Redis入门 - 数据类型：Stream详解

redis5.0 中还增加了一个数据类型stream，它借鉴了kafka的设计，是一个新的强大的支持多播的可持久化的消息队列。@pdai

• redis入门 - 数据类型：stream详解
  • 为什么会设计stream
  • stream详解
  • 更深入理解
  • 参考文章

为什么会设计stream

redis5.0 中还增加了一个数据结构stream，从字面上看是流类型，但其实从功能上看，应该是redis对消息队列（mq，message queue）的完善实现。

用过redis做消息队列的都了解，基于reids的消息队列实现有很多种，例如：

• pub/sub，订阅/发布模式
  • 但是发布订阅模式是无法持久化的，如果出现网络断开、redis 宕机等，消息就会被丢弃；
• 基于list lpush+brpop 或者 基于sorted-set的实现
  • 支持了持久化，但是不支持多播，分组消费等

为什么上面的结构无法满足广泛的mq场景？ 这里便引出一个核心的问题：如果我们期望设计一种数据结构来实现消息队列，最重要的就是要理解设计一个消息队列需要考虑什么？初步的我们很容易想到

• 消息的生产
• 消息的消费
  • 单播和多播（多对多）
  • 阻塞和非阻塞读取
• 消息有序性
• 消息的持久化

其它还要考虑啥嗯？借助美团技术团队的一篇文章， 中的图

我们不妨看看redis考虑了哪些设计？

• 消息id的序列化生成
• 消息遍历
• 消息的阻塞和非阻塞读取
• 消息的分组消费
• 未完成消息的处理
• 消息队列监控
• ...

这也是我们需要理解stream的点，但是结合上面的图，我们也应该理解redis stream也是一种超轻量mq并没有完全实现消息队列所有设计要点，这决定着它适用的场景。

stream详解

经过梳理总结，我认为从以下几个大的方面去理解stream是比较合适的，总结如下：@pdai

• stream的结构设计
• 生产和消费
  • 基本的增删查改
  • 单一消费者的消费
  • 消费组的消费
• 监控状态

stream的结构

每个 stream 都有唯一的名称，它就是 redis 的 key，在我们首次使用 xadd 指令追加消息时自动创建。

上图解析：

• consumer group ：消费组，使用 xgroup create 命令创建，一个消费组有多个消费者(consumer), 这些消费者之间是竞争关系。
• last_delivered_id ：游标，每个消费组会有个游标 last_delivered_id，任意一个消费者读取了消息都会使游标 last_delivered_id 往前移动。
• pending_ids ：消费者(consumer)的状态变量，作用是维护消费者的未确认的 id。 pending_ids 记录了当前已经被客户端读取的消息，但是还没有 ack (acknowledge character：确认字符）。如果客户端没有ack，这个变量里面的消息id会越来越多，一旦某个消息被ack，它就开始减少。这个pending_ids变量在redis官方被称之为pel，也就是pending entries list，这是一个很核心的数据结构，它用来确保客户端至少消费了消息一次，而不会在网络传输的中途丢失了没处理。

此外我们还需要理解两点：

• 消息id: 消息id的形式是timestampinmillis-sequence，例如1527846880572-5，它表示当前的消息在毫米时间戳1527846880572时产生，并且是该毫秒内产生的第5条消息。消息id可以由服务器自动生成，也可以由客户端自己指定，但是形式必须是整数-整数，而且必须是后面加入的消息的id要大于前面的消息id。
• 消息内容: 消息内容就是键值对，形如hash结构的键值对，这没什么特别之处。

增删改查

消息队列相关命令：

• xadd - 添加消息到末尾
• xtrim - 对流进行修剪，限制长度
• xdel - 删除消息
• xlen - 获取流包含的元素数量，即消息长度
• xrange - 获取消息列表，会自动过滤已经删除的消息
• xrevrange - 反向获取消息列表，id 从大到小
• xread - 以阻塞或非阻塞方式获取消息列表

