RedisTemplate訪問Redis的更好方法

更新時(shí)間：2023年01月19日 11:55:00 作者：啵啵腸

這篇文章主要為大家介紹了RedisTemplate訪問Redis的更好方法詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

開始準(zhǔn)備

開始之前我們需要有Redis安裝，我們采用本機(jī)Docker運(yùn)行Redis, 主要命令如下

docker pull redis
docker run --name my_redis -d -p 6379:6379 redis
docker exec -it my_redis bash
redis-cli

前面兩個(gè)命令是啟動(dòng)redis docker, 后兩個(gè)是連接到docker, 在使用redis-cli 去查看redis里面的內(nèi)容，主要查看我們存在redis里面的數(shù)據(jù)。

RedisTemplate

我們先從RedisTemplate開始，這個(gè)是最好理解的一種方式，我之前在工作中也使用過這種方式，先看代碼示例我們先定義一個(gè)POJO類

@Data
@Builder
@NoArgsConstructor
@AllArgsConstructor
public class Book implements Serializable {
    private Long id;
    private String name;
    private String author;
}

一個(gè)很簡(jiǎn)單的BOOK類，三個(gè)字段： id,name和author. 再來(lái)一個(gè)RedisTemplate的Bean

    @Bean
    public RedisTemplate<String, Book> redisTemplate(RedisConnectionFactory redisConnectionFactory) {
        RedisTemplate<String, Book> template = new RedisTemplate<>();
        template.setConnectionFactory(redisConnectionFactory);
        return template;
    }

再定義一個(gè)使用這個(gè)RedisTemplate的Service類

    public Optional<Book> findOneBook(String name) {
        HashOperations<String, String, Book> hashOperations = redisTemplate.opsForHash();
        if (redisTemplate.hasKey(CACHE) && hashOperations.hasKey(CACHE, name)) {
            log.info("Get book {} from Redis.", name);
            return Optional.of(hashOperations.get(CACHE, name));
        }
        Optional<Book> book = bookRepository.getBook(name);
        log.info("Book Found: {}", book);
        if (book.isPresent()) {
            log.info("Put book {} to Redis.", name);
            hashOperations.put(CACHE, name, book.get());
            redisTemplate.expire(CACHE, 10, TimeUnit.MINUTES);
        }
        return book;
    }

我們使用Hash來(lái)存儲(chǔ)這個(gè)Book信息，在上面的方法中查找書名存不存在Redis中，如果存在就直接返回，如果不存在就去持久化存儲(chǔ)中找，找到就再通過Template寫入到Redis中，這是緩存的通用做法。使用起來(lái)感覺很方便。我們這里為了簡(jiǎn)單沒有使用持久化存儲(chǔ)，就硬編碼了幾條數(shù)據(jù), 代碼如下

@Repository
public class BookRepository {
    Map<String, Book> bookMap = new HashMap<>();
    public BookRepository(){
        bookMap.put("apache kafka", Book.builder()
                .name("apache kafka").id(1L).author("zhangsan")
                .build());
        bookMap.put("python", Book.builder()
                .name("python").id(2L).author("lisi")
                .build());
    }
    public Optional<Book> getBook(String name){
        if(bookMap.containsKey(name)){
            return Optional.of(bookMap.get(name));
        }
        else{
            return Optional.empty();
        }
    }
}

我們調(diào)用 bookService.findOneBook("python")和bookService.findOneBook("apache kafka"); 來(lái)把數(shù)據(jù)寫入到換存中

我們來(lái)看下存儲(chǔ)在Redis的數(shù)據(jù)長(zhǎng)什么樣子。

127.0.0.1:6379> keys *
1) "\xac\xed\x00\x05t\x00\x04book"
127.0.0.1:6379> type "\xac\xed\x00\x05t\x00\x04book"
hash
127.0.0.1:6379> hgetall "\xac\xed\x00\x05t\x00\x04book"
1) "\xac\xed\x00\x05t\x00\x06python"
2) "\xac\xed\x00\x05sr\x00&com.ken.redistemplatesample.model.Book=\x19\x96\xfb\x7f\x7f\xda\xbe\x02\x00\x03L\x00\x06authort\x00\x12Ljava/lang/String;L\x00\x02idt\x00\x10Ljava/lang/Long;L\x00\x04nameq\x00~\x00\x01xpt\x00\x04lisisr\x00\x0ejava.lang.Long;\x8b\xe4\x90\xcc\x8f#\xdf\x02\x00\x01J\x00\x05valuexr\x00\x10java.lang.Number\x86\xac\x95\x1d\x0b\x94\xe0\x8b\x02\x00\x00xp\x00\x00\x00\x00\x00\x00\x00\x02t\x00\x06python"
3) "\xac\xed\x00\x05t\x00\x0capache kafka"
4) "\xac\xed\x00\x05sr\x00&com.ken.redistemplatesample.model.Book=\x19\x96\xfb\x7f\x7f\xda\xbe\x02\x00\x03L\x00\x06authort\x00\x12Ljava/lang/String;L\x00\x02idt\x00\x10Ljava/lang/Long;L\x00\x04nameq\x00~\x00\x01xpt\x00\bzhangsansr\x00\x0ejava.lang.Long;\x8b\xe4\x90\xcc\x8f#\xdf\x02\x00\x01J\x00\x05valuexr\x00\x10java.lang.Number\x86\xac\x95\x1d\x0b\x94\xe0\x8b\x02\x00\x00xp\x00\x00\x00\x00\x00\x00\x00\x01t\x00\x0capache kafka"

