【文末送书】还在直接操作Redis?你Out啦！-技术圈

有些人还在直接用Jedis操作Redis数据库，但这种方式非常不方便，而且很不灵活。用Spring Boot整合Redis之后，既能非常方便地操作Redis数据库，Spring Boot又可以自由地在Lettuce或Jedis等技术之间自由切换。

目前Jedis操作Redis已经趋于淘汰，而是应该使用Lettuce。Spring Data Redis模块默认使用Lettuce。

由于Spring Data是高层次的抽象，而SpringData Redis只是属于底层的具体实现，因此Spring Data Redis也提供了与前面Spring Data完全一致的操作。

归纳起来，Spring Data Redis大致包括如下几方面功能。

DAO接口只需继承CrudRepository，Spring Data Redis能为DAO组件提供实现类。
Spring Data Redis支持方法名关键字查询，只不过Redis查询的属性必须是被索引过的。
Spring Data Redis同样支持DAO组件添加自定义的查询方法—通过添加额外的接口，并为额外的接口提供实现类，Spring Data Redis就能将该实现类中的方法“移植”到DAO组件中。
Spring Data Redis同样支持Example查询。

需要说明的是，Spring Data Redis支持的方法名关键字查询功能不如JPA强大，这是由Redis底层决定的—Redis不支持任何查询，它是一个简单的key-value数据库，它获取数据的唯一方式就是根据key获取value。因此它不能支持GreaterThan、LessThan、Like等复杂关键字，它只能支持如下简单的关键字。

And：比如在接口中可以定义“findByNameAndAge”。
Or：比如“findByNameOrAge”。
Is、Equals：比如“findByNameIs”“findByName”“findByNameEquals”。这种表示相同或相等的关键字不加也行。
Top、First：比如“findFirst5Name”“findTop5ByName”，实现查询前5条记录。

那问题来了，Spring Data操作的是数据类（对JPA则是持久化类），那么它怎么处理数据类与Redis之间的映射关系呢？其实很简单，SpringData Redis提供了如下两个注解。

@RedisHash：该注解指定将数据类映射到Redis的Hash对象。
@TimeToLive：该注解修饰一个数值类型的属性，用于指定该对象的超时时长。

此外，Spring Data Redis还提供了如下两个索引化注解。

@Indexed：指定对普通类型的属性建立索引，索引化后的属性可用于查询。
@GeoIndexed：指定对Geo数据（地理数据）类型的属性建立索引。

在理解了Spring Data Redis的设计之后，接下来通过示例来介绍Spring Data Redis的功能和用法。首先依然是创建一个Maven项目，然后让其pom.xml文件继承spring-boot-starter-parent，并添加spring-boot-starter-data-redis.jar依赖和commons-pool2.jar依赖。由于本例使用SpringBoot的测试支持来测试DAO组件，因此还添加了spring-boot-starter-test.jar依赖。具体可以参考本例的pom.xml文件。

先为本例定义application.properties文件，用来指定Redis服务器的连接信息。

程序清单

spring.redis.host=localhostspring.redis.port=6379# 指定连接Redis的DB1数据库spring.redis.database=1# 连接密码spring.redis.password=32147# 指定连接池中最大的活动连接数为20spring.redis.lettuce.pool.maxActive = 20# 指定连接池中最大的空闲连接数为20spring.redis.lettuce.pool.maxIdle=20# 指定连接池中最小的空闲连接数为2spring.redis.lettuce.pool.minIdle = 2

下面定义本例用到的数据类。

程序清单

@RedisHash("book")public class Book{    // 标识属性，可用于查询    @Id    privateInteger id;    // 带@Indexed注解的属性被称为“二级索引”，可用于查询    @Indexed    privateString name;    @Indexed    privateString description;    privateDouble price;    // 定义它的超时时长    @TimeToLive(unit = TimeUnit.HOURS)    Longtimeout;    // 省略getter、setter方法和构造器    ...}

上面的Book类使用了@RedisHash("book")修饰，这意味着将该类的实例映射到Redis中的key都会增加book前缀。

上面的id实例变量使用了@Id修饰，这表明它是一个标识属性，这一点和所有Spring Data的设计都是一样的。

上面的name、description两个实例变量使用了@Indexed修饰，这表明它们将会被“索引化”—其实就是为它们创建对应的key，后面会看到详细示例。

接下来定义本例中DAO组件的接口。

程序清单：

public interface BookDaoextends CrudRepository<Book, Integer>,       QueryByExampleExecutor<Book>{   List<Book> findByName(Stringname);   List<Book> findByDescription(StringsubDesc);}

正如从上面代码所看到的，该DAO接口继承了CrudRepository，这是Spring Data对DAO组件的通用要求。此外，该DAO接口还继承了QueryByExampleExecutor，这意味着它也可支持Example查询。

