股票交易信息实时大屏(Kafka+storm+Redis+DataV)

发布时间:2023年12月19日

目录

引言

需求分析:

思路

数据源:

数据传输:

数据处理:

数据统计:

数据可视化:

数据提取:

技术栈

技术实现

前端界面搭建

????????布局:

?????????组件:? ? ? ??

? ? ? ? 通信:

?Redis客户端搭建

? ? ? ? 依赖:

? ? ? ? Controller示例:

????????Service示例:

? ??? ?storm拓扑示例:

????????核心统计bolt:

? ? ? ? 统计结果持久化bolt:

? ? ? ? Redis连接池:


股票大数据统计展屏(基于docker搭建的storm、zookeeper、kafka集群实现)

引言

? ? ? ? 前面的文章已经基于Docker-compose搭建kafka、storm、zookeeper集群,并对集群进行了测试。首先使用kafka读取文件数据,而后将数据发送给storm,最后使用storm实现对股票交易量以及交易金额的实时统计。

? ? ? ? 经过了之前的关于实时流计算组件的学习,对storm、kafka、zookeeper一列大数据组件有了一定的了解。《实时计算》这门课程的大作业要求我们实时接收、处理数据模拟器中的数据,并且按照要求展示到前端。

需求分析:

? ? ? ? (a) 订单的已处理速度,单位为“条/秒”;
? ? ? ? (b) 近 1 分钟与当天累计的总交易金额、交易数量;
? ? ? ? (c) 近 1 分钟与当天累计的买入、卖出交易量;
? ? ? ? (d) 近 1 分钟与当天累计的交易金额排名前 10 的股票信息;
? ? ? ? (e) 近 1 分钟与当天累计的交易量排名前 10 的交易平台;
? ? ? ? (f)??展示全国各地下单客户的累计数量(按省份),在地图上直观展示;
? ? ? ? (g) 展示不同股票类型的交易量分布情况;
????????

思路

数据源:

? ? ? ? 数据来源于老师提供的股票数据模拟器,该模拟器将会产生如下图的股票数据。关于数据源的获取,考虑使用kafka循环读取文件末尾的数据。

数据传输:

? ? ? ? 当kafka将文件中的数据读取到消息队列时,便将该数据向storm发送。

数据处理:

? ? ? ? 1、storm使用spout接收来自kafka的数据,而后将数据传递给bolt,通过bolt直接进行统计

? ? ? ? 2、storm使用spout接收来自kafka的数据,而后将数据传递给bolt,在bolt中主要将原始数据重构为适合Hbase存储结构并且方便统计的数据格式,最后将重构的数据存入Hbase中。

数据统计:

? ? ? ? 1、使用队列存储需要统计的数据量。使用队列储存数据的time作为时间窗口,将新来的数据的time插入队列后对其进行排序,查看队首队尾长度,累计到1min便将存储数据的队列头部元素弹出,每次弹出的元素通过一个变量对其进行相加吸收,如此每分钟的量与累计的量都能够统计到。

? ? ? ? 2、重构后的数据根据不同的统计任务具有不同的Rowkey,根据任务需求进行不同的查询。

数据可视化:

? ? ? ? 前端基于vue3框架使用dataV实现数据大屏前端页面搭建,并且按照要求每秒向redis/Hbase请求需要展示的数据。

数据提取:

? ? ? ? 后端基于Spring boot整合redis实现高并发的redis访问,根据前端的key取出value返回。

技术栈

? ? ? ? kafka、storm、zookeeper、redis、vue3

技术实现

前端界面搭建

????????布局:

????????将屏幕分为左中右三部分,其中的每部分又分为上中下三部分,从左到右,从上到下依次用于显示实时交易金额/交易量统计、交易金额排名(累计/每分钟)、不同地区用户下单量、订单处理速度、交易量分布情况、实时买入/卖出交易量统计、交易量排名(累计/每分钟)

? ? ? ? 组件:? ? ? ??