# *号表示服务器自动生成id，后面顺序跟着一堆key/value
127.0.0.1:6379> xadd codehole * name laoqian age 30  #  名字叫laoqian，年龄30岁
1527849609889-0  # 生成的消息id
127.0.0.1:6379> xadd codehole * name xiaoyu age 29
1527849629172-0
127.0.0.1:6379> xadd codehole * name xiaoqian age 1
1527849637634-0
127.0.0.1:6379> xlen codehole
(integer) 3
127.0.0.1:6379> xrange codehole - +  # -表示最小值, +表示最大值
127.0.0.1:6379> xrange codehole - +
1) 1) 1527849609889-0
   1) 1) "name"
      1) "laoqian"
      2) "age"
      3) "30"
2) 1) 1527849629172-0
   1) 1) "name"
      1) "xiaoyu"
      2) "age"
      3) "29"
3) 1) 1527849637634-0
   1) 1) "name"
      1) "xiaoqian"
      2) "age"
      3) "1"
127.0.0.1:6379> xrange codehole 1527849629172-0 +  # 指定最小消息id的列表
1) 1) 1527849629172-0
   2) 1) "name"
      2) "xiaoyu"
      3) "age"
      4) "29"
2) 1) 1527849637634-0
   2) 1) "name"
      2) "xiaoqian"
      3) "age"
      4) "1"
127.0.0.1:6379> xrange codehole - 1527849629172-0  # 指定最大消息id的列表
1) 1) 1527849609889-0
   2) 1) "name"
      2) "laoqian"
      3) "age"
      4) "30"
2) 1) 1527849629172-0
   2) 1) "name"
      2) "xiaoyu"
      3) "age"
      4) "29"
127.0.0.1:6379> xdel codehole 1527849609889-0
(integer) 1
127.0.0.1:6379> xlen codehole  # 长度不受影响
(integer) 3
127.0.0.1:6379> xrange codehole - +  # 被删除的消息没了
1) 1) 1527849629172-0
   2) 1) "name"
      2) "xiaoyu"
      3) "age"
      4) "29"
2) 1) 1527849637634-0
   2) 1) "name"
      2) "xiaoqian"
      3) "age"
      4) "1"
127.0.0.1:6379> del codehole  # 删除整个stream
(integer) 1

独立消费

我们可以在不定义消费组的情况下进行stream消息的独立消费，当stream没有新消息时，甚至可以阻塞等待。redis设计了一个单独的消费指令xread，可以将stream当成普通的消息队列(list)来使用。使用xread时，我们可以完全忽略消费组(consumer group)的存在，就好比stream就是一个普通的列表(list)。

# 从stream头部读取两条消息
127.0.0.1:6379> xread count 2 streams codehole 0-0
1) 1) "codehole"
   2) 1) 1) 1527851486781-0
         2) 1) "name"
            2) "laoqian"
            3) "age"
            4) "30"
      2) 1) 1527851493405-0
         2) 1) "name"
            2) "yurui"
            3) "age"
            4) "29"
# 从stream尾部读取一条消息，毫无疑问，这里不会返回任何消息
127.0.0.1:6379> xread count 1 streams codehole $
(nil)
# 从尾部阻塞等待新消息到来，下面的指令会堵住，直到新消息到来
127.0.0.1:6379> xread block 0 count 1 streams codehole $
# 我们从新打开一个窗口，在这个窗口往stream里塞消息
127.0.0.1:6379> xadd codehole * name youming age 60
1527852774092-0
# 再切换到前面的窗口，我们可以看到阻塞解除了，返回了新的消息内容
# 而且还显示了一个等待时间，这里我们等待了93s
127.0.0.1:6379> xread block 0 count 1 streams codehole $
1) 1) "codehole"
   2) 1) 1) 1527852774092-0
         2) 1) "name"
            2) "youming"
            3) "age"
            4) "60"
(93.11s)

客户端如果想要使用xread进行顺序消费，一定要记住当前消费到哪里了，也就是返回的消息id。下次继续调用xread时，将上次返回的最后一个消息id作为参数传递进去，就可以继续消费后续的消息。

block 0表示永远阻塞，直到消息到来，block 1000表示阻塞1s，如果1s内没有任何消息到来，就返回nil

127.0.0.1:6379> xread block 1000 count 1 streams codehole $
(nil)
(1.07s)

消费组消费

• 消费组消费图

• 相关命令：

  • xgroup create - 创建消费者组
  • xreadgroup group - 读取消费者组中的消息
  • xack - 将消息标记为"已处理"
  • xgroup setid - 为消费者组设置新的最后递送消息id
  • xgroup delconsumer - 删除消费者
  • xgroup destroy - 删除消费者组
  • xpending - 显示待处理消息的相关信息
  • xclaim - 转移消息的归属权
  • xinfo - 查看流和消费者组的相关信息；
  • xinfo groups - 打印消费者组的信息；
  • xinfo stream - 打印流信息

