1、初识Redis
Redis(Remote Dictionary Server):即远程字典服务。
一个开源的使用ANSI 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。
简单来说:Redis 是一个基于内存的高性能key-value数据库。通常被称为数据结构服务器,因为值(value)可以是 字符串(String), 哈希(Hash), 列表(list), 集合(sets) 和 有序集合(sorted sets)等类型。
ANSI
:是一种字符代码
2、为什么要使用Redis
Redis完全开源免费,遵守BSD协议,是高性能的key-value数据库。
性能高执行速度快,对于一些耗时久且结果不会频繁变动的SQL,我们就可以将运行结果放入缓存。这样后面的请求就去缓存中读取,使得请求能够迅速响应。
用于解决高并发的问题,当所有请求直接访问数据库,数据库极容易出现连接异常。这个时候就需要使用Redis做一个缓存,让请求先访问到redis,而不是直接访问数据库。在分布式系统中有着极其广泛的应用。
redis 的应用场景:
- 缓存(数据查询、短连接、新闻内容、商品内容等等)。(最多使用)
- 聊天室的在线好友列表。
- 任务队列。(秒杀、抢购、12306等等)
- 应用排行榜。
- 网站访问统计。
- 数据过期处理(可以精确到毫秒)
- 分布式集群架构中的session分离。
2.1、Redis优点
-
速度快,性能高 --- Redis每秒可以处理超过10万次读写操作。
- Redis能读的速度是110000次/s,写的速度是81000次/s 。
-
支持丰富的数据类型 --- 支持String、 List、 Hash、 Set、Sorted Set 数据类型操作。
-
支持事务 --- Redis操作都是原子性的,所谓的原子性就是对数据的更改要么全部执行,要么全部不执行。
-
丰富的特性 -- -可用于缓存,消息,按key设置过期时间,过期后将会自动删除
什么是原子性,什么是原子性操作(扩展)
A想要从自己的帐户中转1000块钱到B的帐户里。那个从A开始转帐,到转帐结束的这一个过程,称之为一个事务。在这个事务里,要做如下操作:
-
- 从A的帐户中减去1000块钱。如果A的帐户原来有3000块钱,现在就变成2000块钱了。
-
- 在B的帐户里加1000块钱。如果B的帐户如果原来有2000块钱,现在则变成3000块钱了。
如果在A的帐户已经减去了1000块钱的时候,忽然发生了意外,比如停电什么的,导致转帐事务意外终止了,而此时B的帐户里还没有增加1000块钱。那么,我们称这个操作失败了,要进行回滚。回滚就是回到事务开始之前的状态,也就是回到A的帐户还没减1000块的状态,B的帐户的原来的状态。此时A的帐户仍然有3000块,B的帐户仍然有2000块。
我们把这种要么一起成功(A帐户成功减少1000,同时B帐户成功增加1000),要么一起失败(A帐户回到原来状态,B帐户也回到原来状态)的操作叫原子性操作。
如果把一个事务可看作是一个程序,它要么完整的被执行,要么完全不执行。这种特性就叫原子性。
2.2、Redis特性
- 数据的持久化 --- Redis支持数据的持久化,可以将内存中的数据保存在磁盘中,重启的时候可以再次加载进行使用。
- 数据的备份 --- Redis支持数据的备份,即master-slave模式的数据备份。
2.3、Redis缺点
- 1、 缓存和数据库双写一致性问题
- 2、 缓存雪崩问题
- 3、 缓存击穿问题
- 4、缓存的并发竞争问题
3、Redis每种数据类型的使用场景
3.1 String
最常规的set/get操作,value可以是String也可以是数字。一般做一些复杂的计数功能缓存
3.2 Hash
这里value存放的是结构化的对象,比较方便的就是操作其中的某个字段。在做单点登录的时候就是用这种数据结构储存用户信息,以cookied作为key,设置30分钟为缓存过期时间,能很好的模拟出类似session的效果
3.3 List
使用List的数据结构,可以做简单的消息队列功能。另外:可以利用lrange命令,做基于redis的分页功能,性能高,用户体验好。再列举一个很适合的场景:去行情信息。就是个生产者和消费者的场景。List可以很好的完成排队,先进先出的原则。
lrange
:Redis Lrange 返回列表中指定区间内的元素
3.4 Set
因为Set存放的是一堆不重复值的集合。所以可以做全局去重的功能。为什么不用JVM自带的Set进行去重?因为我们的系统一般都是集群部署,使用JVM自带的Set,比较麻烦,难道为了一个做一个全局去重,再起一个公共服务,太麻烦了。
3.5 Sorted set
sorted set多了一个权重参数score,集合中的元素能够按照score进行排列。可以做排行榜应用,取TOP N 操作
4、redis的过期策略以及内存淘汰机制
分析: 这个问题其实相当重要,到底redis有没用到家,这个问题就可以看出来。比如你redis只能存5G数据,可是你写了10G,那会删5G的数据。怎么删的,这个问题思考过么?还有,你的数据已经设置了过期时间,但是时间到了,内存占用率还是比较高,有思考过原因么?
