课前知识
1.磁盘的性能影响因素：
寻址： ms
带宽： G/M
2.内存
寻址：ns
带宽：很大
磁盘比内存在寻址上满了 10W倍
3 I/O buffer： 成本问题
磁盘与刺刀扇区，一个扇区512 Byte，带来一个成本变大 ---> 索引
4K操作系统，无论i读多少，都是 最少凑够磁盘那 4K的数据
4 一问：
4.1、随着文件变大，速度变慢是 为什么？
应该众所周知： 硬盘IO是最大的瓶颈
4.2、数据库中 表越大，性能下降？
有索引的前提下， 增删改 变慢
1个或少量的查询 依然很快。（索引结构相关）
并发大的时候 会受到 硬盘 带宽 的影响。
redis的前世今生
1、redis的出现 必然是为了实现某种场景出现的。
2、与memcached的比较
memcached: 只是简单的 k-v，重点， value是没有类型的概念的； 需要返回value 所有的数据 到client，经历 server 网卡 IO， 需要client 去自己实现获取数据的逻辑；
redis 对 value 提供了 丰富的数据类型，来处理不同的数据结构，提高处理的效率。
敲重点：计算向数据移动（目前还不是很理解）
redis安装
参考。。
redis 原理
JVM 一个线程的成本大约 1M，内存消耗
线程多了，调度成本增加，cpu浪费
redis是单进程 单线程的 单实例
IO的演进
涉及操作系统，目前还不能很好的吸收理解。
简单的说就是 请求 从 同步阻塞BIO -> 同步非阻塞NIO -> IO多路复用（select） -> epoll（虚拟内存映射共享部分内存）的 改进历史。
每次改变都是基于当前的缺点做出的改进。
redis的线程模型
参考 中华石杉 老师画的一张图，能比较形象说明
文件事件处理器
采用 IO多路复用机制 同时监听多个 socket，根据 socket上的事件 来选择对应的 事件处理器 来处理这个事件。
文件事件处理器的结构包含4个部分：多个socket，IO多路复用程序，文件事件分派器，事件处理器（命令请求处理器、命令回复处理器、连接应答处理器，等等）。
多个socket可能并发的产生不同的操作，每个操作对应不同的文件事件，但是IO多路复用程序会监听多个socket，但是会将socket放入一个队列中排队，每次从队列中取出一个socket给事件分派器，事件分派器把socket给对应的事件处理器。
客户端与redis通信的一次流程
在redis启动初始化的时候，redis会将连接应答处理器跟AE_READABLE事件关联起来，接着如果一个客户端跟redis发起连接，此时会产生一个AE_READABLE事件，然后由连接应答处理器来处理跟客户端建立连接，创建客户端对应的socket，同时将这个socket的AE_READABLE事件跟命令请求处理器关联起来。
当客户端向redis发起请求的时候（不管是读请求还是写请求，都一样），首先就会在socket产生一个AE_READABLE事件，然后由对应的命令请求处理器来处理。这个命令请求处理器就会从socket中读取请求相关数据，然后进行执行和处理。
接着redis这边准备好了给客户端的响应数据之后，就会将socket的AE_WRITABLE事件跟命令回复处理器关联起来，当客户端这边准备好读取响应数据时，就会在socket上产生一个AE_WRITABLE事件，会由对应的命令回复处理器来处理，就是将准备好的响应数据写入socket，供客户端来读取。
命令回复处理器写完之后，就会删除这个socket的AE_WRITABLE事件和命令回复处理器的关联关系。
因为 网络的因素存在，redis只 能保证 同个client中的请求是有顺序的。
redis 是 二进制安全的
需要对所有客户端进行 编码的约定，防止出现乱码
redis的类型
string 类型
可存放的类型
-
string
- 场景：
-
数值
- 常用指令： incr
- 场景：
抢购，秒杀，点赞。 计数，限流。
-
bitmap
- 常用的指令： setbit, bitcount, bitops, bitop
- 场景：
- 统计用户登录天数，且窗口随机
setbit sean 1 1 setbit sean 7 1 setbit sean 364 1 STRLEN sean BITCOUNT sean -2 -1-
有效活跃用户统计
setbit 20190101 1 1 setbit 20190102 1 1 setbit 20190102 7 1 bitop or destkey 20190101 20190102 BITCOUNT destkey 0 -1
-
- 统计用户登录天数，且窗口随机
List
有序
场景：
+ 栈
+ 队列
+ Lindex获取：数组
+ 阻塞，单播队列FIFO
hash
类似 hashmap，对对象的对个属性进行方便操作
场景：
点赞，收藏
set
无序
场景：
共同关注，抽奖（人多奖品少，人少奖品多）
sorted set
场景：
排序
实现: skiplist(跳跃表)