• 创建消费组

stream通过xgroup create指令创建消费组(consumer group)，需要传递起始消息id参数用来初始化last_delivered_id变量。

127.0.0.1:6379> xgroup create codehole cg1 0-0  #  表示从头开始消费
ok
# $表示从尾部开始消费，只接受新消息，当前stream消息会全部忽略
127.0.0.1:6379> xgroup create codehole cg2 $
ok
127.0.0.1:6379> xinfo stream codehole  # 获取stream信息
 1) length
 2) (integer) 3  # 共3个消息
 3) radix-tree-keys
 4) (integer) 1
 5) radix-tree-nodes
 6) (integer) 2
 7) groups
 8) (integer) 2  # 两个消费组
 9) first-entry  # 第一个消息
10) 1) 1527851486781-0
    2) 1) "name"
       2) "laoqian"
       3) "age"
       4) "30"
11) last-entry  # 最后一个消息
12) 1) 1527851498956-0
    2) 1) "name"
       2) "xiaoqian"
       3) "age"
       4) "1"
127.0.0.1:6379> xinfo groups codehole  # 获取stream的消费组信息
1) 1) name
   2) "cg1"
   3) consumers
   4) (integer) 0  # 该消费组还没有消费者
   5) pending
   6) (integer) 0  # 该消费组没有正在处理的消息
2) 1) name
   2) "cg2"
   3) consumers  # 该消费组还没有消费者
   4) (integer) 0
   5) pending
   6) (integer) 0  # 该消费组没有正在处理的消息

• 消费组消费

stream提供了xreadgroup指令可以进行消费组的组内消费，需要提供消费组名称、消费者名称和起始消息id。它同xread一样，也可以阻塞等待新消息。读到新消息后，对应的消息id就会进入消费者的pel(正在处理的消息)结构里，客户端处理完毕后使用xack指令通知服务器，本条消息已经处理完毕，该消息id就会从pel中移除。

# >号表示从当前消费组的last_delivered_id后面开始读
# 每当消费者读取一条消息，last_delivered_id变量就会前进
127.0.0.1:6379> xreadgroup group cg1 c1 count 1 streams codehole >
1) 1) "codehole"
   2) 1) 1) 1527851486781-0
         2) 1) "name"
            2) "laoqian"
            3) "age"
            4) "30"
127.0.0.1:6379> xreadgroup group cg1 c1 count 1 streams codehole >
1) 1) "codehole"
   2) 1) 1) 1527851493405-0
         2) 1) "name"
            2) "yurui"
            3) "age"
            4) "29"
127.0.0.1:6379> xreadgroup group cg1 c1 count 2 streams codehole >
1) 1) "codehole"
   2) 1) 1) 1527851498956-0
         2) 1) "name"
            2) "xiaoqian"
            3) "age"
            4) "1"
      2) 1) 1527852774092-0
         2) 1) "name"
            2) "youming"
            3) "age"
            4) "60"
# 再继续读取，就没有新消息了
127.0.0.1:6379> xreadgroup group cg1 c1 count 1 streams codehole >
(nil)
# 那就阻塞等待吧
127.0.0.1:6379> xreadgroup group cg1 c1 block 0 count 1 streams codehole >
# 开启另一个窗口，往里塞消息
127.0.0.1:6379> xadd codehole * name lanying age 61
1527854062442-0
# 回到前一个窗口，发现阻塞解除，收到新消息了
127.0.0.1:6379> xreadgroup group cg1 c1 block 0 count 1 streams codehole >
1) 1) "codehole"
   2) 1) 1) 1527854062442-0
         2) 1) "name"
            2) "lanying"
            3) "age"
            4) "61"
(36.54s)
127.0.0.1:6379> xinfo groups codehole  # 观察消费组信息
1) 1) name
   2) "cg1"
   3) consumers
   4) (integer) 1  # 一个消费者
   5) pending
   6) (integer) 5  # 共5条正在处理的信息还有没有ack
2) 1) name
   2) "cg2"
   3) consumers
   4) (integer) 0  # 消费组cg2没有任何变化，因为前面我们一直在操纵cg1
   5) pending
   6) (integer) 0
# 如果同一个消费组有多个消费者，我们可以通过xinfo consumers指令观察每个消费者的状态
127.0.0.1:6379> xinfo consumers codehole cg1  # 目前还有1个消费者
1) 1) name
   2) "c1"
   3) pending
   4) (integer) 5  # 共5条待处理消息
   5) idle
   6) (integer) 418715  # 空闲了多长时间ms没有读取消息了
# 接下来我们ack一条消息
127.0.0.1:6379> xack codehole cg1 1527851486781-0
(integer) 1
127.0.0.1:6379> xinfo consumers codehole cg1
1) 1) name
   2) "c1"
   3) pending
   4) (integer) 4  # 变成了5条
   5) idle
   6) (integer) 668504
# 下面ack所有消息
127.0.0.1:6379> xack codehole cg1 1527851493405-0 1527851498956-0 1527852774092-0 1527854062442-0
(integer) 4
127.0.0.1:6379> xinfo consumers codehole cg1
1) 1) name
   2) "c1"
   3) pending
   4) (integer) 0  # pel空了
   5) idle
   6) (integer) 745505

