Redis学习笔记

为什么有了MySQL还要nosql

大数据时代下数据的三大特征∶1.海量Volume2.多样Variety3.实时Velocity，也就是所谓的3V，而大数据时代的3高为:（主要是对程序的要求）1.高并发2高可扩3.高性能。
传统的关系型数据库很难对付，就产生了NoSQL

什么是NoSQL

NoSQL也是用来存储数据的，只是存储的数据不再是传统的关系型模式（一张二维表）来存储，而是通过一些其他的方式例如键值对，基于列，基于图形的存储等。
NoSQL的四大分类

• 基于 K-V键值对的存储∶例如Redis
• 基于文档型数据库( bson格式和json一样)∶例如MongoDB（一般必须要掌握）
  MongoDB是一个基于分布式文件存储的数据库，C++编写，主要用来处理大量的文档!
  MongoDB是一个介于关系型数据库和非关系型数据中中间的产品 !MongoDB是非关系型数据库中功能最丰富，最像关系型数据库的!
• 基于列存储数据库：例如 HBase
• 基于图关系数据库： 例如Neo4j

什么是 Redis？
Redis ( Remote Dictionary Server)，即远程字典服务!
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日志型、Key-Value数据库，并提供多种语言的API。redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件，并且在此基础上实现了master-slave(主从)同步。免费和开源!是当下最热门的NoSQL技术之一!也被人们称之为结构化数据库!因为是纯内存操作，Redis 的性能非常出色，每秒可以处理超过 10 万次读写操作，是已知性能最快的Key-Value DB。有16个数据库，默认使用第0个。默认端口号为6379.

Redis为什么单线程还这么快?

1、误区1∶高性能的服务器一定是多线程的?
2、误区2︰多线程〔CPU上下文会切换!)一定比单线程效率高!
CPU的速度>内存的速度>硬盘的速度
Redis 是将所有的数据全部放在内存中的，所以说使用单线程去操作效率就是最高的，多线程(CPU上下文会切换︰耗CPU操作!!!)，对于内存系统来说，如果没有上下文切换效率就是最高的!多次读写都是在一个CPU上的，在内存情况这个就是最佳的方案!

Redis基本操作命令

select 1 # 切换到1号数据库

dbsize # 查看数据库的大小

keys * # 查看数据库的所有key

flushdb # 清空当前数据库

flushall # 清空全部数据库的内容

set name "123" # 存值，key为name，值为123

get name # 通过键获得值

remove name #移除name的键

exists name # 判断键name是否存在

expire name 10 #设置name键10秒后过期

ttl name # 可以查看name还剩几秒就过期了

type name # 查看key的类型

ping # 查看Redis是否连接成功，成功时返回pong

INCR/DECR name #---将name键存储的值增加/减少1

INCRBY/DECRBY name 10 #--- 将name键存储的值增加/减少10

五大基本数据类型

String

• strlen name #获取字符串的长度

• APPEND key1 "he11o” #追加字符串，如果当前key不存在，就相当于setkey

• setex key3 30 “he11o” #设置key3的值为he11o,30秒后过期

• setnx mykey “redis”#如果mykey不存在，创建mykey，存在则创建失败

• mset k1 v1 k2 v2 k3 v3#同时设置多个值

• mget k1 k2 k3 #同时获取多个值

• msetnx kl v1 k4 v4 #不存在时创建，msetnx是一个原子性的

• set user:1 {name:zhangsan ,age:3] #设置一个user:1对象值为 json字符来保存一个对象!#这里的key是一个巧妙的设计:user:{id}:{filed} ，如此设计在Redis中是完全OK了!
  mset user:1:name zhangsan user:1:age 2
  mget user:1:name user:1:age

• getset db mongodb#如果存在值，获取原来的值，并设置新的值，不存在，返回nil并设置新值

• GETRANGE KEY-NAME start end —获取一个由偏移量start至偏移量end范围内的所有字符组成的字串，包括start和end在内（左闭右闭）若end为-1表示查看整个字符串