我們可以看到數(shù)據(jù)被存在了key是“\xac\xed\x00\x05t\x00\x04book”的一個(gè)Hash表中， Hash里面有兩條記錄。大家發(fā)現(xiàn)一個(gè)問題沒有？就是這個(gè)key不是我們想象的用“book”做key,而是多了一串16進(jìn)制的碼，這是因?yàn)镽edisTemplate使用了默認(rèn)的JdkSerializationRedisSerializer 去序列化我們的key和value, 如果大家都用Java語(yǔ)言那沒有問題，如果有人用Java語(yǔ)言寫，有人用別的語(yǔ)言讀，那就有問題，就像我開始的時(shí)候用hgetall "book"始終拿不到數(shù)據(jù)那樣。 RedisTemplate也提供了StringRedisTemplate來(lái)方便大家需要使用String來(lái)序列化redis里面的數(shù)據(jù)。簡(jiǎn)單看下代碼

    @Bean
    public StringRedisTemplate stringRedisTemplate(RedisConnectionFactory redisConnectionFactory)
    {
        StringRedisTemplate template = new StringRedisTemplate();
        template.setConnectionFactory(redisConnectionFactory);
        return template;
    }
    public Optional<String> getBookString(String name){
        HashOperations<String, String, String> hashOperations = stringRedisTemplate.opsForHash();
        if (stringRedisTemplate.hasKey(STRINGCACHE) && hashOperations.hasKey(STRINGCACHE, name)) {
            log.info("Get book {} from Redis.", name);
            return Optional.of(hashOperations.get(STRINGCACHE, name));
        }
        Optional<Book> book = bookRepository.getBook(name);
        log.info("Book Found: {}", book);
        if (book.isPresent()) {
            log.info("Put book {} to Redis.", name);
            hashOperations.put(STRINGCACHE, name, book.get().getAuthor());
            stringRedisTemplate.expire(STRINGCACHE, 10, TimeUnit.MINUTES);
            return Optional.of(book.get().getAuthor());
        }
        return Optional.empty();
    }

使用上就沒有那么方便，你就得自己寫需要存的是哪個(gè)字段，讀出來(lái)是哪個(gè)字段。

127.0.0.1:6379> keys *
1) "string_book"
127.0.0.1:6379> hgetall string_book
1) "python"
2) "lisi"
3) "apache kafka"
4) "zhangsan"

如上圖所示，使用客戶端讀出來(lái)看起來(lái)就比較清爽一些。也可以看到占用的Size會(huì)小很多，我們這個(gè)例子相差7倍，如果是數(shù)據(jù)量大，這個(gè)還是比較大的浪費(fèi)。

127.0.0.1:6379> keys *
1) "\xac\xed\x00\x05t\x00\x04book"
2) "string_book"
127.0.0.1:6379> memory usage "string_book"
(integer) 104
127.0.0.1:6379> memory usage "\xac\xed\x00\x05t\x00\x04book"
(integer) 712

JPA Repository

我們知道使用JPA Repository來(lái)訪問DataBase的時(shí)候，增刪改查那樣的操作能夠很方便的實(shí)現(xiàn)，基本就是定義個(gè)接口，代碼都不用寫，Spring就幫我們完成了大部分的工作，那么訪問Redis是不是也可以這樣呢？答案是肯定的，我們來(lái)看代碼首先我們還是定義一個(gè)POJO

@RedisHash(value = "cache-book", timeToLive = 600)
@Data
@Builder
@NoArgsConstructor
@AllArgsConstructor
public class CacheBook implements Serializable {
    @Id
    private Long userId;
    @Indexed
    private String name;
    private String author;
}

