1 为什么使用Redis

Redis是No-SQL（Not Only SQL）的一种，目前最火的一种非关系型数据库

基于内存存储，支持多种数据类型，键值对存储，Java开发主要面向服务端，就需要抗并发量，性能

Java程序中，使用Redis.

主流NO-SQL对比：对比选择了Redis

小知识：

数据库的分类：

1.Old-SQL

泛指关系型数据库，典型代表：Mysql、Sql Server、Oracle、PostgreSql、H2、Sqllite

2.No-SQL

泛指非关系型，性能，典型代表：Redis（内存 键值对存储）、MongoDB（文档）、Hbase(列)

3.New-SQL

泛指新型数据库，主打海量数据，高并发，典型代表：TiDb、云平台（自主数据）

2 Redis为什么快

1.基于C语言开发，可以直接操作硬件

2.基于内存存储，性能高

3.多路复用：单线程干多线程的事

4.RESP协议-实现数据传输

5.底层存储结构的优化

6.快速实现集群

3 Redis数据类型

Redis的数据类型，针对Redis中键值对(Key-Value)的值而言

1.String类型

值是字符串类型

2.List类型

值是List集合，特点：存储多个元素，可以重复，保证添加顺序

3.Set类型

值是Set集合，特点：存储多个元素，不重复，不保证添加顺序

4.SortSet(Zset)类型

值是Map<Object,Double>，一种特殊Set集合，特点：存储多个元素，每个元素有：元素的值(任意类型)和分数（Score，只能Double）,其中元素的值不能重复，分数是可以重复，而且还能根据分数排序

5.Hash类型

值是Map<Field(Object),Value(Object),>,特点：存储多个元素，每个元素有字段（Field）和值（Value）,Field唯一，Value可以重复

6.Bitmap类型

值是一个byte数组，特点：byte数组，值只能是0或1，默认0

小身材大容量，应用场景：2种状态，海量数据，比如1亿用户，今日登录的人数、今日的签到人数、今日的抽奖人数

1Byte=8byte

1GB=1024MB=1024 * 1024KB=1024 * 1024 * 1024 B=1024 * 1024 * 1024 * 8b

7.Geo类型

值是一个地理位置数组，特点：元素是地理位置信息（经度、纬度、地点名称），可以进行计算距离，半径搜索

8.Hyperloglog类型

值是基数，特点：类似函数，计算集合中的基数

4 Redis底层结构之SDS

SDS（simple dynamic string）简单动态字符串，Redis是基于C语言，但是字符串类型，重构了SDS

SDS就是String的底层，内部有三个属性

1. len ： 保存的字符串长度。获取字符串的长度就是O(1)
2. free：剩余可用存储字符串的长度
3. buf：保存字符串

SDS的优点：

当用户修改字符串时sds api会先检查空间是否满足需求，如果满足，直接执行修改操作，如果不满足，将空间修改至满足需求的大小，然后再执行修改操作 空间预分配 如果修改后的sds的字符串小于1MB时（也就是len的长度小于1MB），那么程序会分配与len属性相同大小的未使用空间（就是再给未使用空间free也分配与len相同的空间） 例：字符串大小为600k，那么会分配600k给这个字符串使用，再分配600k的free空间在那。 惰性空间释放，当缩短sds的存储内容时，并不会立即使用内存重分配来回收字符串缩短后的空间，而是通过free将空闲的空间记录起来，等待将来使用。真正需要释放内存的时候，通过调用api来释放内存 通过空间预分配操作，redis有效的减少了执行字符串增长所需要的内存分配次数 如果修改后sds大于1MB时（也就是len的长度大于等于1MB），那么程序会分配1MB的未使用空间 例：字符串大小为3MB，那么会分配3MB给这个字符串使用，再分配1MB的free空间在那。

5 Redis底层结构之Hash

Hash表数据结构，其实hash表本身就是一个数组，将key通过hash算法计算得出hash值对数组长度取模，用得到的值作为数组下标，然后把value保存在数组下标的位置。由于存储结构是数组,所以hash表的读复杂度是O(1)。

