只有不断努力，你才能走向成功。不要因为一时的挫折而放弃，相信自己的潜力是无限的。
1.redis定义
Redis 是一个开源（BSD许可）的，内存中的数据结构存储系统，它可以用作数据库、缓存和消息中间件。 它支持多 种类型的数据结构，如 字符串（strings）、散列（hashes）、 列表（lists）、 集合（sets）、 有序集合（sorted sets）等。
2.redis是单线程的吗？
我们通常说Redis是单线程的。主要指的是Redis的网络IO和键值对读写是由一个线程来完成的。但像持久化、异步删除、集群数据同步等等，其实是由其他的线程执行的。Redis工作线程是单线程的。但是，对于整个Redis来说，是多线程的。
3.redis为什么这么快
-
纯内存操作
redis的数据都是保存到内存中的，绝大部分请求都是纯内存操作。跟传统的mysql等持久化db相比，避免了通过磁盘IO读取到内存的开销。
数据结构简单
Redis 的数据结构是专门设计的，而这些简单的数据结构的查找和操作的时间大部分复杂度都是 O(1)，因此性能比较高单线程
避免了上下文切换和线程竞争加锁等问题，也不会存在死锁问题，避免了很多性能上的消耗。IO多路复用
Redis使用 I/O多路复用功能来监听多个客户端的socket连接，这样就可以使用一个线程连接来处理多个请求，减少线程切换带来的开销，同时也避免了 I/O 阻塞操作。
4.redis6以后为什么要增加多线程模型
单线程虽然快，但是也有一些弊端。比如在删除大key的时候，非常耗时。而redis又是单线程的，所以就会导致整个程序阻塞，进而无法使用。
需要注意的是在Redis6.0中，默认是关闭多线程的，如果需要使用，需要修改redis.conf中的io-thread-do-reads配置项为yes，表示启动多线程。设置线程个数。关于线程数的设置，官方的建议是如果为 4 核的 CPU，建议线程数设置为 2 或 3，如果为 8 核 CPU 建议线程数设置为 6，线程数并不是越大越好。
5.redis数据结构
redis一共有九种数据结构，但是常用的只有String, hash,list,set,zset五种。
## String类型
set/get
设置key对应的值为String类型的value
获取key对应的值
mget
批量获取多个key的值，如果可以不存在则返回nil
incr && incrby
incr对key对应的值进行加加操作，并返回新的值;incrby加指定值
incr && incrby
incr对key对应的值进行加加操作，并返回新的值;incrby加指定值
setnx
设置key对应的值为String类型的value，如果key已经存在则返回0
setex
设置key对应的值为String类型的value，并设定有效期
其他命令
getrange 获取key对应value的子字符串
mset 批量设置多个key的值，如果成功表示所有值都被设置，否则返回0表示没有任何值被设置
msetnx，同mset，不存在就设置，不会覆盖已有的key
getset 设置key的值，并返回key旧的值
append：给指定key的value追加字符串，并返回新字符串的长度
hash类型
类似于java的Map<string, map
Hash是一个String类型的field和value之间的映射表
redis的Hash数据类型的key（hash表名称）对应的value实际的内部存储结构为一个HashMap
Hash特别适合存储对象
相对于把一个对象的每个属性存储为String类型，将整个对象存储在Hash类型中会占用更少内存。
所存储的成员较少时数据存储为zipmap，当成员数量增大时会自动转成真正的HashMap,此时encoding为ht。
运用场景： 如用一个对象来存储用户信息，商品信息，订单信息等等。
hset——设置key对应的HashMap中的field的value
hget——获取key对应的HashMap中的field的value
hgetall——获取key对应的HashMap中的所有field的value
hlen--返回key对应的HashMap中的field的数量
list类型
lpush——在key对应的list的头部添加一个元素
lrange——获取key对应的list的指定下标范围的元素，-1表示获取所有元素
lpop——从key对应的list的尾部删除一个元素，并返回该元素
rpush——在key对应的list的尾部添加一个元素
rpop——从key对应的list的尾部删除一个元素，并返回该元素
set类型
sadd——在key对应的set中添加一个元素
smembers——获取key对应的set的所有元素
spop——随机返回并删除key对应的set中的一个元素
suion——求给定key对应的set并集
sinter——求给定key对应的set交集
ZSet类型
set的基础上又增加了顺序score，再根据score进行排序
zadd ——在key对应的zset中添加一个元素
zrange——获取key对应的zset中指定范围的元素，-1表示获取所有元素
zrem——删除key对应的zset中的一个元素
zrangebyscore——返回有序集key中，指定分数范围的元素列表,排行榜中运用
zrank——返回key对应的zset中指定member的排名。其中member按score值递增(从小到大）； 排名以0为底，也就是说，score值最小的成员排名为0,排行榜中运用
set是通过hashmap存储，key对应set的元素，value是空对象 sortset是怎么存储并实现排序的呢，hashmap存储，还加了一层跳跃表
跳跃表：相当于双向链表，在其基础上添加前往比当前元素大的跳转链接
bitmap类型
# 指定key的offset位置赋值value
setbit key offset value
# 获取key的offset位置的值
getbit key offset
# 返回key 从start 到 end 中值为1 的数量
bitcount key start end
# 进行位运算（and, or, not）
bittop operation destkey key
-
BitMap（2.2 版新增）：二值状态统计的场景，比如签到、判断用户登陆状态、连续签到用户总数等；
-
bitmap非常节省内存，按年去存储一个用户签到情况，365天就是 365/8 ≈ 46Byte, 1000万用户一年也才44M就够了。
hyperloglog类型
127.0.0.1:6379> pfadd uv zhangsan
(integer) 1
127.0.0.1:6379> pfadd uv lisi
(integer) 1
127.0.0.1:6379> pfadd uv wangwu