這個(gè)類與我們上面template上面的類的區(qū)別就是我們加了兩個(gè)注解，在類開頭加了 @RedisHash(value = "cache-book", timeToLive = 600) 在字段上面加了@Id和@Indexed 定義一個(gè)Repository的接口

public interface CacheBookRepository extends CrudRepository<CacheBook, Long> {
    Optional<CacheBook> findOneByName(String name);
}

再定義一個(gè)service和上面那個(gè)例子template一樣，緩存中有就到緩存中拿，沒有就到持久化存儲(chǔ)中找，并寫入緩存

@Slf4j
@Service
public class BookService {
    private static final String CACHE = "repository-book";
    @Autowired
    private CacheBookRepository cacheRepository;
    @Autowired
    private BookRepository bookRepository;
    public Optional<CacheBook> findOneBook(String name) {
        Optional<CacheBook> optionalCacheBook = cacheRepository.findOneByName(name);
        if(!optionalCacheBook.isPresent())
        {
            Optional<CacheBook> book = bookRepository.getBook(name);
            log.info("Book Found: {}", book);
            if (book.isPresent()) {
                log.info("Put book {} to Redis.", name);
                cacheRepository.save(book.get());
            }
            return book;
        }
        return optionalCacheBook;
    }
}

代碼很簡(jiǎn)單，簡(jiǎn)單到不敢相信是真的。還是一樣，調(diào)用這個(gè)方法，我們來(lái)看存在Redis里面的數(shù)據(jù)

127.0.0.1:6379> keys *
1) "repository-book:2"
2) "repository-book:2:idx"
3) "repository-book"
4) "repository-book:name:apache kafka"
5) "repository-book:name:python"
6) "repository-book:1:idx"
7) "repository-book:1"

哇，感覺存的內(nèi)容有些多，不用怕我們來(lái)看下各自存什么數(shù)據(jù) 首先看最短的一個(gè)

127.0.0.1:6379> smembers repository-book
1) "1"
2) "2"

它里面存的是我們的id所有的value, 可以用來(lái)判斷id是否存在再來(lái)看

127.0.0.1:6379> hgetall repository-book:2
1) "_class"
2) "com.ken.redisrepositorysample.model.CacheBook"
3) "author"
4) "lisi"
5) "name"
6) "python"
7) "userId"
8) "2"

這個(gè)是我們數(shù)據(jù)存放的地方

127.0.0.1:6379> smembers repository-book:1:idx
1) "repository-book:name:apache kafka"
127.0.0.1:6379> smembers "repository-book:name:apache kafka"
1) "1"

另外兩個(gè)都是set，存在在它們里面的數(shù)據(jù)是索引信息。由此可以看出通過JPA Repository 的方式，代碼很少，而且存儲(chǔ)的數(shù)據(jù)也很通用，個(gè)人覺得是比較理想的訪問方法。

Cache

我們已經(jīng)看了兩種方式，在訪問的時(shí)候遵循這樣的模式：緩存中有就從緩存中返回，沒有就從持久化存儲(chǔ)中找，然后寫入緩存，這部分代碼我也不想自己寫，那么Cache就是你的救星。我們先看代碼我們這次使用內(nèi)存數(shù)據(jù)庫(kù)H2作為持久化存儲(chǔ)，放一個(gè)schema.sql在resouces下面

drop table t_book if exists;
create table t_book (
    id bigint auto_increment,
    create_time timestamp,
    update_time timestamp,
    name varchar(255),
    author varchar(200),
    primary key (id)
);
insert into t_book (name, author, create_time, update_time) values ('python', 'zhangsan', now(), now());
insert into t_book (name, author, create_time, update_time) values ('hadoop', 'lisi', now(), now());
insert into t_book (name, author, create_time, update_time) values ('java', 'wangwu', now(), now());

然后定義POJO

@Entity
@Table(name = "T_BOOK")
@Data
@Builder
@NoArgsConstructor
@AllArgsConstructor
public class CacheBook implements Serializable {
    @Id
    @GeneratedValue(strategy = GenerationType.IDENTITY)
    private Long id;
    private String name;
    private String author;
    @Column(updatable = false)
    @CreationTimestamp
    private Date createTime;
    @UpdateTimestamp
    private Date updateTime;
}

完全是和數(shù)據(jù)庫(kù)綁定的代碼，和緩存沒有任何關(guān)系一個(gè)Repository來(lái)訪問數(shù)據(jù)庫(kù)

public interface BookRepository extends JpaRepository<CacheBook, Long> {
}

定義一個(gè)service來(lái)調(diào)用它

@Slf4j
@Service
@CacheConfig(cacheNames = "cache-book")
public class BookService {
    @Autowired
    private BookRepository bookRepository;
    @Cacheable
    public List<CacheBook> findAllCoffee() {
        return bookRepository.findAll();
    }
    @CacheEvict
    public void reloadCoffee() {
    }
}

