为什么使用Redis 使用Redis有什么缺点 单线程的Redis为什么这么快 Redis的数据类型，以及每种数据类型的使用场景 Redis的过期策略以

• 为什么使用Redis

• 使用Redis有什么缺点

• 单线程的Redis为什么这么快

• Redis的数据类型，以及每种数据类型的使用场景

• Redis的过期策略以及内存淘汰机制

• Redis和数据库双写一致性问题

• 如何应对缓存穿透和缓存雪崩问题

• 如何解决Redis的并发竞争Key问题

在项目中使用Redis，主要是从两个角度去考虑：性能和并发。

 

当然，Redis还具备可以做分布式锁等其他功能，但是如果只是为了分布式锁这些其他功能，完全还有其他中间件，不如ZooKeeper等代替，并不是非要使用Redis。因此，这个问题主要从性能和并发两个角度去答。

 

性能

如下图所示，我们在碰到需要执行耗时特别久，且结果不频繁变动的SQL，就特别适合将运行结果放入缓存。这样，后面的请求就去缓存中读取，使得请求能够迅速响应。

 

 

题外话：忽然想聊一下这个迅速响应的标准。根据交互效果的不同，这个响应时间没有固定标准。

 

不过曾经有人这么告诉我："在理想状态下，我们的页面跳转需要在瞬间解决，对于页内操作则需要在刹那间解决。

 

另外，超过一弹指的耗时操作要有进度提示，并且可以随时中止或取消，这样才能给用户最好的体验。"

 

并发

如下图所示，在大并发的情况下，所有的请求直接访问数据库，数据库会出现连接异常。

 

这个时候，就需要使用Redis做一个缓冲操作，让请求先访问到Redis，而不是直接访问数据库。

 

 

 

 

使用Redis有什么缺点

 

大家用Redis这么久，这个问题是必须要了解的，基本上使用Redis都会碰到一些问题，常见的也就几个。

 

回答主要是四个问题：

• 缓存和数据库双写一致性问题

• 缓存雪崩问题

• 缓存击穿问题

• 缓存的并发竞争问题

 

这四个问题，我个人觉得在项目中是常遇见的，具体解决方案，后文给出。

 

 

单线程的Redis为什么这么快

 

这个问题是对Redis内部机制的一个考察。根据我的面试经验，很多人都不知道Redis是单线程工作模型。所以，这个问题还是应该要复习一下的。

 

回答主要是以下三点：

• 纯内存操作

• 单线程操作，避免了频繁的上下文切换

• 采用了非阻塞I/O多路复用机制

 

题外话：我们现在要仔细的说一说I/O多路复用机制，因为这个说法实在是太通俗了，通俗到一般人都不懂是什么意思。

 

打一个比方：小曲在S城开了一家快递店，负责同城快送服务。小曲因为资金限制，雇佣了一批快递员，然后小曲发现资金不够了，只够买一辆车送快递。

 

经营方式一

客户每送来一份快递，小曲就让一个快递员盯着，然后快递员开车去送快递。

 

慢慢的小曲就发现了这种经营方式存在下述问题：

• 几十个快递员基本上时间都花在了抢车上了，大部分快递员都处在闲置状态，谁抢到了车，谁就能去送快递。

• 随着快递的增多，快递员也越来越多，小曲发现快递店里越来越挤，没办法雇佣新的快递员了。

• 快递员之间的协调很花时间。

 

综合上述缺点，小曲痛定思痛，提出了下面的经营方式。

 

经营方式二

小曲只雇佣一个快递员。然后呢，客户送来的快递，小曲按送达地点标注好，然后依次放在一个地方。

 

最后，那个快递员依次的去取快递，一次拿一个，然后开着车去送快递，送好了就回来拿下一个快递。

 

上述两种经营方式对比，是不是明显觉得第二种，效率更高，更好呢？

 

在上述比喻中：

• 每个快递员→每个线程

• 每个快递→每个Socket(I/O流)

• 快递的送达地点→Socket的不同状态

• 客户送快递请求→来自客户端的请求

• 小曲的经营方式→服务端运行的代码

• 一辆车→CPU的核数

 

