1.Redisson限流器RRateLimiter使用及源码分析
2.Redis的源码渐进式rehash原理
3.springboot中redistemplate的使用是怎样的?
4.redis 用hashmap省内存的误解

Redisson限流器RRateLimiter使用及源码分析

       Redisson限流器RRateLimiter使用及源码分析

       在项目中引入Redisson限流器RRateLimiter，通过以下步骤实现限流功能。源码首先使用Redis命令将限流的源码配置信息保存在Redis中，具体代码如下：

       执行`hsetnx testRedissonRateLimiter rate `，源码设置限流次数为，源码`testRedissonRateLimiter`为自定义的源码再见黄浦滩源码键名。

       执行`hsetnx testRedissonRateLimiter interval `，源码设置限流时间，源码单位为毫秒。源码

       执行`hsetnx testRedissonRateLimiter type 0`，源码设置限流类型，源码枚举值为RateType.OVERALL。源码

       将配置信息保存于Redis的源码HashMap结构中，使用`hsetnx`确保设置成功。源码源码编辑的意思然后判断是源码否超过限流次数。

       通过`getValueName()`方法获取限流配置，进一步调用`tryAcquire()`方法检查是否超过限流次数。Lua脚本返回`nil`代表未超过限流，若有值则已超过限流。`pttl`命令始终返回值，即使用于不存在的键。

       使用`getConfig()`方法获取所有限流配置信息，执行`delete()`方法清除限流配置。值得注意的是，Redisson在删除限流配置时存在一个BUG，仅删除了`testRedissonRateLimiter`键，未清理`{ testRedissonRateLimiter}:value`键，学习系统源码大全影响判断请求是否超过限流次数。此问题于年2月日::被发现，Redisson版本为3..7。

       为了验证限流功能，调试时逐步执行代码，同时观察Redis服务器命令监控，确保限流功能按预期运行。

Redis的渐进式rehash原理

       Redis的渐进式rehash机制是其dict数据结构实现查找操作时的一种关键策略。dict是基于哈希表的，类似于Java的HashMap，通过key计算哈希值确定存储位置并使用拉链法解决冲突。当装载因子超过预设值时，dict会触发rehash，在线扣图源码以优化性能。

       rehash过程采用渐进式，即在执行添加、删除、查询或更新操作时，不会一次性将所有键值对移到新哈希表ht[1]，而是分批进行。具体步骤如下：

       分配ht[1]空间，同时维护两个哈希表。

       使用rehashidx索引，从ht[0]的特定桶开始迁移键值对至ht[1]，每次操作后更新rehashidx。

       ht[0]的河南共享店铺源码键值对逐渐转移到ht[1]，直到rehashidx设为-1，表示rehash完成。

       这种设计避免了大量计算导致的服务器阻塞，确保了Redis的高可用性。在渐进式rehash期间，字典操作会同时在ht[0]和ht[1]上进行，新添加的键值对会直接存入ht[1]，而ht[0]则逐渐变为空。

       《Redis设计与实现》和《Redis实战》等资料详细介绍了这一机制。如有兴趣深入学习，可以加入Linux、C/C++技术交流群获取更多学习资源。

springboot中redistemplate的使用是怎样的?

       在Spring Boot中使用RedisTemplate实现键值对操作，其类方法丰富，具体包括：

       1、新增hashMap值：put(H var1, HK var2, HV var3)，用于在指定的哈希表中添加键值对。

       2、获取key对应的map中，key为var2的map的对应的值：get(H var1, Object var2)，能够精准定位并返回所需值。

       3、获取key对应的所有map键值对：entries(H key)，返回指定键的所有键值对。

       4、获取key对应的map中所有的键：keys(H key)，提供键的集合。

       5、获取key对应的map中所有的值：values(H key)，提供值的集合。

       6、判断key对应的map中是否有指定的键：hasKey(H key, Object var2)，用于确认键是否存在于map中。

       7、获取key对应的map的长度：size(H key)，返回map中键值对的数量。

       8、如何key对应的map不存在，则新增到map中，存在则不新增也不覆盖：putIfAbsent(H key, HK var2, HV var3)，实现条件新增。

       9、直接以map集合的方式添加key对应的值：putAll(H key, Map map)，批量添加键值对。

       、以集合的方式获取这些键对应的map：multiGet(H key, Collection var2)，返回一组键对应的map集合。

       、获取指定key对应的map集合中，指定键对应的值的长度：lengthOfValue(H key, HK var2)，提供值长度信息。

       、使key对应的map中，键var2对应的值以long1自增：increment(H key, HK var2, long long1)，适用于数值计数场景。

       、使key对应的map中，键var2对应的值以double类型d1自增：increment(H key, HK var2, double d1)，同样用于数值计数，但使用double类型。

       、匹配获取键值对：scan(H var1, ScanOptions var2)，实现复杂条件下的键值对搜索。

       、删除key对应的map中的键值对：delete(H key, Object… var2)，支持批量删除操作。

       、拓展：在存储对象、对象集合时，建议将其转为JSON字符串，便于解析。

       对于需要学习资源的读者，可以尝试自行查找或联系社区获取更多帮助。

redis 用hashmap省内存的误解

       çœ‹è¿‡è®¸å¤šredis优化的案例，通过引入hashmap的方式将key散列到多个hashmap，

        具体可以见：

        Redis 利用Hash存储节约内存 - 刘本龙的专栏 - CSDN博客

        我们得到如下公式：

        原来是:

        key1,key2,key3,key4,key5

        变成

        hash1:

        key1:value1

        key2:value2

        key3:value2

        hash2:

        key4:value4

        key5:value5

        虽然名义上5个key变成了2个hashmap，但是每个filed还是会保存原始的key，所以从key减少的层面是行不通的，这个时候就要从底层储存结构去看。

        redis对hashmap有一个优化，当filed数量比较少的时候(因为ziplist是用顺序遍历的方式查找元素，所以数量多了复杂度是o(N)肯定不合适。

        )，会用一个叫ziplist的结构保存，而不是传统的hash结构，ziplist有几个特点：

        ziplist介绍

       /weixin_/article/details/

        所以hashmap能省内存是依赖ziplist的结构，而不是key的减少。

        使用ziplist可以用以下参数控制

        必须满足以上两个条件，那么该key会被压缩。否则就是按照正常的hash结构来存储hash类型的key。