Redis详解和学习（二）

Redis的底层模型

Redis的NIO：

Redis是单线程的，底层通过IO多路复用(NIO)实现对多个文件描述符的监控，是基于epoll实现。其优点除了epoll本身不用让客户端去轮询所有的IO操作外，还在于：

1. epoll 没有最大并发连接的限制，上限是最大可以打开文件的数目，这个数字一般远大于 2048, 一般来说这个数目和系统内存关系很大 ，具体数目可以 cat /proc/sys/fs/file-max 察看。
2. 效率提升， Epoll 最大的优点就在于它只管你“活跃”的连接 ，而跟连接总数无关，因此在实际的网络环境中， Epoll 的效率就会远远高于 select 和 poll 。
3. 内存拷贝， Epoll 在这点上使用了“共享内存 ”，这个内存拷贝也省略了。

Redis的数据结构

前面我们讲到Redis的五种基本数据类型，在Redis中五种数据类型对应着八种数据结构，以应对不同应用场景下，Redis能更好地进行数据处理

1.SDS （simple synamic string）：
一种名为简单动态字符串（SDS）的抽象类型。 redis中所有场景中出现的字符串，基本都是由SDS来实现的。
2.list ：
双向链表
3.dict ：
使用双哈希表实现的, 是一种用于保存键值对的抽象数据结构
4.zskiplist ：
附加了后向指针的跳跃表 ,跳跃表是一种有序数据结构，它通过在每个节点中维持多个指向其它节点的指针，从而达到快速访问节点的目的。

5.intset ：
用于存储整数数值集合的自有结构
6.ziplist ：
压缩列表。 redis的列表键和哈希键的底层实现之一。此数据结构是为了节约内存而开发的。和各种语言的数组类似，它是由连续的内存块组成的，这样一来，由于内存是连续的，就减少了很多内存碎片和指针的内存占用，进而节约了内存
7.quicklist：
一种以ziplist作为结点的双链表结构
8.zipmap ：
一种用于在小规模场合使用的轻量级字典结构

Redis缓存雪崩、击穿、穿透

缓存雪崩：产生的原因是缓存挂掉，这时所有的请求都会穿透到 DB。
解决方法：redis高可用（配置多个redis集群），采用熔断机制（搭配线程池），采用降级（对热点的key加锁实现）

缓存穿透：是指缓存和数据库中都没有的数据，而用户不断发起请求，我们数据库的 id 都是1开始自增上去的，如发起为id值为 -1 的数据或 id 为特别大不存在的数据。这时的用户很可能是攻击者，攻击会导致数据库压力过大，严重会击垮数据库。
解决方法：布隆过滤器
缓存击穿：缓存雪崩是因为大面积的缓存失效，打崩了DB，而缓存击穿不同的是缓存击穿是指一个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，就像在一个完好无损的桶上凿开了一个洞。
解决方法：降级或者设置热点永不过期

Redis分布式锁

用set + 秒数可以实现分布式锁
因为key值不可以重复，所以当某个线程使用set + <K,V>时便能获取到该数据，当另一个线程要获取时，使用set会因为key值已经存在而操作失败，那么就实现的对数据的加锁。同时，设置过期时间，可以保证锁的释放。

Redis的同步机制

启动一台slave 的时候，他会发送一个psync命令给master ，如果是这个slave第一次连接到master，他会触发一个全量复制。master就会启动一个线程，生成RDB快照，还会把新的写请求都缓存在内存中，RDB文件生成后，master会将这个RDB发送给slave的，slave拿到之后做的第一件事情就是写进本地的磁盘，然后加载进内存，然后master会把内存里面缓存的那些新命名都发给slave。

其具体过程如下：
主从同步原理：
全同步过程：
Slave发送Sync命令到Master
Master启动一个后台进程，将Redis中的数据快照保存到文件中
Master将保存数据快照期间接收到的写命令缓存起来
Master完成写文件操作后，将该文件发送给Slave
使用新的AOF文件替换旧的AOF文件
Master将这期间收集的增量写命令发送给Slave端
增量同步
Master接收到用户的操作指令，判断是否需要传播到slave
将操作记录追加到AOF文件
将操作传播到其他Slave：1.对齐主从库2.往响应缓存写入指令
将缓存中的数据发送给Slave