? ? ? ? 组件上主要使用echarts构建排名轮播图、油量表、地图、交易分布饼图

? ? ? ? 通信:

? ? ? ? 使用axios实现与后端的通信

//用于请求后端数据的接口
//获取订单的处理速度
export const getSpeed = (params: StockDataV.ReqPriceRank) => {
  console.log("getSpeed", params);
  return http.get<StockDataV.ResPriceRank>(`/redis/getSpeed`, params);
};
  /**
   * @description 常用请求方法封装
   */
  get<T>(url: string, params?: object, _object = {}): Promise<ResultData<T>> {
    return this.service.get(url, { params, ..._object });
  }
class RequestHttp {
  service: AxiosInstance;
  public constructor(config: AxiosRequestConfig) {
    // instantiation
    this.service = axios.create(config);

    /**
     * @description 请求拦截器
     * 客户端发送请求 -> [请求拦截器] -> 服务器
     * token校验(JWT) : 接受服务器返回的 token,存储到 vuex/pinia/本地储存当中
     */
    this.service.interceptors.request.use(
      (config: CustomAxiosRequestConfig) => {
        const userStore = useUserStore();
        // 当前请求不需要显示 loading,在 api 服务中通过指定的第三个参数: { loading: false } 来控制
        config.loading ?? (config.loading = true);
        // config.loading && showFullScreenLoading();
        if (config.headers && typeof config.headers.set === "function") {
          config.headers.set("x-access-token", userStore.token);
        }
        return config;
      },
      (error: AxiosError) => {
        return Promise.reject(error);
      }
    );

    /**
     * @description 响应拦截器
     *  服务器换返回信息 -> [拦截统一处理] -> 客户端JS获取到信息
     */
    this.service.interceptors.response.use(
      (response: AxiosResponse) => {
        const { data } = response;
        const userStore = useUserStore();
        tryHideFullScreenLoading();
        // 登陆失效
        if (data.code == ResultEnum.OVERDUE) {
          userStore.setToken("");
          router.replace(LOGIN_URL);
          ElMessage.error(data.msg);
          return Promise.reject(data);
        }
        // 全局错误信息拦截(防止下载文件的时候返回数据流,没有 code 直接报错)
        if (data.code && data.code !== ResultEnum.SUCCESS) {
          ElMessage.error(data.msg);
          return Promise.reject(data);
        }
        // 成功请求(在页面上除非特殊情况,否则不用处理失败逻辑)
        return data;
      },
      async (error: AxiosError) => {
        const { response } = error;
        tryHideFullScreenLoading();
        // 请求超时 && 网络错误单独判断,没有 response
        if (error.message.indexOf("timeout") !== -1) ElMessage.error("请求超时!请您稍后重试");
        if (error.message.indexOf("Network Error") !== -1) ElMessage.error("网络错误!请您稍后重试");
        // 根据服务器响应的错误状态码,做不同的处理
        if (response) checkStatus(response.status);
        // 服务器结果都没有返回(可能服务器错误可能客户端断网),断网处理:可以跳转到断网页面
        if (!window.navigator.onLine) router.replace("/500");
        return Promise.reject(error);
      }
    );
  }
export default new RequestHttp(config);

?Redis客户端搭建

? ? ? ? 依赖:

<dependencies>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-web</artifactId>
		</dependency>

		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-test</artifactId>
			<scope>test</scope>
		</dependency>
		<!-- https://mvnrepository.com/artifact/org.projectlombok/lombok -->
		<dependency>
			<groupId>org.projectlombok</groupId>
			<artifactId>lombok</artifactId>
			<version>1.18.22</version>
			<scope>provided</scope>
		</dependency>
		<!-- 集成redis -->
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-data-redis</artifactId>
			<exclusions>
				<exclusion>
					<artifactId>lettuce-core</artifactId>
					<groupId>io.lettuce</groupId>
				</exclusion>
			</exclusions>
		</dependency>
		<dependency>
			<groupId>redis.clients</groupId>
			<artifactId>jedis</artifactId>
		</dependency>
		<!-- redis线程池 -->
		<dependency>
			<groupId>org.apache.commons</groupId>
			<artifactId>commons-pool2</artifactId>
		</dependency>
		<dependency>
			<groupId>com.fasterxml.jackson.core</groupId>
			<artifactId>jackson-core</artifactId>
			<version>2.14.2</version>
		</dependency>
		<!-- https://mvnrepository.com/artifact/com.fasterxml.jackson.core/jackson-databind -->
		<dependency>
			<groupId>com.fasterxml.jackson.core</groupId>
			<artifactId>jackson-databind</artifactId>
			<version>2.14.2</version>
		</dependency>
		<dependency>
			<groupId>com.fasterxml.jackson.core</groupId>
			<artifactId>jackson-annotations</artifactId>
			<version>2.14.2</version>
		</dependency>
	</dependencies>