(integer) 1
127.0.0.1:6379> pfcount uv
(integer) 3
-
HyperLogLog（2.8 版新增）：海量数据基数统计的场景，比如百万级网页 UV 计数等；
HyperLogLog统计并不精确，有0.81%的误差。
geo类型
#添加坐标
127.0.0.1:6379> geoadd shanxi 123.11 45.11 xian
(integer) 1
127.0.0.1:6379> geoadd shanxi 123.11 46.11 dayanta
(integer) 1
#获取指定坐标的位置
127.0.0.1:6379> geopos shanxi dayanta
1) 1) "123.11000078916549683"
2) "46.11000102930120192"
#获取两个坐标的距离 单位默认米
127.0.0.1:6379> geodist shanxi xian dayanta
"111226.3808"
#获取两个坐标的距离 单位千米
127.0.0.1:6379> geodist shanxi xian dayanta km
"111.2264"
#坐标123.11 45.10 半径50千米内的数据
127.0.0.1:6379> georadius shanxi 123.11 45.10 50 km
1) "xian"
127.0.0.1:6379>
-
GEO（3.2 版新增）：存储地理位置信息的场景，比如滴滴叫车；
Stream类型
-
Stream（5.0 版新增）：消息队列，相比于基于 List 类型实现的消息队列，有这两个特有的特性：自动生成全局唯一消息ID，支持以消费组形式消费数据。
这个用的比较少，可以用(rabbitmq、rocketmq、kafka等替代)。
redis案例
1.redis作为mybatis二级缓存整合
-
1.引入pom.xml依赖
org.springframework.boot spring-boot-starter-cache -
2.开启缓存注解： @EnableCaching
-
3.在方法上面加入SpEL
@CacheConfig(cacheNames=”userInfoCache”) 在同个redis里面必须唯一
@Cacheable(查) ： 来划分可缓存的方法 – 即，结果存储在缓存中的方法，以便在后续调用（具有相同的参数）时，返回缓存中的值而不必实际执行该方法
@CachePut（修改、增加） ： 当需要更新缓存而不干扰方法执行时，可以使用@CachePut注释。也就是说，始终执行该方法并将其结果放入缓存中（根据@CachePut选项）
@CacheEvict（删除） ： 对于从缓存中删除陈旧或未使用的数据非常有用，指示缓存范围内的驱逐是否需要执行而不仅仅是一个条目驱逐
-
4.springboot cache 存在什么问题
— 1.生成key过于简单，容易冲突userCache::3
自定义KeyGenerator
— 2.无法设置过期时间，默认过期时间为永久不过期
自定义cacheManager，设置缓存过期时间
— 3.配置序列化方式，默认的是序列化JDKSerialazable
自定义序列化方式，Jackson
package com.fandf.redis.config;
import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.cache.CacheManager;
import org.springframework.cache.annotation.EnableCaching;
import org.springframework.cache.interceptor.KeyGenerator;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.cache.RedisCacheConfiguration;
import org.springframework.data.redis.cache.RedisCacheManager;
import org.springframework.data.redis.cache.RedisCacheWriter;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.RedisSerializationContext;
import java.time.Duration;
import java.util.HashMap;
import java.util.Map;
/**
* @author fandongfeng
* @description
*/
@Configuration
@EnableCaching
@EnableRedisHttpSession(maxInactiveIntervalInSeconds= 50)
public class RedisConfig {
@Bean
public RedisTemplate<String, String> redisTemplate(RedisConnectionFactory factory){
RedisTemplate<String, String> redisTemplate = new RedisTemplate<String, String>();
redisTemplate.setConnectionFactory(factory);
return redisTemplate;
}
/**
* 生成key名，类名+方法+参数 UserInfoList::UserService.findByIdTtl[1]
* @return
*/
@Bean
public KeyGenerator simpleKeyGenerator() {
return (o, method, objects) -> {
StringBuilder stringBuilder = new StringBuilder();
stringBuilder.append(o.getClass().getSimpleName());
stringBuilder.append(".");
stringBuilder.append(method.getName());
stringBuilder.append("[");
for (Object obj : objects) {
stringBuilder.append(obj.toString());
}
stringBuilder.append("]");
return stringBuilder.toString();
};
}
/**
* 自定义cacheManager，设置缓存过期时间
