Redis的优点
高效
Redis是纯内存数据库，采用了单线程模型和IO多路复用，使用了单个线程来轮询描述符，将数据库的开、关、读、写都转换成了事件，减少了线程切换时上下文的切换和竞争。
丰富的数据类型
Redis支持五种数据类型：string（字符串），hash（哈希），list（列表），set（集合）及zset(sorted set：有序集合)。
丰富的指令集合
如可以设置key的过期时间等。
持久化
由于Redis是纯内存数据库，如果没有配置持久化，内存中的数据会丢失，于是需要开启Redis的持久化功能，将数据刷新到磁盘上。当redis重启后，可以从磁盘中恢复数据。Redis提供两种方式进行持久化，RDB持久化（将内存快照dump到磁盘上生成RDB文件），另外一种是AOF（append only file）持久化（将Reids的操作日志以追加的方式写入AOF文件）。
支持多种部署架构
主从架构，哨兵模式，集群架构等。
Redis的应用场景
热点数据缓存
由于Redis访问速度极快（每秒10w），所以很适合用来缓存热点数据，另外结合expire功能，可以设置缓存的失效时间。
限时
利用Redis的expire命令可以设置key的失效时间，从而可以实现限时优惠活动，手机验证码等业务场景。
分布式计数器
利用Redis的incrby命令可以实现原子性的递增，从而可以实现高并发的秒杀活动的计数，分布式ID的生成等。
排行榜问题
利用Redis的有序集合（zset）可以实现热点数据的排行榜。
分布式锁
利用Redis的setnx（set if not exist）命令结合超时功能，可以实现分布式锁。
延时操作
在订单产生后就占用了库存，10分钟后去检验用户是否真的付款购买，如果没有购买，则还原库存。
阻塞队列
Redis的队列可以设置为阻塞队列（brpush, brpop），从而可以实现简单的消息队列中间件。
Redis的数据类型
Redis五种数据类型的底层实现方式： blog.csdn.net/caishenfans…
String
Redis最基本的数据类型，每个value最大能存储512mb，常用命令为get/set key value，用作计数器时，value的值必须能转换成整数或浮点数，否则在进行加减操作时会报错。
Hash
Redis hash 是一个 string 类型的 field（字段） 和 value（值） 的映射表，hash 特别适合用于存储对象。Redis 中每个 hash 可以存储 232 - 1 键值对（40多亿）。实例：
127.0.0.1:6379> HMSET book name "redis tutorial" description "redis basic commands for caching" likes 20 visitors 23000
OK
127.0.0.1:6379> HGETALL book
1) "name"
2) "redis tutorial"
3) "description"
4) "redis basic commands for caching"
5) "likes"
6) "20"
7) "visitors"
8) "23000"
List
String类型的列表，按照插入顺序排序，可以从列表头部或尾部添加/删除元素，可以存储 232 - 1 键值对（40多亿），支持一次性添加多个key。
Set
String类型的无序集合，集合成员是唯一的，添加，删除和查找的时间复杂度都是O(1)，支持一次性添加多个成员。
Zset
有序集合，每个元素都会关联一个double类型的分数（score），可以通过score为集合中的成员从小到大排序，底层实现包括跳跃表或ziplist两种方式。
Bitmaps
可以理解为只存储0/1的字符串，可以用来实现布隆过滤器解决缓存穿透的问题。
Geo
用于存储地理位置信息（经纬度），并对存储的信息进行计算操作，如计算两个点之间的距离，计算当前点附近有哪些点等。
持久化
RDB
在RDB持久化方式下，有两种选择，一种是手动执行持久化数据命令来让redis生成内存数据快照，另一种则是根据配置文件的策略，在满足条件时自动持久化数据。手动执行持久化有两个命令，save命令和bgsave命令。
save操作在Redis主线程中工作，因此会阻塞其他请求操作，应该避免使用。