信息监控

stream提供了xinfo来实现对服务器信息的监控，可以查询：

• 查看队列信息

127.0.0.1:6379> xinfo stream mq
 1) "length"
 2) (integer) 7
 3) "radix-tree-keys"
 4) (integer) 1
 5) "radix-tree-nodes"
 6) (integer) 2
 7) "groups"
 8) (integer) 1
 9) "last-generated-id"
10) "1553585533795-9"
11) "first-entry"
12) 1) "1553585533795-3"
    2) 1) "msg"
       2) "4"
13) "last-entry"
14) 1) "1553585533795-9"
    2) 1) "msg"
       2) "10"

• 消费组信息

127.0.0.1:6379> xinfo groups mq
1) 1) "name"
   2) "mqgroup"
   3) "consumers"
   4) (integer) 3
   5) "pending"
   6) (integer) 3
   7) "last-delivered-id"
   8) "1553585533795-4"

• 消费者组成员信息

127.0.0.1:6379> xinfo consumers mq mqgroup
1) 1) "name"
   2) "consumera"
   3) "pending"
   4) (integer) 1
   5) "idle"
   6) (integer) 18949894
2) 1) "name"
   2) "consumerb"
   3) "pending"
   4) (integer) 1
   5) "idle"
   6) (integer) 3092719
3) 1) "name"
   2) "consumerc"
   3) "pending"
   4) (integer) 1
   5) "idle"
   6) (integer) 23683256

至此，消息队列的操作说明大体结束！

更深入理解

我们结合mq中常见问题，看redis是如何解决的，来进一步理解redis。

stream用在什么样场景

可用作时通信等，大数据分析，异地数据备份等

客户端可以平滑扩展，提高处理能力

消息id的设计是否考虑了时间回拨的问题？

在 分布式算法 - id算法设计中, 一个常见的问题就是时间回拨问题，那么redis的消息id设计中是否考虑到这个问题呢？

xadd生成的1553439850328-0，就是redis生成的消息id，由两部分组成:时间戳-序号。时间戳是毫秒级单位，是生成消息的redis服务器时间，它是个64位整型（int64）。序号是在这个毫秒时间点内的消息序号，它也是个64位整型。

可以通过multi批处理，来验证序号的递增：

127.0.0.1:6379> multi
ok
127.0.0.1:6379> xadd membermessage * msg one
queued
127.0.0.1:6379> xadd membermessage * msg two
queued
127.0.0.1:6379> xadd membermessage * msg three
queued
127.0.0.1:6379> xadd membermessage * msg four
queued
127.0.0.1:6379> xadd membermessage * msg five
queued
127.0.0.1:6379> exec
1) "1553441006884-0"
2) "1553441006884-1"
3) "1553441006884-2"
4) "1553441006884-3"
5) "1553441006884-4"

由于一个redis命令的执行很快，所以可以看到在同一时间戳内，是通过序号递增来表示消息的。

为了保证消息是有序的，因此redis生成的id是单调递增有序的。由于id中包含时间戳部分，为了避免服务器时间错误而带来的问题（例如服务器时间延后了），redis的每个stream类型数据都维护一个latest_generated_id属性，用于记录最后一个消息的id。若发现当前时间戳退后（小于latest_generated_id所记录的），则采用时间戳不变而序号递增的方案来作为新消息id（这也是序号为什么使用int64的原因，保证有足够多的的序号），从而保证id的单调递增性质。

强烈建议使用redis的方案生成消息id，因为这种时间戳+序号的单调递增的id方案，几乎可以满足你全部的需求。但同时，记住id是支持自定义的，别忘了！

消费者崩溃带来的会不会消息丢失问题?