? ? ? ? Controller示例:

? ? ? ? 该段代码通过RequestMapping配置了访问的路有,而后调用service层具体实现前端的请求

/**
 * @description: 后段controller
 * @author: qincheng
 */
@RestController
@RequestMapping("redis")
public class RedisController {

    private final StockService stockService;
    public RedisController(StockService stockService){
        this.stockService = stockService;
    }

    @RequestMapping("getVPValue")
    public ResponseEntity<StockDataV> getValue(@RequestParam("totalPrice") String totalPrice, @RequestParam("totalVolume") String totalVolume,
                                               @RequestParam("perMinPrice") String perMinPrice, @RequestParam("perMinVolume") String perMinVolume){
        System.out.println("totalPrice "+totalPrice);
        StockDataV value = stockService.getPriceVolume(totalPrice, totalVolume, perMinPrice, perMinVolume);
        if (value != null){
            return ResponseWrapper.responseEntityAccept(value);
        }else {
            return ResponseWrapper.responseEntityFail("未找到key");
        }
    }
}

????????Service示例:

? ? ? ? 该段代码根据前端的参数向redis请求数据,由于存储的数据是小数位数过长,使用了一个工具类对其进行保留三位小数

@Service
public class StockService {
    private final StringRedisTemplate stringRedisTemplate ;
    private final ObjectMapper objectMapper = new ObjectMapper();
    public StockService(StringRedisTemplate stringRedisTemplate){
        this.stringRedisTemplate = stringRedisTemplate;
    }
    public StockDataV getPriceVolume(String totalPriceKey, String totalVolumeKey, String perMinPriceKey, String perMinVolumeKey){
        ConvertValue convertValue = new ConvertValue();
        // 向redis请求数据
        String perMinPrice = convertValue.displayDecimal(stringRedisTemplate.opsForValue().get(perMinPriceKey));
        String totalPrice = convertValue.displayDecimal(stringRedisTemplate.opsForValue().get(totalPriceKey));
        String perMinVolume = stringRedisTemplate.opsForValue().get(perMinVolumeKey);
        String totalVolume = stringRedisTemplate.opsForValue().get(totalVolumeKey);
//        System.out.println("perMinPrice " + perMinPrice);
        // 使用StockDataV存储数据
        StockDataV stockDataV = new StockDataV();
        stockDataV.setPerMinPrice(perMinPrice);
        stockDataV.setPerMinVolume(perMinVolume);
        stockDataV.setTotalVolume(totalVolume);
        stockDataV.setTotalPrice(totalPrice);
        return stockDataV;
    }

? ??? ?storm拓扑示例:

????????该段代码创建了一个拓扑并设置了两个bolt用于统计交易金额与交易量以及将统计结果插入到Redis数据库中

public class TopologyForStock {
    public static void main(String[] args) throws Exception {
        // 配置拓扑
        TopologyBuilder topologyBuilder = new TopologyBuilder();
        // 配置spout
        KafkaSpoutConfig<String, String> kafkaSpoutConfig = KafkaSpoutConfig.builder("192.168.43.219:9092,192.168.43.219:9093,192.168.43.219:9094", "stock_2_1").setProp(ConsumerConfig.GROUP_ID_CONFIG, "kafkaSpoutTestGroup").build();
//        KafkaSpoutConfig<String, String> kafkaSpoutConfig = KafkaSpoutConfig.builder("broker1:9092,broker2:9092,broker3:9092", "stock_4").setProp(ConsumerConfig.GROUP_ID_CONFIG, "kafkaSpoutTestGroup").build();
        // 设置spout
        topologyBuilder.setSpout("kafka-spout", new KafkaSpout<>(kafkaSpoutConfig), 4);
        // 设置bolt1 处理交易金额与交易量
        topologyBuilder.setBolt("process-bolt", new TradeVPBolt(), 2).allGrouping("kafka-spout");
        // 设置bolt1_1 向redis插入数据
        topologyBuilder.setBolt("next-bolt1", new TradeVPBolt1(), 4).allGrouping("process-bolt");
        // 配置
        Config config = new Config();
//        config.setMessageTimeoutSecs(600);
        config.setMaxSpoutPending(200);
        config.setNumAckers(6);
        config.setNumWorkers(6);
        // 提交topology
//        StormSubmitter.submitTopology("stockStatistic", config, topologyBuilder.createTopology());
        // 创建本地集群进行测试
        LocalCluster cluster = new LocalCluster();
        cluster.submitTopology("LocalReadingFromKafkaApp", config, topologyBuilder.createTopology());

