Redis介绍
Redis是一个使用C语言开发的数据库，Redis数据存储在内存中，所以读写速度非常快。
应用场景
- 数据（热点）⾼并发的读写
- 海量数据的读写
- 对扩展性要求⾼的数据
分布式缓存和本地缓存的区别
分布式缓存
本地缓存
缓存一致性
较好
较弱，每个实例都有自己的缓存
堆内存占用
不占用
占用，影响垃圾回收
速度
较慢，因为需要网络传输和序列化
较快
使用场景
要求数据一致性，访问量大的场景
对数据一致性没有特别高的要求，且访问次数多的场景
本地缓存的实现：
- 使用特定数据结构，比如ConcurrentHashMap
- 使⽤开源的缓存框架 Ehcache，Ehcache 封装了对于内存操作的功能
- Guava Cache 是 Google 开源的⼯具集， 提供了缓存的边界操作⼯具、
Redis和Memcache的区别
Redis
Memcache
存储方式
持久化
断电丢失
支持数据类型不同
String,hash,list,set,zset
只支持key-value
速度
快
慢
缓存处理流程
常见数据结构
- String（字符串）
最大容量为 512M
- list（列表）
list 是字符串列表，按照插⼊顺序排序。元素可以在列表的头部（左边）或者尾部（右边）进⾏添加。最大容量为 2^32-1 个。可以做消息队列。
- hash（哈希）
Redis hash 是⼀个键值对（key-value）集合。Redis hash 是⼀个 String 类型的 field 和 value 的映射表，hash 特别适合⽤于存储对象。最大容量为 2^32-1 个。
- set（集合）
Redis 的 set 是 String 类型的⽆序集合。最大容量为 2^32-1 个。
- zset（sorted set：有序集合）
Redis zset 和 set ⼀样也是 String 类型元素的集合，且 不允许重复的成员。不同的 zset 是每个元素都会关联⼀个 double 类型的分数。zset 通过这个分数来为集合中所有元素进⾏从⼩到⼤的排序。zset 的成员是唯⼀的，但分数（score）却可以重复。最大容量为 2^32-1 个。适合做排行榜。
zset底层实现
跳表，这篇文章对跳表进行了详细的讲解：
过期删除策略
常见的删除策略：
- 定时删除：设置过期时间的同时，创建一个timer，过期时间一到就主动删除
- 惰性删除：放任不管，每次获取时，才判断是否过期，过期就删除，属于被动删除
- 定期删除：每隔一段时间就对数据库进行一次删除过期键的操作
Redis 采用惰性删除 + 定期删除的方式管理键。既减小 cpu 压力的同时，也保证了数据的准确性。
内存淘汰机制
由于可能发生，既没有被惰性删除也没有被定期删除，但内存很快满了的情况出现，所以需要一定的内存淘汰机制。有 6 中淘汰策略：
- no-eviction：不会继续服务写请求，读请求可以继续进行。这样可以保证不会丢失数据，但是会让线上的业务不能持续进行。这是默认的淘汰策略。
- volatile-lru：尝试淘汰设置了过期时间的 key，最少使用的 key 优先被淘汰。没有设置过期时间的key不会被淘汰，这样可以保证需要持久化的数据不会突然丢失。（这个是使用最多的）
- volatile-ttl：跟上面一样，除了淘汰的策略不是 LRU，而是 key 的剩余寿命 ttl 的值，ttl 越小越优先被淘汰,即淘汰将要过期的数据。
- volatile-random：从已设置过期时间的数据集（server.db[i].expires）中随机选择数据淘汰。
- allkeys-lru：区别于 volatile-lru，这个策略要淘汰的 key 对象是全体的 key 集合，而不只是过期的 key 集合。这意味着没有设置过期时间的 key 也会被淘汰。
- allkeys-random：从全体的key集合（server.db[i].dict）中任意选择数据淘汰。
持久化机制
- RDB：将Redis在内存中的数据库记录定时dump到磁盘上的RDB持久化。
- AOF：将Redis的操作日志以追加的方式写入文件。
RDB
RDB 持久化是指在指定的时间间隔内将内存中的数据集快照写⼊磁盘，实际操作过程是 fork ⼀个⼦进程，先将数据集写⼊临时⽂件，写⼊成功后，再替换之前的⽂件，⽤⼆进制压缩存储。
优点：
- RDB 是紧凑的⼆进制⽂件，⽐较适合备份，全量复制等场景
- RDB 恢复数据远快于 AOF
缺点：
- 无法实现实时或者秒级持久化
- 新老版本无法兼容RDB
AOF
AOF 持久化以⽇志的形式记录服务器所处理的每⼀个写、删除操作，查询操作不会记录，以⽂本的⽅式记录，可以打开⽂件看到详细的操作记录。
优点：
- 更好地保护数据不丢失
- append-only模式写入性能比较高
- 适合做灾难性的误删除紧急恢复
缺点：
- 对于同一份文件，AOF文件要比RDB快照大
- 会对QPS有所影响
- 数据库恢复慢，不适合做冷备
缓存穿透
查询缓存中没有，数据库也没有的数据会导致缓存穿透。
解决方法：
- 布隆过滤
将所有查询的参数都存储到一个 bitmap 中，查询之前先去 bitmap 里面验证，如果存在就进行底层缓存的数据查询；如果不存在就进行拦截。
可以用于实现数据字典，进行数据的判重，集合求交集。
- 缓存空对象
直接缓存一个空对象，但是会有两个问题：
- 缓存将存储更多的键值对，可能会遭到恶意攻击，至于内存空间的浪费；可以通过设置过期时间来控制。
- DB与缓存数据不一致，可以通过异步消息来进行数据更新的通知。
缓存雪崩
一段时间内，大量的缓存失效，导致数据库压力突然增大，导致缓存雪崩。
解决方法：
- 分散失效时间
- DB访问限制，进行限流
- 多级缓存设计
缓存击穿
缓存中没有，但是数据库中油的数据，这时由于并发用户多，就会造成数据库压力瞬间增大。
解决方法：
- 设置热点数据永不过期
- 加互斥锁，使写数据的只有一个线程执行：
缓存更新策略
先更新数据库，再更新缓存
- 会导致线程安全问题
两个线程一起更新数据，就会造成脏数据的问题。
- 更新缓存的复杂度相对较高
因为一般存入缓存的数据都要经过一系列的计算。
先删除缓存，再更新数据库
可能会导致数据不一致的问题，比如，刚删掉缓存，另一个线程马上读取请求，缓存还是旧的。
解决方法只能是写数据成功后，再更新一次缓存。
先更新数据库，再删除缓存
可能会造成短暂的数据不一致，在更新数据库成功后和删除缓存之前，会有一定的数据不一致现象，不过可以接受。
参考：《2020最新Java基础精讲视频教程和学习路线！》
链接：https://juejin.cn/post/693720...