关于Redis

1.为什么用缓存？

使用缓存主要原因：
1.高性能：查DB比较慢，读缓存更快，提高系统性能
2.高并发：
mysql 单机支撑到 2000QPS 也开始容易报警，缓存走内存，内存天然支持高并发，单机支撑的并发量轻松一秒几万十几万

2.单线程？

Redis优化成了多线程？实际只是对io操作的优化。

Redis 的多线程部分只是用来处理网络数据的读写和协议解析，执行命令仍然是单线程。

多线程的优化只涉及io，参考NIO模型，而内存还是基于单线程操作，官方的两个原因：
1.Redis基本上基于内存操作，并不需要什么io操作，并且cpu不是Redis的性能瓶颈
2.为简化操作，防止产生并发问题

3.Redis的数据结构

参考：
Redis 都有哪些数据类型？分别在哪些场景下使用比较合适？

基本的5种数据结构：String，Hash，Set，Zset，List
String：普通键值对
Hash：需要存储一些结构化数据的时候可以考虑用Hash
Set：去重，考虑并集、差集、交集等（共同好友之类的）
Zset：去重并排序（做排名）
List：有序列表，还能实现分页（分页评论、消息队列有序消息之类）

参考：
Redis 中的5种特殊的数据结构 bitmap，hyperLogLog，bloomFilter，GeoHash,Stream

扩展类型：
BloomFilter：布隆过滤器
通过多次hash初步判断所查数据是否存在

set时对key多次hash，将hash值所在的位置置为1；查询的时候对key进行多次hash若所有位置都为1则可能存在，若有为0的肯定不存在（有一定的误差，但是已经能解决大部分问题了，并且十分节省空间！使用传统set放不下大量数据）

场景：网站去重，垃圾邮件过滤，缓存穿透

HyperLogLog
也会存在误差，去重误差值在0.81%左右，但只占12KB内存

场景：计算某网页UV，数据量非常大，几百万几千万，若用set非常占空间，HyperLogLog可以去重并计数，虽然有点误差但完全可以接受

原理：基数计数、概率算法
参考：
HyperLogLog
HyperLogLog 算法详解

BitMap
场景：统计一年内多个用户同时在线的天数

Redis 中的 bitmap 还提供了多个 bitmap 进行与，或，异或运算的命令，当然还有单个 bitmap 的 非 运算。

GeoHash
场景：附近的人，附近的商店

原理：具体原理是将地球看成一个平面，并把二维坐标映射成一维(精度损失的原因)

Stream
消息队列

4.过期策略+淘汰机制

参考：
Redis过期策略，LRU怎么写？

过期策略：定期删除+惰性删除
定期删除：默认是每隔 100ms 就随机抽取一些设置了过期时间的 key，检查其是否过期，如果过期就删除
惰性删除：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，如果过期了此时就会删除，不会返回任何东西。

内存淘汰机制：
noeviction
**allkeys-lru：**最近最少使用（实现：LinkedHashMap）
allkeys-random
volatile-lru
volatile-random
volatile-ttl