spring boot使用redis存储数据

版权声明:欢迎转载,请附上转载地址 https://blog.csdn.net/qq_20143059/article/details/82842369

redis简介

redis是一个支持key-value的数据库,数据全部在内存中处理,在在一定时间间隔中将数据固化到磁盘。因为是内存操作,所以速度特别快。(这里我们主要介绍redis作为缓存使用)
总结一下他有以下特点:
1.速度快,Redis能读的速度是110000次/s,写的速度是81000次/s 。
2.能够存储String,hash,set,map,zset(有序集合)。且单个value的可以1G。
3.功能多,如做缓存(使用最多),消息队列等。转载一篇应用场景https://blog.csdn.net/darkhole/article/details/79135088。
4.可以配置集群。
5.原子性。
为什么使用redis做缓存。
因为可以提高效率,当客户端多次访问同一个接口时,会查询同一个sql多次,如果这个sql比较慢就会使用户体验大大降低。那么我们把上一次查询出的结果放于缓存中,接下来我们直接从缓存中得到数据就会大大提供速度。

缺点:容易被物理环境所影响。


spring boot使用redis存储数据

首先我们先安装redis。具体不多介绍。然后也可以安装图形界面。这样可以使操作更加的方便。这里我使用的是RedisDesktopManager。
然后我们创建一个spring boot项目。然后在pom中加入redis依赖。

<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

然后需要配置类序列化对象。(如果没有存储的是乱码)

@Configuration
public class RedisConfig {

	@Autowired
	private RedisTemplate redisTemplate;
	
	@Bean
	public RedisTemplate redisTemplateInit() {
		Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
		// 设置序列化Key的实例化对象
		redisTemplate.setKeySerializer(new StringRedisSerializer());
		// 设置序列化Value的实例化对象
		redisTemplate.setValueSerializer(new GenericJackson2JsonRedisSerializer());
		redisTemplate.setHashKeySerializer(jackson2JsonRedisSerializer);
		redisTemplate.setHashValueSerializer(jackson2JsonRedisSerializer);
		return redisTemplate;
	}
}

然后在配置application.properties连接redis。

spring.redis.database=0
spring.redis.host=127.0.0.1
spring.redis.port=6379  
spring.redis.password=

如果想看到sql,还需要在application.properties中配置以下代码。

#指定dao所在位置
logging.level.com.example.redis.dao=debug

之后就可以对redis进行存取了,这里我们使用RedisTemplate ,RedisTemplate 封装了对redis操作的方法。

public class RedisController {

Map<String, City> cityMap = new HashMap<String, City>();
@Autowired
private RedisTemplate redisTemplate;

//增删改查String类型 为json类型
    @RequestMapping("/insertjson")
	@ResponseBody
	public void insertData() {
		ValueOperations<String, City> operations = redisTemplate.opsForValue();
		String key = "city_" + 66;
		boolean hasKey = redisTemplate.hasKey(key);//判断是否有
		if (hasKey) {
			City city = operations.get(key); //查询
			//operations.getOperations().delete(key);//删除
			return;
		}
		//再次赋值就可以修改
		City entity = new City();
		entity.setId((long) 1);
		entity.setDescription("111111");
		entity.setProvinceId((long) 111111);
		// 插入缓存
		operations.set(key, entity, 10, TimeUnit.SECONDS);
	}

//增删改查hash
   @RequestMapping("/insertmap")
	@ResponseBody
	public void insertMap() {
		HashOperations operations = redisTemplate.opsForHash();
		String key = "city_" + 33;
		int hashKey = 1;
		boolean hasKey = redisTemplate.hasKey(key);// 判断是否有
		if (hasKey) {
			Map<Integer, String> map1 = new HashMap<>();
			operations.get(key, hashKey); // 查询
			// operations.getOperations().delete(key);//删除
			return;
		}
		// 修改map在插入就可以
		Map<Integer, String> map = new HashMap<>();
		map.put(1, "qqq");
		map.put(2, "www");
		map.put(3, "eee");
		map.put(4, "rrr");
		operations.putAll(key, map);

	}

//增删改查list
    @RequestMapping("/insertlist")
	@ResponseBody
	public void insertList() {
		ListOperations operations = redisTemplate.opsForList();
		String key = "city_" + 44;
		boolean hasKey = redisTemplate.hasKey(key);// 判断是否有
		if (hasKey) {
			operations.range(key, 0, 3);//查询
			operations.getOperations().delete(key);//删除
			return;
		}
		List list = new ArrayList<>();
		list.add("aaa");
		list.add("bbb");
		list.add("ccc");
		operations.leftPushAll(key, list);
	}

//增删改查set
    @RequestMapping("/insertset")
	@ResponseBody
	public void insertSet() {
		SetOperations operations = redisTemplate.opsForSet();
		String key = "city_" + 55;
		boolean hasKey = redisTemplate.hasKey(key);
		if(hasKey) {
			operations.members(key);//查询
			operations.getOperations().delete(key);//删除
			return;
		}
		operations.add(key, "111");
		operations.add(key, "222");
		operations.add(key, "333");
	}	
}



redis和memcache区别

memcache:
1.memcache吞吐量大。
2.只支持简单的key/value数据结构。
3.不能持久化。
redis:
1.支持hash,string,list,set.
2.可以选择持久化。
3.不需要考虑数据一致性问题。

猜你喜欢

转载自blog.csdn.net/qq_20143059/article/details/82842369
今日推荐