为什么快？
纯内存访问
非阻塞I/O，Redis使用epoll作为I/O多路复用技术的实现，处理了epoll的连接、读写、关闭转化为事件，不在网络I/O上浪费过多时间
单线程避免了线程切换和竞态发生的消耗
多路复用：
select
有I/O流事件来时，无法知道是什么流发生只能通过轮询的方式找出数据
时间复杂度:O(n)
存储：数组 （有最大数限制）
最大连接数：单个进程所能打开的最大连接数有FD_SETSIZE定义，一般32位是3232 64位是3264
连接数过大时 ：会因为连接数增加带来I/O效率问题
poll
和select 没有什么区别，但是他没有最大数限制
时间复杂度:O(n)
存储：链表（没有最大数限制）
最大连接数：没有限制
连接数过大时：会因为连接数增加带来I/O效率问题
epoll
可以理解为event epoll,所以不同于上面的轮询，epoll 会把I/O流事件通知我们所以时间复杂度降低到O(1)
时间复杂度:O(1)
连接数过大时： 因为epoll内核中实现是根据每个fd上的callback函数来实现的，只有活跃的socket才会主动调用callback，所以在活跃socket较少的情况下，使用epoll没有前面两者的线性下降的性能问题，但是所有socket都很活跃的情况下，可能会有性能问题。
总结：连接数少时 select,poll比epoll性能好因为epoll的callback也会造成消耗
是不是单线程？
Redis4.0 之后并不是单线程了 除了主线程外，他也有后台线程处理一些较为缓慢的操作(例如：清除脏数据，无用连接的释放，key释放等)，但是它的读是单线程
Redis6.0 新增了多线程的功能来提供I/O的读写性能，他的主要实现思路是将主线的IO读写任务拆分给一组独立的线程去执行，这样就可以使用多个socket的读写可以并行化，采用多路I/O复用技术可以让单个线程高效的处理多个连接请求（尽量减少网络IO的时间消耗），将最耗时的socket的读取、请求解析、写入单独外包出去，剩下的命令执行仍然由主线程串行执行并和内存的数据交互。
Redis6.0默认多线程机制是关闭的需要开启则在Redis.config设置
//io线程 默认为关闭
io-threads-do-reads yes
//io线程数，默认为4
io-threads 4 最大并发连接
Redis 2.6 和更新版本中，这个限制是动态的：默认情况下它设置为10000个客户端，除非redis.conf中maxclient的值修改了
数据类型
Strings 字符串
Lists 列表，按插入顺序排序
Sets 无序集合
Hashes 哈希 字符串和字符串值之间的映射
Sort Sets 排序集
场景：排行榜存储
Bitmaps 位图
bitmaps 占用1位字符
用途：在特定场景使用bitmaps能大大节约内存使用
例如：1亿用户，有5000万活跃用户时 set集合和bitmaps内存占用量有明显差距
| 数据类型 | 单个占用空间 | 存储总用户量 | 内存量 |
| 集合类型 | 64位 | 50 000 000 | 64 x 50 000 000=400MB |
| Bitmaps | 1位 | 100 000 000 | 1 x 100 000 000=12.5MB |
而如果用户量只有10万的时候则bitmaps的内存量就不如set
因为一亿用户bitmap还是要用12.5MB去存储 而集合类型则只用存储10万的用户量的空间
| 数据类型 | 单个占用空间 | 存储总用户量 | 内存量 |
| 集合类型 | 64位 | 100 000 | 64 x 100 000=800KB |
| Bitmaps | 1位 | 100 000 000 | 1 x 100 000 000=12.5MB |
场景：用户活跃数据多时记录用户当天是否访问
HyperLogLogs
用途：能极大的减少内存的存储，但是存储的准确率不是百分之百 ，redis给出的数字是81%，这就可以做很多事情比如可以做一些不需要那么准确的事情 例如布隆过滤器
| 数据类型 | 1天 | 1个月 |
| 集合类型 | 80M | 2.4G |
| Bitmaps | 15K | 450K |
Streams 流
Geospatial indexes 地理空间索引
内存回收策略
惰性删除
方法访问时将过期删除 例如：调用redis get命令时
