redis在历年试题中都涉及，但侧重点不同，为防止再考（2021年），特记录关于 redis 的各方面。

基础知识

分布式锁，主从复制。哨兵，集群。

单线程的Redis为什么这么快？
纯内存操作，单线程操作，避免了频繁的上下文切换，采用了非阻塞I/O多路复用机制。

场景：
并发，秒杀实验。

redis的5种数据类型：
string 字符串（可以为整形、浮点型和字符串，统称为元素）
list 列表（实现队列,元素不唯一，先入先出原则）
hash hash散列值（hash的key必须是唯一的）
set 集合（各不相同的元素）
sort set 有序集合

类型

memcached

memcache是一个高性能的分布式的内存对象缓存系统，用于动态Web应用以减轻数据库负担。它通过在内存中缓存数据和对象，来减少读取数据库的次数。从而提高动态、数据库驱动网站速度。
memcache通过在内存里维护一个统一的巨大的hash表，它能够用来存储各种格式的数据，包括图像、视频、文件以及数据库检索的结果等。memcache主要用于分担数据库负的压力，memcache将数据调用到内存中，然后从内存中读取，从而大大提高读取速度。　
memcache是这个项目的名称，而memcached是它服务器端的主程序文件名。

与memcache对比

三种模式

持久化（2018年案例）

高阶知识

过期策略以及内存淘汰机制（2020年案例）

redis中缓存的数据是有过期时间的，当缓存数据失效时，redis会删除过期数据以节省内存。如何删除，涉及淘汰机制。
Redis在设置缓存数据时指定了过期时间，到了过期时间数据就失效了。
过期策略有2种：”定期删除+惰性删除”。

定期删除：每100毫秒检查一次，随机抽取部分设置有过期时间的key，如果到了过期时间，则删除（注：是先抽取，再判断是否要删除）。配置参数为hz 10，即1秒检测10次（即100毫秒）。删除的数量由maxmemory-samples 5指定。如果全部都检测一次，会消耗CPU。由于随机抽取，如果有大量过期数据，内存占用还是高，因为再引入“惰性删除策略”。
惰性删除：不主动删除，在获取某个key时，redis先检测该key是否已经过期，如无则返回，如是，则删除。定期删除是集中处理，惰性删除是零散处理。
“定期删除+惰性删除”能保证过期的key最终一定会被删掉，但只保证最终一定会被删除，如果定期删除后，还遗漏大量过期key，但后面又不访问（根据惰性删除原则，不访问不会删除），则这些key还是在内在中的。因此引入淘汰机制。

淘汰机制：
当redis内存占用过高时，会进行内存淘汰（即删除一部分key），以保证redis的内存占用率不会过高。当前版本（5.0）提示了8种内存淘汰策略，由maxmemory-policy noeviction指定，配置文件示例：

# MAXMEMORY POLICY: how Redis will select what to remove when maxmemory
# is reached. You can select one from the following behaviors:
#
# volatile-lru -> Evict using approximated LRU, only keys with an expire set.
# allkeys-lru -> Evict any key using approximated LRU.
# volatile-lfu -> Evict using approximated LFU, only keys with an expire set.
# allkeys-lfu -> Evict any key using approximated LFU.
# volatile-random -> Remove a random key having an expire set.
# allkeys-random -> Remove a random key, any key.
# volatile-ttl -> Remove the key with the nearest expire time (minor TTL)
# noeviction -> Don't evict anything, just return an error on write operations.

解释：
（1）volatile-lru：从已设置过期时间的数据集中挑选最近最少使用的数据淘汰。
（2）volatile-ttl：从已设置过期时间的数据集中挑选将要过期的数据淘汰。
（3）volatile-random：从已设置过期时间的数据集中任意选择数据淘汰。
（4）volatile-lfu：从已设置过期时间的数据集挑选使用频率最低的数据淘汰。
（5）allkeys-lru：从数据集中挑选最近最少使用的数据淘汰。
（6）allkeys-lfu：从数据集中挑选使用频率最低的数据淘汰。
（7）allkeys-random：从数据集中任意选择数据淘汰。
（8）noenviction（驱逐）：禁止驱逐数据，这也是默认策略。意思是当内存不足以容纳新入数据时，新写入操作就会报错，请求可以继续进行，线上任务也不能持续进行，采用no-enviction策略可以保证数据不被丢失。
大体分为4种类型，lru、lfu、random、ttl。注意相同策略有针对设置过期时间的（volatile），也有针对所有key的。

redis最大内存由maxmemory指定，超过时执行内存淘汰策略。
淘汰策略的执行过程
客户端执行一条命令，导致Redis需要增加数据（比如set key value）；
Redis会检查内存使用情况，如果内存使用超过 maxmemory，就会按照配置的置换策略maxmemory-policy删除一些key；
再执行新的数据的set操作。

注：其它场景，如生成快照RDB、载入RDB等未写。

缓存雪崩

数据未加载到缓存中，或者缓存同一时间大面积的失效，从而导致所有请求都去查数据库，导致数据库CPU和内存负载过高，甚至宕机。

导致缓存整体或大量失效的场景一般有：
1、缓存服务宕机，如Redis集群彻底崩溃；
2、在某个集中的时间段内，系统预加载的缓存集中失效了；

解决：缓存的高可用性（如使用Redis Sentinel 和 Redis Cluster）、缓存降级、Redis备份和快速预热、提前演练。
在缓存的时候给过期时间加上一个随机值，这样就会大幅度的减少缓存在同一时间过期。
总结：过期时间不同，集群。

