Redis

Redis相关

1.Redis相关的数据类型

Redis的五种基本数据类型：

String

List

Hash

Set

Sorted Set

高级类型：

HyperLogLog

Geo

Pub/Sub

Redis Module：

BloomFilter

RedisSearch

Redis-ML

2.Redis的操作

3.BloomFilter

我们的业务中经常会遇到穿库的问题，通常可以通过缓存解决。如果数据维度比较多，结果数据集合比较大时，缓存的效果就不明显了。

因此为了解决穿库的问题，我们引入Bloom Filter。

适合的场景

数据库防止穿库 Google Bigtable，Apache HBase和Apache Cassandra以及Postgresql 使用BloomFilter来减少不存在的行或列的磁盘查找。

避免代价高昂的磁盘查找会大大提高数据库查询操作的性能。如同一开始的业务场景。如果数据量较大，不方便放在缓存中。需要对请求做拦截防止穿库。

缓存宕机 缓存宕机的场景，使用布隆过滤器会造成一定程度的误判。

原因是除了Bloom Filter 本身有误判率，宕机之前的缓存不一定能覆盖到所有DB中的数据，当宕机后用户请求了一个以前从未请求的数据，这个时候就会产生误判。

当然，缓存宕机时使用布隆过滤器作为应急的方式，这种情况应该也是可以忍受的。

WEB拦截器 相同请求拦截防止被攻击。用户第一次请求，将请求参数放入BloomFilter中，当第二次请求时，先判断请求参数是否被BloomFilter命中。可以提高缓存命中率

恶意地址检测 chrome 浏览器检查是否是恶意地址。首先针对本地BloomFilter检查任何URL，并且仅当BloomFilter返回肯定结果时才对所执行的URL进行全面检查（并且用户警告，如果它也返回肯定结果）。

我们将数据库里面中命中的用户放在redis的set类型中，设置不过期。这样相当把redis当作数据库的索引，只要查询redis，就可以知道是否数据存在。

redis中不存在就可以直接返回结果。如果存在就按照上面提到一般业务缓存流程处理。

聪明的你肯定会想到更多的问题：

1. redis本身可以做缓存，为什么不直接返回数据呢？

1. 如果数据量比较大，单个set，会有性能问题？

1. 业务不重要，将全量数据放在redis中，占用服务器大量内存。投入产出不成比例？

Eval

在Redis中，Eval默认是关闭的，需要在redis.conf中配置开启Eval；

参考资料

https://cyc2018.github.io/CS-Notes/#/notes/Redis

https://redis.io/documentation