于是我们有如下结论：

• 经营方式一就是传统的并发模型，每个I/O流(快递)都有一个新的线程(快递员)管理。

• 经营方式二就是I/O多路复用。只有单个线程(一个快递员)，通过跟踪每个I/O流的状态(每个快递的送达地点)，来管理多个I/O流。

 

下面类比到真实的Redis线程模型，如图所示：

简单来说，就是我们的Redis-client在操作的时候，会产生具有不同事件类型的Socket。

 

在服务端，有一段I/O多路复用程序，将其置入队列之中。然后，文件事件分派器，依次去队列中取，转发到不同的事件处理器中。

 

需要说明的是，这个I/O多路复用机制，Redis还提供了Select、Epoll、Evport、Kqueue等多路复用函数库，大家可以自行去了解。

 

 

Redis的数据类型与每种数据类型的使用场景

 

是不是觉得这个问题很基础？我也这么觉得。然而根据面试经验发现，至少百分之八十的人答不上这个问题。

 

建议，在项目中用到后，再类比记忆，体会更深，不要硬记。基本上，一个合格的程序员，五种类型都会用到。

 

String

这个没啥好说的，最常规的set/get操作，Value可以是String也可以是数字。一般做一些复杂的计数功能的缓存。

 

Hash

这里Value存放的是结构化的对象，比较方便的就是操作其中的某个字段。

 

我在做单点登录的时候，就是用这种数据结构存储用户信息，以CookieId作为Key，设置30分钟为缓存过期时间，能很好的模拟出类似Session的效果。

 

List

使用List的数据结构，可以做简单的消息队列的功能。另外还有一个就是，可以利用lrange命令，做基于Redis的分页功能，性能极佳，用户体验好。

 

Set

因为Set堆放的是一堆不重复值的集合。所以可以做全局去重的功能。为什么不用JVM自带的Set进行去重？

 

因为我们的系统一般都是集群部署，使用JVM自带的Set，比较麻烦，难道为了一个做一个全局去重，再起一个公共服务，太麻烦了。

 

另外，就是利用交集、并集、差集等操作，可以计算共同喜好，全部的喜好，自己独有的喜好等功能。

 

Sorted Set

Sorted Set多了一个权重参数Score，集合中的元素能够按Score进行排列。

 

可以做排行榜应用，取TOP N操作。Sorted Set可以用来做延时任务。最后一个应用就是可以做范围查找。

 

 

Redis 的过期策略以及内存淘汰机制

 

这个问题相当重要，到底Redis有没用到家，这个问题就可以看出来。

 

比如你Redis只能存5G数据，可是你写了10G，那会删5G的数据。怎么删的，这个问题思考过么？

 

还有，你的数据已经设置了过期时间，但是时间到了，内存占用率还是比较高，有思考过原因么?

 

回答：Redis采用的是定期删除+惰性删除策略。

 

为什么不用定时删除策略

定时删除，用一个定时器来负责监视Key，过期则自动删除。虽然内存及时释放，但是十分消耗CPU资源。

 

在大并发请求下，CPU要将时间应用在处理请求，而不是删除Key，因此没有采用这一策略。

 

定期删除+惰性删除是如何工作

定期删除，Redis默认每个100ms检查，是否有过期的Key，有过期Key则删除。

 

需要说明的是，Redis不是每个100ms将所有的Key检查一次，而是随机抽取进行检查(如果每隔100ms，全部Key进行检查，Redis岂不是卡死)。

 

因此，如果只采用定期删除策略，会导致很多Key到时间没有删除。于是，惰性删除派上用场。

 

也就是说在你获取某个Key的时候，Redis会检查一下，这个Key如果设置了过期时间，那么是否过期了？如果过期了此时就会删除。

 

采用定期删除+惰性删除就没其他问题了么?