缓存穿透（2019年案例）

缓存穿透是指查询一个一不存在的数据。例如：从缓存redis没有命中，需要从mysql数据库查询，查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，造成缓存穿透。失去了缓存的意义。

缓存穿透是指查询一个根本不存在的数据，缓存层和持久层都不会命中。在日常工作中出于容错的考虑，如果从持久层查不到数据则不写入缓存层，缓存穿透将导致不存在的数据每次请求都要到持久层去查询，失去了缓存保护后端持久的意义。

解决：
如果查询数据库也为空，直接设置一个默认值存放到缓存，这样第二次到缓冲中获取就有值了，而不会继续访问数据库。设置一个过期时间或者当有值的时候将缓存中的值替换掉即可。
可以给key设置一些格式规则，然后查询之前先过滤掉不符合规则的Key。

规范key过滤
规范key的命名，并且统一缓存查询的入口，在入口处对key的命名格式进行检测，过滤掉不规范key的访问，这样可以过滤掉大部分的恶意攻击。如约定项目中Redis缓存key的前缀都是以”公司名项目名REDIS_”开头，不符合这个约定的key在一开始就过滤掉。

缓存空值
如果查询DB返回的数据为空，我们仍然把这个空值放到Redis缓存中，只是将它的过期时间设置的很短，另外为了避免不必要的内存消耗，可以定期清理空值的key。

加锁
根据key从缓存中获取到的value为空时，先锁上，再去查DB将数据加载到缓存，若其它线程获取锁失败，则等待一段时间后重试，从而避免了大量请求直接打到DB。单机可以使用synchronized或ReentrantLock加锁，分布式环境需要加分布式锁，如Redis分布式锁。

布隆过滤器
布隆过滤器是一个叫“布隆”的人提出的，本质上布隆过滤器是一种数据结构，比较巧妙的概率型数据结构（probabilistic data structure）。它本身是一个很长的二进制向量，特点是高效地插入和查询，可以用来确定 “某一条数据一定不存在或者可能存在一个集合中”。
只能判断元素是否一定不存在，而无法判断数据是否一定存在。

缓存击穿

缓存击穿，就是说某个 key 非常热点，访问非常频繁，处于集中式高并发访问的情况，当这个 key 在失效的瞬间，大量的请求就击穿了缓存，直接请求数据库，就像是在一道屏障上凿开了一个洞。

解决方式也很简单，可以将热点数据设置为永远不过期；或者基于 redis or zookeeper 实现互斥锁，等待第一个请求构建完缓存之后，再释放锁，进而其它请求才能通过该 key 访问数据。
总结：不过期，加锁。

缓存与数据库双写一致

（最终一致性和强一致性）
如果对数据有强一致性要求，不能放缓存。

读请求： 不要求强一致性的读请求，走redis，要求强一致性的直接从mysql读取

写请求： 数据首先都写到数据库，之后更新redis。

三种更新策略：

• 先删除缓存，再更新数据库；
• 先更新数据库，再更新缓存；
• 先更新数据库，再删除缓存；
• 不要先写redis再写数据库，因为写数据库可能会失败。

延时双删。1）先删除缓存 2）再写数据库 3）休眠500毫秒（根据具体的业务时间来定） 4）再次删除缓存。

public void write(String key,Object data){
trueredis.delKey(key);
truedb.updateData(data);
trueThread.sleep(1000);
trueredis.delKey(key);
}

参考：https://coolshell.cn/articles/17416.html

一致性就是数据保持一致，在分布式系统中，可以理解为多个节点中数据的值是一致的。

• 强一致性：这种一致性级别是最符合用户直觉的，它要求系统写入什么，读出来的也会是什么，用户体验好，但实现起来往往对系统的性能影响大
• 弱一致性：这种一致性级别约束了系统在写入成功后，不承诺立即可以读到写入的值，也不承诺多久之后数据能够达到一致，但会尽可能地保证到某个时间级别（比如秒级别）后，数据能够达到一致状态
• 最终一致性：最终一致性是弱一致性的一个特例，系统会保证在一定时间内，能够达到一个数据一致的状态。这里之所以将最终一致性单独提出来，是因为它是弱一致性中非常推崇的一种一致性模型，也是业界在大型分布式系统的数据一致性上比较推崇的模型

redis hash一致性

N台服务器做缓存，通过哈希算法，将缓存固定分配到某台服务器，最简单的理解：以ID为key，对N取模，即ID%N，得到余数，即为存放的服务器。如果添加或减少服务器，用旧的哈希算法，则得不到正确的缓存位置。因此，产生哈希一致性算法。

redis使用的是 Consistent hashing 算法：

• Consistent hashing 是一致性hash算法
• Consistent hashing 算法早在1997年就在论文《Consistent hashing and random trees》中提出

环形hash空间。范围：0~2^32-1

Hash倾斜性：节点分布不均衡，引入虚拟节点，使得分布均衡

数据分片技术(2020年论文）

数据库

mysql备份方式：mysqldump、mysqlbinlog。