[TIL] 241128 Redis

MONA·2024년 11월 28일

TIL

나혼공

목록 보기

37/92

오늘도 아침을 여는 코드카타..

프로그래머스-모의고사

수많은 불합리하고 말도안되는 알고리즘 문제 중 한가닥 공감을 사는 문제.. 흑흑

import java.util.ArrayList;
import java.util.Arrays;

class Solution {
    public int[] solution(int[] answers) {
        int[][] students = {
                {1, 2, 3, 4, 5},
                {2, 1, 2, 3, 2, 4, 2, 5},
                {3, 3, 1, 1, 2, 2, 4, 4, 5, 5}
        };
        int[] scores = new int[students.length]; // score

        for(int i=0; i< answers.length; i++) {
            for (int st = 0; st < students.length; st++) {
                if (answers[i] == students[st][i % students[st].length]) {
                    scores[st]++;
                }
            }
        }
        int maxScore = Arrays.stream(scores).max().orElse(0);

        ArrayList<Integer> answer = new ArrayList<>();
        for(int i =0; i < scores.length; i++) {
            if(scores[i] == maxScore) {
                answer.add(i + 1);
            }
        }
        return answer.stream().mapToInt(Integer::intValue).toArray();
    }
}

int[][] students : 수포자들(정상인들)의 정답 패턴을 작성
int[] scores : 정상인들의 눈물겨운 결과를 저장할 배열
for(int i=0; i< answers.length; i++): 정답 배열(answers)과 정답 패턴(students)를 비교하기 위해 answer의 정답을 순회
- for (int st = 0; st < students.length; st++)
  - 각 학생의 정답 패턴을 순회
- students[st][i % students[st].length]
  - 학생(st)의 정답 패턴에서 i번째 문제에 해당하는 값을 가져와 비교함
int maxScore = Arrays.stream(scores).max().orElse(0): 최고 점수 추출
for(int i =0; i < scores.length; i++): 최고 점수인 수포자들 명단 추가

프로그래머스-소수 만들기

class Solution {
    public int solution(int[] nums) {
        int cnt = 0;
        for(int i = 0; i < nums.length - 2; i++) {
            for(int j = i + 1; j < nums.length - 1; j ++) {
                for(int k = j + 1; k < nums.length; k++) {
                    int sum = nums[i] + nums[j] + nums[k];
                    if (isPrime(sum)) {
                        cnt++;
                    }
                }
            }
        }
        return cnt;
    
    public boolean isPrime(int num) {
        if (num <= 1) return false;
        for (int i = 2; i <= Math.sqrt(num); i++) {
            if ( num % i == 0) return false;
        }
        return true;
    }
}

조합을 어떻게 해야할 지 고민하는데 생각나는 가장 간단한 방법이 for문 돌리기였다
3중 for문이 되어버려서.. 저기만 시간복잡도가 O(n^3)가 될 것 같다
더 좋은 방법이 없을까. 이따 찾아봐야겠다.

인메모리 데이터베이스(In-Memory Database, IMDB)

데이터를 디스크 대신 메모리(RAM)에 저장하여 초고속 읽기 및 쓰기 성능을 제공하는 데이터베이스
디스크 기반 데이터베이스에 비해 지연 시간이 매우 낮아, 실시간 처리와 고성능을 요구하는 애플리케이션에서 사용됨

특징

메모리 기반 데이터 저장
- 데이터를 디스크가 아닌 메모리에 저장하여 초고속 접근이 가능
초저지연 데이터 처리
- 읽기/쓰기 작업이 메모리에서 직접 이루어지므로 밀리초 이하 응답 시간 제공
데이터 영속성
- 일부 IMDB는 메모리에 저장된 데이터를 주기적으로 디스크에 저장하거나, 쓰기 작업 로그를 유지하여 데이터 영구성을 보장
다양한 데이터 구조
- 문자열, 해시, 리스트, 셋 등 다양한 데이터 구조를 지원함(Redis 등)
고성능
- CPU와 메모리 중심의 아키텍처로 높은 동시성과 처리량 제공
TTL(Time-To-Live)
- 데이터의 자동 만료를 지원하여 캐싱 및 임시 데이터 관리에 적합
클러스터링 및 분산 처리
- 여러 노드에 데이터를 분산 저장하여 확장성과 고가용성을 제공

