这是我参与「第五届青训营 」笔记创作活动的第十九天

Redis

一、Redis是什么

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

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
• 消息通知
  • 用list作为消息队列
• 计数
  • 一个用户有多项计数需求，可通过hash结构存储
• 排行榜（用zset实现）
  • 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，要求一次只能由一个协程执行。
  • 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

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
• List数据结构Quicklist
  • 由一个双向链表和listpack实现
• 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[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，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，平摊到所有的访问请求过程中。

三、Redis使用注意事项

大Key、热Key

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

表现

• 请求Redis超时报错

消除方法

• 拆分
• 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。通常情况下将value压缩后写入redis，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
• 集合类结构Hash、list、set
  • 拆分：可以用hash取余、位掩码的方式决定放在哪个key中
  • 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。

解决方法

• 设置Localcache
  • 在访问Redis前，在业务服务侧设置Localchache，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。
• 拆分
  • 将热Key复制写入多份，访问的时候访问多个Key，但value是用一个，以此将QPS分散到不同实例，但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
  • 本质上是结合了”热Key发现“，”LocalCache“两个功能。

慢查询

• (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(log(n))，当大小超过5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

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山上，导致查询变慢，甚至出现b无法响应新的查询

减少：

• 缓存空值
• 布隆过滤器

避免缓存雪崩：

• 缓存空值：将缓存失效时间分散开
• 使用缓存集群、避免单机宕机造成的缓存雪崩