這里就比較關(guān)鍵了，在類上加上了注解 @CacheConfig(cacheNames = "cache-book") 在方法上面加上了Cacheable和CacheEvict， Cacheable這個(gè)方法就是用來(lái)實(shí)現(xiàn)邏輯，有就從緩存中拿，沒有就從數(shù)據(jù)庫(kù)拿的，CacheEvict是調(diào)用這個(gè)方法的時(shí)候清除緩存。然后再啟動(dòng)入口程序的地方加上注解 @EnableJpaRepositories @EnableCaching(proxyTargetClass = true) 在配置文件application.properties中加上

spring.jpa.hibernate.ddl-auto=none
spring.jpa.properties.hibernate.show_sql=true
spring.jpa.properties.hibernate.format_sql=true
management.endpoints.web.exposure.include=*
spring.cache.type=redis
spring.cache.cache-names=cache-book
spring.cache.redis.time-to-live=600000
spring.cache.redis.cache-null-values=false
spring.redis.host=localhost

這樣就可以了，感覺就是通過配置下就把緩存給完成了，非常的簡(jiǎn)單我們來(lái)看Redis中是怎么存的

127.0.0.1:6379> keys *
1) "cache-book::SimpleKey []"
127.0.0.1:6379> get "cache-book::SimpleKey []"
"\xac\xed\x00\x05sr\x00\x13java.util.ArrayListx\x81\xd2\x1d\x99\xc7a\x9d\x03\x00\x01I\x00\x04sizexp\x00\x00\x00\x03w\x04\x00\x00\x00\x03sr\x00(com.ken.rediscachesample.model.CacheBook\xec\xcbR=\xe1U\x9b\xf7\x02\x00\x05L\x00\x06authort\x00\x12Ljava/lang/String;L\x00\ncreateTimet\x00\x10Ljava/util/Date;L\x00\x02idt\x00\x10Ljava/lang/Long;L\x00\x04nameq\x00~\x00\x03L\x00\nupdateTimeq\x00~\x00\x04xpt\x00\bzhangsansr\x00\x12java.sql.Timestamp&\x18\xd5\xc8\x01S\xbfe\x02\x00\x01I\x00\x05nanosxr\x00\x0ejava.util.Datehj\x81\x01KYt\x19\x03\x00\x00xpw\b\x00\x00\x01\x84\xff]\x85\xb0x\b-\x81\x80sr\x00\x0ejava.lang.Long;\x8b\xe4\x90\xcc\x8f#\xdf\x02\x00\x01J\x00\x05valuexr\x00\x10java.lang.Number\x86\xac\x95\x1d\x0b\x94\xe0\x8b\x02\x00\x00xp\x00\x00\x00\x00\x00\x00\x00\x01t\x00\x06pythonsq\x00~\x00\bw\b\x00\x00\x01\x84\xff]\x85\xb0x\b-\x81\x80sq\x00~\x00\x02t\x00\x04lisisq\x00~\x00\bw\b\x00\x00\x01\x84\xff]\x85\xb0x\b<\xbf\xd8sq\x00~\x00\x0b\x00\x00\x00\x00\x00\x00\x00\x02t\x00\x06hadoopsq\x00~\x00\bw\b\x00\x00\x01\x84\xff]\x85\xb0x\b<\xbf\xd8sq\x00~\x00\x02t\x00\x06wangwusq\x00~\x00\bw\b\x00\x00\x01\x84\xff]\x85\xb0x\b<\xbf\xd8sq\x00~\x00\x0b\x00\x00\x00\x00\x00\x00\x00\x03t\x00\x04javasq\x00~\x00\bw\b\x00\x00\x01\x84\xff]\x85\xb0x\b<\xbf\xd8x"

看到?jīng)]有，就是當(dāng)成Redis里面的String來(lái)存的，如果數(shù)據(jù)量比較小，那是非常的方便，如果數(shù)據(jù)量大，這種方式就有些問題了。

總結(jié)

我們看了這三種方式，這里僅僅是做了個(gè)入門，每個(gè)里面都有很多細(xì)節(jié)的地方需要去研究和使用，整體的感覺是要想使用的簡(jiǎn)單，那么存儲(chǔ)在Redis中的數(shù)據(jù)就要量少，量大后，就需要自己來(lái)定制了，那基本上要用RedisTemplate來(lái)做一些工作。

以上就是RedisTemplate訪問Redis的更好方法的詳細(xì)內(nèi)容，更多關(guān)于RedisTemplate訪問Redis的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: