浅谈Redis缓存

在计算机中,缓存是一个高速数据存储层,其中存储数据的子集,且通常是短暂的存储,这样日后再次请求此数据时,速度要比访问数据的主存储位要快,通过缓存可以高效的重用之前检索或计算的数据。(就是从访问比较慢的地方放到访问比较快的地方)

为什么要用缓存

1. 提高应用程序的性能(因为内存的数据读取比磁盘快,所以整体性能也提升了)
2. 降低数据库成本(同样的配置,缓存比数据库的读取速度更大)
3. 减少后端负载(可以减少与数据库之间的连接)
4. 可预测的性能
5. 消除数据库热点(将数据库中经常访问的数据加载到缓存中)
6. 提高读取吞吐量
   读多写少用缓存!!!

Redis

Redis是一个开源的使用C语言编写、支持网络、可基于内存亦可持久化的的日志型、key-value数据库，并提供多种语言的API。
本质时客户端-服务端应用软件程序。
特点是简单、性能强悍、功能使用场景丰富。

通用命令

命令	描述
DEL key	该命令用于在key存在时删除key
DUMP key	序列化给定key,并返回序列化的值
EXISTS key	检查给定key是否存在
EXPIRE key seconds	为指定key设置过期时间,以秒为单位
TTL key	以秒为单位返回给定key的剩余生存时间 TTL (time to live)
TYPE key	返回key所储存的值的类型

数据结构

String

string 数据结构是简单的key-value类型,value其实不仅是String,也可以是数字。使用场景：微博数，粉丝数（常规计数）

常用命令

命令	描述
Get	获取指定key的值
Set	设置指定key的值
Incr	将key中存储的数值加一
Decr	将key中存储的数值减一
Mget	获取所有（一个或多个）给定key的值

List

List就是链表，使用场景：微博的关注列表，粉丝列表

常用命令

命令	描述
Lpush	将一个或多个值插入到列表的头部中
Rpush	在列表中添加一个或多个值
Lpop	移出并获取列表的第一个元素
Rpop	移出列表的最后一个元素，返回值为移除的元素
Lrange	获取所有（一个或多个）给定key的值

Set

Set就是一个集合，集合的概念就是一堆不重复值的组合，利用Redis提供的Set数据结构，可以存储一些集合行的数据。使用场景：实现共同关注、共同喜好、二度好友。

常用命令

命令	描述
Sadd	向集合中添加一个或多个成员
Spop	移除并返回集合中一个随机元素
Smebers	返回集合中所有的成员
sunion	返回给定集合的并集

Sorted Set

Sorted Set 的使用场景与Se，区别在于Set不是有序的，而Sorted Set 可以通过用户额外提供一个优先级（Score）的参数来为成员排序，并且是插入有序的，即自动排序。使用场景：排行榜、按照用户投票和时间排序。

常用命令

命令	描述
Zadd	向有序集合添加一个或多个成员，或更新已存在的成员的分数
Zrange	通过索引区间返回有序集合中指定区间内的成员
Zrem	移除有序集合中的一个或多个成员
Zcard	获取有序集合中的成员数

Hash

Hash是一个String类型的field和value的映射表，使用场景：存储部分变更的数据，如用户信息。

常用命令

命令	描述
Hget	获取存储在哈希表中的指定字段
HSet	将哈希表key中的字段field的值设为value
Hgetall	获取在哈希表中指定key的所有字段和值

GEO

GEO 3.2版本开始对GEO(地理位置)的支持，使用场景LBS应用开发

常用命令

命令	描述
GEOADD	增加地理位置的坐标,可以批量增加地理位置
GEODIST	获取两个地理位置之间的距离
GEOHASH	获取某个地址位置的geohash值
GEOPOS	获取指定位置的坐标,可以批量获取多个地理位置的坐标
GEOREDIUS	根据地理位置的坐标获取指定范围内的地理位置集合(注意:改命令的中心点由输入和维度决定)
GEOREDIUSBYMEMBER	根据给定成员的位置获取指定范围内的位置信息集合(注意:改命令的中心点由输入和维度决定)

Stream

Stream 5.0版本开始的新的结构"流",使用场景:消费者生产者场景(类似MQ)

常用命令

命令	描述
XADD	往指定的流中添加消息
XLEN	stream流中的消息数量
XDEL	删除流中的消息
XRANGE	返回流中满足给定id范围的消息
XREAD	从一个或多个流中读取消息
XINFO	检索关于流和关联的消费者组的不同的信息

