这是我参与「第五届青训营 」伴学笔记创作活动的第 12 天
内容来自2023第五届字节青训营录播课程：Redis - 大厂程序员是怎么用的
一、本堂课重点内容：
- 什么是Redis
- Redis应用案例
- Redis使用注意事项
二、详细知识点介绍：
01. 什么是Redis
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（Redis数据在一定程度上可做到持久化）
- 增量数据保存到AOF文件
tail appendonly.aof.1.incr.aof查看 - 全量数据RDB文件
cat dump.rdb查看 - 重启时先加载
dump.rdb文件，再查看appendonly文件查看是否有数据没有执行
- 增量数据保存到AOF文件
- 单线程处理所有操作命令（顺序执行）
- eg. 先执行Get key2 再执行get key1
02. Redis应用案例
案例：
案例 Demo
查看案例效果./redis-cli -h 127.0.0.1 -p 6379
2.1 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
# 利用redis的“过期”
expireAt:后天的O点
String数据结构
数据结构 一 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
数据存入buf，但实际上预分配了很多空间；指针左移读取信息，向右移动len读取数据
2.2 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
（面试必考：消息队列，先进先出队列，redis的list数据结构是怎么实现的）
List 数据结构 Quicklist
Quicklist由一个双向链表和listpack（为了节省内存，一个节点可能存多个数据，压缩到listpack中）实现
每个元素（elements）长度一样，tot-bytes：整个长度有多少；num-elements：一共有多少元素
2.3 计数
一个用户有多项计数需求，可通过hash结构存储
代码：
- pipeline批量执行，减少网络传输
HIncrBy
Hash数据结构dict（面试必考）：
- 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[o]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（为了迁移时还能正常相应），使用了rehash方案。基本原理就是,每次用户访问时都会迁移（顺便）少量数据。将整个迁移过程，平摊到所有的用户访问请求过程中。
2.4 排行榜
积分变化时排名要实时变更
百万级别QPS后操作数据库使用orderby会挂掉，要使用redis的zset数据结构
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"
redis实际上是跳跃表+Hash（找到元素后希望获取分值）；最高元素实际不会超过四层；双向链表，可以倒着遍历；obj指针，指向hash表
2.5 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
2.6 分布式锁
并发场景，要求一次只能有一个协程执行。（否则出现并发超限）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
如果key已经被设置了则抢锁失败。
代码：
- 业务超时解锁，导致并发问题。业务执行时间超过锁的超时时间
- 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。
- redis集群脑裂，导致出现多个主节点
03. Redis使用注意事项
在字节跳动使用Redis有哪些注意事项
3.1 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（要拷贝到从节点）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（一般是写少读多，需要考虑解压缩时间）。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（低于一个字节的只用一个字节存）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（用户一般只看前几页），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
- 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。
- 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qops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。
- 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（涉及思想仍是LocalCache但是由Proxy来做）
3.2 慢查询场景
容易导致redis慢查询的操作
- 批量操作一次性传入过多的key/value，如mset/hmset/sadd/zadd等on)操作。建议单批次不要超过100，超过100之后性能下降明显。
- 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
- 操作的单个value过大，超过10KB。也即，避免使用大Key
- 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
3.3 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(可能Redis宕机了)
缓存雪崩:大量缓存同时过期
缓存穿诱的危害
- 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。
- 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
- 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。
- 使用缓存集群，避免单机宕机造成的缓存雪崩。
