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
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
- 单数据处理所有操作命令
特点
- C/S通讯模型
- 单进程单线程模型
- 丰富的数据类型
- 操作具有原子性
- 持久化
- 高并发读写
- 支持lua脚本
二、Redis应用案例
1、掘金的每日签到
String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:存储技术、Session
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
list数据结构Quicklist
Quicklist由一个双向链表和listpack实现
3、计数
Hash数据结构dict
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
5、限流
6、分布式锁
三、Redis使用注意事项
1、大key、热key
大Key
| 数据类型 | 大Kye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个或者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）
- 主从赋值异常，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拆分为多个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、zset
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
热Key
解决热Key的方法
1、设置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。
2、慢查询场景
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，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：
(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b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kev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
(2) 布隆过滤器
通过bloom flter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) 使用缓存朱群，避免单机宕机造成的缓存雪朋。
