什么是Redis

Redis（Remote Dictionary Server）是一个开源的内存数据存储系统，一个NOSQL数据库，它提供了高性能、持久化、键值对存储和多种数据结构的支持。Redis通常被用作缓存、消息队列、实时数据分析、计数器等场景。

Redis运行原理

1. 内存存储：Redis将数据存储在内存中，这使得它能够提供快速的读写操作。内存存储也是Redis高性能的关键之一。
2. 单线程模型：Redis采用单线程模型，通过事件驱动的方式处理客户端请求。这意味着Redis在任意时刻只能处理一个请求，但通过非阻塞I/O和异步操作，可以实现高并发的请求处理。
3. 响应式协议：Redis使用RESP（REdis Serialization Protocol）作为与客户端通信的协议。RESP是一种简单、高效的文本协议，使得Redis能够快速解析和处理客户端请求。
4. 持久化：Redis支持两种持久化方式，即RDB快照和AOF日志。RDB快照是将内存中的数据定期保存到磁盘上的快照文件中，而AOF日志则是将每个写操作追加到日志文件中。这样可以在重启后恢复数据。
5. 多种数据结构：Redis支持多种数据结构，如字符串、哈希、列表、集合、有序集合等。每种数据结构都有对应的操作命令，使得Redis可以灵活地存储和处理不同类型的数据。
6. 高可用性：Redis提供了主从复制和哨兵机制来实现高可用性。主从复制通过将主节点的数据复制到从节点上，实现数据的冗余和故障恢复。哨兵机制用于监控和管理Redis实例，自动进行主从切换和故障转移。

结合图片绘制的理解就是，客户端将数据通过RESP协议发送给Redis-server，服务进程将数据读写进入内存，然后持续的追加AOF日志文件，当宕机时保证数据不会丢失。

、

Resdis应用案例

连续签到：

• 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

redis可以设置消息的到期时间，可以将签到信息设置为0点到期，要是用户在签到就将用户签到天数加1要是没有签到就将之前的签到时间清零。

消息通知

使用list

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 的实现基于一个双向链表，每个节点都包含一个或多个列表节点。每个列表节点都是一个有序列表，可以存储多个元素。Quicklist 的主要特点如下：

1. 分层结构：Quicklist 采用分层结构，将多个有序列表分为多个节点，每个节点可以包含多个元素。这种分层结构可以减少内存占用，并提高操作的效率。
2. 压缩列表：Quicklist 中的每个列表节点都是使用压缩列表（ziplist）实现的，它是一种紧凑的、高效的列表数据结构。压缩列表可以在存储较小的列表时节省内存空间。
3. 快速插入和删除：由于 Quicklist 使用双向链表实现，它可以在列表的两端进行快速的插入和删除操作，而不需要对整个列表进行重排。
4. 跳跃表索引：为了提高查找效率，Quicklist 使用跳跃表（skiplist）作为索引结构。跳跃表可以快速定位到指定位置的节点，从而加速元素的查找。 Listpack数据结构

Listpack 的设计目标是在保持高性能的同时，尽可能地减少内存占用。它通过将多个列表元素紧密地打包在一起，减少了元素之间的空间浪费，并提供了高效的操作。

Listpack 的主要特点如下：

1. 紧凑的存储：Listpack 使用紧凑的二进制格式存储列表元素，减少了元素之间的空间浪费。它采用变长编码来存储整数和字符串，根据元素的实际长度来分配存储空间。
2. 快速访问：Listpack 使用连续的内存块存储列表元素，可以通过偏移量快速访问和遍历元素。这种连续存储的特性使得 Listpack 在读取和写入操作上具有高性能。
3. 支持多种数据类型：Listpack 可以存储多种数据类型的元素，包括整数、字符串和浮点数等。它使用标记位来标识元素的类型，并根据类型进行相应的解析和处理。
4. 可变长度编码：Listpack 使用可变长度编码来存储整数类型的元素。这种编码方式可以根据整数的大小来选择合适的存储空间，减少了整数元素的存储空间。

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

• ehash：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不请求过程中。

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

Zskiplist（Ziplist Skip List）是 Redis 中有序集合（Sorted Set）数据结构的一种实现方式。它是一种基于跳跃表（Skip List）的紧凑、高效的有序集合数据结构。

Zskiplist 的设计目标是在保持高性能的同时，尽可能地减少内存占用。它通过使用跳跃表的结构和压缩列表（Ziplist）的存储方式，实现了高效的有序集合操作。

Zskiplist 的主要特点如下：

1. 跳跃表结构：Zskiplist 使用跳跃表作为索引结构，用于快速定位和查找有序集合中的元素。跳跃表是一种有序链表的扩展结构，通过多级索引层次，可以快速定位到指定位置的节点，从而加速元素的查找。
2. 压缩列表存储：Zskiplist 使用压缩列表（Ziplist）作为节点的存储方式。压缩列表是一种紧凑的、高效的列表数据结构，可以在有限的内存空间中存储多个元素。通过使用压缩列表，Zskiplist 可以减少节点的存储空间，从而节省内存。
3. 高效的有序集合操作：Zskiplist 提供了高效的有序集合操作，包括插入、删除和范围查询等。通过跳跃表的索引结构，可以在对数时间复杂度内执行这些操作。
4. 支持多种数据类型：Zskiplist 可以存储多种数据类型的元素，包括整数和字符串等。它使用标记位来标识元素的类型，并根据类型进行相应的解析和处理。

限流

当一个用户key在1秒内多次请求数量超过一定量时，将对这个进行限流

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指的是在String类型下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个或总value字节数大于10MB即为大key。

消除大key：

• 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。
• 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指的是用户访问一个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：

1.设置Localcache 在访问Redis前，在业务服务侧设置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的Guava、Golang的Bigcache就是这类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

3.使用Redis代理的热Key承载能力 字节跳动的Redis访问代理就具备热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

下面操作会导致Redis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

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。