장단점

장점

빠르다!
높은 동시성: 실시간 애플리케이션에서 수많은 동시 요청을 효율적으로 처리할 수 있음
효율적인 캐싱: 자주 사용하는 데이터 캐싱으로 응답 속도 극대화
다양한 용도: 세션 관리, 실시간 분석, 순위표, 메시지 브로커 등 다양한 활동 가능
유연한 데이터 구조

단점

메모리 의존성
- 데이터가 메모리에 저장되므로 용량이 제한적
- 대규모 데이터 저장에 적합하지 않음
비용
- 메모리는 디스크보다 비싸다
데이터 영속성
- 전원이 꺼지거나 시스템 충돌 시 메모리 데이터가 손실될 위험이 있음
- 영구 저장을 위해 별도 설정이나 로그 기록 필요
데이터 복잡성
- 관계형 데이터베이스처럼 복잡한 쿼리 처리에 적합하지 않음

인메모리 데이터베이스와 디스크기반 데이터베이스

특징	인메모리 데이터베이스(IMDB)	디스크 기반 데이터베이스
속도	매우 빠름 (RAM 기반)	상대적으로 느림 (디스크 I/O)
데이터 저장소	메모리 (RAM)	디스크
데이터 영속성	메모리만 사용 시 영구성 부족	기본적으로 영구 저장 가능
확장성	메모리 용량에 제한	디스크 용량에 따라 대규모 데이터 저장 가능
비용	메모리 비용이 디스크보다 비쌈	디스크 기반으로 비용 효율적
사용 사례	캐싱, 세션 관리, 실시간 분석	트랜잭션, 복잡한 데이터 관계 저장
복잡한 쿼리 처리	제한적	SQL 기반 복잡한 쿼리 지원

드디어rrrrrrrr Redis

Redis (Remote Dictionary Server)

(조건부) 오픈소스 인메모리 데이터 저장소
고속 데이터 처리를 위해 데이터를 메모리(RAM)에 저장하고 다양한 데이터 구조를 지원하는 NoSQL 데이터베이스
캐시, 메시지 브로커, 세션 저장소 등 다양한 용도로 사용 가능

Redis

특징

인메모리 데이터 저장소
- 데이터를 디스크 대신 메모리에 저장하여 빠른 읽기/쓰기 성능을 제공
- 필요에 따라 데이터를 디스크에 백업(AOF, RDB) 가능
다양한 데이터 구조 지원
- 문자열(String), 해시(Hash), 리스트(List), 셋(Set), 정렬된 셋(Sorted Set), 비트맵(Bitmap), 하이퍼로그로그(HyperLogLog) 등 지원
싱글 스레드 기반
- 싱글 스레드 이벤트 루프를 사용해 요청 처리
- 멀티 스레드 대비 낮은 지연 시간과 일관된 성능 제공
높은 성능
- 읽기/쓰기 작업에서 초당 수백만 요청 처리 가능
- 밀리초 단위 응답 속도 제공
유연한 데이터 저장
- 캐싱 외에도 데이터의 영구 저장(Persistence)을 지원
  - RDB (Redis Database): 특정 간격으로 데이터를 스냅샷으로 저장
  - AOF (Append Only File): 모든 쓰기 작업을 기록하여 복구 가능
스케일링
- 클러스터 모드를 통해 데이터를 여러 노드에 분산 저장하여 확장 가능
PUB/SUB 메시지 브로커
- Publish/Subscribe 패턴으로 실시간 메시지 전달
트랜젝션
- 명령어를 묶어 실행하는 단순한 트랜젝션(MULTI/EXEC) 지원

주요 용도

캐싱
- 자주 사용하는 데이터를 메모리에 저장하여 빠르게 조회
- ex) 웹 애플리케이션의 세션 데이터, 사용자 프로필 등
세션 저장소
- 웹 애플리케이션에서 사용자 세션 정보를 저장
- TTL(만료 시간)을 설정하여 자동으로 데이터 삭제 가능
실시간 애플리케이션
- 채팅, 알림, 게임 스코어보드, 실시간 분석에 활용
메시지 브로커
- PUB/SUB를 사용해 실시간 알림 시스템 구축
데이터 스트림 처리
- Redis Streams를 사용해 이벤트 및 로그 데이터를 처리
순위표 관리
- Sorted Set 구조를 사용해 순위 정렬 및 점수 계산
비정형 데이터 저장
- 해시, 리스트, 셋 등을 사용해 복잡한 데이터 구조 관리

