这是我参与「第五届青训营 」伴学笔记创作活动的第 17 天

Redis 是什么

为什么需要 Redis

• 数据从单表，演进出了分库分表

• MySQL 从单机演进出了集群

  • 数据量增长
  • 读写数据压力的不断增加

• 数据分冷热

  • 热数据：经常被访问到的数据

• 将热数据存储到内存中

Redis 基本工作原理

• 数据从内存中读写

• 数据保存到硬盘上防止重启数据丢失

  • 增量数据保存到AOF文件

  • 全量数据RDB文件

• 单线程处理所有操作命令（但是 RDB 备份操作时会 fork，也正是因为这个原因 RDB 不能实现秒级的备份，fork 是一个重操作）

启动后会优先读取 AOF！这两篇文章讲的不错：

Redis进阶 - 持久化：RDB和AOF机制详解

redis系列之--数据持久化（RDB和AOF）

Redis 数据结构

Redis进阶 - 数据结构：底层数据结构详解

String 数据结构

数据结构 sds

• 可以存储字符串、数字、二进制数据
• 通常和expire配合使用
• 场景：存储计数、Session

List 数据结构 Quicklist

Quicklist 由一个双向链表和 listpack 实现

Hash 数据结构 dict

• rehash：rehash操作是将ht[0]中的数据全部迁移到ht[1]中。数据量小的场景下，直接将数据从ht[0]拷贝到ht[1]速度是较快的。数据量大的场景，例如存有上百万的KV时，迁移过程将会明显阻塞用户请求。
• 渐进式 rehash：为避免出现这种情况，使用了渐进式 rehash 方案。基本原理就是，每次用户访问时都会迁移少量数据。将整个迁移过程，平摊到所有的访问用户请求过程中。（在进行迁移时，仍然使用旧表，只是将一部分数据复制到新表）

zset 数据结构 zskiplist

查找数字 7 的路径，head，3，3，7

• 结合 dict 后，可实现通过 key操 作跳表的功能

  • ZINCRBY myzset 2 "Alex"
  • ZSCORE myzset "Alex"

实际 redis 中，zset 的实现不仅使用了跳表，为了找到其对应的数据还结合了哈希表进行存储

Redis 为什么用跳表而不用平衡树？ - 掘金

Redis 应用案例

连续签到

用户每日有一次签到的机会，如果断签,连续签到计数将归0。连续签到的定义:每天必须在23:59:59前签到

• 设置过期，期限为后天零点
• 进行 INCR 操作，将连续签到天数加一

消息通知

可以使用 list 或者 pub/sub 实现

用 list 作为消息队列

• 使用场景：消息通知。

  例如当文章更新时将更新后的文章推送到 ES，用户就能搜索到最新的文章数据

计数

一个用户有多项计数需求，可通过 hash 结构存储

hash 有多个字段和对应的值，可以方便地打包一整块数据

排行榜

积分发生变化时，排名要实时变更

• 结合dict后，可实现通过key操作跳表的功能

  • ZINCRBY myzset 2 "Alex"
  • ZSCORE myzset "Alex"

限流

要求 1 秒内放行的请求为 N，超过 N 则禁止访问

Key：comment_freq_limit_1671356046

对这个 Key 调用 incr，超过限制N则禁止访问1671356046是当前时间戳

分布式锁

并发场景，要求一次只能有一个协程执行。执行完成后.其它等待中的协程才能执行。

可以使用 redis 的 setnx 实现,利用了两个特性

• Redis 是单线程执行命令
• setnx 只有未设置过才能执行成功

只是体验SetNX的特性，不是高可用的分布式锁实现

该实现存在的问颗：

1. 业务超时解锁，导致并发问题。业务执行时间超过锁超时时间
2. redis主备切换临界点问题。主备切换后，A 持有的锁还未同步到新的主节点时，B 可在新主节点获取锁，导致并发问题
3. redis集群脑裂，导致出现多个主节