* @param redisConnectionFactory
* @return
*/
@Bean
public CacheManager cacheManager(RedisConnectionFactory redisConnectionFactory) {
return new RedisCacheManager(
RedisCacheWriter.nonLockingRedisCacheWriter(redisConnectionFactory),
this.getRedisCacheConfigurationWithTtl(600), // 默认策略，未配置的 key 会使用这个
this.getRedisCacheConfigurationMap() // 指定 key 策略
);
}
/**
* 初始化map
* @return
*/
private Map<String, RedisCacheConfiguration> getRedisCacheConfigurationMap() {
Map<String, RedisCacheConfiguration> redisCacheConfigurationMap = new HashMap<>();
redisCacheConfigurationMap.put("UserInfoList", this.getRedisCacheConfigurationWithTtl(100));
redisCacheConfigurationMap.put("UserInfoListAnother", this.getRedisCacheConfigurationWithTtl(18000));
return redisCacheConfigurationMap;
}
private RedisCacheConfiguration getRedisCacheConfigurationWithTtl(Integer seconds) {
Jackson2JsonRedisSerializer<Object> jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<>(Object.class);
ObjectMapper om = new ObjectMapper();
om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
jackson2JsonRedisSerializer.setObjectMapper(om);
RedisCacheConfiguration redisCacheConfiguration = RedisCacheConfiguration.defaultCacheConfig();
redisCacheConfiguration = redisCacheConfiguration.serializeValuesWith(
RedisSerializationContext
.SerializationPair
.fromSerializer(jackson2JsonRedisSerializer)
).entryTtl(Duration.ofSeconds(seconds));
return redisCacheConfiguration;
}
}
二级缓存查询
/**
* 从二级缓存中获取数据
* @param id
* @return
*/
@RequestMapping("/getByCache")
@ResponseBody
public User getByCache(String id) {
User user = userService.findById(id);
return user;
}
@Nullable
@Cacheable(key="#p0", unless = "#result == null") // @Cacheable 会先查询缓存，如果缓存中存在，则不执行方法
public User findById(String id){
System.err.println("根据id=" + id +"获取用户对象，从数据库中获取");
Assert.notNull(id,"id不用为空");
return this.userMapper.find(id);
}
// 因为必须要有返回值，才能保存到数据库中，如果保存的对象的某些字段是需要数据库生成的，
// 那保存对象进数据库的时候，就没必要放到缓存了
@CachePut(key="#p0.id") //#p0表示第一个参数
//必须要有返回值，否则没数据放到缓存中
public User insertUser(User u){
this.userMapper.insert(u);
//u对象中可能只有只几个有效字段，其他字段值靠数据库生成，比如id
return this.userMapper.find(u.getId());
}
@CachePut(key="#p0.id")
public User updateUser(User u){
this.userMapper.update(u);
//可能只是更新某几个字段而已，所以查次数据库把数据全部拿出来全部
return this.userMapper.find(u.getId());
}
@CacheEvict(key="#p0") //删除缓存名称为userInfoCache,key等于指定的id对应的缓存
public void deleteById(String id){
this.userMapper.delete(id);
}
//清空缓存名称为userInfoCache（看类名上的注解)下的所有缓存
//如果数据失败了，缓存时不会清除的
@CacheEvict(allEntries = true)
public void deleteAll(){
this.userMapper.deleteAll();
}
/**
* 指定生成key的格式
* @param id
* @return
*/
@Nullable
@Cacheable(value = "UserInfoList", keyGenerator = "simpleKeyGenerator") // @Cacheable 会先查询缓存，如果缓存中存在，则不执行方法
public User findByIdTtl(String id){
System.err.println("根据id=" + id +"获取用户对象，从数据库中获取");
Assert.notNull(id,"id不用为空");
return this.userMapper.find(id);
}
2.redis实现分布式集群环境session共享
-
cookie与session