bgsave则是fork出子进程，父进程继续处理请求。而子进程则将数据写入临时文件，并在写完后，替换原有的.rdb文件。fork发生时，父子进程内存共享，所以为了不影响子进程做数据快照，在这期间修改的数据，将会被复制一份，而不进行共享内存。所以说，RDB所持久化的数据，是fork发生时刻的数据。配置文件的策略：
save 900 1
save 300 10
save 60 10000
这是配置文件默认策略，三个策略是或的关系，即：
每隔900秒，在这期间变化了至少1个键值，做快照；
或每隔300秒，变化了10键值，做快照；
或每隔60秒，变化了至少10000个键值，做快照。
AOF
配置文件中的appendonly设置为yes。开启AOF持久化后，你所执行的每一条指令，都会以日志形式记录到appendonly.aof文件中。但事实上，aof文件并不会立即将命令写入到硬盘文件中，而是写入到硬盘缓存，可以在配置文件中配置多久把硬盘缓存写入到硬盘文件。所以在一定程度一定条件下，还是会有数据丢失，不过RDB方式相比可以大大减少数据损失。
redis默认使用everysec刷新磁盘缓存，就是说每秒持久化一次，而always则是每次操作都会立即写入aof文件中。而no则是不主动进行同步操作，是默认30s一次。当然always一定是效率最低的，个人认为everysec就够用了，数据安全性能又高。
AOF还支持日志重写，用来解决本地日志量过大的问题，如先后执行了set a a, set a b命令，重写之后只会记录set a b这一个操作，而del a操作就不再记录到日志等。
Redis也允许我们同时使用两种方式，重启redis后会优先从aof中恢复数据，毕竟aof比rdb损失的数据少，如果同时配置了RDB和AOF，启动只加载AOF文件恢复数据。如果只配置了RDB，启动时加载dump.rdb文件恢复数据。
两种持久化方式的对比
| 持久化方式 | RDB | AOF |
|---|---|---|
| 占用内存空间 | 小 | 大 |
| 存储速度 | 慢 | 快 |
| 恢复速度 | 快 | 慢 |
| 数据安全性 | 会丢失数据 | 依据策略决定 |
| 资源消耗 | 高，重量级 | 低，轻量级 |
| 启动优先级 | 低 | 高 |
Redis实现分布式锁
如果在公司里落地生产环境用分布式锁的时候，一定是会用开源类库的，比如Redis分布式锁，一般就是用Redisson框架就好了，非常的简便易用。大家如果有兴趣，可以去看看Redisson的官网，看看如何在项目中引入Redisson的依赖，然后基于Redis实现分布式锁的加锁与释放锁。 下面给大家看一段简单的使用代码片段，先直观的感受一下：
Rlock lock = redisson.getLock("lock");
lock.lock();
lock.unlock();
此外，redisson还支持redis单实例、redis哨兵、redis cluster、redis master-slave等各种部署架构，都可以给你完美实现。
Redisson实现Redis分布式锁的底层原理
好的，接下来就通过一张手绘图，给大家说说Redisson这个开源框架对Redis分布式锁的实现原理。
加锁机制
咱们来看上面那张图，现在某个客户端要加锁。如果该客户端面对的是一个redis cluster集群，他首先会根据hash节点选择一台机器。这里注意，仅仅只是选择一台机器！这点很关键！紧接着，就会发送一段lua脚本到redis上，那段lua脚本如下所示：
为啥要用lua脚本呢？因为一大坨复杂的业务逻辑，可以通过封装在lua脚本中发送给redis，保证这段复杂业务逻辑执行的原子性。那么，这段lua脚本是什么意思呢？
KEYS[1]代表的是你加锁的那个key，比如说：
RLock lock = redisson.getLock("myLock");
这里你自己设置了加锁的那个锁key就是“myLock”。
ARGV[1]代表的就是锁key的默认生存时间，默认30秒。
ARGV[2]代表的是加锁的客户端的ID，类似于下面这样：
8743c9c0-0795-4907-87fd-6c719a6b4586:1
给大家解释一下，第一段if判断语句，就是用“exists myLock”命令判断一下，如果你要加锁的那个锁key不存在的话，你就进行加锁。 如何加锁呢？很简单，用下面的命令：