    }
}

????????核心统计bolt:

? ? ? ? 为了统计累计的交易金额与每分钟的交易金额,设计了一个时间窗口、丢弃累积容器以及一个在时间窗口限制下的交易金额记录队列,具体实现思路:每当接收到数据时,提取数据中time放入时间窗口,并对其排序,查看队首与队尾的时间间隔是否达到1分钟,若是则丢弃队首的time数据,同时丢弃交易金额记录队列队首的元素,并将其与迭起累积容器相加,通过这样一个算法便能够实现每分钟与累积的交易金额的统计,针对多个不同实体的交易金额情况统计,则通过一个Map数据结构实现,实体名称作key,交易金额记录队列作值。

/**
 *统计交易金额与交易量
 **/
public class TradeVPBolt extends BaseRichBolt {
    private OutputCollector collector;
    private Map<String, Deque<Long>> tradeVolumeMap;
    private Map<String, Long> tradeVolumePopMap;
    private Map<String, Deque<Double>> totalPriceMap;
    private Map<String, Double> totalPricePopMap;
    private List<Long> timeWindow;
    private TimeFormatter timeFormatter;
    private Long startTime;
    private Long count;
    @Override
    public void prepare(Map<String, Object> map, TopologyContext topologyContext, OutputCollector outputCollector) {
        this.collector = outputCollector;
        // 创建交易量记录map
        tradeVolumeMap = new HashMap<>();
        // 创建交易量 丢弃记录Map
        tradeVolumePopMap = new HashMap<>();
        // 创建总金额记录map
        totalPriceMap = new HashMap<>();
        // 创建总金额 丢弃记录Map
        totalPricePopMap = new HashMap<>();
        // 初始化timeFormatter
        timeFormatter = new TimeFormatter();
        // 初始化有序定长队列 作时间窗口
        timeWindow = new LinkedList<>();
        // 初始化开始时间
        startTime = 0L;
        // 初始化处理的单数
        count = 0L;
    }

    @Override
    public void execute(Tuple tuple) {
        // 获取到spout的数据,将数据设计为特定的RowKey格式
        String value = tuple.getStringByField("value");
        // 将消息拆分
        String[] parts = value.split(" ");
//        System.out.println(value);
        // 取出需要的字段
        if (parts.length > 1) {
            // 取出time
            String time = parts[0] + " " + parts[1];
//            System.out.println(time);
            Long formattedTime = timeFormatter.convertTime(time);
            // 取出trade_code code parts[2]
            String key = "total";
            // 取出省份
            String province = parts[7];
            // 取出price与volume
            double price = Double.parseDouble(parts[4]);
            long volume = Long.parseLong(parts[5]);
            double totalPrice = price * volume;
            // 创建一分钟时间窗口 有可能先产生的数据 后到!!
            // 创建一个有序定长的队列 作时间窗口
            timeWindow.add(formattedTime);
            // 将时间窗口排序
            Collections.sort(timeWindow);
            if (tradeVolumeMap.containsKey(key)){
                // 累积交易量 将新接受到了的数据压入队列
                tradeVolumeMap.get(key).add(volume);
                // 累积交易金额
                totalPriceMap.get(key).add(totalPrice);
                // 窗口时间达到1分钟 便记录1分钟的交易量 丢弃队列最前面的交易量 记录丢交易量的总数
                if (timeWindow.get(timeWindow.size() - 1) - timeWindow.get(0) >= 60000){