• SETRANGE KEY-NAME offset value—将start偏移量开始的字串替换成给定值

List

• LPUSH list one #将一个值或者多个值，插入到列表头部(左)
• LRANGE list 0 -1 #获取1ist中值!
• LRANGE list 0 1 #通过区间获取具体的值!
• Rpush list righr #将一个值或者多个值，插入到列表位部(右)
• Lpop list #移除1ist的第一个元素
• Rpop list #移除1ist的最后一个元素
• Rpop list zhangsan #移除list的值为zhangsan的元素
• Rpop list 2 zhangsan #移除list的值为zhangsan的前两个元素
• lindex list 1# 通过下标获得list中的某一个值!
• Llen list #返回列表的长度
• ltrim mylist 1 2#通过下标截取指定的长度，这个list已经被改变了，截断了只剩下截取的元素!
• rpoplpush #移除列表的最后一个元素,将他移动到新的列表中!
• lset list 0 item #如果不存在列表我们去更新就会报错,存在则将0号位置更新为item
• linsert #将某个具体的value插入到列把表中某个元素的前面或者后面!
  LINSERT mylist before “wor1d” “other”
  LINSERT mylist after wor1d new

Set

• sadd myset “he11o” # set集合中添加元素

• SMEMBERS myset #查看指定set的所有值

• SISMEMBER myset hello #判断某一个值是不是在set集合中 返回1表示存在，0表示不存在

• scard myset #获取set集合中的内容元素个数!

• srem myset he11o #移除set集合中的指定元素

• SRANDMEMBER myset#随机抽选出一个元素

• SRANDMEMBER myset 2 #随机抽选出两个元素

• spop myset #随机删除一些set集合中的元素!

• smove myset myset2 aa # 将一个指定的值aa（myset中的元素），从myset 移动到另外一个set集合myset2!

• SDIFF key1 key2 #差集
  SINTER key1 key2 #交集，共同好友就可以这样实现
  SUNION key1 key2 #并集

Hash

可以看做Map集合，只是这个Map的value还是一键值对存储的。即key-map!时候这个值是一个map集合!本质和String类型没有太大区别，还是一个简单的 key-vlaue !

• hset myhash field1 shen # set一个具体key-vlaue
• hget myhash field1 #获取一个字段值
• hmset myhash field1 hello field2 world # set多个key-vlaue
• hmget myhash field1 field2#获取多个字段值
• hgetall myhash #获取全部的数据,
• hdel myhash field1 #删除hash指定key字段!对应的value值也就消失了!
• hlen myhash#获取hash表的字段数量!
• HEXISTS myhash field1 #判断hash中指定字段是否存在!
• hkeys myhash #只获得所有field
• hvals myhash#只获得所有value

Zset

• zadd salary 500 aaa #添加元素

• ZRANGEBYSCORE salary -inf +inf #显示全部的用户从小到大!

• ZREVRANGE salary 0 -1#从大到进行排序!

• ZRANGEBYSCORE salary -inf +inf withscores # 显示全部的用户并且附带成绩（值）

• ZRANGEBYSCORE salary -inf 2500 withscores#显示工资小于2500员工的升序排序!

• zrem salary xiaohong #移除有序集合中的指定元素

• zcard salary#获取有序集合中的个数

• zcount myset 1 3#获取指定区间的成员数量!

三种特殊数据类型

geo

geospatial地理位置，这个功能可以推算地理位置的信息，两地之间的距离，方圆几里的人!GEO底层的实现原理其实就是Zset !

geoadd添加地理位置
规则:两级无法直接添加，我们一般会下载城市数据，直接通过java程序一次性导入!
有效的经度从-180度到180度。
有效的纬度从-85.05112878度到85.05112878度。
当坐标位置超出上述指定范围时,该命令将会返回一个错误。

• geoadd china:city 116.40 39.90 beijing
• GEOPos china:city beijing#获取指定的城市的经度和纬度!