hset myLock 8743c9c0-0795-4907-87fd-6c719a6b4586:1 1
通过这个命令设置一个hash数据结构，这行命令执行后，会出现一个类似下面的数据结构：
myLock:
{
"8743c9c0-0795-4907-87fd-6c719a6b4586:1" 1
}
上述就代表“8743c9c0-0795-4907-87fd-6c719a6b4586:1”这个客户端对“myLock”这个锁key完成了加锁。 接着会执行“pexpire myLock 30000”命令，设置myLock这个锁key的生存时间是30秒。好了，到此为止，ok，加锁完成了。
锁互斥机制
那么在这个时候，如果客户端2来尝试加锁，执行了同样的一段lua脚本，会咋样呢？很简单，第一个if判断会执行“exists myLock”，发现myLock这个锁key已经存在了。接着第二个if判断，判断一下，myLock锁key的hash数据结构中，是否包含客户端2的ID，但是明显不是的，因为那里包含的是客户端1的ID。所以，客户端2会获取到pttl myLock返回的一个数字，这个数字代表了myLock这个锁key的剩余生存时间。比如还剩15000毫秒的生存时间。此时客户端2会进入一个while循环，不停的尝试加锁。
watch dog自动延期机制
客户端1加锁的锁key默认生存时间才30秒，如果超过了30秒，客户端1还想一直持有这把锁，怎么办呢？简单！只要客户端1一旦加锁成功，就会启动一个watch dog看门狗，他是一个后台线程，会每隔10秒检查一下，如果客户端1还持有锁key，那么就会不断的延长锁key的生存时间。
可重入加锁机制
那如果客户端1都已经持有了这把锁了，结果可重入的加锁会怎么样呢？ 比如下面这种代码：
RLock lock = redisson.getLock("lock");
lock.lock();
// biz
lock.lock();
// biz
lock.unlock();
这时我们来分析一下上面那段lua脚本。 第一个if判断肯定不成立，“exists myLock”会显示锁key已经存在了。 第二个if判断会成立，因为myLock的hash数据结构中包含的那个ID，就是客户端1的那个ID，也就是“8743c9c0-0795-4907-87fd-6c719a6b4586:1” 此时就会执行可重入加锁的逻辑，他会用：
incrby myLock 8743c9c0-0795-4907-87fd-6c71a6b4586:1 1
通过这个命令，对客户端1的加锁次数，累加1。此时myLock数据结构变为下面这样：
myLock:
{
"8743c9c0-0795-4907-87fd-6c719a6b4586:1" 2
}
大家看到了吧，那个myLock的hash数据结构中的那个客户端ID，就对应着加锁的次数
释放锁机制
如果执行lock.unlock()，就可以释放分布式锁，此时的业务逻辑也是非常简单的。其实说白了，就是每次都对myLock数据结构中的那个加锁次数减1。如果发现加锁次数是0了，说明这个客户端已经不再持有锁了，此时就会用：“del myLock”命令，从redis里删除这个key。然后呢，另外的客户端2就可以尝试完成加锁了。这就是所谓的分布式锁的开源Redisson框架的实现机制。一般我们在生产系统中，可以用Redisson框架提供的这个类库来基于redis进行分布式锁的加锁与释放锁。
上述Redis分布式锁的缺点
其实上面那种方案最大的问题，就是如果你对某个redis master实例，写入了myLock这种锁key的value，此时会异步复制给对应的master slave实例。但是这个过程中一旦发生redis master宕机，主备切换，redis slave变为了redis master。接着就会导致，客户端2来尝试加锁的时候，在新的redis master上完成了加锁，而客户端1也以为自己成功加了锁。此时就会导致多个客户端对一个分布式锁完成了加锁。这时系统在业务语义上一定会出现问题，导致各种脏数据的产生。所以这个就是redis cluster，或者是redis master-slave架构的主从异步复制导致的redis分布式锁的最大缺陷：在redis master实例宕机的时候，可能导致多个客户端同时完成加锁。