                    // 弹出第一个时间点
                    timeWindow.remove(0);
                    // 弹出交易量记录map的头部元素
                    Long poppedVolume = tradeVolumeMap.get(key).poll();
                    // 弹出交易金额记录map的头部元素
                    Double poppedPrice = totalPriceMap.get(key).poll();
                    if (poppedVolume != null) {
                        // 取出丢弃记录map 与 新丢弃值相加
                        Long curTradeVolume = tradeVolumePopMap.get(key);
                        tradeVolumePopMap.put(key, poppedVolume + curTradeVolume);
                    }
                    if (poppedPrice != null) {
                        // 取出丢弃记录map 与 新丢弃值相加
                        Double curTradePrice = totalPricePopMap.get(key);
                        totalPricePopMap.put(key, poppedPrice + curTradePrice);
                    }
                }
            }else {
                // 创建动态数组队列
                Deque<Long> longDeque = new ArrayDeque<>();
                longDeque.add(volume);
                tradeVolumeMap.put(key, longDeque);
                // 初始化tradeVolumePopMap
                tradeVolumePopMap.put(key, 0L);
                // 创建动态数组队列
                Deque<Double> doubleDeque = new ArrayDeque<>();
                doubleDeque.add(totalPrice);
                totalPriceMap.put(key, doubleDeque);
                totalPricePopMap.put(key, 0.0);
            }
//            System.out.println("1"+tradeVolumeMap);
//            System.out.println(tradeVolumePopMap);
//            System.out.println("-----------------------------------------------");
            // 创建一个线程安全的交易量map 用于emit
            CreateCopy createCopy = new CreateCopy();
            Map<String, Deque<Long>> copyTradeVolumeMap = createCopy.copyForVolume(tradeVolumeMap);
            // 创建一个线程安全的 丢弃交易量map 用于emit
            Map<String, Long> copyTradeVolumePopMap = createCopy.copyForVolumePop(tradeVolumePopMap);
            // 交易金额
            Map<String, Deque<Double>> copyTotalPriceMap = createCopy.copyForPrice(totalPriceMap);
            // 创建一个线程安全的 丢弃交易金额map 用于emit
            Map<String, Double> copyTotalPricePopMap= createCopy.copyForPricePop(totalPricePopMap);
            // 统计处理订单的速度
            count += 1L;
            Long currentTime = System.currentTimeMillis();
            // 创建redis客户端
            ClientRedis clientRedis = new ClientRedis();

            // 每1s统计一次
            if (currentTime - startTime >= 1000L){
                // 插入redis
                clientRedis.RedisSet("count", String.valueOf(count / 10));
//                System.out.println("count1" + count);
                // 更新startTime
                startTime = currentTime;
                // 重置count
                count = 0L;
            }
            this.collector.emit(new Values(copyTradeVolumeMap, copyTradeVolumePopMap, copyTotalPriceMap, copyTotalPricePopMap));
            this.collector.ack(tuple);
        }
    }

    @Override
    public void declareOutputFields(OutputFieldsDeclarer outputFieldsDeclarer) {
        outputFieldsDeclarer.declare(new Fields("copyTradeVolumeMap", "copyTradeVolumePopMap", "copyTotalPriceMap", "copyTotalPricePopMap"));
    }
}

? ? ? ? 统计结果持久化bolt:

? ? ? ? 该段代码接受上一个bolt传递的存储丢弃累积容器以及交易金额记录队列的Map,遍历Map通过Redis客户端将统计结果存入Redis

/**
 * 每小时交易量与累积交易量准确
 */
public class TradeVPBolt1 extends BaseRichBolt {
    private OutputCollector collector;
    @Override
    public void prepare(Map<String, Object> map, TopologyContext topologyContext, OutputCollector outputCollector) {
        this.collector = outputCollector;
    }

    @Override
    public void execute(Tuple tuple) {
        // 获取到tradeVolumeMap tradeVolumePopMap
        Map<String, Deque<Long>> tradeVolumeMap = (Map<String, Deque<Long>>) tuple.getValueByField("copyTradeVolumeMap");
        Map<String, Long> tradeVolumePopMap = (Map<String, Long>) tuple.getValueByField("copyTradeVolumePopMap");
        // 获取到totalPriceMap totalPricePopMap
        Map<String, Deque<Double>> totalPriceMap = (Map<String, Deque<Double>>) tuple.getValueByField("copyTotalPriceMap");
        Map<String, Double> totalPricePopMap = (Map<String, Double>) tuple.getValueByField("copyTotalPricePopMap");
        Long perMinVolume = null;
        Long totalVolume = null;
        Double perMinPrice = null;
        Double totalPrice = null;