为了解决组内消息读取但处理期间消费者崩溃带来的消息丢失问题，stream 设计了 pending 列表，用于记录读取但并未处理完毕的消息。命令xpendiing 用来获消费组或消费内消费者的未处理完毕的消息。演示如下：

127.0.0.1:6379> xpending mq mqgroup # mpgroup的pending情况
1) (integer) 5 # 5个已读取但未处理的消息
2) "1553585533795-0" # 起始id
3) "1553585533795-4" # 结束id
4) 1) 1) "consumera" # 消费者a有3个
      2) "3"
   2) 1) "consumerb" # 消费者b有1个
      2) "1"
   3) 1) "consumerc" # 消费者c有1个
      2) "1"

127.0.0.1:6379> xpending mq mqgroup - + 10 # 使用 start end count 选项可以获取详细信息
1) 1) "1553585533795-0" # 消息id
   2) "consumera" # 消费者
   3) (integer) 1654355 # 从读取到现在经历了1654355ms，idle
   4) (integer) 5 # 消息被读取了5次，delivery counter
2) 1) "1553585533795-1"
   2) "consumera"
   3) (integer) 1654355
   4) (integer) 4
# 共5个，余下3个省略 ...

127.0.0.1:6379> xpending mq mqgroup - + 10 consumera # 在加上消费者参数，获取具体某个消费者的pending列表
1) 1) "1553585533795-0"
   2) "consumera"
   3) (integer) 1641083
   4) (integer) 5
# 共3个，余下2个省略 ...

每个pending的消息有4个属性：

• 消息id
• 所属消费者
• idle，已读取时长
• delivery counter，消息被读取次数

上面的结果我们可以看到，我们之前读取的消息，都被记录在pending列表中，说明全部读到的消息都没有处理，仅仅是读取了。那如何表示消费者处理完毕了消息呢？使用命令 xack 完成告知消息处理完成，演示如下：

127.0.0.1:6379> xack mq mqgroup 1553585533795-0 # 通知消息处理结束，用消息id标识
(integer) 1

127.0.0.1:6379> xpending mq mqgroup # 再次查看pending列表
1) (integer) 4 # 已读取但未处理的消息已经变为4个
2) "1553585533795-1"
3) "1553585533795-4"
4) 1) 1) "consumera" # 消费者a，还有2个消息处理
      2) "2"
   2) 1) "consumerb"
      2) "1"
   3) 1) "consumerc"
      2) "1"
127.0.0.1:6379>

有了这样一个pending机制，就意味着在某个消费者读取消息但未处理后，消息是不会丢失的。等待消费者再次上线后，可以读取该pending列表，就可以继续处理该消息了，保证消息的有序和不丢失。

消费者彻底宕机后如何转移给其它消费者处理？

还有一个问题，就是若某个消费者宕机之后，没有办法再上线了，那么就需要将该消费者pending的消息，转义给其他的消费者处理，就是消息转移。

消息转移的操作时将某个消息转移到自己的pending列表中。使用语法xclaim来实现，需要设置组、转移的目标消费者和消息id，同时需要提供idle（已被读取时长），只有超过这个时长，才能被转移。演示如下：

# 当前属于消费者a的消息1553585533795-1，已经15907,787ms未处理了
127.0.0.1:6379> xpending mq mqgroup - + 10
1) 1) "1553585533795-1"
   2) "consumera"
   3) (integer) 15907787
   4) (integer) 4

# 转移超过3600s的消息1553585533795-1到消费者b的pending列表
127.0.0.1:6379> xclaim mq mqgroup consumerb 3600000 1553585533795-1
1) 1) "1553585533795-1"
   2) 1) "msg"
      2) "2"

# 消息1553585533795-1已经转移到消费者b的pending中。
127.0.0.1:6379> xpending mq mqgroup - + 10
1) 1) "1553585533795-1"
   2) "consumerb"
   3) (integer) 84404 # 注意idle，被重置了
   4) (integer) 5 # 注意，读取次数也累加了1次