Redis 使用注意事项

大 Key、热 Key

大 Key 的定义

数据类型	大 Key 标准
String类型	value的字节数大于10KB即为大key
Hash/Set/Zset/list等复杂数据结构类型	元素个数大于5000个或总value字节数大于10MB即为大key

大 Key 的危害

• 读取成本高
• 容易导致慢查询(过期、删除)
• 主从复制异常，服务阻塞无法正常响应请求

业务侧使用大 Key 的表现

• 请求 Redis 超时报错

消除大 Key 的方法

1. 拆分

   将大key拆分为小key。例如一个String拆分成多个String

2. 压缩

   将value压缩后写入redis，读取时解压后再使用。压缩算法可以是gzip、snappy、lz4等。通常情况下，一个压缩算法压缩率高、则解压耗时就长。需要对实际数据进行测试后，选择一个合适的算法。如果存储的是JSON字符串，可以考虑使用MessagePack进行序列化。

3. 集合类结构hash、list、set、zset

   • 拆分：可以用hash取余、位掩码的方式决定放在哪个key中
   • 区分冷热：如榜单列表场景使用zset，只缓存前10页数据，后续数据走db

热 Key 的定义

用户访问一个Key的QPS特别高，导致Server实例出现CPU负载突增或者不均的情况。热key没有明确的标准,QPS 超过500 就有可能被识别为热Key

解决热 Key 的方法

1. 设置 Localcache

   在访问Redis前，在业务服务侧设置Localcache，降低访问Redis的QPS。LocalCache中缓存过期或未命中，则从Redis中将数据更新到LocalCache。Java的Guava、Golang的Bigcache就是这类LocalCache

2. 拆分

   将key : value这一个热Key复制写入多份，例如key1 : value ,key2 : value，访问的时候访问多个key，但value是同一个，以此将qps分散到不同实例上，降低负载。代价是，更新时需要更新多个key，存在数据短暂不一致的风险

3. 使用Redis代理的热Key承载能力

   字节跳动的Redis访问代理就具备热Key承载能力。本质上是结合了"热Key发现"、"LocalCache"两个功能

慢查询场景

1. 批量操作一次性传入过多的key/value，如mset/hmset/sadd/zadd等o(n)操作 建议单批次不要超过100，超过100之后性能下降明显。
2. zset大部分命令都是o(log(n))，当大小超过5k以上时，简单的zadd/zrem也可能导致慢查询
3. 操作的单个value过大，超过10KB。也即，避免使用大 Key
4. 对大key的delete/ expire操作也可能导致慢查询，Redis4.0之前不支持异步删除unlink，大key删除会阻塞Redis

缓存穿透、缓存雪崩

缓存穿透：热点数据查询绕过缓存，直接查询数据库

缓存雪崩：大量缓存同时过期

缓存穿透的危害

• 查询一个一定不存在的数据

  通常不会缓存不存在的数据，这类查询请求都会直接打到db，如果有系统bug或人为攻击，那么容易导致db响应慢甚至宕机

• 缓存过期时

  在高并发场景下，一个热key如果过期．会有大量请求同时击穿至db，容易影响db性能和稳定。

  同一时间有大量key集中过期时，也会导致大量请求落到db上，导致查询变慢．甚至出现db无法响应新的查询

如何减少缓存穿透

• 缓存空值

  如一个不存在的userID。这个id在缓存和数据库中都不存在。则可以缓存一个空值，下次再查缓存直接反空值。

• 布隆过滤器

  通过bloom filter算法来存储合法Key，得益于该算法超高的压缩率，只需占用极小的空间就能存储大量key值

  5 分钟搞懂布隆过滤器，亿级数据过滤算法你值得拥有！

如何避免缓存雪崩

• 分散缓存失效时间

  将缓存失效时间分散开，比如在原有的失效时间基础上增加一个随机值，例如不同Key过期时间

  可以设置为10分1秒过期，10分23秒过期，10分8秒过期。单位秒部分就是随机时间。这样过期时间就分散了对于热点数据，过期时间尽量设置得长一些，冷门的数据可以相对设置过期时间短一些。

• 使用缓存集群

  避免单机宕机造成的缓存雪崩。