算Redis入门了，接下来进行进阶。若是能全然吃透，差很少就会比别人更胜一筹了。
GetAll()与SetAll()
GetAll：比方说我要取十个key，这个时候能够用getall。这时候Redis就执行了一次命令。比方说我要取10个key那么用get的话要取10次，若是用getall的话要用1次。1次getall时间大概是get的一点几倍，可是10次get的话就是10倍的时间，这个帐你应该会算吧？强烈推荐你们用getall。
setall跟getall类似，批量设置K-V。
setall与getall性能很恐怖，官方公布的Ops也就10万左右，为何咱们的测试轻轻松松到五十万甚至上百万？由于咱们就用了setall,getall。若是get,set两次以上，建议用getall,setall。
Redis管道Pipeline
好比执行10次命令会打包成一个包集体发过去执行，这里实现的方式是StartPipeline()开始，StopPipeline()结束中间的代码就会以管道的形式执行。
这里推荐使用更强的武器，AutoPipeline自动管道属性。管道操做到必定数量时，自动提交，默认0。使用了AutoPipeline，就不须要StartPipeline，StopPipeline指定管道的开始结束了。
Add与Replace
Add：Redis中没有这个Key就添加，有了就不要添加，返回false；
Replace：有则替换，还会返回原来的值，没有则不进行操做。
Add跟Replace就是实现Redis分布式锁的关键。
3、Redis使用技巧，经验分享
在项目的Readme中，这里摘录下：
一、特性
在ZTO大数据实时计算普遍应用，200多个Redis实例稳定工做一年多，天天处理近1亿包裹数据，日均调用量80亿次；
低延迟，Get/Set操做平均耗时200~600us（含往返网络通讯）；
大吞吐，自带链接池，最大支持1000并发；
高性能，支持二进制序列化（默认用的json，json很低效，转成二进制性能会提高不少）。
二、Redis经验分享
在Linux上多实例部署，实例个数等于处理器个数，各实例最大内存直接为本机物理内存，避免单个实例内存撑爆（比方说8核心处理器，那么就部署8个实例）。
把海量数据（10亿+）根据key哈希（Crc16/Crc32）存放在多个实例上，读写性能成倍增加。
采用二进制序列化，而很是见的Json序列化。
合理设计每一对Key的Value大小，包括但不限于使用批量获取，原则是让每次网络包控制在1.4k字节附近，减小通讯次数（实际经验几十k，几百k也是没问题的）。
Redis客户端的Get/Set操做平均耗时200~600us（含往返网络通讯），以此为参考评估网络环境和Redis客户端组件（达不到就看一下网络，序列化方式等等）。
使用管道Pipeline合并一批命令。
Redis的主要性能瓶颈是序列化、网络带宽和内存大小，滥用时处理器也会达到瓶颈。
其它可查优化技巧。
以上经验，源自于300多个实例4T以上空间一年多稳定工做的经验，并按照重要程度排了前后顺序，可根据场景须要酌情采用。
三、缓存Redis的兄弟姐妹
Redis实现ICache接口，它的孪生兄弟MemoryCache，内存缓存，千万级吞吐率。
各应用强烈建议使用ICache接口编码设计，小数据时使用MemoryCache实现；数据增大（10万）之后，改用Redis实现，不须要修改业务代码。
4、关于一些疑问的回复
这一Part咱们会来聊聊大数据中Redis使用的经验：
Q1：一条数据多个key怎么设置比较合理？
A1：若是对性能要求不是很高直接用json序列化实体就好，不必使用字典进行存储。
Q2：队列跟List有什么区别？左进右出的话用List仍是用队列比较好？
A2：队列其实就是用List实现的，也是基于List封装的。左进右出的话直接队列就好。Redis的List结构比较有意思，既能够左进右出，也能右进左出。因此它既能够实现列表结构，也能队列，还能实现栈。
Q3：存放多个字段的类性能同样吗？
A3：大部分场景都不会有误差，可能对于大公司数据量比较大的场景会有些误差。
Q4：大数据写入到数据库以后，好比数据到亿以上的时候，统计分析、查询这块，能不能分享些经验。
A4：分表分库，拆分到一千万之内。
Q5：CPU为什么暴涨？
A5：程序员终极理念——CPU达到百分百，而后性能达到最优，尽可能不要浪费。最痛恨的是——若是CPU不到百分百，性能无法提高了，说明代码有问题。
虽然Redis你们会用，可是咱们可能平时不会有像这样的大数据使用场景。但愿本文可以给你们一些值得借鉴的经验。
最后给你们推荐一个Java架构学习交流群：698581634，进群便可免费获取Java架构学习资料：里面有Spring，MyBatis，Netty源码分析，高并发、高性能、分布式、微服务架构的原理，JVM性能优化这些成为架构师必备的知识体系，群里必定有你须要的资料，你们赶忙加群吧。