redis知识总结_redis优先级队列性能-CSDN博客

本人小白一个，不能保证博客中内容都准确，如果博客中有错误的地方，望各位多多指教，请指正。欢迎找我一起讨论

redis知识总结

1、redis是什么？是用来干什么的？适合存储哪些数据？

redis 是用 C语言编写的一个非关系型数据库

redis可以用来做缓存，分布式锁

redis适合存储高频的热点数据---广告、用户经常访问的数据

2、为什么redis是单线程的速度还那么快？

redis是基于内存的，绝大部分请求都是纯粹的内存操作，速度非常快，

数据结构非常简单，对数据操作也简单

采用的是单线程，避免了上下文切换和竞争条件，不存在多个线程切换导致的CPU消耗，也不用考虑锁的问题

使用多路复用IO模型，非阻塞IO

3、介绍一下 redis的持久化策略

RDB （默认）：按照一定的时间将内存的数据以快照的形式保存在硬盘 全量同步用RDB

AOF ：将redis执行的每次写命令记录到单独的日志文件中，当重启redis时，会通过执行这个日志文件中记录的操作来恢复数据 增量同步用AOF

当两种方式同时开启时，数据恢复Redis会优先选择AOF恢复

4、谈谈 AOF和 RDB的优劣势

RDB 文件小，对性能的消耗小，恢复速度快，但会出现丢失的现象（RDB 是间隔一段时间进行持久化，如果持久化之间 redis 发生故障，会发生数据丢失）

AOF 文件比较大，对性能消耗大，恢复速度比较慢，数据安全

5、redis有哪些数据结构，分别适合什么样的场景使用？

String - 验证码、用户认证信息、普通缓存数据

List - 可以用作消息队列

Hash - 用户购物车数据、秒杀时间段对应商品信息

set - 可以实现获取两个集合的差集、交集，比如共同好友

zset - 可以用来实现优先级队列(比如延迟任务队列)

6、redis 三大问题雪崩、击穿、穿透

缓存雪崩

redis挂了，或者大批量key同时失效，让很多请求访问mysql

100W条不同的数据过期时间都是 10天，那么10天过后这100W条数据全部同时失效

解决方案

redis挂了，解决就是搭建集群（cluster）
大批量key同时失效，解决就是，错开数据过期时间 10W设置一个过期时间 5W设置一个过期时间 20W设置一个过期时间......
如果已经出现了雪崩，那就降级、熔断

redis 雪崩：大量的key在同一时间失效，导致大量请求直接访问数据库

解决：错开过期时间

缓存击穿：数据库中有这条数据，缓存中没有

某个热点数据刚好过期（失效），redis把这条数据自动删除了，此时，大量并发因缓存过期未命中redis，导致请求mysql

解决方案

针对某个key过期后，使用分布式锁机制，查询mysql数据库之前加一把锁，让第一个线程查询mysql 之前重新查询缓存，如果还是查不到，就去mysql中查询，然后将数据缓存到redis 中，其它线程在第一个线程从新缓存redis后从redis读取数据。就第一个线程访问了数据库，其他线程都是访问的缓存。

高热数据不过期

缓存穿透：数据库和 redis中都没有这条数据

大量的不存在的key值（查询的key值在redis中和mysql数据库中都没有数据，这个值根本就不存在，比如 id = -1 , 在mysql中id自增主键不肯能为 -1 ，所以此时在redis中和mysql数据库中都没有数据，直接穿透了redis 和数据库），透过redis，查询mysql

解决方案

布隆过滤器（位数组-hash结构），判断key是否存在(正常值)，如果不存在则直接响应（避免请求mysql）

代码复杂，难维护，因为往数据库中添加一条数据，也要同时向布隆过滤器中添加一条，不然的话就会当作非法请求，直接拦截。另外一个比如：数据库中数据有10W条数据，现在删除了 8 W （此时就会出现占用内存提高误判，所以才要重建，当然不重建也可以，只要你能扛得住这个内存消耗和误判），但是布隆过滤器不能删除，此时要考虑重建，也就是重新初始化布隆过滤器（可以用定时任务，定时更新频率要看删除的数据多少来定）

具体描述：将查询表中字段的所有值存入布隆过滤器，比如要查表中一个id字段，那么我就把这个表中id字段的所以的值加入到布隆过滤器，然后比如要查询这个id，在查询之前就先访问布隆过滤器。
缓存空对象：效果不是很好，因为第一次仍然会去查数据库，换一个不存在的数据的key，仍然会去查询数据库，这样会导致redis中有大量没用的数据，占redis的内存。所以它解决的是一个key多次访问的问题。