Cookie是什么？ Cookie 是一小段文本信息，伴随着用户请求和页面在 Web 服务器和浏览器之间传递。
Cookie 包含每次用户访问站点时 Web 应用程序都可以读取的信息，我们可以看到在服务器写的cookie，
会通过响应头Set-Cookie的方式写入到浏览器HTTP协议是无状态的，并非TCP一样进行三次握手，对于一个浏览器发出的多次请求，WEB服务器无法
区分是不是来源于同一个浏览器。所以服务器为了区分这个过程会通过一个 sessionid来区分请求，而这个
sessionid是怎么发送给服务端的呢。cookie相对用户是不可见的，用来保存这个sessionid是最好不过了
redis实现分布式集群配置过程
org.springframework.session spring-session-data-redis
@EnableRedisHttpSession 开启redis session缓存
maxInactiveIntervalInSeconds指定缓存的时间 spring:session:sessions:expires:+‘sessionId’的过期时间
package com.fandf.redis.controller;
import org.springframework.web.bind.annotation.*;
import javax.servlet.http.HttpServletRequest;
import java.util.HashMap;
import java.util.Map;
/**
* @author fandongfeng
* @description
*/
@RestController
public class SessionController {
@PostMapping(value = "/setSession")
public Map<String, Object> setSession (HttpServletRequest request){
Map<String, Object> map = new HashMap<>();
request.getSession().setAttribute("request Url", request.getRequestURL());
map.put("request Url", request.getRequestURL());
return map;
}
@GetMapping(value = "/getSession")
public Object getSession (HttpServletRequest request){
Map<String, Object> map = new HashMap<>();
map.put("sessionIdUrl",request.getSession().getAttribute("request Url"));
map.put("sessionId", request.getSession().getId());
return map;
}
}
3.redis实现排行榜功能
-
1.初始化加载数据
implements InitializingBean 接口 实现afterPropertiesSet()方法
初始化将用户积分加载到redis缓存中 -
2.方法介绍
zset方法简单介绍
private static final String RANKGNAME = "user_score";
private static final String SALESCORE = "sale_score_rank:";
/**
* 添加积分
* uid = 1 score = 1
* uid = 2 score = 2
* uid = 3 score = 3
* @param uid
* @param score
* @return
*/
@ResponseBody
@RequestMapping("/addScore")
public String addRank(String uid, Integer score) {
rankingService.rankAdd(uid, score);
return "success";
}
public void rankAdd(String uid, Integer score) {
redisService.zAdd(RANKGNAME, uid, score);
}
/**
* 有序集合添加
*
* @param key
* @param value
* @param scoure
*/
public void zAdd(String key, Object value, double scoure) {
ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
zset.add(key, value, scoure);
}
/**
* 添加指定分数
* @param uid
* @param score
* @return
*/
@ResponseBody
@RequestMapping("/increScore")
public String increScore(String uid, Integer score) {
rankingService.increSocre(uid, score);
return "success";
}
public void increSocre(String uid, Integer score) {
redisService.incrementScore(RANKGNAME, uid, score);
}
/**
* 有序集合添加指定分数
*
* @param key
* @param value
* @param scoure
*/
public void incrementScore(String key, Object value, double score) {
ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
zset.incrementScore(key, value, score);
}
/**
* 排序，从0开始,正序
* uid=1 0
* @param uid
* @return
*/
@ResponseBody
@RequestMapping("/rank")
public Map<String, Long> rank(String uid) {
Map<String, Long> map = new HashMap<>();
map.put(uid, rankingService.rankNum(uid));
return map;
}