以上代码，完成了一次消息转移。转移除了要指定id外，还需要指定idle，保证是长时间未处理的才被转移。被转移的消息的idle会被重置，用以保证不会被重复转移，以为可能会出现将过期的消息同时转移给多个消费者的并发操作，设置了idle，则可以避免后面的转移不会成功，因为idle不满足条件。例如下面的连续两条转移，第二条不会成功。

127.0.0.1:6379> xclaim mq mqgroup consumerb 3600000 1553585533795-1
127.0.0.1:6379> xclaim mq mqgroup consumerc 3600000 1553585533795-1

这就是消息转移。至此我们使用了一个pending消息的id，所属消费者和idle的属性，还有一个属性就是消息被读取次数，delivery counter，该属性的作用由于统计消息被读取的次数，包括被转移也算。这个属性主要用在判定是否为错误数据上。

坏消息问题，dead letter，死信问题

正如上面所说，如果某个消息，不能被消费者处理，也就是不能被xack，这是要长时间处于pending列表中，即使被反复的转移给各个消费者也是如此。此时该消息的delivery counter就会累加（上一节的例子可以看到），当累加到某个我们预设的临界值时，我们就认为是坏消息（也叫死信，deadletter，无法投递的消息），由于有了判定条件，我们将坏消息处理掉即可，删除即可。删除一个消息，使用xdel语法，演示如下：

# 删除队列中的消息
127.0.0.1:6379> xdel mq 1553585533795-1
(integer) 1
# 查看队列中再无此消息
127.0.0.1:6379> xrange mq - +
1) 1) "1553585533795-0"
   2) 1) "msg"
      2) "1"
2) 1) "1553585533795-2"
   2) 1) "msg"
      2) "3"

注意本例中，并没有删除pending中的消息因此你查看pending，消息还会在。可以执行xack标识其处理完毕！

参考文章

本文主要梳理总结自：

知识体系

知识体系

相关文章

首先，我们通过学习redis的概念基础，了解它适用的场景。

• redis入门 - redis概念和基础
  • redis是一种支持key-value等多种数据结构的存储系统。可用于缓存，事件发布或订阅，高速队列等场景。支持网络，提供字符串，哈希，列表，队列，集合结构直接存取，基于内存，可持久化。

其次，这些适用场景都是基于redis支持的数据类型的，所以我们需要学习它支持的数据类型；同时在redis优化中还需要对底层数据结构了解，所以也需要了解一些底层数据结构的设计和实现。

• redis入门 - 数据类型：5种基础数据类型详解
  • redis所有的key（键）都是字符串。我们在谈基础数据结构时，讨论的是存储值的数据类型，主要包括常见的5种数据类型，分别是：string、list、set、zset、hash
• redis入门 - 数据类型：3种特殊类型详解
  • redis除了上文中5种基础数据类型，还有三种特殊的数据类型，分别是 hyperloglogs（基数统计）， bitmaps (位图) 和 geospatial （地理位置）
• redis入门 - 数据类型：stream详解
  • redis5.0 中还增加了一个数据结构stream，它借鉴了kafka的设计，是一个新的强大的支持多播的可持久化的消息队列。
• redis进阶 - 底层数据结构：对象机制详解
  • 我们在前文已经阐述了redis 5种基础数据类型详解，分别是字符串(string)、列表(list)、哈希(hash)、集合(set)、有序集合(zset)，以及5.0版本中redis stream结构详解；那么这些基础类型的底层是如何实现的呢？redis的每种对象其实都由对象结构(redisobject) 与 对应编码的数据结构组合而成, 本文主要介绍对象结构(redisobject) 部分。。
• redis进阶 - 底层数据结构：底层数据结构详解
  • 前文是第一部分底层设计：对象机制详解, 本文主要介绍底层数据结构 部分。
• redis进阶 - 底层数据结构：redis对象与编码(底层结构)对应关系详解
  • 在学习完之后，我们终于可以结合前文内容阐述redis对象及编码之间的关系了。

