redis是基于c语言的一个开源的非关系型数据库！！！！单线程的


1.常见的5种数据类型

1.1string

set key value 常见场景：数据库分表的id值，以及计数器（string类型的incr和decr命令：自增），计数器：如微博的评论数、点赞数、分享数，抖音作品的收藏数，京东商品的销售量、评价数等。

1.1.1sds讲解

redis的string内部格式如下：

struct sdshdr {
    // buf 已占用长度
    int len;

    // buf 剩余可用长度
    int free;

    // 实际保存字符串数据的地方
    char buf[];
};
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 所以可以看到变量len，也就说明了我们获取长度为O（1）
  • 并且也因为len，我们可以保存二进制文件，因为不在以/0为结尾判断，所以是Api安全；而c中的因为以/0为结尾判断，所以可能会丢失某些数据
  • 另外，对append函数的优化，c来说每次就会重新分配内存，而sds优化后，当不足的时候也会重新分配，但是同时会将free = len，也就说明了扩大了一倍容量，下次append的时候就不用再次分配，当然会有一些空间的损失，但是因为append一般不是很大所以还好。

注：真实看源码就知道这些大佬的牛！！！

1.2list:双向链表

lpush key value 常见场景：朋友圈点赞的展示，像这种有序的。

1.3hash

hset key filed value 常见场景：购物车，即 { 顾客: 商品1:数量， 商品2：数量 }

1.4set（存储大量数据）

sadd key value 常见场景：不重复 共同好友的推荐、同类信息的关联检索

1.5z_set（排序的set）

zadd key score1 value 常见场景： 范围查找、访问量的统计排序。

1.6bitmaps(位数组)

getbit key offset 常见场景： 一般用于是否点赞等等，并且布隆过滤器也是用的其存储，还有像位图法：从一个大量的数据中，找到某一些值，我们可以利用为数组，某一位存储一个数，则内存量大大降低。

<hr style=" border:solid; width:100px; height:1px;" color=#000000 size=1">

2.缓存问题

2.1.缓存雪崩

定义： 就是在同一时间内，有大量的key到期失效，所以都访问了数据库，从而导致数据库负载增加，甚至崩溃。

分析： 1）因为是同一时间段，大量的失效，说明可能是redis崩溃了或者是有大量的请求 2）或者是很多key设置的到期时间是差不多的

解决： 1.1）针对第一种，咱们可以设置集群来减轻redis服务器的压力。 1.2）针对第一种，还可以进行限流（限制客户端的连接数量）：

  • 1：计数器 一定时间内只能有10个客户端来进行连接，然后不断的计时。
  • 2：令牌桶算法 java的定时任务也可以完成，简单思想就是：存在并维护一个list，加入一些值作为令牌，当有客户端来的时候，如果list有令牌，则可以进行访问；反之认为超出范围，拒绝访问。 比较：明显的来说，计时器关注时间，而令牌桶算法则关注连接量。

2）针对第二种，咱们可以对于其key的到期时间设置一个基础值+随机值，防止其同时到期。 <hr style=" border:solid; width:100px; height:1px;" color=#000000 size=1">

2.2缓存穿透

定义： 访问大量的不存在的key，导致redis无法缓存，直接访问数据库，导致数据库访问量增大。

分析： 1）由于不存在的key，数据库没有，一般不会缓存

解决： 1）针对不存在的key，我们也缓存，但是必须设置一个到期时间，不然的话太浪费空间 2）布隆过滤器来解决：

  • 思路：多个hash，bitmap 当一个key查询来的时候，不同的hash分别得到一个值，然后%，分别在bitmap的响应位查看是否是0/1，如果有一个是0，则直接认为不合法，而肯定会有一些错判，但是我们可以增加使用一些高效的hash或者增加bitmap的容量。

注意：可能会有个疑问，数据什么时候写入呢，应该是当往数据库插入的时候，以及同步到缓存后。

Redis基本语法_redis

<hr style=" border:solid; width:100px; height:1px;" color=#000000 size=1">

2.3缓存击穿

定义： 不同于缓存雪崩，其主要是大量请求同一个失效的key/同一条数据，而缓存雪崩是不同的key。

分析： 主要是key失效，还是热点key

解决方法： 1）明显的解决方法就是增加其时间，或者说设置key永不失效 2）还有个策略就是对热点key进行加锁，保证同一时间内只有一个客户端访问它。但是加锁明显会降低效率，所以一般要慎用。

<hr style=" border:solid; width:100px; height:1px;" color=#000000 size=1">

2.4布隆过滤器失效key

  • 其实对于redis实现的布隆过滤器，我们无法单独的让一个key失效，而真正的做法，expire key 0，只能说这样整体会失效
  • 而对于一个值失效来说，我们需要自己手动实现一个布隆过滤器，这个布隆过滤器，在实现上要用一个计时器的功能，可以用Java自己模拟一个（简单说一下细节）：
  • 1.定义一个类
  • 2.这个类有3-5个hash函数
  • 3.声明一个hashmap
  • 4.对于添加的每个数，进行hash函数生成，然后在hashmap的指定位置上，进行插入（数+个数）
  • 5.对于查询每个数，同理进行hash函数生成，如果有一个数不存在（值为0），则不存在；反之，存在
  • 6.对于删除一个数，同理进行hash函数生成，如果有一个数不存在（值为0），则不存在；反之，则在hashmap的指定位置上进行-1操作。