Redis

Redis是一个完全开源的高性能key-value数据库.

Redis的数据结构与应用场景

使用场景:缓存,共享session,消息队列系统,分布式锁

单线程Redis快的原因?

1. 纯内存操作
2. 单线程操作,避免了频繁上下文切换
3. 合理高效的数据结构
4. 采用非阻塞I/O多路复用机制

String字符串

字符串是Redis最基础的数据结构.其中键都是字符串类型,剩下几种数据结构都是在字符串类型基础上构建的.常用在缓存,计数,共享session,限速等方面.

Hash哈希

Redis中,哈希类型是指键值本身又是一个键值对结构的数据.可用来存放用户信息,实现诸如购物车等功能.

List列表(双向链表)

列表类型可用来存储多个有序的字符串,可做简单的消息队列功能.

Set集合

集合类型可用来保存多个的字符串元素,与列表不同的是,集合中不允许重复元素且元素无序,不能通过索引下标获取元素.可通过Set的交集,并集,差集等来计算重合元素.

Sorted Set有序集合

相对Set多了一个权重参数Score,集合中元素能按Score进行排列.常用来做排行榜,取Top N.

Redis的数据过期策略

Redis中数据过期策略采用定期删除与惰性删除策略

定期删除策略

Redis会启动一个定时器定时监视所有key，判断key的时效性，若过期即删除key。此方法能保证过期的key最终都能被删除。但本方法每次都要遍历内存中所有数据，非常消耗CPU资源。并且当Key过期后，定时器还未被唤起，这一段时间内的key仍然可用。

惰性删除策略

在获取到key时，判断key是否过期，若过期则删除。本方法缺点是：若某个key一直未被使用，则其将会一直在内存中，占用空间。

两者结合策略

定时删除策略不再扫描全部key。而是随机抽取部分key进行检查，从而降低对CPU的损耗。惰性删除策略弥补了可能未被检查到的key。若还是存在过期的key，既没有被定时器抽取，也没有被使用，则当内存不够时，使用内存淘汰机制进行淘汰。

移除最近最少使用的key/随机移除某个key

LRU（Least Recently Used) 最近最少使用

如何实现LRU

一般使用HashMap和双向链表实现LRU。使用HashMap存储key，而value指向双向链表实现的LRU的Node节点，如图：

h表头，t表尾，预先设置LRU的容量。若存储满了，则O（1）时间淘汰掉双向链表的表尾。每次访问数据，都可通过O（1）效率把新节点增加到队头或把已存在点移动到队头。

Redis的LRU具体实现

Redis每次按key获取一个值时，都会更新value中的LRU字段为当前秒级别的时间戳。

第一版LRU为，随机从dict中取出五个key，淘汰一个LRU最小的。

在3.0时，改进一版算法，首先第一批随机挑选的key会放进一个pool中（默认大小16），pool中的key是按LRU字段大小顺序排列。接下来每次随机挑选的key的LRU必须小于pool的最小LRU才会继续放入，直至pool放满。放满后，若有新的key需要放入，则将pool中LRU最大的key取出。淘汰的时候，直接从pool中选取LRU最小的值进行淘汰即可。

Redis如何发现热点key

Redis主要有五种发现热点key的方法：

1. 凭借经验预估：提前知道某个活动的开启，将该key作为热点key。
2. 服务端收集：在操作redis前，加入计数代码进行数据统计。
3. 抓包评估：Redis使用TCP协议与客户端通信，通信协议采用RESP，即自己写程序监听端口能进行拦截包分析。
4. 在proxy层，对每个redis请求进行收集上报。（proxy–代理服务器）
5. Redis自带命令查询：Redis4.0.4版本后，使用命令redis-cli-hotkeys能找出热点key

Redis缓存雪崩问题的解决

1. 使用Redis高可用框架：使用 Redis 集群来保证 Redis 服务不会挂掉。
2. 缓存时间不一致，给缓存的失效时间，加上一个随机值，避免集体失效。
3. 限流降级策略：有一定的备案，比如个性推荐服务不可用了，换成热点数据推荐服务。

Redis缓存穿透问题的解决（待详细展开）

1. 在接口做校验。
2. 缓存击穿加锁/设置不过期
3. 布隆过滤器拦截

Redis的几种集群模式

1. 主从复制
2. 哨兵模式
3. cluster模式