| 作者 | 明割 |
|---|---|
| 邮箱 | [email protected] |
原文传送门：https://www.cnblogs.com/rjzheng/p/9096228.html 博客讲的非常清晰易懂，非常感谢作者
##目录
- 一、为什么使用 Redis
- 二、Redis 缺点
- 三、单线程 Redis
- 四、Redis 数据类型以及应用场景
- 五、Redis 过期策略以及内存淘汰机制
- 六、Redis 数据库双写一致性的问题
- 七、如何应对缓存击穿和缓存雪崩的问题
- 八、如何解决 Redis 的并发竞争问题
##一、为什么使用 Redis
分析：主要是从两个角度去考虑：性能和并发
1.性能：
如下图示，在项目过程中会碰到需要执行耗时特别久，且结果变动不频繁的 SQL，就特别适合将运行结果放入缓存，这样后面的请求就去缓存中读取，使得请求能够迅速响应
科普时间：一瞬间、刹那、一弹指
根据《摩诃僧祗律》记载
一刹那者为一念，二十念为一瞬，二十瞬为一弹指，二十弹指为一罗预，二十罗预为一须臾，一日一夜有三十须臾。
经过计算：一瞬间为 0.36 秒，一刹那有 0.018 秒，一弹指长达 7.2 秒
2.并发：
如下图示，在大并发的情况下，所有的请求直接访问数据库，数据库会出现连接异常，这是就需要 Redis 做一个缓冲操作，让请求先访问到 Redis，而不是直接访问数据库
##二、Redis 缺点
主要有四个问题：
- 缓存和数据库双写一致性问题
- 缓存雪崩问题
- 缓存击穿问题
- 缓存的并发竞争问题
##三、单线程 Redis
分析：其实是对 Redis 内部机制的一个考察
主要有以下三点：
- 纯内存操作
- 单线程操作，避免了频繁的上下文切换
- 采用非阻塞 I/O 多路复用机制
I/O 多路复用机制：
例如小李在 S 城开了一家快递店，负责同城快递业务，雇佣了一批快递员，然后因为资金限制，只够买一辆车送快递。
经营方式一：
客户每送一份快递，就让快递员盯着，然后开车去送快递，慢慢就发现了存在的问题：
- 几十个快递员基本上时间都花在了等车上，大部分快递员处于闲置状态
- 随着快递的增多，快递员也越来越多，小李发现快递店越来越拥挤，没办法只有雇佣新的快递员送快递
- 快递员之间协调车辆比较花时间
经过后续分析，就有了第二种经营方式
**方式二：**只雇佣一个快递员，然后客户送来的快递，按送达地点标注好，依次放在一个地方，最后那个快递员一次去取快递，一次拿一个，然后开车去送。
相比较方式一而言，方式二的效率更高
- 每个快递员：每个线程
- 每个快递：每个 Socket(I/O)
- 快递的送达地点：Socket 的不同状态
- 客户快递请求：来自客户端请求
- 经营方式：服务端策略
- 一辆车：CPU 的核数
结论：
1、经营方式一就是传统的并发模型，每个 I/O 流(快递)都有一个新的线程(快递员)管理
2、经营方式二就是 I/O 多路复用。只有单个线程(快递员),跟踪每个 I/O 流的状态(快递送达地点)，来管理多个 I/O 流
下图类比到真实的 Redis 线程模型：
##四、Redis 数据类型以及应用场景
一共五种数据类型：
1、String
最常规的 set、get 操作，value 可以使 String 也可以是数字，一般用于一些复杂的计数功能的缓存
2、hash
这里 value 存放的是结构化的对象，比较方便的就是操作其中某个字段，例如单点登录，就是用这种数据结构存储用户信息，以cookieId作为key，设置30分钟为缓存过期时间，能很好的模拟出类似session的效果
3、list
可以做简单的消息队列的功能;可以利用 lrange 命令，做基于 Redis 的人也功能，性能极佳，用户体验好
4、set
set 堆放的是一堆不重复值的集合，可以做全局去重的功能，为什么不用JVM自带的Set进行去重？因为我们的系统一般都是集群部署，使用JVM自带的Set，比较麻烦，难道为了一个做一个全局去重，再起一个公共服务，太麻烦了
5、sorted set
sorted set多了一个权重参数score,集合中的元素能够按score进行排列，可以做排行榜应用，取 TOP N 操作
##五、过期策略以及内存淘汰机制
分析：例如 Redis 只能存 5G 数据，但是你写了 10G，那会删除 5G 数据。怎样删除，数据已经设置了过期时间，但是时间到了，内存占用率还是比较高
针对这个问题，Redis 采用定期删除+惰性删除策略
为什么不用定时删除策略？
定时删除,用一个定时器来负责监视key,过期则自动删除。虽然内存及时释放，但是十分消耗CPU资源。在大并发请求下，CPU要将时间应用在处理请求，而不是删除key,因此没有采用这一策略
