上一篇
数据库查询数据，再连Redis，用SET等命令或根据数据结构选合适方式存入，如哈希用HSET
库存入Redis主要有以下几种常见方法,下面将详细介绍：
数据预加载
| 特点 | 优势 | 适用场景 |
|---|---|---|
| 在应用启动时一次性将关键数据从数据库读取并存入Redis | 减少数据库压力，提升响应速度，简化数据访问逻辑 | 数据量相对较小且更新频率不高的情况 |
实现步骤
-
确定预加载数据：分析业务需求，挑选频繁访问且变化不频繁的数据，如热门商品信息、用户基础资料等。
-
编写预加载脚本：使用编程语言（如Python、Java）连接数据库，查询所需数据，再通过Redis客户端库（如redis-py、Jedis）将数据以合适格式存入Redis，Python中可这样操作：
import redis
import pymysql
# 连接MySQL数据库
db = pymysql.connect(host='localhost', user='root', password='123456', database='test')
cursor = db.cursor()
cursor.execute('SELECT FROM table_name')
# 连接Redis
r = redis.StrictRedis(host='localhost', port=6379, db=0)
# 遍历查询结果并存入Redis
for row in cursor.fetchall():
r.hset('hash_key', row[0], row[1]) # 以哈希结构存储，row[0]为键，row[1]为值
cursor.close()
db.close()
- 启动应用执行预加载：在应用启动时运行预加载脚本，确保数据在系统运行前就缓存好。
按需加载
| 特点 | 优势 | 适用场景 |
|---|---|---|
| 用户请求数据时，先查Redis缓存，有则返回，无则从数据库读取并存入Redis | 节省内存空间，仅缓存实际需要的数据 | 数据更新频率较高且数据量较大的场景 |
实现步骤
-
检查缓存：当用户发起数据请求，先使用Redis的
GET（针对字符串）、HGET（针对哈希）、LINDEX（针对列表）等命令检查缓存中是否存在该数据。 -
读取数据库：若缓存未命中，连接数据库，执行SQL查询获取数据。
-
存入缓存：将数据库查询到的数据存入Redis，以便后续请求直接从缓存获取。
# 假设用户请求某个用户信息，先检查Redis缓存
user_data = r.get(f"user:{user_id}")
if not user_data:
# 缓存未命中，从数据库读取
cursor.execute('SELECT FROM users WHERE id = %s', (user_id,))
user_data = cursor.fetchone()
# 将数据存入Redis缓存
r.set(f"user:{user_id}", user_data['username'])
定期同步
| 特点 | 优势 | 适用场景 |
|---|---|---|
| 按固定时间间隔将数据库数据同步到Redis | 保证数据相对一致性，适用于对实时性要求不极高的场景 | 数据更新频率较低且数据量较大的场景 |
实现步骤
-
确定同步周期：依据数据更新频率确定同步时间间隔，如每小时、每天或每周同步一次。
-
编写同步脚本：编写脚本连接数据库，查询最新数据，再连接Redis，使用相应命令（如
SET、HSET、LPUSH等）更新或插入数据到Redis。 -
定时执行同步：借助操作系统的定时任务工具（如Linux的cron）或编程语言的定时器，定时运行同步脚本，使用cron设置每小时执行一次同步脚本：
0 /usr/bin/python /path/to/sync_script.py
实时同步（基于数据库变更监听）
实现步骤
-
创建监听器或触发器：在数据库端，根据数据库类型使用相应方式创建监听机制，如MySQL可利用
binlog配合第三方工具（如Canal），Oracle可使用DML触发器，监听数据变更操作（插入、更新、删除）。 -
获取变更数据并转换格式：当监听到数据变更，获取变更数据，将其转换为适合Redis存储的格式，如JSON字符串。
-
存入Redis：通过Redis客户端将转换后的数据存入Redis，保持数据库与Redis数据一致，以Python为例：
# 假设监听到数据库中某表数据变更，获取变更数据并转换为JSON字符串
changed_data = {'user_id': 1, 'username': 'NewName'}
json_data = json.dumps(changed_data)
# 将数据存入Redis
r.set(f"user:{changed_data['user_id']}", json_data)
注意事项
-
数据一致性：无论是哪种存入方式，都要确保数据库与Redis中的数据一致，对于实时性要求高的场景，需采用更复杂的分布式锁、消息队列等机制保证数据强一致性；对于一般场景，可通过合理的缓存过期策略（如使用Redis的
EXPIRE命令设置TTL）来保证最终一致性。 -
数据结构选择：根据数据特点和业务需求选择合适的Redis数据结构，如存储用户信息等具有多个字段的数据，哈希结构（
HSET）较合适；存储列表类数据，如消息队列，用列表结构（LPUSH、RPUSH）更佳。 -
性能优化：批量操作数据时，使用Redis管道（Pipeline）技术，减少网络往返次数，提高写入效率，在Python中：
# 创建Redis管道
pipe = r.pipeline()
# 批量设置多个键值对
for row in cursor.fetchall():
pipe.hset('hash_key', row[0], row[1])
# 执行管道中的所有命令
pipe.execute()
将数据库数据存入Redis需要综合考虑数据特性、业务需求、性能要求等多方面因素，选择合适的存入方法和策略，才能充分发挥Redis的优势
