Redis05——Redis高级运用（管道连接，发布订阅，布隆过滤器）

Redis高级运用

一、管道连接redis（一次发送多个命令，节省往返时间）

1.安装nc

yum install nc -y

2.通过nc连接redis

nc localhost 6379

3.通过echo向nc发送指令

echo -e "set k2 99\nincr k2\n get k2" |nc localhost 6379

二、发布订阅(pub/Sub)

publish channel message

subscribe channel

三、事务（transactions）

multi 开启事务
...
exec 执行事务

watch 如果数据被更改，那就不执行事务
unwatch 取消监视

discard 放弃事务

四、布隆过滤器（redisbloom）

在redis.io/modules选择redisbloom的github，克隆下来

解压，make编译，将redisbloom.so这个链接库复制到/opt/redis

执行

redis-server --loadmodule /opt/redis/redisbloom.so 

科普：bloom filter,counting bloom,cukcoo是什么？
1.bloom filter
它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。
运用:网页黑名单、垃圾邮件、爬虫网址判重
Java想要使用BloomFilter可以考虑使用google的guava

2.counting bloom
这个计数器，使用4位bit来表示一个计数（这个数字可以自己指定长度的），所以我们可以进行计数。

（详细参考：https://wenku.baidu.com/view/9e5832df7f1922791688e84f.html）

3.cuckcoo
cuckoo filter的产生源于一个故事，盒子故事（参考：https://www.cnblogs.com/chuxiuhong/p/8215719.html）
我们使用2个表存，可以存放在任意一个，那么数学期望由O(logN/loglogN)变成O(loglogN)。
因此，而设计出来布谷过滤器。
布谷过滤器使用2个哈希表，元素计算哈希，如果没有值，则放入，有值，则踢出元素，重新计算新的哈希，放入，如此反复。参考附件：cuckoo filter

redis的布隆过滤器模块也是用到了cuckoo的哈希，在cuckoo.c文件中

Redis Bloom的使用：

BF.ADD k1 V   添加数据值
BF.EXISTS k1 V    判断是否存在