redis使用场景之缓存

缓存穿透

查询一个不存在缓存和数据库的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库，一般是请求路径泄露被恶意攻击
解决方案一：缓存空数据，查询返回的数据为空，仍把这个空结果进行缓存
优点：简单 缺点：消耗内存，可能会发生不一致的问题
解决方案二：布隆过滤器
优点：内存占用较少，没有多余key 缺点：实现复杂，存在误判

缓存击穿

给某一个热点key设置了过期时间，当key过期的时候，恰好这时间点对这个key有大量的并发请求过来，这些并发的请求可能会瞬间把数据库压垮
解决方案一：互斥锁 优点：强一致性 缺点：性能差

解决方案二：逻辑过期 优点： 高可用、性能好 确定： 数据存在不一致

缓存雪崩

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。
缓存大量Key失效往往发生在项目初始启动的时候设置了大量的相同ttl
解决方案一： 给不同的Key的TTL添加随机值
解决方案二：给业务添加多级缓存 Guava或Caffeine
redis服务宕机
解决方案一：利用Redis集群提高服务的可用性 哨兵模式、集群模式
解决方案二：给缓存业务添加降级限流策略 ngxin或spring cloud gateway 此方案适用于缓存穿透、击穿、雪崩。

双写一致性

当修改了数据库的数据也要同时更新缓存的数据，缓存和数据库的数据要保持一致 1.先删除缓存，再修改数据库存在的问题

2.先修改数据库再删除缓存存在的问题

3.延时双删

延时的时间不好确定，而且过程中依然有脏数据不是强一致性的，而且代码耦合度高。

允许延时一致的业务，采用异步通知
1.使用MQ中间中间件，更新数据之后，通知缓存删除
2.利用canal中间件，不需要修改业务代码，伪装为mysql的一个从节点，canal通过读取binlog数据更新缓存
强一致性的，采用Redisson提供的读写锁
1.共享锁：读锁readLock，加锁之后，其他线程可以共享读操作
2.排他锁：独占锁writeLock也叫，加锁之后，阻塞其他线程读写操作

Redis持久化

1.RDB全称Redis Database Backup file（Redis数据备份文件），也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据
2.AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件。

Redis数据删除策略

1.惰性删除：设置该key过期时间后，我们不去管它，当需要该key时，我们在检查其是否过期，如果过期，我们就删掉它，反之返回该key
优点 ：对CPU友好，只会在使用该key时才会进行过期检查，对于很多用不到的key不用浪费时间进行过期检查
缺点 ：对内存不友好，如果一个key已经过期，但是一直没有使用，那么该key就会一直存在内存中，内存永远不会释放 2.定期删除
每隔一段时间，我们就对一些key进行检查，删除里面过期的key(从一定数量的数据库中取出一定数量的随机key进行检查，并删除其中的过期key)。
定期清理有两种模式：
SLOW模式是定时任务，执行频率默认为10hz，每次不超过25ms，以通过修改配置文件redis.conf 的hz 选项来调整这个次数
FAST模式执行频率不固定，但两次间隔不低于2ms，每次耗时不超过1ms
优点： 可以通过限制删除操作执行的时长和频率来减少删除操作对 CPU 的影响。另外定期删除，也能有效释放过期键占用的内存。
缺点： 难以确定删除操作执行的时长和频率。
Redis的过期删除策略：惰性删除 + 定期删除两种策略进行配合使用

数据淘汰策略

数据的淘汰策略：当Redis中的内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中的数据删除掉，这种数据的删除规则被称之为内存的淘汰策略。
Redis支持8种不同策略来选择要删除的key：
noeviction： 不淘汰任何key，但是内存满时不允许写入新数据，默认就是这种策略。
volatile-ttl： 对设置了TTL的key，比较key的剩余TTL值，TTL越小越先被淘汰
allkeys-random：对全体key ，随机进行淘汰。
volatile-random：对设置了TTL的key ，随机进行淘汰。
allkeys-lru： 对全体key，基于LRU算法进行淘汰
volatile-lru： 对设置了TTL的key，基于LRU算法进行淘汰
allkeys-lfu： 对全体key，基于LFU算法进行淘汰
volatile-lfu： 对设置了TTL的key，基于LFU算法进行淘汰
LRU（Least Recently Used）最近最少使用。用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。
LFU（Least Frequently Used）最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高。
数据淘汰策略-使用建议
优先使用 allkeys-lru 策略。充分利用 LRU 算法的优势，把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分，建议使用。
如果业务中数据访问频率差别不大，没有明显冷热数据区分，建议使用 allkeys-random，随机选择淘汰。
如果业务中有置顶的需求，可以使用 volatile-lru 策略，同时置顶数据不设置过期时间，这些数据就一直不被删除，会淘汰其他设置过期时间的数据。
如果业务中有短时高频访问的数据，可以使用 allkeys-lfu 或 volatile-lfu 策略。