一.什么事Redis
1.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
- 数据量增长
- 读写数据压力的不断增加
- 数据分冷热，即：热数据经常被访问到的数据，存放在Redis中，冷数据存放在MySQL中
- 将热数据存储到内存中
2.Redis基本工作原理
Redis可以将数据做到一定的持久化
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：顺序执行命令
二.Redis应用案例
1.String 数据结构
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
2.List数据结构QuickList
QuickList由一个双向链表和listpack实现
3.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不请求过程中。
4.zset数据结构zskiplist
5.限流
要求1秒内放行的请求为N，超过N则进制访问
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
- sentx只有未设置过才能执行成功
## 三.Redis使用注意事项
1.大Key、热Key
大Key的定义
数据类型 大Key标准 String类型 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 大Key的危害
读取成本高
容易导致慢查询（过期、删除）
主从赋值异常，服务阻塞 无法正常响应请求
消除大Key的方法
（1）拆分：将大Key拆分为小Key。例如一个String拆分为多个String
（2）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。
（3）集合类结构hash、list、set
拆分：可以用hash取余、位掩码的方式决定在哪个key中
区分冷热：如果单列表场景使用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
（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。
2.慢查询场景
容易导致redis慢查询的操作
（1）批量操作一次性传入过多的key/value
（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
（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
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
缓存穿透的危害
(1) 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
(2) 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
(1) 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。
(2) 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
(1) 缓存空值：将缓存失效时间分散开
(2) 使用缓存集群，避免单机宕机造成的缓存雪崩。
