上一篇说了redis的管道功能，并延伸了里边的一些linux基本操作，这一篇就把上一篇开篇讲的几个高级功能补全，上一篇说准备记录的高级功能有：
管道
事务
发布/订阅
过期
布隆过滤器
事务
除了管道，redis还有事务，可以一定程度上保证一组操作的原子性。主要用到multi、exec、watch以及unwatch这些关键词。
一个事务以multi开头，然后可以进行很多操作指令，直到输入了exec后正式执行。
假如有两个客户端，A客户端先输入multi，然后输入了一连串的redis操作，之后B客户端在输入multi，然后也输入了一串操作，但是B客户端先执行了exec，A客户端后执行exec，实际上最终先执行的会是B的操作。
当然了，更准确的说法是，上边的先后指的是服务端接收到的时间，由于网络等原因，先输入不代表先接收。
一个事务操作示例如下：
1 | multi |
除了上边这种操作外，事务还可以配合watch使用，watch用来监听某个或者多个key的变化，如果监听过程中相应的key值发生了改变，则接下来执行事务将会失败，例如：
client1先监听一个key，然后开启事务，再进行一些操作，但是不执行exec
1 | watch k1 |
然后client2改变key的值
1 | set k1 222 |
接下来回到client1执行exec，就会发现返回结果nil，实际就是watch监听的数据发生了改变，导致整个事务失败。
发布/订阅
在说redis基础数据结构的时候，list中有一个异步阻塞功能，使用blpop、brpop命令可以阻塞客户端，直到取到结果为止。
这个功能在一定程度上可以实现类似消息监听和消费，只不过一取到数据就结束了。
而redis本身实现了真正的消息发布订阅功能，使用publish、subscribe命令进行操作，例如：
消费端使用subscribe监听某个channel通道：
1 | subscribe channel1 |
重开一个命令行窗口，使用publish向上边的channel通道发布消息：
1 | publish channel1 hello |
发布之后，上边第一个窗口就会立即接收到消息并打印出来。
虽然redis带有发布订阅功能，但是却又一个问题存在，也就是之后消费端订阅之后的，或者说正开着订阅的情况下，消息才会接收到，如果客户端断开连接，也只能接收重连之后再重新订阅的消息，断线过程中的消息依然会丢掉。
过期
redis虽然可以持久化存储，但是实际上多数情况下都是被用作缓存，缓存也就是暂时存储，在这方面redis提供了一个很方便的功能，即设置超时。
设置超时方式有两种，一种是在设值的时候同时设置超时时间，这个方式只适用于string类型，其他类型的操作暂时没有此选项。
另一种是使用expire功能对需要设置超时的key设置超时时间，这个就是通用的，可以对任何redis支持的类型设置超时。
对于string类型数据直接设置超时时间，会有两个参数可选，一个是ex一个是px，其中ex代表秒为单位，px代表毫秒为单位，例如：
1 | set k1 111 ex 2000 |
上边的操作会把k1在redis中保存2000秒，而下边的操作则只会保存2秒：
1 | set k2 111 px 2000 |
但是对于通用的expire来说，就不支持毫秒参数了，后边只能是秒为单位，例如：
1 | expire k1 2000 |
这里的2000代表的也是2000秒，而不是2000毫秒。
redis超时需要注意的是，缓存一个重要的作用实际就是为了减少数据库的io操作，又因为内存资源问题，所以正常缓存的应该是热数据，经常使用到的数据就是热数据。
所以可能会有人觉得是不是经常被读取的数据，会自动延长超时时间，而实际上读数据并不会延长改变过期时间。
重新写数据的时候，是会改变过期时间的，如果重新给了过期时间则变成新的过期时间，如果没有给新的过期时间则会变成永久，直到redis服务宕机，另外，对数据进行计算也不会改变过期时间。
布隆过滤器
上边也提到了，redis的一大作用就是缓存热数据，从而减少数据库的频繁io，就相当于数据库之前的一道屏障，进而提升系统的整体性能以及可用性。
那么在很多实际业务中，就会有缓存查不到就去查数据库的逻辑，以保证业务的整体性和可靠性。
但是这样一来，就又会存在redis缓存中没有，数据库中实际也没有，这种场景就称作redis缓存穿透，如果有大量的这种请求，可想而知数据库就很容易出现问题，而布隆过滤器就刚好可以一定程度上解决缓存穿透这个问题。
布隆过滤器不是redis的基础功能，而是一个额外的模块，若要使用，就需要先下载和挂在，大致步骤如下
1 | wget https://github.com/RedisBloom/RedisBloom/archive/master.zip |
上述第一行应该不用多说，就是linux基本的wget下载，第二步解压zip文件应该也不需多说，第三步是对于源码的编译更不用多说。
第四步是关键，这里是启动redis服务的时候挂在布隆过滤器，需要注意的是，后边的so文件，就是make生成的，具体的路径要视情况而定，并且一定要写绝对路径。
当然了，这个内容也可以配置到redis的配置文件中，就不需要每次启动都手动配置。
有了上边的操作，就可以使用布隆过滤器了，关键的操作有三个，分别是bf.add、bf.exists和bf.reserve，add的作用是往过滤器中添加内容，exists用来判断是否存在，而reserve可以设置错误率和预计容量以自定义处理，示例如下：
1 | bf.add filter1 111 |
上边的filter1和filter2可以理解为过滤器的名称，使用exists判定的时候，过滤器中有的就返回1，没有的就返回0.
对于reserve，除了过滤器名字之外，还需要给一个错误率，一个预计容量，错误率越低，消耗的存储空间越大，实际数据超出了预计容量，误判率就会升高。
同时还要注意的是，reserve只能用于还不存在的过滤器上，对已有的过滤器执行这个操作会抛出异常。
布隆过滤器底层存储像bitmap一样使用字节位存储，就存在可能多个数据占用同一个位，因而也导致了一定的误判率，误判结果就是：布隆过滤器返回不存在的一定不存在，布隆过滤器返回存在的不一定存在。
布隆过滤器的数据存储，使得空间公用，大大节省了存储空间，但是也有共用，就导致不允许删除过滤器中的元素，因此布隆顾虑器也是找不到删除元素操作的，根据网上的说法，布谷过滤器可以处理这一类的问题，这里就暂停拓展。
