Redis 有那些应用场景？
下面代码都是伪代码，大家看看实现逻辑即可。图截取的很AV画质😅
1.短信验证码 【是否存在】【过期时间】
2.应用Token （Session） 【过期时间】【是否存在】
- create 创建token
- validate 删除token
- isInvalid (代码中未写)是否过期
3.分布式锁
假设集群有3个服务，这三个服务都是订单服务，100个用户同事下单在集群中同一时间只能有一个人进入到A代码块中。也就是说同一个时间只能有一个人下单进行扣除库存，这个时候就可以使用分布式锁来做这个限制。可以选用redission客户端来使用分布式锁。
4.请求访问限制 【比如说60秒内允许1000次访问，超过这个次数限制访问】【用户或IP】
比如gateway就支持redis进行限流访问。
@Service
public class RequestLimitService {
@Resource
private RedisTemplate<String, String> redisTemplate;
private int limit = 300;
public boolean limit () {
String ip = "192.168.1.1";
String key = "pe:rlimit" + ip;
String limitValue = redisTemplate.opsForValue().get(key);
if (limitValue == null) {
// 创建缓存
redisTemplate.opsForValue().set(key, "1");
return true;
}
if ("1".equals(limitValue)) {
redisTemplate.expire(key, 60, TimeUnit.SECONDS);
}
if (Long.parseLong(limitValue) > limit) {
// 抛出异常拒绝
}
redisTemplate.opsForValue().increment(key);
return true;
}
}
5.顺序号 （要求强一致性是不能用redis做顺序号的）
6.用户限制 【秒杀】【Set结构】
7.用户Session共享
集群默认情况下用户的session通过负载会落在某一台，假如集群有两台A服务，第一次请求落到A1用户进行了登录，第二次请求的时候可能会被负载到A2，这个时候A2没有A1的session会给用户重新创建一个session。这个时候用户就得再登录一遍。解决办法有很多种这里我只列两种通用的解决方式: ①
8.日志队列
9.应用缓存 （结合spring cache）
10.交/并/差集 【SET】
11.TopN 排行榜
12.分布式事件
13.系统规则缓存 （建议使用JVM缓存，小表）
Redis 为什么性能这么高？
1.单线程省去线程上下文切换的开销 2.直接操作内存 3.简单的序列化算法 4.IO消耗少 5.IO 多路复用 epoll（类似Java的NIO）
Redis 使用注意的点有哪些？
缓存雪崩
缓存雪崩就是在某一个时间段，缓存集中过期，或者 redis 宕机的情况会出现 例如： 在某些热点活动中，会设置某些商品在一个固定的时间内过期，那么在 redis 里面，这个固定的时间点，大量的 key 过期，这就导致在这个时间段 缓存失效了，且大量的请求数据都打在了持久化数据库上面了，这就很难受，在这种压力波峰下，压力全部打在持久化数据库上，这会造成持久化数据库宕机上述的情况，key 集中过期问题还不是非常的痛，最痛的是 redis 宕机了，自然周期性的形成的波峰压力，咱们的持久化数据库还是能够顶得住压力的，偏偏是在 redis 异常宕机，一挂挂一片，这就很有可能将后方的持久化数据库全部打挂，这是毁灭性的压垮。
缓存雪崩的解决方案：
将 redis 做成高可用，搭建 redis 集群，异地多活，既然担心 redis 会挂，那么我们就多准备一些 redis ，做成主备，或者异地多活。
-
限流降级 就是在缓存失效的时候，通过锁的方式来限制访问数据顺序，或者关掉一些不重要的服务，让资源和性能全力提供给我们的主要服务
-
数据预热 数据预热就是咱们在正式要上线之前，咱们就先将需要访问的数据预先访问一次，这样就可以将大量要访问数据库的数据写到缓存中，这样就可以在即将发生的高并发访问数据前手动的触发并加载不同的 key ，且会设置不同的过期时间，主要是可以将缓存失效的事情均衡一些，这样就尽量避免掉大量的 key 集中过期的情况。
缓存穿透
就是用户想要查询一个数据，在 redis 中查询不到，即没有在缓存中命中，那么就会直接去持久化的 DB 中进行查询，发现也没有这个数据，那么本次查询就失败了。
当用户巨多的时候，查询缓存都没有查询到，那么这些全部都去查询持久化DB 数据库，压力全部打到 上面，这就是缓存穿透。
解决方案有一般有 2 种方式：
使用布隆过滤器
查询原理
布隆过滤器，可以说是一个二进制向量和一系列随机映射函数实现。 可以用于检索一个元素是否在一个集合中。下面来看看布隆过滤器是如何判断元素在一个集合中，如下图:
缓存空的对象
缓存击穿
出现缓存击穿的情况是数据量太大，或者是缓存过期了当某个 key 在过期的瞬间，有大量的请求这个 key 的数据，这种数据是热点数据，由于在缓存过期的瞬间，请求会同时访问到持久化的数据库来查询数据，并且会将数据会写到缓存中，此时就会导致数据库瞬间的压力过大，导致击穿。
此处可以理解 击穿和穿透的区别： 击穿，是一个 key 非常热点，大量的访问都打在这个 key 上面，在 key 失效的瞬间，所有请求打在数据库上，就打出一个洞击穿了。
而穿透更多的是访问的数据不存在的情况，大量的请求访问的都是不存在的数据。
