Redis
Redis是什么？ Redis是一个基于内存的、单线程驱动的、可持久化的数据结构服务器。 Redis在微服务中的常见使用场景： 缓存：加速数据查询，扛住读流量。 分布式锁：用Redission 解决超卖、重复执行。 排行榜/计数器：Sorted Set做实时排名，String做原子计数。 轻量消息队列：List当简单队列，Stream当可靠消费队列。 特征存储：AI场景下存向量、用户画像标签。 Redis为什么快？ 完全基于内存：没有磁盘IO瓶颈，读写都在纳秒级。 单线程执行命令： 在Redis 6.0前，所有命令都在主线程串行执行，没有上下文切换、锁竞争等问题。瓶颈本身不在CPU，而在网络IO。 在Redis 6.0后，引入多线程优化读写网络IO，但还是用单线程来执行命令。 IO多路复用：一种同步非阻塞的IO模型，允许单线程通过一个系统调用，同时监控多个文件描述符，当其中某些描述符就绪，内核会返回就绪列表，应用程序再逐个处理，而不会阻塞在某个未就绪的连接上。（好比一个柜员同时监控多位客户的状态，哪位客户准备好了，柜员就去处理。虽然是一个柜员，但柜员一直在工作） Redis的数据结构 String 数据结构：SDS（Simple Dynamic String） SDS优点：二进制安全，O(1)获取长度、预分配空间减少内存重分配、惰性释放、杜绝缓冲区溢出。 使用场景：缓存对象、计数器、分布式锁等。 List 数据结构：双向链表，有序、可重复。支持左右压入弹出。 使用场景：消息队列、最新列表、时间线。 Hash 数据结构：键值对集合 使用场景：存储用户属性、购物车。 Set 数据结构：无序、不可重复的集合。 使用场景：标签系统、共同好友、抽奖去重。 Sorted Set 数据结构：有序集合，每个成员关联一个score，按score排序，成员唯一。 使用场景：排行榜、延迟队列、带权重的实时队列。 Bitmaps 数据结构：操作位数组。 使用场景：签到、用户画像。 HyperLogLog 数据结构：概率算法 使用场景：基数统计。 Redis的数据过期策略 惰性删除：数据被访问时，检查是否需要清理。 定期删除：定时执行，随机抽取部分key检查是否需要清理。 Redis的数据淘汰策略 当内存满时，通过淘汰策略释放内存： noeviction：拒绝写入。 allkeys-lru：所有key中，淘汰最近最少使用的。 volatile-lru：设置了过期的key中，淘汰最近最少使用的。 allkeys-lfu：所有key中，淘汰最不经常使用的。 volatile-lfu：设置了过期的key中，淘汰最不经常使用的。 volatile-ttl：设置了过期的key中，淘汰最接近过期时间的。 allkeys-random：所有key中，随机淘汰。 volatile-random：设置了过期的key中，随机淘汰。 Redis的数据持久化方式 RDB（Redis Database Backup）：定时快照，二进制紧凑，恢复快，但可能丢失最后一次快照之后的数据。 刷盘方式：fork子线程，将内存快照写入操作系统的页缓存，然后显式调用fsync()进行刷盘，同步到磁盘上。 AOF（Append Only File）：顺序追加记录每个写命令，可通过重放AOF命令来恢复数据。 always：每条命令立即刷盘，由主线程执行。 everysec：每秒刷一次，由后台线程执行。 no：不主动刷盘，由OS决定。 混合持久化：只在AOF重写时发生，子线程将当前内存数据用RDB形式写入AOF的文件开头，后续文件采用AOF追加写。 ┌────────────────────┐ │ RDB 二进制数据 │ ← 全量快照（重启时快速加载） ├────────────────────┤ │ 增量 AOF 文本 │ ← 快照时刻之后的写命令 └────────────────────┘ Redis&数据库常见问题 缓存雪崩 定义：某一时刻，大量缓存同时失效或不可用，导致大量请求直接打到数据库，使数据库压力骤增甚至崩溃。 原因：大量缓存设置了相同的过期时间、缓存服务器宕机 解决方式： 缓存过期时间增加随机值：对设置的缓存过期时间增加一定的随机值，避免大量缓存同时失效。 多级缓存：增加本地缓存，本地缓存没有时再查询分布式缓存。 限流降级：在缓存失效时，限制对后端系统的请求速率，并提供可降级能力。 缓存穿透 定义：查询一个缓存中不存在的数据，导致每次请求都查询数据库，使数据库压力变大。 原因：用户请求的数据在缓存和数据库都不存在。 解决方式： 缓存空结果：对于查询结果为空的数据，也进行缓存，设置一个较短的过期时间。 布隆过滤器：在缓存前增加布隆过滤器，快速判断请求是否可能存在，从而减少对数据库的压力。 参数校验：对请求参数进行校验，过滤无效请求。 缓存击穿 定义：某个热点数据在缓存过期的瞬间，大量请求访问该数据，导致请求直接打到数据库。 原因：热点数据过期时，大量请求并发访问。 解决方式： 热点数据永不过期：对于热点数据设置为永不过期，通过后台异步更新缓存。 提前更新缓存：在缓存即将过期时，提前触发缓存更新，确保缓存中的数据始终有效。 互斥锁：在缓存失效时，通过加分布式锁的方式，只允许一个请求区加载数据并更新缓存。 Redis集群 主从复制： ...