Redis的过期策略（又称内存淘汰策略）

Redis的过期策略，是有定期删除+惰性删除两种。
定期删除：默认100ms就随机抽一些设置了过期时间的key，去检查是否过期，过期了就删了。
惰性删除：等到查询时才检查是否过期，过期就删除，并且不返回。类似懒汉式（用到才new）

如果，定期没删，我也没查询，那可该怎么办？

内存淘汰机制-LRU：
1.Redis系统中与LRU功能相关的配置参数有三个:
maxmemory. 该参数即为缓存数据占用的内存限制. 当缓存的数据消耗的内存超过这个数值限制时, 将触发数据淘汰. 该数据配置为0时,表示缓存的数据量没有限制, 即LRU功能不生效.
maxmemory_policy. 淘汰策略. 定义参与淘汰的数据的类型和属性.
maxmemory_samples. 随机采样的精度. 该数值配置越大, 越接近于真实的LRU算法,但是数值越大, 消耗的CPU计算时间越多,执行效率越低.

2.Redis系统提供五种淘汰策略,即参数maxmemory_policy有五种取值:
noeviction: 如果缓存数据超过了maxmemory限定值,并且客户端正在执行的命令会导致内存分配,则向客户端返回错误响应.
allkeys-lru: 所有的缓存数据(包括没有超时属性的和具有超时属性的)都参与LRU算法淘汰.
volatile-lru: 只有超时属性的缓存数据才参与LRU算法淘汰.
allkeys-random: 所有的缓存数据(包括没有超时属性的和具有超时属性的)都参与淘汰, 但是采用随机淘汰,而不是用LRU算法进行淘汰.
volatile-random: 只有超时属性的缓存数据才参与淘汰,但是采用随机淘汰,而不是用LRU算法进行淘汰.
volatile-ttl: 只有超时属性的缓存数据才参与淘汰. 根据缓存数据的超时TTL进行淘汰,而不是用LRU算法进行淘汰.

Redis 的高可用----Sentinel(哨兵)：

解决主从同步Master宕机后的主从切换问题
1.监控：检查主从服务器是否运行正常
2.提醒：通过API向管理员或者其他应用程序发送故障通知
3.自动故障迁移：主从切换

Redis分布式锁

用set + 秒数可以实现分布式锁

首先我们要知道什么是分布式锁？

要介绍分布式锁，首先要提到与分布式锁相对应的是线程锁、进程锁。

线程锁：主要用来给方法、代码块加锁。当某个方法或代码使用锁，在同一时刻仅有一个线程执行该方法或该代码段。线程锁只在同一JVM中有效果，因为线程锁的实现在根本上是依靠线程之间共享内存实现的，比如synchronized是共享对象头，显示锁Lock是共享某个变量（state）。

进程锁：为了控制同一操作系统中多个进程访问某个共享资源，因为进程具有独立性，各个进程无法访问其他进程的资源，因此无法通过synchronized等线程锁实现进程锁。

分布式锁：当多个进程不在同一个系统中，用分布式锁控制多个进程对资源的访问。

例如：有这样一个情境，线程A和线程B都共享某个变量X。
如果是单机情况下（单JVM），线程之间共享内存，只要使用线程锁就可以解决并发问题。
如果是分布式情况下（多JVM），线程A和线程B很可能不是在同一JVM中，这样线程锁就无法起到作用了，这时候就要用到分布式锁来解决。

Redis保证数据的一致性

首先，不管是先删缓存再更新数据库还是先更新数据库再删缓存，都有一定的缺陷，需要根据实际业务场景来判断。
解决方法：通过设置队列和缓存过期时间来保证数据一致性，具体后续更新…

觉得不错的话点赞加关注，再看不迷路，觉得不好的话评论加回复，一起来进步！！！