再者，需要学习redis支持的核心功能，包括持久化，消息，事务，高可用；高可用方面包括，主从，哨兵等；高可拓展方面，比如 分片机制等。

• redis进阶 - 持久化：rdb和aof机制详解
  • 为了防止数据丢失以及服务重启时能够恢复数据，redis支持数据的持久化，主要分为两种方式，分别是rdb和aof; 当然实际场景下还会使用这两种的混合模式。
• redis进阶 - 消息传递：发布订阅模式详解
  • redis 发布订阅(pub/sub)是一种消息通信模式：发送者(pub)发送消息，订阅者(sub)接收消息。
• redis进阶 - 事件：redis事件机制详解
  • redis 采用事件驱动机制来处理大量的网络io。它并没有使用 libevent 或者 libev 这样的成熟开源方案，而是自己实现一个非常简洁的事件驱动库 ae_event。
• redis进阶 - 事务：redis事务详解
  • redis 事务的本质是一组命令的集合。事务支持一次执行多个命令，一个事务中所有命令都会被序列化。在事务执行过程，会按照顺序串行化执行队列中的命令，其他客户端提交的命令请求不会插入到事务执行命令序列中。
• redis进阶 - 高可用：主从复制详解
  • 我们知道要避免单点故障，即保证高可用，便需要冗余（副本）方式提供集群服务。而redis 提供了主从库模式，以保证数据副本的一致，主从库之间采用的是读写分离的方式。本文主要阐述redis的主从复制。
• redis进阶 - 高可用：哨兵机制（redis sentinel）详解
  • 在上文主从复制的基础上，如果注节点出现故障该怎么办呢？ 在 redis 主从集群中，哨兵机制是实现主从库自动切换的关键机制，它有效地解决了主从复制模式下故障转移的问题。
• redis进阶 - 高可拓展：分片技术（redis cluster）详解
  • 前面两篇文章，主从复制和哨兵机制保障了高可用，就读写分离而言虽然slave节点来扩展主从的读并发能力，但是写能力和存储能力是无法进行扩展的，就只能是master节点能够承载的上限。如果面对海量数据那么必然需要构建master（主节点分片)之间的集群，同时必然需要吸收高可用（主从复制和哨兵机制）能力，即每个master分片节点还需要有slave节点，这是分布式系统中典型的纵向扩展（集群的分片技术）的体现；所以在redis 3.0版本中对应的设计就是redis cluster。

最后，就是具体的实践以及实践中遇到的问题和解决方法了：在不同版本中有不同特性，所以还需要了解版本；以及性能优化，大厂实践等。

• redis进阶 - 缓存问题：一致性, 穿击, 穿透, 雪崩, 污染等
  • redis最常用的一个场景就是作为缓存，本文主要探讨作为缓存，在实践中可能会有哪些问题？比如一致性, 穿击, 穿透, 雪崩, 污染等
• redis进阶 - 版本特性: redis4.0、5.0、6.0特性整理
  • 在学习redis知识体系时，我们难免会需要查看版本实现之间的差异，本文主要整理redis较为新的版本的特性。
• redis进阶 - 运维监控：redis的监控详解
  • redis实战中包含开发，集群 和 运维，redis用的好不好，如何让它更好，这是运维要做的；本文主要在 redis自身状态及命令，可视化监控工具，以及redis监控体系等方面帮助你构建对redis运维/监控体系的认知，它是性能优化的前提。
• redis进阶 - 性能调优：redis性能调优详解
  • redis 的性能问题，涉及到的知识点非常广，几乎涵盖了 cpu、内存、网络、甚至磁盘的方方面面；同时还需要对上文中一些基础或底层有详细的了解。针对redis的性能调优，这里整理分享一篇水滴与银弹（公众号）的文章，这篇文章可以帮助你构筑redis性能调优的知识体系。
• redis大厂经验 - 微博：万亿级日访问量下，redis在微博的9年优化历程
  • 再分享一篇微博使用redis的经验的文章，因为redis在微博内部分布在各个应用场景，比如像现在春晚必争的“红包飞”活动，还有像粉丝数、用户数、阅读数、转评赞、评论盖楼、广告推荐、负反馈、音乐榜单等等都有用到redis；我们可以通过大厂使用redis的经验来强化对redis使用上的认知。

学习资料

• redis官网:

• redis官方文档:

• redis教程:

• redis下载:

• redis英文文档

• redis中文文档

• 《redis设计与实现 3.0版本》

• redis菜鸟教程

• redis源码解读 3.2.8版本

本篇文章由一文多发平台artipub自动发布