这是我参与[第五届青训营]伴学笔记创作活动的第 16 天

为什么需要Redis

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

RESP协议

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（只在末尾添加）
- 全量数据RDB文件（存储redis数据）
单线程处理所有操作命令

Redis应用

1.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:存储计数、Session

2.消息通知

用list作为消息队列

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

为什么rehash：扩容时仍保持程序正常运行

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

4.排行榜

zset数据结构zskiplist

结合dict（hash）后，可实现通过key操作跳表的功能

5.限流

kv：string

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

使用注意

1.大Key、热Key

大key

value的字节数大于10KB即为大key
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（业务逻辑复杂）
（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。（重点考虑解压时间）
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

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。
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.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

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

Redis|青训营笔记