Redis-大厂程序员是怎么用的 | 青训营笔记
这是我参与「第五届青训营 」伴学笔记创作活动的第 6 天
本节课主要介绍：
一、Redis是什么
为什么需要Redis：
1.数据从单表，演进出了分库分表
2.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
3.数据分冷热
热数据：经常被访问到的数据
4.将热数据存储到内存中
Redis:基本工作原理：
1.数据从内存中读写
2.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
3.单线程处理所有操作命令
二、Redis应用案例
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_uid1165894833417101
value:252
expireAt:后天的0点
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
2.消息通知
用Iist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
List数据结构Quicklist： Quicklist由一个双向链表和listpack实现
3.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：
1.rehash:rehash操作是将ht[o]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K时，迁移过程将会明显阻塞用户 请求。
2.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。
4.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
5.限流
要求1秒内放行的请求为N,超过N则禁止访问
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setnx3实现，利用了两个特性
1.Redis是单线程执行命令
2.setnx,只有未设置过才能执行成功
三、Redis使用注意事项
大Key的危害
1.读取成本高
2.容易导致慢查询(过期、删除)
3.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
1.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、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zs©t,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:valuei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qs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Redisi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：
容易导致redis'慢查询的操作
(I)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OIog(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，Redis.4.0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ky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。
(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。
