1.分析SpringBoot 的推推荐Redis源码
2.用 Redis 搞定游戏中的实时排行榜，附源码！荐功
3.redis源码学习-ziplist篇
4.Redis 推推荐源码分析字典（dict）
5.Redis7.0源码阅读：哈希表扩容、缩容以及rehash
6.Redis 荐功源码剖析 3 -- redisCommand

分析SpringBoot 的Redis源码

       在Spring Boot 2.X版本中，官方简化了项目配置，推推荐如无需编写繁琐的荐功美化辅助网站源码web.xml和相关XML文件，只需在pom.xml中引入如spring-boot-starter-data-redis的推推荐starter包即可完成大部分工作，这极大地提高了开发效率。荐功

       深入理解其原理，推推荐我们研究了spring-boot-autoconfigure和spring-boot-starter-data-redis的荐功源码。首先，推推荐配置项在application.properties中的荐功设置会被自动映射到名为RedisProperties的类中，此类由RedisAutoConfiguration类负责扫描和配置。推推荐该类会检测是荐功否存在RedisOperations接口的实现，例如官方支持的推推荐Jedis或Lettuce，以此来决定使用哪个客户端。

       在RedisAutoConfiguration中，通过@Bean注解，它引入了LettuceConnectionConfiguration和JedisConnectionConfiguration，这两个配置类会创建RedisConnectionFactory实例。在注入RedisTemplate时，实际使用的会是第一个被扫描到的RedisConnectionFactory，这里通常是LettuceConnectionFactory，因为它们在@Import注解的导入顺序中位于前面。

       自定义starter时，可以模仿官方starter的结构，首先引入spring-boot-autoconfigure，然后创建自己的配置类（如MyRedisProperties）和操作模板类（如JedisTemplete）。在MyRedisAutoConfiguration中，你需要编写相关配置并确保在spring.factories文件中注册，以便Spring Boot在启动时扫描到你的自定义配置。

       以自定义my-redis-starter为例，项目结构包括引入的依赖，配置类的属性绑定，以及创建连接池和操作方法的实现。测试时，只需在Spring Boot项目中引入自定义starter，配置好相关参数，即可验证自定义starter的正确工作。

用 Redis 搞定游戏中的实时排行榜，附源码！京东 api 源码下载

       使用 Redis 实现游戏实时排行榜的步骤如下：

       1. 分类：按排行主体类型分为等级、战力和通天塔、通关时间等排行榜。

       2. 思路：基于实时性考虑，决定使用 Redis 实现排行榜。使用 Redis 的有序集合（SortedSet）来实现排行榜，通过 Redis 命令 ZADD 来添加成员-积分。默认情况下，若积分相同，按照成员字典顺序排序。

       3. 实现复合排序：等级排行榜中，分数定义为等级* + 战力，考虑到数值范围和 Redis 的表示能力，设计分数足以覆盖需求。通天塔排行榜中，为满足通过层数相同，通关时间较早的优先要求，将通关时间转换为相对时间，定义分数为层数*^N + (基准时间 - 通关时间)。

       4. 排名数据动态更新：对于等级排行榜，使用有序集合存储角色 UID 和复合积分，使用哈希存储动态数据。玩家等级和战斗力变化时，实时更新有序集合中的复合积分，同时更新动态数据。

       5. 取排行榜：以等级排行榜为例，通过 Redis 命令获取排行榜数据。优化步骤包括分析和解决潜在问题，采用 Pipeline 或 Multi 模式提升效率。

       实现过程中，关注技术细节和代码优化，确保排行榜功能稳定高效。参考相关资源获取更深入的实现和优化技巧。代码示例以 PHP 语言实现，展示了排行榜最基础的实现方式。

redis源码学习-ziplist篇

       Redis源码学习-ziplist篇

       ziplist是Redis中一种高效压缩的链表结构，用于存储字符串或整数。它并非传统的链表，而是连续内存块组成，通过移动地址偏移量实现next和last操作，spark local模式 源码内存利用率高但复杂性较大。