GEODIST
两人之间的距离!
单位:
m表示单位为米。
km表示单位为千米。
mi表示单位为英里。
ft表示单位为英尺。

• GEODIST china:city beijing shanghai km #查看上海到北京的直线距离
• GEORADius china:city 110 30 1000 km # 以110，30这个经纬度为中心，寻找方圆1000km内的城市
• GEORADius china:city 110 30 500 km withdist # 显示到中间距离的位置
• GEORADius china:city 110 30 500 km withcoord#显示他人的定位信息
• GEORADIUs china:city 110 30 500 km withdist withcoord count 1#筛选出指定的结果!
• GEORADIUSBYMEMBER china:city beijing 1000 km # 找出位于指定元素周围的其他元素!
• ZRANGE china:city 0 -1 #查看地图中全部的元素
• zrem china:city beijing #移除指定元素!

Hyperloglog简介

Redis 2.8.9版本就更新了Hyperloglog数据结构!Redis Hyperloglog基数统计的算法!
优点∶占用的内存是固定，2^64不同的元素的技术，只需要废12KB内存!如果要从内存角度来比较的话 Hyperloglog首选!
适用场景：网页的UV(一个人访问一个网站多次，但是还是算作一个人!)传统的方式，set保存用户的id，然后就可以统计set中的元素数量作为标准判断!这个方式如果保存大量的用户id，就会比较麻烦!我们的目的是为了计数，而不是保存用户id，所以Hyperloglog 会比较方便;Hyperloglog会有0.81%错误率!统计UV任务，可以忽略不计的!

PFadd mykey a b c d e f g h i j#创建第一组元素 mykey
PFCOUNT mykey# 统计 mykey元素的基数数量
PFadd mykey2 i j z x c v b n m #创建第二组元素mykey2
PFCOUNT mykey2
PFMERGE mykey3 mykey mykey2#合并两组 mykey mykey2 => mykey3并集
PFCOUNT mykey3#看并集的数量!

Bitmaps

按位存储的数据结构，一般用于：统计用户信息，活跃，不活跃!登录、未登录!打卡365打卡!两个状态的，都可以使用Bitmaps !Bitmaps是一种位图，数据结构!都是操作二进制位来进行记录，就只有0和1两个状态!365天= 365 bit1字节= 8bit46个字节左右!

setbit sign 1 0 # 用于像Bitmaps中存值
setbit sign 2 0
setbit sign 3 1
setbit sign 4 0
getbit sing 1 # 用于从Bitmaps中取值，这个命令会输出的结果为 0
getbit sing 3 # 用于从Bitmaps中取值，这个命令会输出的结果为 1
bitcount sign # 统计1的个数

事务

Redis事务本质:一组命令的集合!一个事务中的所有命令都会被序列化，在事务执行过程的中，会按照顺序执行!（队列里）一次性、顺序性、排他性!执行一些列的命令!
------队列set set set执行------
Redis事务没有没有隔离级别的概念!单条命令式保存原子性的，但是事务不保证原子性!
所有的命令在事务中，并没有直接被执行!只有发起执行命令的时候才会执行!Exec
redis的事务的使用一般包括以下三步︰

• 开启事务(mutil)·
• 命令入队(… )
• 执行事务(exec )

multi #开启事务

#命令入队
set k1 v1QUEUED
set k2 v2QUEUED
get k2QUEUED
set k3 v3QUEUED
exec#执行事务1)  
# discard 取消事务

事务中的代码若有错误，可以分为以下两种情况：
编译型异常（代码有问题!命令有错! )，事务中所有的命令都不会被执行!（比如指令错误）

运行时异常(1/0），如果事务队列中存在语法性，那么执行命令的时候，其他命令是可以正常执行的，只有错误的命令不执行。错误命令抛出异常!

监视watch相当于乐观锁

Jedis

我们要使用Java来操作 Redis。Jedis 是Redis官方推荐的java连接开发工具!使用]ava操作Redis中间件!如果你要使用java操作redis，那么一定要对Jedis十分的熟悉!

