この記事では、については、次の説明します
1、なぜRedisの
欠点は何のRedisを使用して2、
3、シングルスレッドのRedisなぜ速い
4、Redisのデータタイプ、各データの種類および使用シナリオ
5、有効期限ポリシーRedisのとメモリ除去機構
6、Redisの及びデータベース重書き込み一貫性
7、キャッシュとキャッシュをどのように扱うか雪崩質問浸透
のRedisの同時競争の問題を解決するためにどのように8を、
1、Redisのはなぜ
分析：ブロガーはRedisのを考慮し、主に2つの観点から、プロジェクトで使用思う：パフォーマンスと同時実行。もちろん、Redisのも、このような分散型ロックなどの他の機能を実行する必要がありますが、分散型のみのためにこれらの他の機能をロックする場合は、完全に他のミドルウェア場所で（例えばzookpeer、など）は、Redisのを使用する必要はありません。そのため、主にパフォーマンスと並行処理2の観点からこの問題が答えます。
回答：示されるように、2分割され
（A）のパフォーマンス
以下に示すように、我々は、時間のかかる長い時間に直面し、特に実行する必要があるとの結果がSQLの頻繁な変更はありませんが、キャッシュに演算結果に特に適しています。このように、後続の要求は、キャッシュリードを行くので、迅速に対応するための要求。
（B）同時
以下に示すように、大規模な同時の場合、直接すべての要求は、データベースにアクセスするために、データベース接続の例外が発生します。今回は、最初の要求へのアクセスは、データベースに直接アクセスするのではなく、Redisのためになるように、バッファ動作を行うことのRedisを使用する必要があります。
2. Redisのを使用して不利な点は何ですか
分析：私たちは長い間のRedisを使用し、この問題は基本的にはいくつかの問題、いくつかの共通の意志に遭遇するのRedisを使用して、理解する必要があります。
回答：主な問題は4であります
（A）の二重書き込みキャッシュとデータベースの一貫性の問題
（B）キャッシュ雪崩の問題
（C）絶縁破壊キャッシュの問題
（D）キャッシュの並行競争
3、シングルスレッドのRedisなぜそんなに速いです
分析：この質問は、実際にRedisの内部メカニズムの研究です。実際には、ブロガーのインタビューの経験によると、多くの人が実際にRedisの仕事は、シングルスレッドモデルであるかわかりません。だから、質問は見直すことになっているものです。
回答：主に以下の3点
（A）メモリ動作
（b）はシングルスレッド操作、スイッチング頻繁なコンテキストを避ける
（iii）の非ブロッキングI / Oマルチプレクサ機構
余談：この引数は、あまりにも人気があり、一般の人々に人気がそれが何を意味するのか理解していないので、私たちは今、慎重に、I / Oの多重化メカニズムについてお話します。ボーはメタファーを打つ：都市におけるS小唄は、宅配便の店をオープンし、街は高速配信サービスを担当しています。速達車を買うのに十分な理由は資金調達の制約の小唄、宅配便のグループを雇った場合、小唄は十分なお金を見つけ、。
動作モード
各クライアントは小唄は、宅配便は宅配便速達に運転し、その後、見つめてみましょう、宅配便を送りました。ゆっくり小唄は、この動作モードに問題がある発見しました
-
急行を送信することができます車をつかん宅配時間の数十費やされている基本的に車を奪った、宅配便のほとんどがアイドル状態にあり、
-
急行の増加に伴い、宅配便より多く、店より多くの混雑した特急の小唄は、新たな宅配便を雇うのない方法を見つけるん
-
宅配便間の調整は、多くの時間を要し
以下の動作モードを前方に置くためにこれらの欠点、歌やハードワークを取ります
操作2のモード
小唄は宅配便を雇います。そして、顧客が一箇所に回した後、宅配便、良い曲でマークされた配信場所を送りました。最後に、宅配便速達を拾うために、テイク一度、そして勝つために戻ってくるために宅配便を送信するために良い、速達に行きました。
コントラスト
二つの動作モードの比較、それは、第2高効率、より良いまだ明らかにされていません。たとえ話には：
-
各宅配便------>各スレッド
-
各送達------->各ソケット（I / Oストリーム）
-
ソケットのエクスプレス配達場所----->異なる状態
-
お客様のご要望速達----->クライアントからの要求
-
操作----->実行サーバー側のコードの小唄モード
-
監査車--------> CPU年代
だから我々は以下の結論を持っています
1、動作モードは、従来の同時実行モデルでは、各I / Oストリーム（エクスプレス）は、新しいスレッド（宅配便）の管理を有しています。
図2は、第二のI / O多重動作モードです。単一のスレッド（宅配便）は、各I / Oストリーム（それぞれが配信場所を発現する）の状態を追跡することによってI / Oストリームの複数を管理します。
図に示した実際のRedisのスレッドモデルを次のように類推、。
参照上图，简单来说，就是。我们的redis-client在操作的时候，会产生具有不同事件类型的socket。在服务端，有一段I/0多路复用程序，将其置入队列之中。然后，文件事件分派器，依次去队列中取，转发到不同的事件处理器中。
需要说明的是，这个I/O多路复用机制，redis还提供了select、epoll、evport、kqueue等多路复用函数库，大家可以自行去了解。
4、redis的数据类型，以及每种数据类型的使用场景
分析：是不是觉得这个问题很基础，其实我也这么觉得。然而根据面试经验发现，至少百分八十的人答不上这个问题。建议，在项目中用到后，再类比记忆，体会更深，不要硬记。基本上，一个合格的程序员，五种类型都会用到。
回答：一共五种
(一)String
这个其实没啥好说的，最常规的set/get操作，value可以是String也可以是数字。一般做一些复杂的计数功能的缓存。
(二)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的某个字段。博主在做单点登录的时候，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。
