这是我参与「第五届青训营」伴学笔记创作活动的第 15 天

课程目录

Redis

随着数据压力的不断增大，从分库分表，传统的单机数据库衍生出了集群化的设置，来解决读写压力问题。

对于数据本身而言，一般会有一些访问次数很多的数据，称为热数据，这一部分数据的数据量可能很小，却要承担例如80%的读写压力，这时候将热数据存储至内存中，冷数据存储至磁盘中，很好地利用计算机中多级存储的特点。

Redis是一种kv数据库，数据从内存中读写，通过AOF增量保存，RDB方式全量保存，单线程处理所有操作指令的特点，优点是相比于传统的关系型数据库，读写速度快，很适合热数据。

从案例分析Redis的应用数据结构

String数据结构，sds，可以存储字符串/数字和二进制数据。

List数据结构可以作为消息队列，常见的快表，由异构双向链表和异构listpack组成

Hash结构可实现计数，数据结构由dict构成，rehash方式为渐进式rehash，将整个迁移过程平坦到请求过程，减少业务感知缓慢时间

zset数据结构，结合dict，可实现通过key操作跳表的功能。

redis还可以实现限流与分布式锁，对key条用incr，超过限制禁止访问，使用setnx实现分布式锁

string类型，value的字节数大于10kb；其他数据类型元素个数大于5000个或总value字节数大于10mb；

大key的危害有读取成本高，容易导致慢查询，主从复制异常，服务阻塞，无法正常相应请求，在业务侧常常表现为请求Redis超时报错，

解决方法有拆分，将大key分为小key，或者使用压缩算法，json数据尝试用messagepack进行序列化；对于集合类数据，可以使用Hash取余决定放置在哪个key上，对于榜单数据，只缓存前10页数据，后续数据走db

用户访问一个key的qps特别高，导致server实例出现cpu负载突增或不均的情况，一般情况下qps超过500可以认为是热key。

解决方法有，在业务侧设置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中guava和go的bigcache实现了；还可以将热key复制写入多份，分散到不同实例上，但会导致更新不一致问题

缓存穿透指热点数据查询绕过缓存，直接查询数据库，雪崩指大量缓存同时过期。

解决缓存穿透，可以缓存空值，或者用布隆过滤器来存储合法key 解决缓存雪崩，设置不同的随机过期时间