从零开始的 Redis --- 深入简知-CSDN博客

本文链接：https://blog.csdn.net/remsqks/article/details/108586064

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。

BSD协议，想要了解点击前往

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：

1. 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。
1. 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。