public Long rankNum(String uid) {
return redisService.zRank(RANKGNAME, uid);
}
/**
* 有序集合获取排名
* @param key 集合名称
* @param value 值
*/
public Long zRank(String key, Object value) {
ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
return zset.rank(key,value);
}
/**
* 查看自己分数
* @param uid
* @return
*/
@ResponseBody
@RequestMapping("/score")
public Long rankNum(String uid) {
return rankingService.score(uid);
}
public Long score(String uid) {
Long score = redisService.zSetScore(RANKGNAME, uid).longValue();
return score;
}
public Double zSetScore(String key, Object value) {
ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
return zset.score(key,value);
}
/**
* 正序排名，分数低的在前面
* // http://localhost:8080/scoreByRange?start=0&end=2
*
* [
* {
* "score": 1.0,
* "value": "1"
* },
* {
* "score": 2.0,
* "value": "2"
* },
* {
* "score": 3.0,
* "value": "3"
* }
* ]
* @param start
* @param end
* @return
*/
@ResponseBody
@RequestMapping("/scoreByRange")
public Set<ZSetOperations.TypedTuple<Object>> scoreByRange(Integer start, Integer end) {
return rankingService.rankWithScore(start,end);
}
public Set<ZSetOperations.TypedTuple<Object>> rankWithScore(Integer start, Integer end) {
return redisService.zRankWithScore(RANKGNAME, start, end);
}
/**
* 有序集合获取排名
*
* @param key
*/
public Set<ZSetOperations.TypedTuple<Object>> zRankWithScore(String key, long start,long end) {
ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
Set<ZSetOperations.TypedTuple<Object>> ret = zset.rangeWithScores(key,start,end);
return ret;
}
/**
* 倒序查询排行榜,分数大的靠前
* @param start
* @param end
* @return
*/
@ResponseBody
@RequestMapping("/sale/top")
public List<Map<String,Object>> reverseZRankWithRank(long start,long end) {
return rankingService.reverseZRankWithRank(start,end);
}
public List<Map<String, Object>> reverseZRankWithRank(long start, long end) {
Set<ZSetOperations.TypedTuple<Object>> setObj = redisService.reverseZRankWithRank(SALESCORE, start, end);
List<Map<String, Object>> mapList = setObj.stream().map(objectTypedTuple -> {
Map<String, Object> map = new LinkedHashMap<>();
map.put("userId", objectTypedTuple.getValue().toString().split(":")[0]);
map.put("userName", objectTypedTuple.getValue().toString().split(":")[1]);
map.put("score", objectTypedTuple.getScore());
return map;
}).collect(Collectors.toList());
return mapList;
}
/**
* 与下面方法都可实现排名
* 有序集合获取排名
* @param key
*/
public Set<ZSetOperations.TypedTuple<Object>> reverseZRankWithScore(String key, long start,long end) {
ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
Set<ZSetOperations.TypedTuple<Object>> ret = zset.reverseRangeByScoreWithScores(key,start,end);
return ret;
}
/**
* 有序集合获取排名
* @param key
*/
public Set<ZSetOperations.TypedTuple<Object>> reverseZRankWithRank(String key, long start, long end) {
ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
Set<ZSetOperations.TypedTuple<Object>> ret = zset.reverseRangeWithScores(key, start, end);
return ret;
