缓存使用
18、Redis 有哪些类型
string类型:一个key对应一个value
set mykey "wangzai" ##设置key，第二次赋值会直接覆盖之前的
setnx mykey "wangzai" ## 如果mykey存在，则不改变，如果不存在，则创建赋值
get mykey ##获取key的值
setex key1 10 1 ##给key1设置过期时间为10s，值为1
mset key1 value1 key2 value2 ##设置多个key
mget key1 key2 ##获取多个key的值list是一个链表结构，主要功能是push、pop以及获取一个范围的所有值等。使用list结构，可以轻松实现最新消息排行，另一个应用是消息队列，可以利用list的push操作，将任务存在list中，然后工作线程再用pop操作将任务取出进行执行。（先进后出）
lpush list1 "wangzai" ##在列表中加入一个元素
lrange list1 0 -1 ##查看list1里面的所有元素
lpop list1 ##取出list1最新的元素
linsert list1 before "wangzai" "doubi" ##在值为"wangzai"的前面插入一个元素为"doubi"
lset list1 3 "hehe" ##把第五个元素修改为"hehe"
lindex list1 0 ##查看第一个元素
llen list1 ##查看列表中有多少元素set类型
set是集合，对集合操作有添加删除元素，有对多个集合求交并差等操作。在微博应用中，可以将一个用户关注的所有人放在一个集合里，将所有粉丝放在一个集合里，因为redis为集合提供了求交集、并集、差集等操作，就可以方便的实现如共同关注、共同喜好等功能。
sadd set1 a b c d ## 创建集合set1并设置值
smembers set1 ## 查看集合set1的值
srem set1 a b ## 删除set1的值
spop set1 ## 随机取出一个元素并删除
sinter set1 set2 ## 交集
sinterstore set1 set2 set3 ## 将交集存储到set3
sunion set1 set2 ## 并集
sunionstore set1 set2 set3 ## 把并集存储到set3
sdiff set1 set2 ## 差集
sdiffstore set1 set2 set3 ## 把差集存储到set3
sismember set1 c ## 判断一个元素是否属于一个集合
srandmember set1 ## 随机取出一个元素，但不删除sorted set是有序集合，比set多了一个权重参数score，使得集合元素能够按score进行有序排列。例如存储一个班级同学的成绩，其集合value可以是同学的学号，而score可以是其考试的得分，这样在数据插入集合的时候就进行了排序。
zadd zset1 1 a ## 增加一个集合zset1,score为1，member为a
zrange zset1 0 -1 ## 按score升序输出member
zrange zset1 0 -1 withscores ## 带上分值
zrem zset1 a ## 删除指定元素
zrank zset1 a ## 返回元素的索引值，索引从0开始
zrevrange zset1 0 -1 ## score降序输出member
zcard zset1 ## 返回集合中所有元素的个数
zcount zset1 1 10 ## 返回分值范围1-10的元素个数
zrangebyscore zset1 1 10 ## 返回分值范围1-10的元素
zremrangebyscore zset1 1 10 ## 删除分值范围1-10的元素把一些结构化的信息打包成hashmap，在客户端序列化后存储为一个字符串的值（一般为json格式），比如用户姓名、年龄、性别等
hset hash1 name wangzai ## 建立hash (hset name key value)
hget hash1 name ## 获取field值 HGET name key
