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：

• 特点：读写分离
• 数据分片：无
• 故障转移：无
• 适用场景：少量读扩展

哨兵模式：

• 特点：监控节点状态、故障通知、自动故障转移。
• 数据分片：无
• 故障转移：有，当主节点故障时，哨兵会从 从节点 中选举新的主节点。
• 适用场景：中小规模、高可用

集群模式：

• 特点：水平扩展、自动分片、无中心架构。
• 数据分片：有，默认16384个Slot，每个主节点负责一部分Slot。
• 故障转移：有，当主节点故障时，自动从 从节点 选举新的主节点。
• 适用场景：大规模分布式应用

Redis事务

Redis 事务提供了一种一次性、顺序性、排他性地执行多个命令的机制。它通过三个核心命令实现：

• MULTI：开启事务。
• EXEC：执行事务队列中的所有命令。
• DISCARD：取消事务。
• WATCH：乐观锁，监视一个或多个键，如果这些键在事务执行前被改动，则事务中断。

本质：命令的批处理 + 执行期间的隔离保证，但不会回滚。基本上被lua脚本替代。