应用场景

1.Redis键值对（Hash类型）的底层实现。

2.当一个哈希键包含的键值对比较多，又或者键值对总的元素都是比较长的字符串时，Redis会使用hash表作为哈希键的底层实现。

3.集合键的底层实现之一

哈希冲突问题

当hash表的负载因子过大时，会频繁出现hash冲突的问题，不同的key经过hash计算和取模得到相同的数组下标。redis使用链表法，将数组下标相同的key使用链表串联起来，以解决哈希冲突的问题。但是当哈希冲突过多，链表长度过长时(需遍历链表，查找key完全匹配的数据)，那么它的查询效率也将会降低到O(n)，这个时候就要考虑增大数组的长度，执行rehash操作。

渐进式rehash

rehash操作需要创建一个新的长度*2的数组，将所有的key进行hash计算并对新的数组长度取模，然后把数据放在新的数组下标中，这样可以大幅度减少哈希冲突的比例，防止查询效率的退化。但是在生产系统中的数据量是很大的，如果一下子对所有的key进行rehash计算并迁移，那么会导致cpu负载过重，响应正常的对外提供服务。redis采用了渐进式的rehash方式，分批次的将所有key完成rehash，然后将指针引用到新的数组地址。

6 Redis底层结构之ZipList

ZipList:压缩表，列表键（List）和哈希键（Hash类型和SortSet）底层实现，Redis会在列表键包含少量列表项且短字符串，使用压缩表作为底层结构。为了节约内存而开发

7 Redis底层结构之SkipList

SkipList跳表，有序的链表，构建索引，提高查询效率，空间换时间，查找方式从上链表的顶层往下查找

时间复杂度是O(logn)

8 Redis集群策略

3种策略

第一种：主从复制

可以实现一主多从，一台主库（Master），多台从库(Slaver)

