Redis进阶-Redis6.x

Redis查缺补漏

1. Redis中zset底层数据结构

   • skpiList+hash
   • skipList跳表，多层链表随机上浮节点，读取数据时间复杂度为O(logn)，多层实现类似于二分的查找方式

2. Mysql Innodb引擎数据结构为B+树 为什么不用跳表

   • B+树与链表的区别
     • 写入数据
       • B+树每页存储16k数据，对应多个节点，当每页数据填满，会新增数据页用来存储新的数据节点，根据索引节点是否存储满决定是否重新进行平衡。
         • 非叶子节点里主要放索引查询相关的数据，放的是主键和指向页号。主键假设是bigint（8Byte），而页号在源码里叫FIL_PAGE_OFFSET（4Byte），那么非叶子节点里的一条数据是12Byte左右。整个数据页16k， 页头页尾那部分数据全加起来大概128Byte，加上页目录毛估占1k吧。那剩下的15k除以12Byte，等于1280，也就是可以指向x=1280页。
         • 我们常说的二叉树指的是一个结点可以发散出两个新的结点。m叉树一个节点能指向m个新的结点。这个指向新节点的操作就叫扇出（fanout）。而上面的B+树，它能指向1280个新的节点，恐怖如斯，可以说扇出非常高了。
         • 叶子节点里放的是真正的行数据。假设一条行数据1kb，所以一页里能放y=15行。
         • 假设B+树是两层。则是(1280 ^ (2-1)) * 15 ≈ 2w
         • 假设B+树是三层。则是(1280 ^ (3-1)) * 15 ≈ 2.5kw
       • 跳表底层为多层链表结构，找到节点直接修改前后节点指针即可完成修改，然后根据随机算法决定是否上层新增新写入节点。
       • 写入数据使用调表好很多，树的平衡操作成本很高
     • 读取数据，以2kw数据结构为例
     • 使用B+树3层即可存储数据，对应3次磁盘IO即可。
     • 估算2kw约等于2^24，所以跳表存储结构可能需要24层，可能会对应24次磁盘IO
     • 读取数据如果要通过磁盘IO，B+树读取效率高很多
   • Mysq和Redis区别
     • Redis 主要应用于数据读取，数据处理在内存中，使用两种数据结构读取效率差不多，写入效率使用跳表更好。
     • Mysql要考虑数据存储持久化，要与磁盘交互较多，层高越低越好。
   • 参考文档：https://blog.csdn.net/qq_42259971/article/details/126905577

3. Redis配置文件与持久化

   • 参考文档：https://www.cnblogs.com/traditional/p/13296648.html

4. Redis主从复制

   • 参考文档：https://segmentfault.com/a/1190000039242024

5. 布隆过滤器

   • 解决缓存穿透问题
   • 通过哈希函数+bitmap做缓存，防止大量无用请求浪费数据库连接，概率性解决

6. 内存回收策略