Redis 使用案例
1.连续签到
掘金每日连续签到
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
数据结构：String
- Key:cc_uid_1165894833417101
- value:252（天数）
- expireAt:后天的0点
redis的Incr可以在value原有基础上+
String
数据结构-sds
-
可以存储字符串、数字、二进制数据
-
通常和expirel配合使用
-
场景：存储计数、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
一个用户有多项计数需求，可通过hash结构存储
redis有pipeline功能，可以一次性处理多个操作
Hash数据结构dict
- rehash:rehash深作是将ht[O]中的数琚全部迁移到t[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，平摊到所有的访问用不请求过程中。
4.排行榜
积分变化时，排名要实时变更
使用数据结构zset 会根据score字段自动倒排序
zset数据结构zskiplist
5.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_1671356046对这个Key调用incr,超过限制N则禁止访问1671356046是当前时间戳
string数据类型
6.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，其它等待中的协程才能执行
可以使用redisl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
1.大Key和热Key
| 数据类型 | 大Key标准 |
|---|---|
| String类型 | valuef的字节数大于10KB即为大key |
| Hash/Set/Zset/Iist等复杂数据结构类型 | 元素个数大于5000个或总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）
- 主从复制异常，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
- 拆分
将大key折分为小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。 -
集合类结构hash、list、set、set
(1)拆分：可以用hash取余、位掩码的方式决定放在哪个key中
(2)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Redisl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qs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
- 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0(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
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
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，例如不同水©y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。
