这是我参与「第五届青训营 」伴学笔记创作活动的第 16 天
一、Redis是什么
1.1 why Redis？
因为数据量不断增长，数据库读写数据压力的不断增加
将热数据(经常被访问到的数据)存储到内存中，减少数据库的压力，相当于缓存一样。
1.2 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
1.3 常见数据结构
1.3.1 String
- 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
1.3.2 List数据结构Quicklist
- Quicklist由一个双向链表和listpack实现
- 用list作为消息队列
- 使用场景：消息通知
1.3.3 Hash
- 渐进式rehash(扩容):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请求过程中。
- 通常用于多项计数
1.3.4 zset数据结构 zskiplist
- 应用场景：排行榜
二、Redis注意事项
2.1 大Key、热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。
解决方法：
- 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、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JSON字符串，可以考虑使用MessagePack进行序列化。
- 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：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。
2.2 慢查询
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0(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(log(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。 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。
2.3 缓冲穿透 缓冲雪崩
缓冲穿透：热点数据查询绕过缓冲，直接查询数据库(比如说不存在的Key)。
缓冲雪崩：大量缓存同时过期。