定期删除+惰性删除是如何工作的？
定期删除：redis默认每个100ms检查，是否有过期的key,有过期key则删除。需要说明的是，redis不是每个100ms将所有的key检查一次，而是随机抽取进行检查(如果每隔100ms,全部key进行检查，redis岂不是卡死)。因此，如果只采用定期删除策略，会导致很多key到时间没有删除
惰性删除：也就是说在你获取某个key的时候，redis会检查一下，这个key如果设置了过期时间那么是否过期了？如果过期了此时就会删除
采用定期删除+惰性删除就没有其他问题？
不是的，如果定期删除没删除key。然后你也没即时去请求key，也就是说惰性删除也没生效。这样，redis的内存会越来越高。那么就应该采用内存淘汰机制
在 redis.conf 中有一行配置
# maxmemory-policy volatile-lru
就是配置内存淘汰策略：
- noeviction；当内存不足以容纳新写入的数据时，新写入的操作会报错。
几乎不用 - allkeys-lru：当内存不足以容纳新写入的数据时，在键空间中，移除最近最少使用的 key。
推荐使用 - allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个key。
几乎不用 - volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的key。
几乎不用 - volatile-random：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机移除某个key。
几乎不用 - volatile-ttl：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除.
几乎不用
##六、数据库双写一致性的问题
分析：一致性问题是分布式常见问题，还可以再分为最终一致性和强一致性。数据库和缓存双写，就必然会存在不一致的问题。答这个问题，先明白一个前提。就是如果对数据有强一致性要求，不能放缓存。我们所做的一切，只能保证最终一致性。另外，我们所做的方案其实从根本上来说，只能说降低不一致发生的概率，无法完全避免。因此，有强一致性要求的数据，不能放缓存。
解决：采取正确更新策略，先更新数据再刷新缓存，因为可能存在删除缓存失败的问题，可以提供一个补偿措施，如消息队列，也可参考:《分布式之数据库和缓存双写一致性方案解析》
##七、如何应对缓存击穿和缓存雪崩的问题
缓存穿透：黑客故意去请求缓存中不存在的数据，导致所有的请求都到数据库上，从而数据库连接异常
解决方案：
- 利用互斥锁：缓存失效的时候，先获得锁，得到锁了，再去请求数据库，没得到锁，则休眠一段时间重试
- 采用异步更新策略：无论key是否取到值，都直接返回。value值中维护一个缓存失效时间，缓存如果过期，异步起一个线程去读数据库，更新缓存。需要做缓存预热(项目启动前，先加载缓存)操作
- 提供一个能迅速判断请求是否有效的拦截机制，比如，利用布隆过滤器，内部维护一系列合法有效的key。迅速判断出，请求所携带的Key是否合法有效。如果不合法，则直接返回
缓存雪崩：缓存同一时间大面积失效，核实后又来了一波请求，结果请求都到数据库上，从而导致数据库连接异常
解决方案：
- 给缓存失效的时间，加上一个随机值，避免集体失效
- 使用互斥所，但是会影响系统吞吐量
- 双缓存，有两个缓存，缓存 A 和缓存 B，缓存 A 的失效时间为 20 分钟，缓存 B 不这是失效时间：
1、从缓存 A 读取数据库，有则直接返回
2、A 没有数据，直接从 B 读数据，直接返回，并且异步启动一个更新线程
3、更新线程同时更新缓存 A 和缓存 B
##八、如何解决 Redis 的并发竞争问题
分析：这个问题大致是同时有多个子系统去 set 一个 key，大部分解决策略是采用 Redis 的事务机制，但是会有一个问题:因为我们的生产环境，基本都是redis集群环境，做了数据分片操作。你一个事务中有涉及到多个key操作的时候，这多个key不一定都存储在同一个redis-server上
解决方案
- 如果对这个 key，不要求顺序，这种情况下可以准备一个分布锁，大家去抢锁，抢到锁就做 set 操作，比较简单
- 如果对这个 key，要求顺序，假设有一个key1,系统A需要将key1设置为valueA,系统B需要将key1设置为valueB,系统C需要将key1设置为valueC.期望按照key1的value值按照 valueA–>valueB–>valueC的顺序变化。这种时候我们在数据写入数据库的时候，需要保存一个时间戳，将 set 方法变成串行访问