Redis缓存设计 (hgetall命令详解)
一、命令使用
1、hgetall，lrange，smembers，zrange，sinter等并非不能使用，要指定明确的值，遍历的话要使用hscan、sscan、zscan代替。
2、禁止使用keys，flushall，flushdb等，通过rename禁止掉，或者用scan方式渐进。
3、合理的使用select：
redis多DB较弱，而且如果每个都有很大的高并发访问，而都接入一个redis，效率是底下且会造成干扰。（不想干的业务进行拆分，不共用）
4、可以采用pipeline代替mget，mset：
前者是非原生的，后者是原生的，原生有原子性，非原生没有，pipeline可以打包不同命令，并且他需要客户端服务端都支持。
5、redis事务比较弱建议用lua脚本实现。
二、核心命令
Redis HGETALL命令详解
Redis是一个高性能的key-value存储系统，支持多种数据类型。其中，哈希（Hash）数据类型是一种将多个键值对存储在一个Redis键下的复合类型数据结构。在哈希数据类型中，HGETALL是常用的一个命令。
HGETALL命令作用
HGETALL命令用于获取指定哈希字段（field）的所有键值对（key-value）。对于一个哈希类型的键，它可以存储多个字段（field）和相应的值（value），这些字段和值可以通过HSET命令进行设置。当需要获取一个哈希键的全部信息时，HGETALL命令是一个非常实用的命令。
HGETALL命令使用方法
下面是HGETALL命令的语法格式:
HGETALL key
其中，key表示哈希键名。
下面是一个使用HGETALL命令获取哈希键的所有信息的实例：
redis> HSET student name Tom age 20 sex male
(integer) 3
redis> HGETALL student
1) "name"
2) "Tom"
3) "age"
4) "20"
5) "sex"
6) "male"
上述示例中，我们通过HGETALL命令获取student哈希键的所有信息，即获取键名为name,age,sex的所有键值对。
HGETALL命令的实例应用
下面是两个使用HGETALL命令的实例:
示例1：
我们模拟一个购物车功能，使用哈希数据类型存储用户的购物车信息。我们通过loadCart(userId)函数获取某个用户的购物车信息并返回一个Map对象，其中Map的key为商品名，value为商品数量。我们可以使用HGETALL命令将这个Map对象存储到Redis中。
Map<String, String> cart = loadCart("10001");
String key = "cart:10001"
Jedis jedis = new Jedis("localhost");
jedis.hmset(key, cart);
使用HGETALL命令获取存储在Redis中的购物车信息：
cart:10001
1) "apple"
2) "3"
3) "banana"
4) "2"
5) "orange"
6) "1"
示例2：
假设我们有一个名为president的哈希，存储了某个学校班级的所有成员及其个人信息。想要获取名字以“Zhang”开头的所有学生的信息，可以在代码中执行如下查询语句：
Jedis jedis = new Jedis("localhost");
Map<String, String> memberInfo = jedis.hgetAll("president");
List<String> members = new ArrayList<>();
for (Map.Entry<String, String> entry : memberInfo.entrySet()) {
if (entry.getValue().startsWith("Zhang")) {
members.add(entry.getKey());
}
}
Map<String, String> result = jedis.hmget("president", members.toArray(new String[0]));三、核心参数
1、maxTotal
最大连接数，早期较maxActive
一般maxTotal*nodes 小于 maxclients
为什么呢？
因为如果每个客户端处理的是1000，而我们有10个客户端，那么可以处理10000，即使maxclients设计的再大，剩余的也不会存储。
如果我们要求业务QPS是50000？
那么根据每个客户处理1000，则需要配置50个客户端就可以完成QPS5000的业务，但实际要考虑一些网络消耗时间，所以实际要比这个值稍微大一点。
但又不是越大越好，占用太多服务器和客户端资源，而且如果有一个大的阻塞key，对于配置再多也无济于事。
2、maxIdle和minIdle
最大空闲连接 和 最小空闲连接
当redis在业务峰值期间连接了几十个redis连接，这时候峰值过后，redis会慢慢关闭连接，留下maxIdle空闲连接数，正常配置默认都是maxIdle。
连接池预热，当redis刚启动的时候，就有大量并发访问，这时候可以采用ping命令先连接redis，保证先有空闲连接数。（预热的时候千万别执行jedis.close）
当我们并发量很高，或者并发量很频繁的时候，maxIdle和maxTotal设置可以保持一致，这样避免连接创建和关闭造成的性能损耗，并发量不是特别高就没必要。
三、redis删除策略
删除分为 被动删除 和 主动删除。
1、被动删除：又叫惰性删除，当我们删除一个key的时候不会立马删掉，会在下一次访问的时候，触发惰性删除策略。（获取前判断key是否过期，过期则删除返回null）
这种情况下会出现一个问题是冷数据无法及时清理，如果一个数据不被访问了，不是一直不会被删除吗。
2、主动删除：所以redis会定期清理一些已过期的key。
3、当已用内存超过maxmemory时，触发主动删除策略。
主动删除策略在4.0之前有6种，redis4.0之后8种。
针对过期key：
1）volitile-ttl：在筛选时候，会针对过期时间，越早过期的先删除。
2）Volitile-random：对设置过期的key，随机删除。
3）Volatile-lru：采用lru算法对过期key删除。
4）Volatile-lfu：采用lfu算法对过期key删除。
针对所有key
5）allkeys-random：对所有key随机删除。
6）Allkeys-lru：lru算法对所有key进行删除。
7）Allkeys-lfu：lfu算法对所有key进行删除。
不删除
8）noeviction：不删除任何数据，提示OOM，这时候redis只支持读数据。
Lru算法：用最近一次访问时间作为参考，淘汰很久时间之前访问的数据。
Lfu算法：以访问次数参考，淘汰次数少的数据。
热点数据如果用lru算法，效率可能会更高，但如果是偶发、周期性的批量操作导致LRU命中率急剧下降，缓存污染比较严重，这时候LFU更好。
（比如热点数据访问100次，但是冷数据访问就2次，但因为是按访问时间来淘汰的，所以这时候可能会把热点数据淘汰，所以这时候采用lfu更好）
默认推荐用lru算法，maxmemory-policy默认是noeviction。这里maxmemory一定要设置，如果不设置，redis超过物理内存限制，内存数据和磁盘会频繁swap，会导致性能下降。
对于主从节点，主节点是策略删除，从节点是被同步的del key删除。