       ziplist的实现独特，没有明确的struct，仅通过首地址获取其信息。结构包含header、entrys和end三部分。header部分记录首尾地址，entrys中每个entry有entry-header、entry-encoding和entry-data，prevlength记录上一个节点长度，entry-encoding用于区分整数和字符串，entry-data存储实际内容。对于长度超过的字符串，会进行压缩编码。

       ziplist创建简单，使用zmalloc分配内存。insert和delete操作可能引发连锁更新，当新节点插入或原有节点删除时，需要调整相邻节点的prevlength，最坏情况下时间复杂度为O(n^2)。find函数则直接遍历，通过skip参数优化查找性能，特别是在上层容器如hash结构中。

       总结来说，ziplist通过连续内存优化内存使用，但其维护复杂性源于插入和删除操作时的连锁更新，find函数利用skip优化查找性能。

Redis 源码分析字典（dict）

       字典，作为数据结构类型在高级语言中实现广泛，Redis 使用C语言自建字典实现。

       字典内部结构由dict.h/dict表示，包含size、rehashidex、sizemark等关键属性，size每次分配不超过2^s，rehashidex标记是否进行重哈希，sizemark用于计算当前key所在dictEntry位置。

       哈希算法默认采用siphash，计算键值哈希值后，通过哈希表的云南时时彩源码sizemake属性得到索引值。

       哈希冲突采用链地址法，头插式解决，根据负载因子判断是否进行哈希表扩容，执行函数_dictExpandIfNeeded。

       负载因子过高时，需要扩容以优化查询效率，而持久化下，尽量减少扩容以避免阻塞服务器。

       在服务器定时任务中，进行rehash优化，ht_table[0]中存在空节点，每访问 * N个空字节后，直接返回。rehash过程分为渐进式hash和定时执行rehash，以避免服务器长时间阻塞。

       rehash过程中，仅在ht_table[1]插入元素，确保ht_table[0]元素减少不增加，涉及0和1两个表的dictFind和dictDelete操作。

       字典默认使用siphash作为哈希算法，持久化时服务器在rehash操作所需负载因子通常为5秒。

       迭代器分为安全迭代器和非安全迭代器，安全模式支持边遍历边修改，但不支持rehash操作；非安全模式仅支持读取操作。

       迭代器选择需考虑遍历过程中元素处理需求，安全模式避免重复遍历，非安全模式允许出现个别元素重复。

       以上内容转自某博客，欲了解更多Linux服务器开发、架构师面试题、学习资料、教学视频和学习路线图，可自行添加学习交流群获取。

Redis7.0源码阅读：哈希表扩容、缩容以及rehash

       当哈希值相同发生冲突时，Redis 使用链表法解决，将冲突的键值对通过链表连接，但随着数据量增加，冲突加剧，查找效率降低。手机分时公式源码负载因子衡量冲突程度，负载因子越大，冲突越严重。为优化性能，Redis 需适时扩容，将新增键值对放入新哈希桶，减少冲突。

       扩容发生在 setCommand 部分，其中 dictKeyIndex 获取键值对索引，判断是否需要扩容。_dictExpandIfNeeded 函数执行扩容逻辑，条件包括：不在 rehash 过程中，哈希表初始大小为0时需扩容，或负载因子大于1且允许扩容或负载因子超过阈值。

       扩容大小依据当前键值对数量计算，如哈希表长度为4，实际有9个键值对，扩容至（最小的2的n次幂大于9）。子进程存在时，dict_can_resize 为0，反之为1。fork 子进程用于写时复制，确保持久化操作的稳定性。

       哈希表缩容由 tryResizeHashTables 判断负载因子是否小于0.1，条件满足则重新调整大小。此操作在数据库定时检查，且无子进程时执行。

       rehash 是为解决链式哈希效率问题，通过增加哈希桶数量分散存储，减少冲突。dictRehash 函数完成这一任务，移动键值对至新哈希表，使用位运算优化哈希计算。渐进式 rehash 通过分步操作，减少响应时间，适应不同负载情况。定时任务检测服务器空闲时，进行大步挪动哈希桶。