hgetall hash1 ## 获取hash1中所有的key和value
hmset hash2 name wangzai age 26 job it ## 批量建立键值对
hmget hash2 name age job ## 批量获取field值
hdel hash2 job ## 删除指定field
hkeys hash2 ## 打印所有的key
hvals hash2 ## 打印所有的value
hlen hash2 ## 查看hash2有几个field19、Redis 内部结构
（参考https://www.cnblogs.com/chenpingzhao/archive/2017/06/10/6965164.html）
第一个层面，是从使用者的角度，string，list，hash，set，sorted set第二个层面，是从内部实现的角度，属于更底层的实现， ht(dict),raw,embstr,intset,sds,ziplist,quicklist,skiplist20、Redis 使用场景
数据缓存对于热点数据，缓存以后可能读取数十万次，因此，对于热点数据，缓存的价值非常大。例如，分类栏目更新频率不高，但是绝大多数的页面都需要访问这个数据，因此读取频率相当高，可以考虑基于 Redis 实现缓存。
会话缓存
使用 Redis 进行会话缓存。例如，将 web session 存放在 Redis 中。
数据时效性
例如验证码只有60秒有效期，超过时间无法使用，或者基于 Oauth2 的 Token 只能在 5 分钟内使用一次，超过时间也无法使用。
交集、并集和差集
在某些场景中，例如社交场景，通过交集、并集和差集运算，可以非常方便地实现共同好友，共同关注，共同偏好等社交关系。
排行榜/计数器
Redis在内存中对数字进行递增或递减的操作实现的非常好。
最新动态
按照时间顺序排列的最新动态，也是一个很好的应用，可以使用 Sorted Set 类型的分数权重存储 Unix 时间戳进行排序。
21、Redis 持久化机制
22、Redis 如何实现持久化
23、Redis 集群方案与实现
24、Redis 为什么是单线程的
单纯的网络IO来说，量大到一定程度之后，多线程的确有优势, 但并不是单纯的多线程，而是每个线程自己有自己的epoll这样的模型，也就是多线程和multiplexing混合。但是。还要考虑Redis操作的是内存中的数据结构。如果在多线程中操作，那就需要为这些对象加锁。所以使用多线程可以提高性能，但是每个线程的效率严重下降了，而且程序的逻辑严重复杂化。Redis的数据结构并不全是简单的Key-Value，还有list，hash等复杂的结构，这些结构有可能会进行很细粒度的操作，比如在很长的列表后面添加一个元素，在hash当中添加或者删除一个对象，这些操作还可以合成MULTI/EXEC的组。这样一个操作中可能就需要加非常多的锁，导致的结果是同步开销大大增加。Redis在权衡之后的选择是用单线程，突出自己功能的灵活性。在单线程基础上任何原子操作都可以几乎无代价地实现，多么复杂的数据结构都可以轻松运用，甚至可以使用Lua脚本这样的功能。对于多线程来说这需要高得多的代价。25、缓存中常见的问题及解决方案
缓存一致性当数据时效性要求很高时，需要保证缓存中的数据与数据库中的保持一致，而且需要保证缓存节点和副本中的数据也保持同步（集群同步）。解决缓存的一致性比较依赖于缓存的过期和更新策略。
缓存并发
缓存过期或者正在更新，同时有大量的并发请求该key。缓存过期，大量请求落到数据库，可能导致“雪崩”发生；如果缓存更新，对某个key有大量的并发请求，此时请求获得的可能是更新之前或者更新之后的，从而会导致“缓存一致性”问题的发生。
解决策略：缓存并发一般发生在查询期间，而且问题出在缓存更新时的高并发时刻，那么就可以在这个时候对key加锁（缓存查询加锁，如果key不存在，然后查出数据写入缓存，然后解锁）。
缓存雪崩
在高并发情况下，缓存更新或者过期导致缓存命中失效，大量请求直接落到数据库，致使其无法承受压力，进而崩溃（缓存并发的递进和升级）。