Redis的可以做什么

1. 缓存：通过把数据放入到缓存中提高查询的效率降低数据库的IO
2. 计数器：通过DECR和INCRBY执行增加或减少计数器的值。
3. 消息队列：通过LIST，或着Stream可以实现简单的消息队列，Stream是5.0过后更新的其本质是在redis上实现一个消息发布和订阅的组件。
4. 好友关系：通过Store Set 取用户的交集，并集，差集，这样方便查询用户之间的好友关系
5. 排行榜：通过查找Store Set 起始位置和结束位置，从而实现排行榜。
6. session共享：session是存储在服务器中的，在集群的情况下用户登录后可能会分发到不同的机器，这样在另一台机器上没有用户相关session，导致用户可能重复登录的问题。通过把session保存在redis中这样无论用户被分到那一台机器上都可以获取到相关session。
7. 分布式锁：使用setnx可以实现redis分布式锁。

缓存一致性

一般我们查询缓存的步骤是：
1.先检查缓存中是否有数据 。
2.没有数据则查询数据库中数据。
3. 把数据库中的查询结果放到缓存中。
但是随着时间的推移和用户的操作可能会导致数据不一致。所以一般有一下几种方案来保证数据的一致性。

先更新数据库再更新缓存

这种方案是先更新数据库，数据库更新成功后再进行更新缓存操作，但是该方案会出现一个ABA的问题，也就是当前有A、B两个用户同时修改数据库中的一条数据，在数据库操作时，先执行A的操作把数据的值改成了1，后执行B操作把数据改成了2，但是当更新缓存的时候，B线程的执行较快先把数据改成了2，后再执行A线程的操作又把数据改成了1。所以就导致缓存中数据和数据库中的数据不一致。（不推荐）

先更新缓存再更新数据库

当出现同上一种方案先后执行的问题时，最终也会导致数据不一致。（不推荐）

先删除缓存再更新数据库

根据上面图片我们可以看出，当两个线程同时执行时，用户A过来先删除缓存中的数据，紧接着B用户又来做查询操作，当缓存中没有数据从数据库中读取后放入缓存，当A用户执行完数据库操作时数据库中的数据又和缓存不一致了。（不推荐）

先更新数据库再删除缓存

如上图所示这种方案可以有效避免数据库和缓存不一致的问题。（推荐）

通过订阅binlog来更新redis

该种方案是mysql开启binlog，然后通过canal解析binlog。canal是阿里巴巴的一个组件，canal可以解析到binlog的日志，当mysql日志变化的时候会将数据发送到canal服务中，canal将数据存放到redis中。这种方案网上有很多操作示例，等有时间写一篇具体的文档。

缓存击穿

查询必然不存在的数据，请求透过Redis直击数据库。这样当查询量大的时候，会导致数据库的压力很大，甚至导致奔溃。
解决思路：在查询之前先判断目标数据是否存在，不存在直接忽略。将流量拦截于缓存和数据库之前。

布隆过滤器

布隆过滤器他实际上是一个很长的二进制数组和一系列hash函数，它可以用于检索一个元素是否在一个集合中，它的优点是空间效率和查询时间都比一般算法要好的多，缺点是有一定的识别率和删除困难。
实现思路：
构建一个二进制数组，将元素hash取模，塞到对应的位置中。查找时根据计算hash并计算出对应的位置。利用redis的特性和命令：bitmaps（setbit设置值，getbit获取值），可以redis中的bit数组长度是2的32次方，所以通过hash值对数组长度进行取模然后找到对应的位置，再用redis中的setbit插入对应位置值的状态，getbit获取获取是否有值。

二进制数据构建过程：

1. 加载符合条件的记录
2. 计算每条元素的hash值
3. 将hash值与二进制数组的长度取模（余数），得到映射位置
4. 将对应的位置值改成1

查找元素是否存在的过程

1. 计算元素的hash值
2. 将hash值与二进制数组的长度取模（余数），得到对应的二进制数组的位置
3. 找到数组的对应值，0表示不存在，1表示存在

优点：
内存占用空间小（可存40多亿，但是占用空间只有512M）。
缺点：

1. 需要不断的维护
2. 并不能精准过滤（判定不存在则100%不存在，但是判定为存在则可能不存在）

理论上Hash计算值是有碰撞（不同的hash可以计算出同样的值），导致不存在的元素可能会被判断为存在，但是布隆过滤器并非是为了拦截所有的请求，是为了将缓存击穿控制在一定的量。

Redis集群

//TODO