回答:
redis采用的是定期删除+惰性删除策略
为什么不用定时删除策略?
定时删除,用一个定时器来负责监视key,过期则自动删除。虽然内存及时释放,但是十分消耗CPU资源。在大并发请求下,CPU要将时间应用在处理请求,
而不是删除key,因此没有采用这一策略.
定期删除+惰性删除是如何工作的呢?
定期删除,redis默认每个100ms检查,是否有过期的key,有过期key则删除。需要说明的是,redis不是每个100ms将所有的key检查一次,
而是随机抽取进行检查(如果每隔100ms,全部key进行检查,redis岂不是卡死)。因此,如果只采用定期删除策略,会导致很多key到时间没有删除。
于是,惰性删除派上用场。也就是说在你获取某个key的时候,redis会检查一下,这个key如果设置了过期时间那么是否过期了?
如果过期了此时就会删除。
采用定期删除就没其他问题了么?
不是的,如果定期删除没删除key。然后你也没及时去请求key,也就是说惰性删除也没生效。
这样,redis的内存会越来越高。那么就应该采用内存淘汰机制。
在redis.conf中有一行配置
# 该配置就是配内存淘汰策略的
# maxmemory-policy volatile-lru
1)noeviction:当内存不足以容纳新写入数据时,新写入操作会报错。应该没人用吧。
2)allkeys-lru:当内存不足以容纳新写入数据时,在键空间中,移除最近最少使用的key。推荐使用,目前项目在用这种。
3)allkeys-random:当内存不足以容纳新写入数据时,在键空间中,随机移除某个key。应该也没人用吧,你不删最少使用Key,去随机删。
4)volatile-lru:当内存不足以容纳新写入数据时,在设置了过期时间的键空间中,移除最近最少使用的key。
这种情况一般是把redis既当缓存,又做持久化存储的时候才用。不推荐
5)volatile-random:当内存不足以容纳新写入数据时,在设置了过期时间的键空间中,随机移除某个key。依然不推荐
6)volatile-ttl:当内存不足以容纳新写入数据时,在设置了过期时间的键空间中,有更早过期时间的key优先移除。不推荐
ps:如果没有设置 expire 的key, 不满足先决条件(prerequisites); 那么 volatile-lru, volatile-random 和 volatile-ttl 策略的行为,
和 noeviction(不删除) 基本上一致。
5、redis和数据库双写一致性问题
分析: 一致性问题是分布式常见问题,还可以再分为最终一致性和强一致性。数据库和缓存双写,就必然会存在不一致的问题。回答之前,先要明白一个前提:如果对数据有强一致性要求,不能放缓存。我们所做的一切,只能保证最终一致性。另外,我们所做的方案其实从根本上来说,只能说降低不一致发生的概率,无法完全避免。因此,有强一致性要求的数据,不能放缓存。
回答:
首先,采取正确更新策略,先更新数据库,再删缓存。其次,因为可能存在删除缓存失败的问题,提供一个补偿措施即可,例如利用消息队列。
6、如何应对缓存穿透和缓存雪崩问题
分析: 这两个问题,说句实在话,一般中小型传统软件企业,很难碰到这个问题。如果有大并发的项目,流量有几百万左右。这两个问题一定要深刻考虑。
缓存穿透,即黑客故意去请求缓存中不存在的数据,导致所有的请求都怼到数据库上,从而数据库连接异常。
解决方案:
- 1、利用互斥锁,缓存失效的时候,先去获得锁,得到锁了,再去请求数据库。没得到锁,则休眠一段时间重试
public static String getData(String key) throws InterruptedException {
//从Redis查询数据
String result = getDataByKV(key);
//参数校验
if (StringUtils.isBlank(result)) {
try {
//获得锁
if (reenLock.tryLock()) {
//去数据库查询