Redis 持久化

Redis 是内存数据库，如果不将内存中的数据库状态保存到磁盘，那么一旦服务器进程退出，服务器中的数据库状态也会消失。所以Redis提供了持久化功能!
RDB
在指定的时间间隔内将内存中的数据集快照写入磁盘，也就是行话讲的Snapshot快照，它恢复时是将快照文件直接读到内存里。Redis会单独创建 ( fork )一个子进程来进行持久化，会先将数据写入到一个临时文件中，待持久化过程都结束了，再用这个临时文件替换上次持久化好的文件。整个过程中，主进程是不进行任何I0操作的。这就确保了极高的性能。如果需要进行大规模数据的恢复，且对于数据恢复的完整性不是非常敏感，那RDB方式要比AOF方式更加的高效。RDB的缺点是最后一次持久化后的数据可能丢失。我们默认的就是RDB，一般情况下不需要修改这个配置!rdb保存的文件是dump.rdb。都是在我们的配置文件中快照中进行配置的!

1、save的规则满足的情况下，会自动触发rdb规则
2、执行flushall命令，也会触发我们的rdb规则!
3、退出redis，也会产生rdb文件!
备份就自动生成一个dump.rdb
如何恢复rdb文件!
1、只需要将rdb文件放在我们redis启动目录就可以，redis启动的时候会自动检查dump.rdb恢复其中的数据!
2、查看需要存在的位置

127.0.0.1:6379> config get dir
 "dir"
 "/usr/loca1/bin"#如果在这个目录下存在 dump.rdb 文件，启动就会自动恢复其中的数据

优点∶
1、适合大规模的数据恢复!
2、对数据的完整性要不高!
缺点∶
1、需要一定的时间间隔进程操作!如果redis意外宕机了，这个最后一次修改数据就没有的了!
2、fork进程的时候，会占用一定的内容空间!!

以日志的形式来记录每个写操作，将Redis执行过的所有指令记录下来(读操作不记录），只许追加文件但不可以改写文件，redis启动之初会读取该文件重新构建数据，换言之，redis重启的话就根据白志文件的内容将写指令从前到后执行一次以完成数据的恢复工作
Aof保存的是appendonly.aof文件

默认是不开启的，默认使用的是RDB，我们需要手动进行配置!我们只需要打开kconfig/ redis.conf文件（vim打开），将appendonly改为yes就开启了aof !重启，redis就可以生效了!如果这个aof文件有错位（被更改了），这时候redis 是启动不起来的，我们需要修复这个aof文件。redis给我们提供了一个工具redis-check-aof --fix，修复后重启即可，而RDB是没有这个修复的。

优点:
1、每一次修改都同步，文件的完整会更加好!
2、每秒同步一次，可能会丢失一秒的数据
3、从不同步，效率最高的!
缺点︰
1、相对于数据文件来说，aof远远大于rdb，修复的速度也比 rdb慢!
2、Aof运行效率也要比rdb慢，所以我们redis默认的配置就是rdb持久化!
扩展∶

• 1、RDB持久化方式能够在指定的时间间隔内对你的数据进行快照存储
• 2、AOF持久化方式记录每次对服务器写的操作，当服务器重启的时候会重新执行这些命令来恢复原始的数据，ADF命令以Redis 协议追加保存每次写的操作到文件末尾。（64MB）Redis还能对AOF文件进行后台重写，使得AOF文件的体积不至于过大。
• 3、只做缓存，如果你只希望你的数据在服务器运行的时候存在，你也可以不使用任何持久化
• 4、同时开启两种持久化方式
  ·在这种情况下，当redis重启的时候会优先载入AOF文件来恢复原始的数据，因为在通常情况下AOF文件保存的数据集要比RDB文件保存的数据集要完整。RDB的数据不实时，同时使用两者时服务器重启也只会找AOF文件，那要不要只使用AOF呢?作者建议不要，因为RDB更适合用于备份数据库(AOF在不断变化不好备份），快速重启，而且不会有AOF可能潜在的Bug，留着作为一个万一的手段。
• 5、性能建议
  1、因为RDB文件只用作后备用途，建议只在Slave上持久化RDB文件，而且只要15分钟备份一次就够了，只保留save 900 1这条规则。
  2、如果Enable AOF，好处是在最恶劣情况下也只会丢失不超过两秒数据，启动脚本较简单只load自己的AOF文件就可以了，代价一是带来了持续的IO，二是AOF rewrite的最后将rewrite过程中产生的新数据写到新文件造成的阻塞几乎是不可避免的。只要硬盘许可，应该尽量减少AOF rewrite的频率，AOF重写的基础大小默认值64M太小了，可以设到5G以上，默认超过原大小100%大小重写可以改到适当的数值。
  3、如果不Enable AOF，仅靠Master-Slave Repllcation实现高可用性也可以，能省掉一大笔IO，也减少了rewrite时带来的系统波动。代价是如果Master/Slave同时倒掉，会丢失十几分钟的数据，启动脚本也要比较两个Master/Slave中的 RDB文件，载入较新的那个，微博就是这种架构。