데이터 구조

데이터 구조	설명	사용 사례
String	단순 키-값 형태의 데이터	캐싱, 세션 관리
Hash	필드-값 쌍으로 구성된 해시 테이블	사용자 정보 저장 (ex: 프로필 정보)
List	순서가 있는 데이터의 컬렉션 (양방향 삽입/삭제 지원)	작업 큐, 채팅 메시지
Set	유일한 값들의 집합, 중복 허용하지 않음	태그 관리, 집합 연산 (교집합, 합집합)
Sorted Set	정렬된 값들의 집합 (점수 기반)	리더보드, 순위 관리
Bitmap	비트 수준의 값을 저장 및 조작	비트 플래그, 간단한 상태 관리
HyperLogLog	근사적(unique) 개수 계산 알고리즘	방문자 수 추정
Streams	데이터 스트림 처리 (로그, 이벤트)	이벤트 스트림 분석, 실시간 데이터 처리

근사적(unique) 개수 계산 알고리즘: 대규모 데이터 집합에서 중복되지 않은 고유 요소(Unique Elements)의 개수를 빠르고 효율적으로 추정하기 위한 방법

주요 명령어

명령어	설명	예제
`SET key value`	키에 값을 저장	`SET user:1 "Alice"`
`GET key`	키의 값을 가져옴	`GET user:1`
`HSET key field value`	해시에 필드와 값을 저장	`HSET user:1 name Alice`
`HGET key field`	해시에서 필드의 값을 가져옴	`HGET user:1 name`
`LPUSH key value`	리스트의 왼쪽에 값 추가	`LPUSH queue task1`
`LRANGE key start end`	리스트에서 특정 범위의 값을 가져옴	`LRANGE queue 0 -1`
`SADD key value`	집합에 값 추가	`SADD tags redis`
`ZADD key score value`	정렬된 집합에 점수와 값을 추가	`ZADD leaderboard 100 user1`
`EXPIRE key seconds`	키에 TTL(만료 시간) 설정	`EXPIRE user:1 300`
`PUBLISH channel message`	PUB/SUB에서 메시지 전송	`PUBLISH news "Hello"`

타입별 주요 명령어 정리

데이터 타입	명령어	설명	예제
String	`SET key value`	키에 값을 저장	`SET name Alice`
	`GET key`	키의 값을 가져옴	`GET name`
	`DEL key`	키 삭제.	`DEL name`
	`INCR key`	키의 값을 1 증가 (숫자로 간주)	`INCR counter`
	`APPEND key value`	키에 값을 추가	`APPEND name " Smith"`
Hash	`HSET key field value`	해시에 필드-값 쌍 저장	`HSET user:1 name Alice`
	`HGET key field`	특정 필드의 값을 가져옴	`HGET user:1 name`
	`HDEL key field`	특정 필드 삭제	`HDEL user:1 age`
	`HGETALL key`	모든 필드-값 쌍을 가져옴	`HGETALL user:1`
	`HEXISTS key field`	필드 존재 여부 확인	`HEXISTS user:1 name`
List	`LPUSH key value`	리스트 왼쪽에 값 삽입.	`LPUSH tasks "Task 1"`
	`RPUSH key value`	리스트 오른쪽에 값 삽입	`RPUSH tasks "Task 2"`
	`LPOP key`	왼쪽 값 제거 및 반환	`LPOP tasks`
	`RPOP key`	오른쪽 값 제거 및 반환	`RPOP tasks`
	`LRANGE key start end`	리스트의 특정 범위 값을 반환	`LRANGE tasks 0 -1`
Set	`SADD key value`	집합에 값 추가	`SADD tags redis`
	`SREM key value`	집합에서 값 제거	`SREM tags redis`
	`SMEMBERS key`	집합의 모든 값 반환	`SMEMBERS tags`
	`SINTER key1 key2`	두 집합의 교집합 반환	`SINTER tags1 tags2`
	`SUNION key1 key2`	두 집합의 합집합 반환	`SUNION tags1 tags2`
Sorted Set	`ZADD key score value`	값과 점수를 추가	`ZADD leaderboard 100 user1`
	`ZRANGE key start end`	특정 범위 값 반환 (오름차순)	`ZRANGE leaderboard 0 -1`
	`ZREVRANGE key start end`	특정 범위 값 반환 (내림차순)	`ZREVRANGE leaderboard 0 -1`
	`ZSCORE key value`	특정 값의 점수 반환	`ZSCORE leaderboard user1`
	`ZREM key value`	값 제거	`ZREM leaderboard user1`
Bitmap	`SETBIT key offset value`	특정 위치의 비트를 설정	`SETBIT user:1 0 1`
	`GETBIT key offset`	특정 위치의 비트를 가져옴	`GETBIT user:1 0`
	`BITCOUNT key`	비트 1의 개수를 반환	`BITCOUNT user:1`
HyperLogLog	`PFADD key value`	값 추가	`PFADD visitors user1`
	`PFCOUNT key`	고유 값 개수 추정	`PFCOUNT visitors`
	`PFMERGE dest source`	여러 HyperLogLog 병합	`PFMERGE all_visitors day1 day2`
Stream	`XADD key id field value`	스트림에 데이터 추가	`XADD mystream * name Alice`
	`XRANGE key start end`	범위 내 스트림 데이터 조회	`XRANGE mystream - +`
	`XREAD COUNT count STREAMS key id`	특정 ID 이후 데이터 읽기	`XREAD COUNT 2 STREAMS mystream 0`

