Redis

为什么需要Redis

数据分冷热
冷数据：MySQL
热数据：Redis
将热数据（经常被访问到的数据）存储到内存中

Redis使用案例

连续签到
掘金每日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
Key: cc_uid_1165894833417101
value: 252
expireAt :后天的0点
消息通知
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不请求过程中。

排行榜
积分变化时，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"

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"

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

6.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

Redis使用注意事项

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：
拆分：
将大key拆分为小key。例如一个String拆分成多个String
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。
集合类结构hash、list、 set、set：
(1) 拆分：可以用hash取余、位掩码的方式决定放在哪个key中
(2) 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

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
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
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
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：
(1)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
(2)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
如何避免缓存雪崩：
(1)缓存空值
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。
(2) 使用缓存集群，避免单机宕机造成的缓存雪崩。

Redis ｜ 青训营笔记