        // 连接redis
        ClientRedis clientRedis = new ClientRedis();
        // 开始统计每分钟的交易量
        for (Map.Entry<String, Deque<Long>> entry : tradeVolumeMap.entrySet()) {
            Deque<Long> volumeMap = entry.getValue();
//            Long first = volumeMap.getFirst();
//            Long last = volumeMap.getLast();
//            System.out.println("first:" + first);
//            System.out.println("last:" + last);
//            System.out.println("每分钟交易量map队列长度:"+entry.getValue().size());
            perMinVolume = entry.getValue().stream().mapToLong(Long::longValue).sum();
        }
        if (tradeVolumePopMap.get("total").equals(0L)) {
            // 统计累积量
            totalVolume = perMinVolume;
            // 将累积交易量插入redis
            clientRedis.RedisSet("totalVolume", String.valueOf(totalVolume));
//            System.out.println("累积交易量为:" + totalVolume);
        }else {
            totalVolume = perMinVolume + tradeVolumePopMap.get("total");
            clientRedis.RedisSet("totalVolume", String.valueOf(totalVolume));
//            System.out.println("插入累积交易量成功");
//            System.out.println("累积交易量为:" + totalVolume);
            clientRedis.RedisSet("perMinVolume", String.valueOf(perMinVolume));
//            System.out.println("插入每小时累积交易量成功");
//            System.out.println("每分钟交易量为:"+ perMinVolume);
        }
        // 开始统计每分钟的交易金额
        for (Map.Entry<String, Deque<Double>> entry : totalPriceMap.entrySet()) {
            perMinPrice = entry.getValue().stream().mapToDouble(Double::doubleValue).sum();
        }
        if (totalPricePopMap.get("total").equals(0.0)) {
            // 统计累积交易金额
            totalPrice = perMinPrice;
            // 将累积交易金额插入redis
            clientRedis.RedisSet("totalPrice", String.valueOf(totalPrice));
//            System.out.println("累积交易金额为:" + totalPrice);
        }else {
            totalPrice = perMinPrice + totalPricePopMap.get("total");
            clientRedis.RedisSet("totalPrice", String.valueOf(totalPrice));
//            System.out.println("插入累积交易金额成功");
//            System.out.println("累积交易金额为:" + totalPrice);
            clientRedis.RedisSet("perMinPrice", String.valueOf(perMinPrice));
//            System.out.println("插入每小时累积交易金额成功");
//            System.out.println("每分钟累积交易金额为:"+ perMinPrice);
        }
        System.out.println("--------------------------------------------------------");
        this.collector.ack(tuple);
    }

    @Override
    public void declareOutputFields(OutputFieldsDeclarer outputFieldsDeclarer) {

    }
}

? ? ? ? Redis连接池:

? ? ? ? ?为了应对插入数据时频繁的连接Redis,考虑建立一个连接池,并对连接池的进行最大连接数、最大空间连接数以及最大等待时间等参数进行配置。

/**
 * 通过创建线程池 维护redis读写稳定
 */
public class ClientRedis {
    private static final String Host = "127.0.0.1";
    private static final Integer Port = 6379;
    private static volatile JedisPool jedisPool;
    public ClientRedis(){
        jedisPool = ConnectRedis();
    }

    /**
     * 双重检查锁定模式
     * @return jedisPool
     */
    public static JedisPool ConnectRedis(){
        if (jedisPool == null){
            synchronized (ClientRedis.class){
                if (jedisPool == null){
                    JedisPoolConfig jedisPoolConfig = new JedisPoolConfig();
                    jedisPoolConfig.setMaxIdle(1000); // 最大连接数
                    jedisPoolConfig.setMaxIdle(32); // 最大空闲连接数
                    jedisPoolConfig.setMaxWaitMillis(100 * 1000); // 最大等待时间
                    jedisPoolConfig.setTestOnBorrow(true); // 检查连接可用性 确保获取的redis实例可用

                    jedisPool = new JedisPool(jedisPoolConfig, Host, Port);
                }
            }
        }
        return jedisPool;
    }

    /**
     * 向连接池中取出实例 用完放回
     * @param key 键
     * @param value 值
     */
    public void RedisSet(String key, String value){
        Jedis jedis = null;
        try {
            jedis = jedisPool.getResource();
            jedis.set(key, value); // 插入数据
        }catch (Exception e){
            e.printStackTrace();
        }finally {
            if (jedis != null){
                jedis.close(); // 关闭连接
            }
        }
    }
}

文章来源:https://blog.csdn.net/2201_75875170/article/details/134649329
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。