这是我参与「第五届青训营」伴学笔记创作活动的第19天。

一、Redis是什么

1、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

2、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

二、Redis应用案例

连续签到

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：存储技术、session

消息通知

list作为消息队列
List数据结构Quicklist
Quicklist由一个双向链表和listpack实现

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户过程中。

排行榜

排名实时变更
zset数据结构zskiplist
结合dict后，可实现通过key操作跳表的功能

限流

要求1秒内放行的请求为N，超过N则禁止访问

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
setrx只有未设置过才能执行成功

三、Redis使用注意事项

1、大Key、热Key

大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
容易导致满查询（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拆分成小Key。
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、Iz4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ISON字符串，可以考虑使用MessagePack进行序列化。
3。集合类结构hash、list、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
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LocalCcache。
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。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
本质上是结合了“热Key发现”、“LocalCache”两个功能。

2、慢查询场景

容易导致Redis慢查询的操作
（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(logn)，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。

3、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

如何减少缓存穿透
（1）缓存空值如一个不存在的userlD。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。
（2）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。

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