优点：避免单点故障，主从的数据一模一样

缺点：1.Redis存储上限没有解决 2.一旦主库崩了，就无法写入

第二种：哨兵机制+主从复制

Redis提供了哨兵机制，监听主库运行，一旦主库连接不上，在从库中自动选举一台从库作为主库

优点：避免单点故障，解决了主库宕机的意外情况

缺点：1.Redis存储上限没有解决

第三种：Redis-Cluster+Redis哨兵+主从复制

利用Redis的插件Redis-cluster实现去中心化的Redis集群搭建，实现多主多从

优点：避免单点故障，解决了主库宕机的意外情况，解决了Redis存储上限

缺点：费钱、复杂度

9 Redis穿透

穿透：海量请求，访问一些Redis不存在的数据，最终请求全部落到数据库中，引起了数据库的宕机或卡顿

解决方案：

1.布隆过滤器，直接使用RedissonClient（看门狗）的BloomFilter，底层原理：hash算法+Bitmap类型

10 Redis击穿

击穿：海量请求，同时访问一个热点key,结果访问的一瞬间，key失效了，导致请求落到了数据库

解决方案：

1.热点key不设置有效期

2.key失效了，加个锁再去访问数据库，然后更新数据

3.避免热点key

11 Redis雪崩

雪崩：海量请求，同时访问很多个key,结果访问的一瞬间，这些key失效了，导致请求落到了数据库

解决方案：

1.这些key不要在同一时间失效，追加随机时间戳

12 Redis倾斜

倾斜：集群中，海量请求，访问key结果都分配到了某一个服务器上，导致这台服务器压力过大

解决方案：

1.从设计的角度解决热点key的问题

13 Redis过期策略

Redis中，可以为key设置有效期，key过去的时候，就需要触发过期策略

1.定期删除：Redis每隔指定时间，随机检查指定数量key，如果key失效就删除。

2.惰性删除：Redis在查询的时候，会对进行校验，校验是否过期，如果过期删除。

Redis就是采用这2种方式解决过期的key删除

14 Redis淘汰机制

Redis中有淘汰机制，解决存储空间不足的问题

在redis.conf文件中，设置触发的条件，内存使用率达到多少就触发哪种淘汰机制

在Redis内存已经满的时候，添加了一个新的数据，执行淘汰机制。

volatile-lru：在内存不足时，Redis会在设置过了生存时间的key中干掉一个最近最少使用的key。

allkeys-lru：在内存不足时，Redis会在全部的key中干掉一个最近最少使用的key。

volatile-lfu：在内存不足时，Redis会在设置过了生存时间的key中干掉一个最近最少频次使用的key。

allkeys-lfu：在内存不足时，Redis会再全部的key中干掉一个最近最少频次使用的key。

volatile-random：在内存不足时，Redis会再设置过了生存时间的key中随机干掉一个。

allkeys-random：在内存不足时，Redis会再全部的key中随机干掉一个。

volatile-ttl：在内存不足时，Redis会在设置过了生存时间的key中干掉一个剩余生存时间最少的key。

noeviction：（默认）在内存不足时，直接报错。

指定淘汰机制的方式：maxmemory-policy 具体策略，设置Redis的最大内存：maxmemory 字节大小

15 基于Redis的分布式锁

锁：保证任一时间，只能有一个线程访问，解决线程安全

分布式锁：集群下，解决线程安全，就需要使用分布式锁

分布式锁的实现方案：

1.基于Redis实现分布式锁：性能高，稳定性一般

2.基于zookeeper（分布式目录存储）实现分布式锁：性能一般，稳定性高

Redis实现分布式锁：RedLock(红锁) 直接设置key(锁的名称)再设置一个超时时间

**1.互斥：**任何时刻只能有一个client获取锁

**2.释放死锁：**即使锁定资源的服务崩溃或者分区，仍然能释放锁

**3.容错性：**只要多数redis节点（一半以上）在使用，client就可以获取和释放锁

RedLock的底层实现原理：

多节点redis实现的分布式锁算法(RedLock):有效防止单点故障

假设有5个完全独立的redis主服务器

1.获取当前时间戳

2.client尝试按照顺序使用相同的key,value获取所有redis服务的锁，在获取锁的过程中的获取时间比锁过期时间短很多，这是为了不要过长时间等待已经关闭的redis服务。并且试着获取下一个redis实例。

比如：TTL为5s,设置获取锁最多用1s，所以如果一秒内无法获取锁，就放弃获取这个锁，从而尝试获取下个锁

3.client通过获取所有能获取的锁后的时间减去第一步的时间，这个时间差要小于TTL时间并且至少有3个redis实例成功获取锁，才算真正的获取锁成功

4.如果成功获取锁，则锁的真正有效时间是 TTL减去第三步的时间差 的时间；比如：TTL 是5s,获取所有锁用了2s,则真正锁有效时间为3s(其实应该再减去时钟漂移);

5.如果客户端由于某些原因获取锁失败，便会开始解锁所有redis实例；因为可能已经获取了小于3个锁，必须释放，否则影响其他client获取锁

16 Redis应用

项目中使用Redis的时候：1.为什么用Redis 2.Redis的哪种数据类型 3.Redis存储什么数据 4.Redis是否设置有效期 5.怎么保证数据同步

1.缓存

很多次的访问都是访问相同的数据，可以考虑做缓存

比如首页、商品详情页、动态列表页、排行榜、多版本号兼容等

难点：保证数据一致性

2.有效期数据

短时间的有效期的数据，可以考虑使用Redis

比如：验证码、令牌、订单超时等

3.分布式锁

实现分布式锁，共享锁的状态

4.共享数据

利用Redis实现微服务（或集群）中的多个服务间的数据共享

比如：分布式Session

5.性能

利用Redis的高性能，可以早海量并发量下，以Redis为主库

比如：秒杀的下单、订单削峰填谷等

17 数据同步一致性

数据同步一致性的问题：比如Redis->Mysql Mysq->Es

1.直接操作

更改数据源的时候直接更改对应缓存数据

2.延迟同步（延时双删）

更改数据源（主库），基于Mq的延迟实现延迟同步操作

3.定时同步

任务调度框架实现定时数据同步

4.第三方软件，实现数据迁移（定时）

淘宝Cancel