Redis发布订阅

Redis 发布订阅(pub/sub)是一种消息通信模式:发送者(pub)发送消息，订阅者(sub)接收消息。Redis客户端可以订阅任意数量的频道。
订阅/发布消息图:



Redis通过PUBLISH、SUBSCRIBE和PSUBSCRIBE等命令实现发布和订阅功能。

• 通过SUBSCRIBE 命令订阅某频道后，redis-server里维护了一个字典，字典的键就是一个个频道!（微信公众号），而字典的值则是一个链表，链表中保存了所有订阅这个channel的客户端。SUBSCRIBE命令的关键，就是将客户端添加到给定channel的订阅链表中。
• 通过PUBLISH命令向订阅者发送消息，redis-server 会使用给定的频道作为键，在它所维护的channel字典中查找记录了订阅这个频道的所有客户端的链表，遍历这个链表，将消息发布给所有订阅者。
• Pub/Sub从字面上理解就是发布(Publish )与订阅( Subscribe )，在Redis中，你可以设定对某一个key值进行消息发布及消息订阅，当一个key值上进行了消息发布后，所有订阅它的客户端都会收到相应的消息。这一功能最明显的用法就是用作实时消息系统，比如普通的即时聊天，群聊等功能。

Redis主从复制

主从复制，是指将一台Redis服务器的数据，复制到其他的Redis服务器。前者称为主节点(master/leader)，后者称为从节点(slave/follower);数据的复制是单向的，只能由主节点到从节点。Master以写为主，Slave以读为主。
默认情况下，每台Redis服务器都是主节点;且一个主节点可以有多个从节点(或没有从节点)，但一个从节点只能有一个主节点。主从复制的作用主要包括:

• 1、数据冗余︰主从复制实现了数据的热备份，是持久化之外的一种数据冗余方式。
• 2、故障恢复∶当主节点出现问题时，可以由从节点提供服务，实现快速的故障恢复;实际上是一种服务的冗余。
• 3、负载均衡∶在主从复制的基础上，配合读写分离，可以由主节点提供写服务，由从节点提供读服务（即写Redis数据时应用连接主节点，读Redis数据时应用连接从节点），分担服务器负载;尤其是在写少读多的场景下，通过多个从节点分担读负载，可以大大提高Redis服务器的并发量。
• 4、高可用（集群）基石︰除了上述作用以外，主从复制还是哨兵和集群能够实施的基础，因此说主从复制是Redis高可用的基础。

一般来说，要将Redis运用于工程项目中，只使用一台Redis是万万不能的（宕机，最低配为一主二从），原因如下∶

• 1、从结构上，单个Redis服务器会发生单点故障，并且一台服务器需要处理所有的请求负载，压力较大;
• 2、从容量上，单个Redis服务器内存容量有限，就算一台Redis服务器内存容量为256G，也不能将所有内存用作Redis存储内存，一般来说，单台Redis最大使用内存不应该超过20G。

哨兵模式(自动选举老大的模式)

主从切换技术的方法是︰当主服务器宕机后，需要手动把一台从服务器切换为主服务器，这就需要人工干预，费事费力，还会造成一段时间内服务不可用。这不是一种推荐的方式，更多时候，我们优先考虑哨兵模式。Redis从2.8开始正式提供了Sentinel (哨兵）架构来解决这个问题。
谋朝篡位的自动版，能够后台监控主机是否故障，如果故障了根据投票数自动将从库转换为主库。哨兵模式是一种特殊的模式，首先Redis提供了哨兵的命令，哨兵是一个独立的进程，作为进程，它会独立运行。其原理是哨兵通过发送命令，等待Redis服务器响应，从而监控运行的多个Redis实例。

