9人参与 • 2025-06-10 • Redis
我们有一个 logmediaadidcache 类，用于缓存广告位 id，并定期从 redis 刷新数据。原始实现使用 set 存储数据，结构如下：
set logscraping:mediaadid [id1, id2, id3, ...]
但随着业务发展，我们需要存储更多元信息（如广告位名称、状态、更新时间等），仅用 set 已无法满足需求。
name, status, updatetime）。因此，我们决定将数据结构从 set 改为 hash：
hash logscraping:mediaadid
id1 -> { "name": "广告位1", "status": "active" }
id2 -> { "name": "广告位2", "status": "inactive" }
| 特性 | set | hash |
|---|---|---|
| 存储方式 | 无序唯一集合 | 键值对存储（field-value） |
| 适用场景 | 去重、集合运算（交集、并集） | 结构化数据，需存储额外属性 |
| 查询效率 | o(1) 判断元素是否存在 | o(1) 按 field 查询 value |
| 扩展性 | 只能存储单一值 | 可存储复杂对象（json、map） |
结论：
@component
@slf4j
@requiredargsconstructor
public class logmediaadidcache {
private final redistemplate<string, string> redistemplate;
private volatile set<long> cachedlogmediaadids = collections.emptyset();
public static final string log_redis_key = "logscraping:mediaadid";
@postconstruct
public void init() {
refreshcache();
}
@scheduled(fixedrate = 5 * 1000) // 每5秒刷新一次
public void refreshcache() {
try {
map<object, object> idmap = redistemplate.opsforhash().entries(log_redis_key);
if (idmap != null) {
set<long> newcache = idmap.keyset().stream()
.map(key -> long.valueof(key.tostring()))
.collect(collectors.toset());
this.cachedlogmediaadids = newcache;
log.info("广告位id缓存刷新成功，数量: {}", newcache.size());
}
} catch (exception e) {
log.error("刷新广告位id缓存失败", e);
}
}
public set<long> getlogmediaadids() {
return collections.unmodifiableset(cachedlogmediaadids);
}
public boolean contains(long mediaadid) {
return cachedlogmediaadids.contains(mediaadid);
}
// 新增方法：获取广告位详情
public string getadinfo(long mediaadid) {
return redistemplate.<string, string>opsforhash().get(log_redis_key, mediaadid.tostring());
}
// 新增方法：更新广告位信息
public void updateadinfo(long mediaadid, string info) {
redistemplate.opsforhash().put(log_redis_key, mediaadid.tostring(), info);
refreshcache(); // 立即刷新缓存
}
}
opsforhash() 操作 redis hash，支持结构化存储。getadinfo() 方法，按广告位 id 查询详情。updateadinfo() 方法，支持动态更新数据。@component
@slf4j
@requiredargsconstructor
public class logstatsmonitorjob {
private final redistemplate<string, string> redistemplate;
private static final string log_stats_key = "log:stats:1635474646";
@scheduled(fixedrate = 10 * 1000) // 每10秒执行一次
public void monitorlogstats() {
string currenttimekey = getformattedtime();
string fullkey = log_stats_key + ":" + currenttimekey;
try {
map<object, object> stats = redistemplate.opsforhash().entries(fullkey);
if (stats == null || stats.isempty()) {
log.warn("未找到统计信息: {}", fullkey);
return;
}
log.info("----- 统计信息监控（key: {}）-----", fullkey);
stats.foreach((field, value) ->
log.info("{}: {}", field, value));
// 业务处理示例
int total = integer.parseint(stats.getordefault("total", "0").tostring());
if (total > 1000) {
log.warn("警告：数据量过大（{}条）", total);
}
} catch (exception e) {
log.error("监控统计信息失败", e);
}
}
private string getformattedtime() {
// 生成格式化的时间戳，如 20250609175050
return localdatetime.now()
.format(datetimeformatter.ofpattern("yyyymmddhhmmss"));
}
}
（见上文 3.1 节）
（见上文 4.1 节）
@configuration
@enablescheduling
public class schedulingconfig {
// 启用定时任务
}
本文通过一个实际案例，演示了如何将 redis 数据结构从 set 迁移到 hash，并实现高效定时监控。合理的数据结构选择 + 定时任务优化，可以显著提升系统性能和可维护性。
以上就是redis定时监控与数据处理实践指南的详细内容，更多关于redis定时监控与数据处理的资料请关注代码网其它相关文章！
您想发表意见！！点此发布评论
版权声明：本文内容由互联网用户贡献，该文观点仅代表作者本人。本站仅提供信息存储服务，不拥有所有权，不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 2386932994@qq.com 举报，一经查实将立刻删除。
发表评论