具体描述：查询一条不存在的数据的时候，也就是说这条数据在数据库中不能查到，把这条数据加入到redis缓存，key不变，value设置为空对象，然后在查询redis的时候加个判断，判断这个key对应的value是不是空对象，如果是直接返回 “查询无果” 。这样的话同一个key第二次访问就不会走数据库了，直接在redis就能查到。

7、redis和数据库数据不一致问题

什么情况下会出现这样的问题？更新操作的时候
比如说我现在数据库中有1001 条数据 redis中也有1001条数据，现在要更新数据，那应该怎么更新数据呢？

场景一：先更新数据库中数据，再更新redis缓存数据，如果更新redis缓存数据失败了呢，redis宕机？此时数据库中是新数据，redis中是旧数据，数据出现了不一致
场景二：先更新数据库中数据，再更新redis缓存数据，如果因为网络等原因，线程B 比线程A先更新了redis缓存，此时就出现了数据不一致（脏数据）

解决：

先删除缓存，再修改数据库。如果数据库修改失败了，那么数据库中的是旧数据，缓存中是空的，那么数据不会不一致。因为读的时候缓存没有，则读数据库中的旧数据，然后更新到缓存中

场景三：先删除缓存，再更新数据库。此时数据发生了变更，先删除缓存，再去修改数据库，此时另外一个请求过来，去读缓存，发现缓存是空的去查询数据库，查到的是旧数据，更新到缓存中，随后数据变更的程序完成了数据库的值更新了，此时数据库和缓存中的数据不一样。

解决：

方案一：延时双删删除redis-->更新mysql-->延时5秒钟-->删除redis

方案二（解决读多写少的场景）：用读写锁优化读写锁的锁对象要一样可以使用 Redisson 直接获取锁底用的是 lua脚本在设置每个key的时候绑定了一个mode
，读锁绑定了一个 read mode 写锁绑定了一个 write mode

方案三（解决读多写多的场景）：

缓存设置一个超时时间（这个时间要根据业务场景来定）又要用缓存又要用数据库又要支撑高并发，只能去保证最终一致性

读多写多的场景就不应该用缓存，直接读数据库不就可以了

读多写多的场景又要用缓存怎么解决数据不一致（保证一致性，非最终一致性，可以理解为强一致性）？ cannal中间件可以解决

8、redis的删除策略

定时删除创建一个定时器
- 描述：利用定时任务，扫描全部的键，删除过期键
- 优点：可以及时的删除过期数据，对内存消耗小
- 缺点：扫描时对cpu消耗太大
惰性删除：
- 描述：什么时候用这个键，再去expires中查找对应的过期时间，过期了就删除
- 优点：cpu消耗小
- 缺点：内存里面可能存在很多过期的数据
定期删除：
- 描述：每隔一定的时间，会扫描一定数量的数据库的expires字典中一定数量的key，并清除其中已过期的key。该策略是前两者的一个折中方案。通过调整定时扫描的时间间隔和每次扫描的限定耗时，可以在不同情况下使得CPU和内存资源达到最优的平衡效果。
- 优点：对于之前的两种策略做了一个时间和空间选择的权衡

9、redis 淘汰策略（三类八种）

第一种策略：检测expires将要过期的数据
- volatile-lru：它对带过期时间的 key 采用最近最少访问（空闲时间最久）算法来淘汰（没有设置过期时间的不会被淘汰）
  
  如果有一些数据一直放在内存数据库中，一些数据可以被淘汰可以使用这种策略
  
  ---- 手写lru 基于 linkedHashMap ( 核心如果数据最近被访问过，将来它可能被访问的几率大于其他的key )
- volatile-lfu：它对带过期时间的 key 采用最近最不经常使用（一段时间内的使用频率最小）的算法来淘汰
- volatile-ttl：对带过期时间的 key 中选择最早要过期的 key 进行淘汰
  
  需要设置ttl 来确定数据过期顺序，这个策略比较合适
- volatile-random：它是对带过期时间的 key 中随机选择 key 进行淘汰
  
  如果有一些数据一直放在内存数据库中，一些数据可以被淘汰可以使用这种策略
第二种策略：全部数据检测
- allkeys-lru：从内存库中所有的key中，挑选最近最少使用的数据淘汰（一部分数据访问频率比较高，一部分比较低，这个策略相对比较合适）
  
  如果某一个key设置了过期时间，这种情况下，这个策略比较好，可以高效利用内存
- allkeLyRs-lfu：从内存库中所有的key中，挑选最近使用次数最少的数据淘汰
- allkeys-random：从内存库中所有的key中，任意选择数据淘汰，相当于随机（如果所有的数据访问频率大概相等，这个策略比较合适）
第三种：放弃数据淘汰
- no-enviction（驱逐）：禁止驱逐数据(redis4.0中默认策略)，当内存不足以容纳新的数据时，新写入操作就好报错，会引发OOM(Out Of Memory)