}
4.redis使用bitmap实现签到统计功能
package com.fandf.test.redis;
import cn.hutool.core.convert.Convert;
import cn.hutool.core.date.DateUtil;
import org.springframework.data.redis.connection.BitFieldSubCommands;
import org.springframework.data.redis.core.RedisCallback;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Service;
import javax.annotation.Resource;
import java.time.LocalDateTime;
import java.util.List;
/**
* @author fandongfeng
*/
@Service
public class SignService {
@Resource
RedisTemplate<String, Object> redisTemplate;
private static final String USER_SIGN_KEY = "sign:";
/**
* 当日签到接口
*/
public Boolean sign() {
// 1.获取当前登录用户
long userId = 123L;
// 2.获取日期
LocalDateTime now = LocalDateTime.now();
// 3.拼接key
String keySuffix = DateUtil.format(now, ":yyyyMM");
String key = USER_SIGN_KEY + userId + keySuffix;
// 4.获取今天是本月的第几天
int dayOfMonth = now.getDayOfMonth();
//bitmap 坐标从0开始， 所以 offset 为 dayOfMonth - 1
redisTemplate.opsForValue().setBit(key, dayOfMonth - 1, true);
return true;
}
/**
* 指定日期签到, 补签
*/
public Boolean signDate(String date) {
// 1.获取当前登录用户
long userId = 123L;
// 2.获取日期
LocalDateTime signDate = Convert.toLocalDateTime(date);
// 3.拼接key
String keySuffix = DateUtil.format(signDate, ":yyyyMM");
String key = USER_SIGN_KEY + userId + keySuffix;
// 4.获取今天是本月的第几天
int dayOfMonth = signDate.getDayOfMonth();
//bitmap 坐标从0开始， 所以 offset 为 dayOfMonth - 1
redisTemplate.opsForValue().setBit(key, dayOfMonth - 1, true);
return true;
}
/**
* 当月连续签到次数 BITFIELD key GET u[dayOfMonth] 0
*/
public Integer signCount() {
// 1.获取当前登录用户
long userId = 123L;
// 2.获取日期
LocalDateTime now = LocalDateTime.now();
// 3.拼接key
String keySuffix = DateUtil.format(now, ":yyyyMM");
String key = USER_SIGN_KEY + userId + keySuffix;
// 4.获取今天是本月的第几天
int dayOfMonth = now.getDayOfMonth();
// 5.获取本月截止今天为止的所有的签到记录，返回的是一个十进制的数字 BITFIELD sign:123:202303 GET u24 0
List<Long> result = redisTemplate.opsForValue().bitField(key, BitFieldSubCommands.create().get(BitFieldSubCommands.BitFieldType.unsigned(dayOfMonth)).valueAt(0));
if (result == null || result.isEmpty()) {
// 没有任何签到结果
return 0;
}
Long num = result.get(0);
if (num == null || num == 0) {
return 0;
}
// 6.循环遍历
int count = 0;
while (true) {
// 6.1.让这个数字与1做与运算，得到数字的最后一个bit位
// 判断这个bit位是否为0
if ((num & 1) == 0) {
// 如果为0，说明未签到，结束
break;
} else {
// 如果不为0，说明已签到，计数器+1
count++;
}
// 把数字右移一位，抛弃最后一个bit位，继续下一个bit位
num >>>= 1;
}
return count;
}
/**
* 统计指定月总共签到次数
*/
public Integer signCountByMonth(String date) {
long userId = 123L;
LocalDateTime dateOfSign = Convert.toLocalDateTime(date);
String keySuffix = DateUtil.format(dateOfSign, ":yyyyMM");
String key = USER_SIGN_KEY + userId + keySuffix;
Long count = redisTemplate.execute((RedisCallback<Long>) redisConnection -> redisConnection.bitCount(key.getBytes()));
return count == null ? 0 : count.intValue();
}
}原文始发于微信公众号（好好学技术）：redis九大数据类型及场景案例实现
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/219609.html