下面为该DAO组件定义测试用例，该测试用例的代码如下。

程序清单：

@SpringBootTest(webEnvironment = SpringBootTest.WebEnvironment.NONE)public class BookDaoTest{    @Autowired    private BookDaobookDao;     @Test    publicvoid testSaveWithId(){        varbook = new Book("疯狂Python",               "系统易懂的Python图书，覆盖数据分析、爬虫等热门内容", 118.0);        // 显式设置id，通常不建议设置       book.setId(2);        book.setTimeout(5L); // 设置超时时长        bookDao.save(book);    }    @Test    publicvoid testUpdate(){        // 更新id为2的Book对象        bookDao.findById(2)               .ifPresent(book -> {                   book.setName("疯狂Python讲义");                   bookDao.save(book);               });    }    @Test    publicvoid testDelete(){        // 删除id为2的Book对象        bookDao.deleteById(2);    }    @ParameterizedTest    @CsvSource({"疯狂Java讲义, 最全面深入的Java图书, 129.0",           "SpringBoot终极讲义,无与伦比的SpringBoot图书, 119.0"})    publicvoid testSave(String name, String description, Double price){        varbook = new Book(name, description, price);        bookDao.save(book);    }    @ParameterizedTest    @ValueSource(strings= {"疯狂Java讲义"})    publicvoid testFindByName(String name){        bookDao.findByName(name).forEach(System.out::println);    }    @ParameterizedTest    @ValueSource(strings= {"最全面深入的Java图书"})    publicvoid testFindByDescription(String description){        bookDao.findByDescription(description).forEach(System.out::println);    }    @ParameterizedTest    @CsvSource({"疯狂Java讲义, 最全面深入的Java图书"})    publicvoid testExampleQuery1(String name, String description){        // 创建样本对象（probe）        vars = new Book(name, description, 1.0);        // 不使用ExampleMatcher，创建默认的Example        bookDao.findAll(Example.of(s)).forEach(System.out::println);    }    @ParameterizedTest    @ValueSource(strings= {"SpringBoot终极讲义"})    publicvoid testExampleQuery2(String name){        // 创建matchingAll的ExampleMatcher        ExampleMatchermatcher = ExampleMatcher.matching()               // 忽略null属性，该方法可以省略               //.withIgnoreNullValues()               .withIgnorePaths("description"); // 忽略description属性        // 创建样本对象（probe）        vars = new Book(name, "test", 1.0);        bookDao.findAll(Example.of(s,matcher)).forEach(System.out::println);    }}

虽然上面DAO组件中只定义了两个方法，但由于DAO接口继承了CrudRepository和QueryByExampleExecutor，它们为DAO接口提供了大量方法。

运行上面的testSaveWithId()方法，该方法测试BookDao的save()方法，该方法运行完成后看不到任何输出。但打开AnotherRedis DeskTop Manager连接DB1，则可看到图1所示的数据。

图1 通过save()方法保存的数据

从图1可以看到，虽然程序只保存了一个Book对象，但Redis底层生成了大量key-value对，由于前面在Book类上增加了@RedisHash("book")注解，因此这些key的名字都以“book”开头。

先看名为“book”的key，图1显示了该key的内容，该key对应一个Set，该Set中的元素就是每个Book对象的标识属性值。由于此时系统中仅有一个Book对象，因此该key对应的Set中只有一个元素。

再看名为“book:标识属性值”（此处就是book:2）的key，图2显示了该key的内容。

图2 实际保存的对象

从图2可以看到，“book:标识属性值”key所对应的是一个Hash，它完整地保存了整个Book对象的所有数据，这就是Redis性能非常好的原因—当程序要根据id获取某个Book对象时，Redis直接获取key为“book:id值”的value，这样就得到了该Book对象的全部数据。

前面还为Book对象的name、description属性添加了@Indexed注解，因此Spring Data还会为它们创建对应的key，从而实现高速查找。接下来看名为“book:name:疯狂Python”的key的内容，可以看到如图3所示的数据。

图3 被索引的属性

从图2可以看到，“book:name:疯狂Python”key对应的是一个Set，该Set的成员就是Book对象的id。此处为何要用Set呢？因为当程序保存多个Book对象时，完全有可能多个Book对象的name属性值都是“疯狂Python”，此时它们的id都需要由“book:name:疯狂Python”key所对应的Set负责保存，因此该key对应的是一个Set。

由此可见，当对数据类的某个属性使用@Indexed注解修饰之后，在保存该数据对象时就会为它保存一个名为“类映射名:属性名:属性值”的key，在该key对应的Set中将会添加该对象的标识属性。

最后来看key为“book:标识属性值:idx”的内容，可以看到如图4所示的数据。

图4 保存对象额外的key

从图4可以看到，key为“book:标识属性值:idx”的内容也是Set，它保存该对象所有额外的key。

假如程序要查找name（假设name有@Indexed修饰）为“疯狂Python”的图书，Spring Data Redis底层会怎么做呢？Spring Data Redis会直接获取“book:name:疯狂Python”key对应的Set，该Set中包含了所有name为“疯狂Python”的Book对象的id，然后遍历该Set的每个元素—每个元素都是一个id，接下来Spring Data Redis再获取“book:id值”对应的Hash对象，这样就获得了所有符合条件的Book对象。在这个过程中，Spring Data Redis的两次操作都是通过key来获取value的，因此效率非常高，这都得益于SpringData Redis的优良设计和Redis的高效性能。

如果要保存一个所有属性都不用@Indexed修饰的Book对象，则只需要改变两个key。

book：在该key对应的Set中添加新Book对象的id。
book:id：该key保存该Book对象的全部数据。

如果要保存一个有N个属性使用@Indexed修饰的Book对象，则需要改变如下key。

book：在该key对应的Set中添加新Book对象的id。
book:id：该key对应的Hash对象保存了该Book对象的全部数据。
book:id:idx：该key对应的Set保存了该Book对象所有额外的key。
N个book:属性名:属性值：该key对应的Set保存了所有该属性都具有相同属性值的Book对象的id值。

以上内容摘自《疯狂Spring Boot终极讲义》，阅读此书，写出自己的学习开发自己的自动配置和Starter组件。此书正在京东、当当限时5折促销，欢迎扫码下单：

小哈又来送书辣，这次是送5本《疯狂Spring Boot终极讲义》，直接在小程序抽奖助手上抽，小伙伴们在公众号回复关键字【抽奖】即可获取参与二维码，明晚八点开奖，包邮到家哦，感谢大家这么长时间以来对公众号的支持，感激感激哦～