       在 rehash 过程中，数据查询首先在原始哈希表进行，若未找到，则在新哈希表中查找。rehash 完成后，哈希表结构调整，原始表指向新表，新表内容返回原始表，实现 rehash 结果的整合。

       综上所述，Redis 通过哈希表的扩容、缩容以及 rehash 动态调整哈希桶大小，优化查找效率，确保数据存储与检索的高效性。这不仅提高了 Redis 的性能，也为复杂数据存储与管理提供了有力支持。

Redis 源码剖析 3 -- redisCommand

       Redis 使用 redisCommand 结构体处理命令请求，其内包含一个指向对应处理函数的 proc 指针。redisCommandTable 是一个存储所有 Redis 命令的数组，位于 server.c 文件中。此数组通过 populateCommandTable() 函数填充，该函数将 redisCommandTable 的内容添加到 server.commands 字典，将 Redis 支持的所有命令及其实现整合。

       populateCommandTable() 函数中包含 populateCommandTableParseFlags() 子函数，用于将 sflags 字符串转换为对应的 flags 值。lookupCommand*() 函数族负责从 server.commands 中查找相应的命令。

Redis 主从复制 - 源码梳理

       本文主要剖析Redis主从复制机制中的核心组件之一——复制积压缓冲区（Replication Buffer），旨在为读者提供一个对Redis复制流程和缓冲区机制深入理解的平台，以下内容仅基于Redis版本7.0.，若读者在使用过程中发现偏差，欢迎指正。

       复制积压缓冲区在逻辑上可理解为一个容量最大的位整数，其初始值为1，由offset、master_repl_offset和repl_backlog-histlen三个变量共同决定缓冲区的有效范围。offset表示缓冲区内命令起始位置，master_repl_offset代表结束位置，二者之间的长度由repl_backlog-histlen表示。

       每当主节点执行写命令，新生成的积压缓冲区大小增加，同时增加master_repl_offset和repl_backlog-histlen的值，直至达到预设的最大容量（默认为1MB）。一旦所有从节点接收到命令并确认同步无误，缓冲区内过期的命令将被移除，并调整offset和histlen以维持积压区容量的稳定性。

       为实现动态分配，复制积压缓冲区被分解成多个block，以链表形式组织。每个block采用引用计数管理策略，初始值为0，每当增加或删除从节点对block的引用时，计数值相应增减。新生成block时，将master_repl_offset+1设置为block的repl_offset值，并将写入命令拷贝至缓冲区内，与此同时，master_repl_offset和repl_backlog-histlen增加。

       通过循环遍历所有从节点，为每个从节点设置ref_repl_buf_node指向当前block或最后一个block，确保主从复制能够准确传递命令。当主节点接收到从节点的连接请求时，将开始填充积压缓冲区。在全量复制阶段，从slave-replstate为WAIT_BGSAVE_START至ONLINE，表示redis从后台进程开始执行到完成RDB文件传输和加载，命令传播至此阶段正式开始。

       针对每个从节点，主节点从slave-ref_block_pos开始发送积压缓冲区内的命令，每发送成功，slave-ref_block_pos相应更新。当积压缓冲区超过预设阈值，即复制积压缓冲区中的有效长度超过repl-backlog-size（默认1MB）时，主节点将清除已发送的缓冲区，释放内存。如果主节点写入命令频繁或从节点断线重连时间长，则需合理调整缓冲区大小（推荐值为2 * second * write_size_per_second）以保持增量复制的稳定运行。