解决策略：设定一个缓存的过期时间时，可能有一些会设置1分钟后或5分钟后。当并发很高时，会出在某一个时间同时生成了很多的缓存，并且过期时间都一样，这个时候就可能引发一当过期时间到后，这些缓存同时失效，请求全部转发到 DB ，DB可能会压力过重，这样子，我们就可以将缓存过期时间均匀地分布在时间轴上，避免缓存同时失效、更新的情况发生。还需要控制缓存并发、击穿现象的发生，查找大key，想解决方案。
缓存击穿
该key被高并发访问，缓存访问没有命中，尝试去从后端数据库中获取，从而导致了大量请求达到数据库，而当该key对应的数据本身就是空的情况下，这就导致数据库中并发的去执行了很多不必要的查询操作，从而导致巨大冲击和压力。
解决策略：（1）通过设置过滤器（使用布隆过滤器），将所有可能存在的数据哈希到一个足够大的 bitmap 中，一个一定不存在的数据会被这个 bitmap 拦截掉，从而避免了对底层存储系统的查询压力。（2）如果一个查询返回的数据为空（可能由于数据不存在，也可能是系统故障），我们仍然把这个空结果进行缓存，缓存的值设定为一个指定值，同时设置它的过期时间很短，最长不超过五分钟。（因为缓存会占用内存，长时间缓存一个不存在的值比较耗资源。）在这五分钟内，这个值可能由于写入操作从而不再是一个不存在的值，这是就要更新缓存，用真实值替代指定值。
总结：
“并发”和“雪崩”都是高并发时候缓存不被命中直接访问DB的例子，前者是因，或者是果，“并发”造成的影响还不够恶劣，雪崩会导致数据库直接崩溃。“并发”和“击穿”可能会导致“雪崩”发生，避免发生“雪崩”，除了给出的解决方案，更要防止“并发”和“击穿”的发生。
26、缓存降级
服务降级的目的，是为了防止Redis服务故障，导致数据库跟着一起发生雪崩问题。因此，对于不重要的缓存数据，可以采取服务降级策略，例如一个比较常见的做法就是，Redis出现问题，不去数据库查询，而是直接返回默认值给用户。27、使用缓存的合理性问题
（1）热点数据，缓存才有价值。（2）频繁修改的数据，看情况考虑使用缓存。
（3）缓存的不一致性，一般会对缓存设置失效时间，一旦超过失效时间，就要从数据库重新加载，因此应用要容忍一定时间的数据不一致。还有一种是在数据更新时立即更新缓存，不过这也会更多系统开销和事务一致性问题。
（4）缓存更新机制，一般情况下，我们采取缓存双淘汰机制，在更新数据库的时候淘汰缓存。此外，设定超时时间，例如30分钟。极限场景下，即使有脏数据入cache，这个脏数据也最多存在三十分钟。
（5）缓存可用性，缓存是提高数据读取性能的，缓存数据丢失和缓存不可用不会影响应用程序的处理。因此，一般的操作手段是，如果Redis出现异常，我们手动捕获这个异常，记录日志，并且去数据库查询数据返回给用户。
（6）缓存服务降级，服务降级的目的，是为了防止Redis服务故障，导致数据库跟着一起发生雪崩问题。因此，对于不重要的缓存数据，可以采取服务降级策略，例如一个比较常见的做法就是，Redis出现问题，不去数据库查询，而是直接返回默认值给用户。
（7）缓存预热，在新启动的缓存系统中，如果没有任何数据，在重建缓存数据过程中，系统的性能和数据库复制都不太好，那么最好的缓存系统启动时就把热点数据加载好，例如对于缓存信息，在启动缓存加载数据库中全部数据进行预热。一般情况下，我们会开通一个同步数据的接口，进行缓存预热。
（8）缓存穿透，如果因为不恰当的业务，或者恶意攻击持续地发请求某些不存在的数据，由于缓存没有保存该数据，所有的请求都会落到数据库上，会对数据库造成很大压力，甚至奔溃。一个简单的对策是将不存在的数据也缓存起来。
消息队列
28、消息队列的使用场景
（1）数据驱动的任务依赖，task3需要使用task2的输出作为输入，task2需要使用task1的输出作为输入。MQ只用来传递上游任务执行完成的消息，并不用于传递真正的输入输出数据。（2）上游不关心执行结果，帖子发布成功后，向MQ发一个消息，哪个下游关注“帖子发布成功”的消息，主动去MQ订阅。
（3）上游关注执行结果，但执行时间很长。
什么时候不使用MQ？
上游实时关注执行结果
什么时候使用MQ？
数据驱动的任务依赖，上游不关心多下游执行结果，异步返回执行时间长。
7680
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