result = getDataByDB(key);
//校验
if (StringUtils.isNotBlank(result)) {
//插进缓存
setDataToKV(key, result);
}
} else {
//睡一会再拿
Thread.sleep(100L);
result = getData(key);
}
} finally {
//释放锁
reenLock.unlock();
}
}
return result;
}
- 2、采用异步更新策略,无论key是否取到值,都直接返回。value值中维护一个缓存失效时间,缓存如果过期,异步起一个线程去读数据库,更新缓存。需要做缓存预热(项目启动前,先加载缓存)操作。
- 3、提供一个能迅速判断请求是否有效的拦截机制,比如,利用布隆过滤器,内部维护一系列合法有效的key。迅速判断出,请求所携带的Key是否合法有效。如果不合法,则直接返回。
布隆过滤器原理:就是利用高效的数据结构和算法快速判断出你这个 Key 是否在数据库中存在,不存在你 return 就好了,存在你就去查 DB 刷新 KV 再 return。
缓存雪崩,即缓存同一时间大面积的失效,这个时候又来了一波请求,结果请求都怼到数据库上,从而导致数据库连接异常。
解决方案:
- 1、给缓存的失效时间,加上一个随机值,避免集体失效。
- 2、使用互斥锁,但是该方案吞吐量明显下降了。
- 3、双缓存。我们有两个缓存,缓存A和缓存B。缓存A的失效时间为20分钟,缓存B不设失效时间。自己做缓存预热操作。然后细分以下几个小点:
- I 从缓存A读数据库,有则直接返回
- II A没有数据,直接从B读数据,直接返回,并且异步启动一个更新线程。
- III 更新线程同时更新缓存A和缓存B。
7、如何解决redis的并发竞争key问题
分析: 这个问题大致就是,同时有多个子系统去set一个key。这个时候要注意什么?百度上的答案基本上都是推荐用redis事务机制。但是不推荐使用redis的事务机制。因为我们的生产环境,基本都是redis集群环境,做了数据分片操作。你一个事务中有涉及到多个key操作的时候,这多个key不一定都存储在同一个redis-server上。因此,redis的事务机制,十分鸡肋。
回答:
-
1、如果对这个key操作,不要求顺序
这种情况下,准备一个分布式锁,大家去抢锁,抢到锁就做set操作即可,比较简单。
-
2、如果对这个key操作,要求顺序
假设有一个key1,系统A需要将key1设置为valueA,系统B需要将key1设置为valueB,系统C需要将key1设置为valueC.
期望按照key1的value值按照 valueA–>valueB–>valueC的顺序变化。这种时候我们在数据写入数据库的时候,需要保存一个时间戳。假设时间戳如下
系统A key 1 {valueA 3:00} 系统B key 1 {valueB 3:05} 系统C key 1 {valueC 3:10}
那么,假设这会系统B先抢到锁,将key1设置为{valueB 3:05}。接下来系统A抢到锁,发现自己的valueA的时间戳早于缓存中的时间戳,那就不做set操作了。以此类推。
-
其他方法,比如利用队列,将set方法变成串行访问也可以。总之,灵活变通。
8、Redis 的 RDB 和AOF 持久化策略
-
RDB: 将redis在内存中的数据库记录定时保存到一个 dump 的文件中,写到磁盘上的持久化。(reids 默认持久化方式)
-
AOF: 将redis的操作日志以追加的方式写入文件。
当 Redis 重启的时候,它会优先使用AOF文件来还原数据集,因为 AOF 文件保存的数据集通常比 RDB 文件保存的数据集更完整。
9、为什么Redis比Mysql快
Redis将所有数据放在内存中,非数据同步正常工作中,是不需要从磁盘读取数据的,0次IO。内存响应时间大约为100纳秒,这是Redis速度快的重要基础。mysql是持久化储存,存放到磁盘里面,检索的话,会涉及到一定的IO。