这里的哨兵有两个作用

• 通过发送命令，让Redis服务器返回监控其运行状态，包括主服务器和从服务器。
• 当哨兵监测到master宕机，会自动将slave切换成master，然后通过发布订阅模式通知其他的从服务器，修改配置文件，让它们切换主机。

然而一个哨兵进程对Redis服务器进行监控，可能会出现问题，为此，我们可以使用多个哨兵进行监控。各个哨兵之间还会进行监控，这样就形成了多哨兵模式。

假设主服务器宕机，哨兵1先检测到这个结果，系统并不会马上进行failover过程，仅仅是哨兵1主观的认为主服务器不可用，这个现象成为主观下线。当后面的哨兵也检测到主服务器不可用，并且数量达到一定值时，那么哨兵之间就会进行一次投票，投票的结果由一个哨兵发起，进行failover[故障转移]操作。切换成功后，就会通过发布订阅模式，让各个哨兵把自己监控的从服务器实现切换主机，这个过程称为客观下线。
优点：
1、哨兵集群，基于主从复制模式，所有的主从配置优点，它全有
2、主从可以切换，故障可以转移，系统的可用性就会更好
3、哨兵模式就是主从模式的升级，手动到自动，更加健壮!
缺点︰
1、Redis 不好啊在线扩容的，集群容量一旦到达上限，在线扩容就十分麻烦!
2、实现哨兵模式的配置其实是很麻烦的，里面有很多选择!

Redis缓存穿透和雪崩

Redis缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。但同时，它也带来了一些问题。其中，最要害的问题，就是数据的一致性问题，从严格意义上讲，这个问题无解。如果对数据的一致性要求很高，那么就不能使用缓存。另外的一些典型问题就是，缓存穿透、缓存雪崩和缓存击穿。目前，业界也都有比较流行的解决方案。

缓存穿透（绕过缓存，查不到）

缓存穿透的概念很简单，用户想要查询一个数据，发现redis内存数据库没有，也就是缓存没有命中，于是向持久层数据库查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中，于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力，这时候就相当于出现了缓存穿透。
解决方案
1、布隆过滤器
布隆过滤器是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力;

2、缓存空对象
当存储层不命中后，即使返回的空对象也将其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中获取，保护了后端数据源;

但是这种方法会存在两个问题:
1、如果空值能够被缓存起来，这就意味着缓存需要更多的空间存储更多的键，因为这当中可能会有很多的空值的键;
2、即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响。

缓存击穿（请求量大缓存过期）

这里需要注意和缓存击穿的区别，缓存击穿，是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。
当某个key在过期的瞬间，有大量的请求并发访问，这类数据一般是热点数据，由于缓存过期，会同时访问数据库来查询最新数据，并且回写缓存，会导使数据库瞬间压力过大。
解决方案
1、设置热点数据永不过期
从缓存层面来看，没有设置过期时间，所以不会出现热点key过期后产生的问题。加互斥锁
2、分布式锁∶使用分布式锁，保证对于每个key同时只有一个线程去查询后端服务，其他线程没有获得分布式锁的权限，因此只需要等待即可。这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验很大。

缓存雪崩概念（集体失效）

缓存雪崩，是指在某一个时间段，缓存集中过期失效。宕机。
比如，马上就要到双十二零点，很快就会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么到了凌晨一点钟的时候，这批商品的缓存就都过期了。而对这批商品的访问查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。于是所有的请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况。
其实集中过期，倒不是非常致命，比较致命的缓存雪崩，是缓存服务器某个节点宕机或断网。因为自然形成的缓存雪崩，一定是在某个时间段集中创建缓存，这个时候，数据库也是可以顶住压力的。无非就是对数据库产生周期性的压力而已。而缓存服务节点的宕机，对数据库服务器造成的压力是不可预知的，很有可能瞬间就把数据库压垮。
解决方案

• redis高可用
  这个思想的含义是，既然redis有可能挂掉，那我多增设几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建的集群。（异地多活!)
• 限流降级
  这个解决方案的思想是，在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。
• 数据预热
  数据加热的含义就是在正式部署之前，我先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀。