redis概述

缓存是如何实现高性能的
当第一次查询的时候，缓存里面没有数据，回去数据库查，然后存入缓存，当再去查询的时候，或者是查询相同数据的时候，就不用去数据库里面查了，直接去缓存里面找，大大提高了效率，如果这个信息改了的话，我们只需要将缓存里的数据跟数据库里的数据同步一下就行了。

缓存是如何实现高并发的
高峰期的时候有5000个请求，如果缓存里面有数据，就走缓存，比如4000个走缓存，1000个请求走数据库，这就避免了数据库宕机的可能新，缓存是走内存的，不是走磁盘，是可以支持高并发的

redis单线程模型
核心：文件事件处理器
客户端与redis是基于socket进行通信的，当客户端发送set k v请求的时候，会产生AE_READABLE事件，IO多路复用程序会监听这个事件压到队列里面，然后文件事件分派器会找命令请求处理器从socket中读出来key和value，在自己的内存中完成设置

为啥redis单线程模型效率这么高
1.纯内存操作
2.核心是基于非阻塞的io多路复用模型
3.单线程反而避免了多线程频繁的上下文切换问题
io多路复用模型不负责处理，只负责监听socket，有的话就直接压到队列
redis的数据类型以及运用场景
String:做简单的kv缓存
hash：类似map，一般结构化数据，可以把对象缓存再redis
list：可以存储一些列表型的数据结构，还可以通过Irange从某个元素读取多少个元素，实现下拉不分页
set：去重
zset：去重排序，根据分数排序
redis的过期策略
1.设置过期时间（定期删除+惰性删除）
redis内存淘汰机制
如果redis内存占用过多的时候，此时会进行内存淘汰
noeviction：当内存不足以容纳新写入数据时，新写入操作会报错，这个一般没人用吧，实在是太恶心了
allkeys-lru：移除最近最少使用的key，一般就是用这个
allkeys-random：随机移除key
volatile-lru:在设置里过期时间的键空间，移除最近最少使用的key
volatile-random:在设置里过期时间的键空间，随机移除key
volatile-tt：在设置里过期时间的键空间，删除最先过期的key
手写LRU算法
public class LRUCache<K, V> extends LinkedHashMap<K, V> {

private final int CACHE_SIZE;

// 这里就是传递进来最多能缓存多少数据
public LRUCache(int cacheSize) {
    super((int) Math.ceil(cacheSize / 0.75) + 1, 0.75f, true); // 这块就是设置一个hashmap的初始大小，同时最后一个true指的是让linkedhashmap按照访问顺序来进行排序，最近访问的放在头，最老访问的就在尾
    CACHE_SIZE = cacheSize;
}

@Override
protected boolean removeEldestEntry(Map.Entry eldest) {
    return size() > CACHE_SIZE; // 这个意思就是说当map中的数据量大于指定的缓存个数的时候，就自动删除最老的数据
}

redis不能支撑高并发的瓶颈
单机在几万
reids持久化
redis持久化的意义，在于故障恢复
redis突然挂了，里面有很重要的数据会丢失，重启之后，要去恢复redis很费劲
想办法从内存持久化到磁盘，然后定期同步和备份到一些云存储服务上去，保证数据不丢失全部

如果不做持久化还有可能出现redis缓存雪崩的问题，当重启redis，然后没有做数据备份，所有的请求都会直接去mysql里面去查，这时候就会出现缓存雪崩的显现，mysql直接就挂了，mysql挂了，就无法找到数据恢复到redis。
redis持久化：RDB
每个几分钟，几小时，几天，生成redis内存中数据的一份完整的快照
redis持久化：AOF

redis缓存雪崩
redis宕机，大量数据访问mysql，数据库扛不住这么大的并发，直接挂掉，那么整个系统也就挂了

如何解决缓存雪崩
事前要保证redis的高可用
先去系统内部缓存ehcache查，没有就去redis查。redis没有就去数据库查，但是去数据库查询之前要用hystrix做限流

缓存穿透