Redis
☘ 主页 > 数据库 > Redis >

RedisTemplate访问Redis的更好方法

2023-01-21 | 佚名 | 点击：次

开始准备

开始之前我们需要有Redis安装，我们采用本机Docker运行Redis, 主要命令如下

1

2

3

4

docker pull redis

docker run --name my_redis -d -p 6379:6379 redis

docker exec -it my_redis bash

redis-cli

前面两个命令是启动redis docker, 后两个是连接到docker, 在使用redis-cli 去查看redis里面的内容，主要查看我们存在redis里面的数据。

RedisTemplate

我们先从RedisTemplate开始，这个是最好理解的一种方式，我之前在工作中也使用过这种方式，先看代码示例 我们先定义一个POJO类

1

2

3

4

5

6

7

8

9

@Data

@Builder

@NoArgsConstructor

@AllArgsConstructor

public class Book implements Serializable {

    private Long id;

    private String name;

    private String author;

}

一个很简单的BOOK类，三个字段： id,name和author. 再来一个RedisTemplate的Bean

1

2

3

4

5

6

@Bean

public RedisTemplate<String, Book> redisTemplate(RedisConnectionFactory redisConnectionFactory) {

    RedisTemplate<String, Book> template = new RedisTemplate<>();

    template.setConnectionFactory(redisConnectionFactory);

    return template;

}

再定义一个使用这个RedisTemplate的Service类

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

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;

}

我们使用Hash来存储这个Book信息，在上面的方法中查找书名存不存在Redis中，如果存在就直接返回，如果不存在就去持久化存储中找，找到就再通过Template写入到Redis中， 这是缓存的通用做法。 使用起来感觉很方便。 我们这里为了简单没有使用持久化存储，就硬编码了几条数据, 代码如下

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

@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();

        }

    }

}

我们调用 bookService.findOneBook("python")和bookService.findOneBook("apache kafka"); 来把数据写入到换存中

我们来看下存储在Redis的数据长什么样子。

1

2

3

4

5

6

7

8

9

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"

我们可以看到数据被存在了key是“\xac\xed\x00\x05t\x00\x04book”的一个Hash表中， Hash里面有两条记录。 大家发现一个问题没有？ 就是这个key不是我们想象的用“book”做key,而是多了一串16进制的码， 这是因为RedisTemplate使用了默认的JdkSerializationRedisSerializer 去序列化我们的key和value, 如果大家都用Java语言那没有问题， 如果有人用Java语言写，有人用别的语言读，那就有问题，就像我开始的时候用hgetall "book"始终拿不到数据那样。 RedisTemplate也提供了StringRedisTemplate来方便大家需要使用String来序列化redis里面的数据。简单看下代码

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

@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();

}

使用上就没有那么方便，你就得自己写需要存的是哪个字段，读出来是哪个字段。

1

2

3

4

5

6

7

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"

如上图所示，使用客户端读出来看起来就比较清爽一些。也可以看到占用的Size会小很多，我们这个例子相差7倍，如果是数据量大，这个还是比较大的浪费。

1

2

3

4

5

6

7

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

我们知道使用JPA Repository来访问DataBase的时候，增删改查那样的操作能够很方便的实现，基本就是定义个接口，代码都不用写，Spring就帮我们完成了大部分的工作，那么访问Redis是不是也可以这样呢？ 答案是肯定的，我们来看代码 首先我们还是定义一个POJO

1

2

3

4

5

6

7

8

9

10

11

12

@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;

}

这个类与我们上面template上面的类的区别就是我们加了两个注解， 在类开头加了 @RedisHash(value = "cache-book", timeToLive = 600) 在字段上面加了@Id和@Indexed 定义一个Repository的接口

1

2

3

public interface CacheBookRepository extends CrudRepository<CacheBook, Long> {

    Optional<CacheBook> findOneByName(String name);

}

再定义一个service和上面那个例子template一样，缓存中有就到缓存中拿，没有就到持久化存储中找，并写入缓存

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

@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;

    }

}

代码很简单，简单到不敢相信是真的。 还是一样，调用这个方法，我们来看存在Redis里面的数据

1

2

3

4

5

6

7

8

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，感觉存的内容有些多， 不用怕我们来看下各自存什么数据 首先看最短的一个

1

2

3

127.0.0.1:6379> smembers repository-book

1) "1"

2) "2"

它里面存的是我们的id所有的value, 可以用来判断id是否存在 再来看

1

2

3

4

5

6

7

8

9

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"

这个是我们数据存放的地方

1

2

3

4

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"

另外两个都是set， 存在在它们里面的数据是索引信息。 由此可以看出通过JPA Repository 的方式，代码很少，而且存储的数据也很通用，个人觉得是比较理想的访问方法。

Cache

我们已经看了两种方式，在访问的时候遵循这样的模式：缓存中有就从缓存中返回，没有就从持久化存储中找，然后写入缓存，这部分代码我也不想自己写，那么Cache就是你的救星。 我们先看代码 我们这次使用内存数据库H2作为持久化存储， 放一个schema.sql在resouces下面

1

2

3

4

5

6

7

8

9

10

11

12

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());

然后定义POJO

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

@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;

}

完全是和数据库绑定的代码，和缓存没有任何关系 一个Repository来访问数据库

1

2

public interface BookRepository extends JpaRepository<CacheBook, Long> {

}

定义一个service来调用它

1

2

3

4

5

6

7

8

9

10

11

12

13

14

@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() {

    }

}

这里就比较关键了，在类上加上了注解 @CacheConfig(cacheNames = "cache-book") 在方法上面加上了Cacheable和CacheEvict， Cacheable这个方法就是用来实现逻辑，有就从缓存中拿，没有就从数据库拿的，CacheEvict是调用这个方法的时候清除缓存。 然后再启动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

1

2

3

4

5

6

7

8

9

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

这样就可以了， 感觉就是通过配置下就把缓存给完成了，非常的简单 我们来看Redis中是怎么存的

1

2

3

4

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"

看到没有，就是当成Redis里面的String来存的， 如果数据量比较小，那是非常的方便，如果数据量大，这种方式就有些问题了。

总结

我们看了这三种方式，这里仅仅是做了个入门，每个里面都有很多细节的地方需要去研究和使用，整体的感觉是要想使用的简单，那么存储在Redis中的数据就要量少，量大后，就需要自己来定制了，那基本上要用RedisTemplate来做一些工作。

原文链接：https://juejin.cn/post/7180290294481420348
相关文章
最新更新