장단점

장점

고성능: 메모리 기반 아키텍처로 읽기/쓰기 속도가 매우 빠르다
다양한 데이터 구조 지원
단순성과 유연성: 설정이 쉽고 다양한 용도로 확장 가능
스케일링: 클러스터링과 샤딩을 통해 수평 확장 가능
풍부한 기능: TTL, Pub/Sub, 트랜젝션, 데이터 지속성 등 다양한 기능 제공

단점

메모리 제한
- 인메모리 기반으로, 저장 가능한 데이터 크기가 RAM 용량에 의존
데이터 지속성
- RDB와 AOF로 데이터를 영구 저장할 수 있지만, 디스크 기반 데이터베이스에 비해 신뢰도가 낮음
싱글 스레드
- 싱글 스레드 기반이므로, 고성능을 유지하려면 CPU 코어에 따라 여러 Redis 인스턴스를 배포해야 함

Redis vs Memcached vs RDBMS

특징	Redis	Memcached	RDBMS
데이터 저장 방식	Key-Value 및 다양한 데이터 구조 지원	단순 Key-Value 저장	관계형 데이터 모델 (테이블)
속도	매우 빠름	매우 빠름	상대적으로 느림
데이터 구조	String, Hash, List, Set 등 지원	단순 문자열 저장	SQL 쿼리로 복잡한 데이터 처리 가능
데이터 영구 저장	지원 (RDB, AOF)	지원하지 않음	기본적으로 지원
스케일링	클러스터링 및 샤딩 지원	샤딩 지원	수평 스케일링 제약, 샤딩 필요
TTL 지원	기본적으로 지원	기본적으로 지원	별도 설정 필요 (트리거, 스케줄러)
사용 사례	캐싱, 세션 관리, 실시간 애플리케이션	단순 캐싱	데이터 저장, 복잡한 쿼리 처리
메모리 사용량	효율적 (압축 가능)	데이터 크기에 따라 증가	메모리 외 디스크 사용
복잡도	다양한 기능 제공으로 상대적으로 높음	단순한 설정과 사용	높은 복잡도 (스키마 설계 등)

Memcached
오픈 소스 인메모리 데이터 캐싱 시스템
데이터베이스, API, 애플리케이션에서 데이터를 캐싱하여 요청 속도를 높이고, 성능과 확장성을 개선하는 데 사용

Redis: 다양한 데이터 구조와 영구 저장(Persistence) 옵션 지원. 실시간 애플리케이션이나 복잡한 캐싱 요구에 적합
Memcached: 단순하고 경량으로 설계되어 빠르고 기본적인 캐싱에 적합
RDBMS: 관계형 데이터 저장과 복잡한 쿼리를 위한 시스템. 영구 데이터 저장소로 사용

Redis, Memcached는 주로 캐싱 용도로 사용되지만, Redis는 비교적 폭넓은 데이터 구조와 영구 저장 기능으로 다용도로 활용됨

Redis 실행해보기

컴퓨터에 설치(Mac- brew 이용)
Docker 이용

내 컴퓨터는 소중하니까 Docker compose를 이용해서 켜본다

docker compose.yml 작성

services:
  redis-stack:
    image: redis/redis-stack
    container_name: redis-stack-compose
    restart: always
    environment:
      REDIS_ARGS: "--requirepass systempass"
    ports:
      - 6379:6379
      - 8001:8001