(三)list
使用List的数据结构，可以做简单的消息队列的功能。另外还有一个就是，可以利用lrange命令，做基于redis的分页功能，性能极佳，用户体验好。本人还用一个场景，很合适---取行情信息。就也是个生产者和消费者的场景。LIST可以很好的完成排队，先进先出的原则。
(四)set
因为set堆放的是一堆不重复值的集合。所以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。
另外，就是利用交集、并集、差集等操作，可以计算共同喜好，全部的喜好，自己独有的喜好等功能。
(五)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。
5、redis的过期策略以及内存淘汰机制
分析:这个问题其实相当重要，到底redis有没用到家，这个问题就可以看出来。比如你redis只能存5G数据，可是你写了10G，那会删5G的数据。怎么删的，这个问题思考过么？还有，你的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，有思考过原因么?
回答:
redis采用的是定期删除+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呢?
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。
于是，惰性删除派上用场。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+惰性删除就没其他问题了么?
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
该配置就是配内存淘汰策略的(什么，你没配过？好好反省一下自己)
1）noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。应该没人用吧。
2）allkeys-lru：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的key。推荐使用，目前项目在用这种。
3）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。应该也没人用吧，你不删最少使用Key,去随机删。
4）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。这种情况一般是把redis既当缓存，又做持久化存储的时候才用。不推荐
5）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。依然不推荐
6）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。不推荐
ps：如果没有设置 expire 的key, 不满足先决条件(prerequisites); 那么 volatile-lru, volatile-random 和 volatile-ttl 策略的行为, 和 noeviction(不删除) 基本上一致。
6、redis和数据库双写一致性问题
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。
首先，采取正确更新策略，先更新数据库，再删缓存。其次，因为可能存在删除缓存失败的问题，提供一个补偿措施即可，例如利用消息队列。
7、如何应对缓存穿透和缓存雪崩问题
分析:这两个问题，说句实在话，一般中小型传统软件企业，很难碰到这个问题。如果有大并发的项目，流量有几百万左右。这两个问题一定要深刻考虑。
回答:如下所示
缓存穿透，即黑客故意去请求缓存中不存在的数据，导致所有的请求都怼到数据库上，从而数据库连接异常。
解决方案:
(一)利用互斥锁，缓存失效的时候，先去获得锁，得到锁了，再去请求数据库。没得到锁，则休眠一段时间重试
(二)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。
(三)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，即缓存同一时间大面积的失效，这个时候又来了一波请求，结果请求都怼到数据库上，从而导致数据库连接异常。
解决方案:
(一)给缓存的失效时间，加上一个随机值，避免集体失效。
(二)使用互斥锁，但是该方案吞吐量明显下降了。
(三)双缓存。我们有两个缓存，缓存A和缓存B。缓存A的失效时间为20分钟，缓存B不设失效时间。自己做缓存预热操作。然后细分以下几个小点
-
I 从缓存A读数据库，有则直接返回
-
II 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。
-
III 更新线程同时更新缓存A和缓存B。
8、如何解决redis的并发竞争key问题
分析:这个问题大致就是，同时有多个子系统去set一个key。这个时候要注意什么呢？大家思考过么。需要说明一下，博主提前百度了一下，发现答案基本都是推荐用redis事务机制。博主不推荐使用redis的事务机制。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。因此，redis的事务机制，十分鸡肋。
回答:如下所示
(1)如果对这个key操作，不要求顺序
这种情况下，准备一个分布式锁，大家去抢锁，抢到锁就做set操作即可，比较简单。
(2)如果对这个key操作，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。假设时间戳如下
系统A key 1 {valueA 3:00}
系统B key 1 {valueB 3:05}
系统C key 1 {valueC 3:10}
那么，假设这会系统B先抢到锁，将key1设置为{valueB 3:05}。接下来系统A抢到锁，发现自己的valueA的时间戳早于缓存中的时间戳，那就不做set操作了。以此类推。
其他方法，比如利用队列，将set方法变成串行访问也可以。总之，灵活变通。