目录
一、三种删除策略比较
三、缓存一致性
Redis学习笔记
一、三种删除策略比较
| 内存占用 | CPU占用 | 特征 | |
|---|---|---|---|
| 定时删除 | 节约内存，无占用 | 不分时段占用CPU资源，频度高 | 时间换空间 |
| 惰性删除 | 内存占用严重 | 延时执行，CPU利用率高 | 空间换时间 |
| 定期删除 | 内存定期随机清理 | 每秒花费固定的CPU资源维护内存 | 随机抽查，重点抽查 |
1.定时删除：创建一个定时器，当key过期时，定时器立即删除过期数据。这样做节约内存，但是cpu负荷高，由于redis时单线程的，在访问量大时，甚至会引起线程阻塞。
2.惰性删除： 数据到达过期时间，不做处理。等下次访问该数据时，如果未过期，返回数据。如果已过期，删除，返回不存在。这样CPU压力会降低，但是内存压力很大，长期有过期数据占用内存。
3.定期删除：这种策略平衡了前两种极端的方案，Redis启动服务器初始化时，读取配置server.hz的值，默认为10.每秒执行server.hz次的serverCron()中的方法，周期性的轮询redis库中的时效型数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频度（过期数据的比例不超过25%）。
定期删除的优点在于CPU性能占用设置有峰值，检测频度可自定义，内存压力和CPU压力都不大。但是仅仅是通过给key设置时长还是有问题的，因为还是有很多过期key堆积在内存中，容易引起Out Of Memory。那么如何解决这方面的问题呢？就是Redis的内存淘汰机制（逐出算法）。
Redis使用内存存储数据，在执行没一个命令前，会调用FreeMemoryIFNeeded（）检查内存是否充足，如果内存不满足新加入数据的最低存储要求，redis要删除一些数据为清理空间。清理的策略被称为逐出算法：
Redis目前有8种逐出策略：
1.volatile-lru：从已设置过期时间的数据中，挑选最近最少使用的数据淘汰。（针对时间）
2.volatile-lfu：从已设置过期时间的数据中，挑选最近使用次数最少的数据淘汰。（针对访问频率）
3.volatile-ttl：从已设置过期时间的数据中，挑选快要过期的数据。
4.volatile-random：从已设置过期时间的数据中，任意选择数据淘汰。
5.allkeys-lru：在所有的key中，移除最近最少使用的key。
6.allkeys-lfu:在所有的key中，移除最近使用次数最少的key。
7.allkeys-random：任意挑选数据淘汰。
8.no-eviction：禁止驱逐数据（Redis4.0默认策略）。
需要注意的时，逐出过程并不是100%的能够清理出足够的空间，如果不成功反复执行，在所有数据都尝试完毕后，如果还是不能满足内存清理的要求，将会出现错误信息。
(error) OOM command not allowed when used memory >'maxmemory'二、缓存雪崩+缓存击穿+缓存穿透
缓存预热：在系统启动前，提交将相关的缓存数据直接加载到缓存系统，避免在用户请求的时候，先查数据库，然后再缓存数据的问题，
缓存雪崩：大面积key同一时间失效，所有请求直接落在数据库上，造成数据库压力过大，可能导致服务器宕机。
解决方案：1.更多的页面静态化处理；
2.构造多级缓存
3.灾难预警机制
4.限流，降级（短时间牺牲客户体验，限制一部分请求，降低服务器压力，待业务低速运转后，再逐步放开）
5.删除策略进行切换（lru->lfu）
6.数据分类，有效期策略调整（稀释集中到期的key的数量）
7.超热数据 永久key
缓存击穿：某个热点key过期，大量请求落在服务器。
解决方案：1.二级缓存
2.设置永久key
3.延长过期时间，待访问量降低后移除
缓存穿透：redis出现大面积未命中（请求的key不在redis中，直接落在服务器）
解决方案：1.布隆过滤器
2.缓存null
3.做好参数校验
4.实时监控（redis的命中率）
5.key加密（不满足直接驳回）
三、缓存一致性
缓存数据同步的常见方式有三种：