 

不是的，如果定期删除没删除Key。然后你也没即时去请求Key，也就是说惰性删除也没生效。这样，Redis的内存会越来越高。那么就应该采用内存淘汰机制。

 

在redis.conf中有一行配置：

 

# maxmemory-policy volatile-lru

 

该配置就是配内存淘汰策略的：

• noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。应该没人用吧。

• allkeys-lru：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的Key。推荐使用，目前项目在用这种。

• allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个Key。应该也没人用吧，你不删最少使用Key，去随机删。

• volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的Key。这种情况一般是把Redis既当缓存，又做持久化存储的时候才用。不推荐。

• volatile-random：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机移除某个Key。依然不推荐。

• volatile-ttl：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的 Key优先移除。不推荐。

 

PS：如果没有设置expire的Key，不满足先决条件(prerequisites)；那么volatile-lru，volatile-random和volatile-ttl策略的行为，和noeviction(不删除) 基本上一致。

 

 

Redis和数据库双写一致性问题

 

一致性问题是分布式常见问题，还可以再分为最终一致性和强一致性。数据库和缓存双写，就必然会存在不一致的问题。

 

答这个问题，先明白一个前提。就是如果对数据有强一致性要求，不能放缓存。我们所做的一切，只能保证最终一致性。

 

另外，我们所做的方案从根本上来说，只能说降低不一致发生的概率，无法完全避免。因此，有强一致性要求的数据，不能放缓存。

 

回答：首先，采取正确更新策略，先更新数据库，再删缓存。其次，因为可能存在删除缓存失败的问题，提供一个补偿措施即可，例如利用消息队列。

 

 

如何应对缓存穿透和缓存雪崩问题

 

这两个问题，说句实在话，一般中小型传统软件企业，很难碰到这个问题。如果有大并发的项目，流量有几百万左右。这两个问题一定要深刻考虑。

 

缓存穿透，即黑客故意去请求缓存中不存在的数据，导致所有的请求都怼到数据库上，从而数据库连接异常。

 

缓存穿透解决方案：

• 利用互斥锁，缓存失效的时候，先去获得锁，得到锁了，再去请求数据库。没得到锁，则休眠一段时间重试。

• 采用异步更新策略，无论Key是否取到值，都直接返回。Value值中维护一个缓存失效时间，缓存如果过期，异步起一个线程去读数据库，更新缓存。需要做缓存预热(项目启动前，先加载缓存)操作。

• 提供一个能迅速判断请求是否有效的拦截机制，比如，利用布隆过滤器，内部维护一系列合法有效的Key。迅速判断出，请求所携带的Key是否合法有效。如果不合法，则直接返回。

 

缓存雪崩，即缓存同一时间大面积的失效，这个时候又来了一波请求，结果请求都怼到数据库上，从而导致数据库连接异常。

 

缓存雪崩解决方案：

• 给缓存的失效时间，加上一个随机值，避免集体失效。

• 使用互斥锁，但是该方案吞吐量明显下降了。

• 双缓存。我们有两个缓存，缓存A和缓存B。缓存A的失效时间为20分钟，缓存B不设失效时间。自己做缓存预热操作。

  然后细分以下几个小点：从缓存A读数据库，有则直接返回；A没有数据，直接从B读数据，直接返回，并且异步启动一个更新线程，更新线程同时更新缓存A和缓存B。

 

 

如何解决Redis的并发竞争Key问题

 

这个问题大致就是，同时有多个子系统去Set一个Key。这个时候大家思考过要注意什么呢？

 

需要说明一下，我提前百度了一下，发现答案基本都是推荐用Redis事务机制。

 

我并不推荐使用Redis的事务机制。因为我们的生产环境，基本都是Redis集群环境，做了数据分片操作。

 

你一个事务中有涉及到多个Key操作的时候，这多个Key不一定都存储在同一个redis-server上。因此，Redis的事务机制，十分鸡肋。

 

如果对这个Key操作，不要求顺序

这种情况下，准备一个分布式锁，大家去抢锁，抢到锁就做set操作即可，比较简单。

 

如果对这个Key操作，要求顺序

假设有一个key1，系统A需要将key1设置为valueA，系统B需要将key1设置为valueB，系统C需要将key1设置为valueC。

 

期望按照key1的value值按照valueA>valueB>valueC的顺序变化。这种时候我们在数据写入数据库的时候，需要保存一个时间戳。

 

假设时间戳如下：

系统A key1{valueA  3:00}
系统B key1{valueB  3:05}
系统C key1{valueC  3:10}

 

那么，假设这会系统B先抢到锁，将key1设置为{valueB 3:05}。接下来系统A抢到锁，发现自己的valueA的时间戳早于缓存中的时间戳，那就不做set操作了，以此类推。

 

其他方法，比如利用队列，将set方法变成串行访问也可以。总之，灵活变通。