定时任务删除
每10s执行定时任务回收过期key
used_memory>maxmemory触发内存驱逐策略(驱逐策略选择noeviction除外)
数据存储驱逐策略
- noeviction：达到内存限制时不保存新值。当数据库使用复制时，这适用于主数据库
- allkeys-lru：保留最近使用的密钥；删除最近最少使用 (LRU) 键
- allkeys-lfu : 保存常用键；删除最不常用 (LFU) 键
- volatile-lru：删除最近最少使用的键，
expire字段设置为true。 - volatile-lfu
expire：删除字段设置为的最不常用键true。 - allkeys-random：随机删除键为添加的新数据腾出空间。
- volatile-random：随机删除
expire字段设置为 的键true。 - volatile-ttl：删除
expire字段设置为true和最短剩余生存时间（TTL）值的键。
驱逐策略选择：
根据使用率来判断，请选择allkeys-lru策略
如果你缓存的对象使用不同的TTL值，则使用volatile-ttl策略
构建热点数据驱逐策略常用lru,lfu来判断
注：expire为键设置值会消耗内存
持久化
RDB
当前进程数据生成快照保存到硬盘
持久化命令：
save:会阻塞redis服务器，生产不建议使用
bgsave:redis进程fork操作创建子线程 阻塞一般在fork阶段 这个时间很短，创建的子线程去做生成rdb文件（fork操作属于重量级所以无法频繁操作）
缺点：redis停止工作后丢失的数据会较多，因为RDB的保存点一般会每五分钟或更长时间创建一次 RDB 快照，所以就会丢失一部分最新的数据
RDB 需要经常 fork() 以便使用子进程在磁盘上持久化。如果数据集很大，fork() 可能会很耗时，并且如果数据集很大并且 CPU 性能不是很好，可能会导致 Redis 停止为客户端服务几毫秒甚至一秒钟。AOF 也需要 fork() 但频率较低
优点:适合灾难恢复,适合备份
场景：可以用做备份，例如：30 天内每天保存一个 RDB 快照。这使您可以在发生灾难时轻松恢复不同版本的数据集
Redis复制的部分同步
AOF
是通过将命令先写入AOF缓冲，AOF缓冲在异步写入AOF文件
优点：有不同的 fsync 策略（如下缓冲策略）
AOF 日志是一个仅附加日志，因此不会出现寻道问题，也不会在断电时出现损坏问题。即使由于某种原因（磁盘已满或其他原因）日志以写一半的命令结束，redis-check-aof 工具也能够轻松修复它
当 AOF 变得太大时，Redis 能够在后台自动重写 AOF
缺点：AOF 文件通常比相同数据集的等效 RDB 文件大
redis<7.0
如果在重写期间有对数据库的写入，AOF 可能会使用大量内存（这些被缓冲在内存中并在最后写入新的 AOF）。
重写期间到达的所有写入命令都会写入磁盘两次。
Redis 可以在重写结束时冻结写入并将这些写入命令同步到新的 AOF 文件
缓冲策略
always:命令写入AOF缓冲后，直接调用fsync命令将缓冲里面的数据放入AOF文件，fsync完成后线程返回
everysec:命令写入AOF缓冲后，调用系统write操作，write完成后返回，fsync同步文件操作由专门线程每秒调用一次 默认
no:命令写入AOF缓冲后调用write操作，不对aof文件做fsync同步，同步硬盘操作由操作系统负责，通常同步周期最长30秒（无法保证持久化）
建议：使用everysec 宕机情况下最多只会丢失一秒的数据
场景：实时持久化
AOF重写机制:相当于将有些没用的命令 或者多条命令合并存 一般是设置个大小到了多少内存以上后自动将调用aof重写机制
系列链接
Redis学习笔记二 主从复制_记性差的程序员的博客-CSDN博客
Redis学习笔记三 哨兵（Sentinel）_记性差的程序员的博客-CSDN博客
Redis学习笔记四 集群（cluster）_记性差的程序员的博客-CSDN博客
Redis学习笔记五 运用篇_记性差的程序员的博客-CSDN博客
参考
https://www.jianshu.com/p/397449cadc9a
《Redis开发与运营》
1085
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
