Redis的使用
Redis简介
为什么需要Redis
数据从单表，演进出了分库分表
MySQL从单机演进出了集群
数据量增加
读写数据压力的不断增加
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
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
Redis应用案例
连续签到
某软件每日连续签到
用户每日有一次签到的机会，如果断签，连续签到计数将归0。
连续签到的定义：每天必须在23:59:59前签到
Key：cc_uid_123456789
value：252
expireAt：后天的0点
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、Seession
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
Listpack数据结构
计数
一个用户有多项计数需求，可通过hash结构存储
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户请求过程中
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
ZINCRBY myzset 2 "Alex"
ZSCORE myzset "Alex"
zset数据结构zskiplist
查找数字7的路径，head,3,3,7
结合dict后，可实现通过key操作跳表的功能
ZINCRBY myzset 2 "Alex"
ZSCORE myzset "Alex"
限流
要求1秒内放行的请求为N，超过N则禁止访问
key：comment_freq_limit_12345678
对这个key调用incr，超过限制N则禁止访问
12345678是当前时间戳
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，其他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
Redis使用注意事项
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，服务阻塞无法正常影响请求
业务则使用大key的表现
请求Redis超时报错
消除大key的方法
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，读取时解压后在使用。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
集合类结构hash、list、set、
拆分：可以用hash取舍、位掩码的方式决定放在那个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
设置Localcache
在访问Redis前，在业务服务侧设置Localcache，降低访问Redis的QPS。LoxalCache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
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
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
本模块相关示例代码在D:\程序设计\go\Redis demo\下