       当最后一个从节点与主节点的连接断开超过repl-backlog-ttl（默认为秒）时，主节点将释放repl_backlog和复制积压缓冲区以确保资源的有效使用。不过需要注意的是，从节点的释放操作依赖于节点是否可能成为新的主节点，因此在最后处理逻辑上需保持谨慎。

redis源码学习-quicklist篇

       Redis源码中的quicklist是ziplist优化版的双端链表，旨在提高内存效率和操作效率。ziplist虽然内存使用率高，但查找和增删操作的最坏时间复杂度可能达到O(n^2)，这与Redis高效数据处理的要求不符。quicklist通过每个节点独立的ziplist结构，降低了更新复杂度，同时保持了内存使用率。

       quicklist的基本结构包括：头节点（head）、尾节点（tail）、entry总数（count）、节点总数（len）、容量指示（fill）、压缩深度（compress）、以及用于内存管理的bookmarks。节点结构包括双向链表的prev和next，ziplist的引用zl，ziplist的字节数sz、item数count、以及ziplist类型（raw或lzf压缩）和尝试压缩标志（attempted_compress）。

       核心操作函数如create用于初始化节点，insert则根据需求执行头插法或尾插法。delete则简单地从链表中移除节点，释放相关内存。quicklist的优化重点在于ziplist，理解了ziplist的工作原理，quicklist的数据结构理解就相对容易了。

Redis 实现分布式锁 +Redisson 源码解析

       在一些场景中，多个进程需要以互斥的方式独占共享资源，这时分布式锁成为了一个非常有用的工具。

       随着互联网技术的快速发展，数据规模在不断扩大，分布式系统变得越来越普遍。一个应用往往会部署在多台机器上（多节点），在某些情况下，为了保证数据不重复，同一任务在同一时刻只能在一个节点上运行，即确保某一方法在同一时刻只能被一个线程执行。在单机环境中，应用是在同一进程下的，仅需通过Java提供的 volatile、ReentrantLock、synchronized 及 concurrent 并发包下的线程安全类等来保证线程安全性。而在多机部署环境中，不同机器不同进程，需要在多进程下保证线程的安全性，因此分布式锁应运而生。

       实现分布式锁的三种主要方式包括：zookeeper、Redis和Redisson。这三种方式都可以实现分布式锁，但基于Redis实现的性能通常会更好，具体选择取决于业务需求。

       本文主要探讨基于Redis实现分布式锁的方案，以及分析对比Redisson的RedissonLock、RedissonRedLock源码。

       为了确保分布式锁的可用性，实现至少需要满足以下四个条件：互斥性、过期自动解锁、请求标识和正确解锁。实现方式通过Redis的set命令加上nx、px参数实现加锁，以及使用Lua脚本进行解锁。实现代码包括加锁和解锁流程，核心实现命令和Lua脚本。这种实现方式的主要优点是能够确保互斥性和自动解锁，但存在单点风险，即如果Redis存储锁对应key的节点挂掉，可能会导致锁丢失，导致多个客户端持有锁的情况。

       Redisson提供了一种更高级的实现方式，实现了分布式可重入锁，包括RedLock算法。Redisson不仅支持单点模式、主从模式、哨兵模式和集群模式，还提供了一系列分布式的Java常用对象和锁实现，如可重入锁、公平锁、联锁、读写锁等。Redisson的使用方法简单，旨在分离对Redis的关注，让开发者更专注于业务逻辑。

       通过Redisson实现分布式锁，相比于纯Redis实现，有更完善的特性，如可重入锁、失败重试、最大等待时间设置等。同时，RedissonLock同样面临节点挂掉时可能丢失锁的风险。为了解决这个问题，Redisson提供了实现了RedLock算法的RedissonRedLock，能够真正解决单点故障的问题，但需要额外为RedissonRedLock搭建Redis环境。

       如果业务场景可以容忍这种小概率的错误，推荐使用RedissonLock。如果无法容忍，推荐使用RedissonRedLock。此外，RedLock算法假设存在N个独立的Redis master节点，并确保在N个实例上获取和释放锁，以提高分布式系统中的可靠性。

       在实现分布式锁时，还需要注意到实现RedLock算法所需的Redission节点的搭建，这些节点既可以是单机模式、主从模式、哨兵模式或集群模式，以确保在任一节点挂掉时仍能保持分布式锁的可用性。

       在使用Redisson实现分布式锁时，通过RedissonMultiLock尝试获取和释放锁的核心代码，为实现RedLock算法提供了支持。