java redis设置过期时间_Redis基础知识总结（面试必备）
1. Redis对集群的支持情况
- redis 3.0之前版本不支持集群，若要实现集群，则需要借助中间件来实现存值和取值的对应节点。
redis3.0之后的版本(含3.0)，搭建集群，集群中机器两两连接，每台机器都可以做中转，事先给每台机器分配槽点(总共16384个)，对于存值和取值，根据key来映射对应槽点和机器节点，若key不属于当前节点则跳转到对应其他节点，相当于每台机器节点都是一个全局路由。
2. Redis集群投票机制
Redis集群通过Gossip通信，当某个节点发现另外一个节点失联的时候，对外广播PFail信息，当某个节点收到集群绝大多数节点都判定那个节点为PFail的时候，强制将那个节点设置为Fail、并广播出去让其他节点接受、并立即对该节点进行主从切换。cluster-node-timeout ，当某个节点持续timeout时间失联，才认为该节点故障，需要主从切换，从而避免频繁的主从切换(数据的重新复制)。
3. Redis的淘汰策略volatile_lru:从设置过期的key中，挑选最近最少使用的key。
volatile_ttl:从设置过期的key中，挑选即将过期的key。
volatile_random:从设置过期的key中，随机挑选一个key。
allkeys_lru:从数据集中，挑选最近最少使用的key。
allkeys_random:从数据集中，随机挑选一个key。
- no_enviction:禁止淘汰数据(还是会根据引用计数进行内存释放)，当内存使用超过设置的阈值，若再有内存申请操作则会失败。
4. Redis解决并发问题的思路
- 采用单进程单线程模式，没有锁的概念
- 通过队列将并发访问串行化
- 通过setnx命令，若不存在则设置对应的key
多路复用，保证高并发，定时任务，小顶堆，将最近最快要执行的任务放在堆顶，距离要执行的时间为多路复用的timeout，因为redis知道这段时间是没有任务要执行的，可以安心sleep，QPS可以达到10w/s。
5. Redis内存回收
- 对于不再引用或者过期的key，采用惰性和定时任务检测的方式，用户有请求过来、同时判断此key是否过期，若过期则删除并返回空，定时任务随机选取一些key(可配置)，判断是否过期，对于Redis单进程单线程的架构来说，这样可以节省CPU和内存。定时任务每个数据库随机抽检20个key，发现过期则删除，若超过检查数目的25%的key过期，则循环执行，直到不足25%或者超过执行时间。
当设置了最大使用内存后、并且内存使用已经超过设置阈值，则采用上述淘汰策略进行内存回收。
6. Redis的数据类型
- string：动态的字符串，可以修改，当字符串长度小于1MB的时候，扩充都是加倍现有空间，超过1MB的话，扩充一次最多增加1MB，最大512MB。
- list：类似于java的linklist，插入和删除很快，O(1)，但是查找很慢，O(n), 当弹出list的最后一个元素后，该list自动被删除，内存被回收。ziplist和双向链表结合来实现quicklist，ziplist里面是一块连续的内存，是经过压缩的，因为对于int等基础类型，额外的两个指针太耗费空间，存储方式类似于LevelDb里面的Block，最后通过双向链表将ziplist连起来，这样既满足快速插入、删除的特性，空间浪费也不多。
- hash：相当于java的HashMap，无序字典，内部实现是用数组+链表，第一维的数组出现碰撞，则存到链表里面去。Rehash的时候，为了不阻塞服务，采用的是渐进式的Rehash，保留2个Hash，逐渐在指令执行或者定时任务中，将数据从老的Hash迁移到新的Hash。
- set：相当于java的HashSet，无序的键值对，不过其值都是NULL，键不可以重复。数据量较少且是整数的时候用有序数组，较大的时候采用散列表。
zset：最具特色的数据结构，也是面试官问的最多的知识点。通过散列表+跳表实现，一方面是一个set，保证键的唯一性，另一方面，可以给每个value赋一个score，可以根据score排序、区段查找。应用场景：value为粉丝ID，score是关注时间，可以按照关注时间顺序给出粉丝ID。value是学生ID，score是其分数，可以按照分数排序。
7. Redis的过期设置
Redis所有的数据结构都可以设置过期时间，比如hash，需要注意，只能对hash整体设置过期时间，无法对其中的单个field设置过期时间。若一个对象已经设置了过期时间，但是待会你又修改了他，那么他的过期时间就会消失，也就是需要重新设置过期时间。
8. Redis分布式锁的一些讨论
redis是单进程单线程，本身没有锁的概念，主要是应用分布在多台机器，客户端不同顺序访问引起的互斥问题，例如，A读取字段field1，然后修改设置，B也同时读取字段field1(在A修改生效前)，然后也修改设置(在A修改生效后)，这样B的修改就将A的修改覆盖掉了，下面是递进的几种改进思路。setnx key value; del key，若程序异常，del没有执行的话，则其他程序永远得不到锁了。
setnx key value; expire key 超时时间(单位秒);del key，加一个超时命令，似乎能解决问题，但是也存在同样的问题，即在执行expire之前程序就可能core dump了。
set key value ex 超时时间(单位秒) nx; del key，这个基本没有问题了，但是业务执行时间不能超过超时时间，否则可能也会有问题。例如，程序A获得了锁，并执行，过了设置的超时时间后，锁自动释放，程序B获得锁，这个时候程序A执行完毕，将锁删除了。这样程序C就能获得锁，B和C可能会产生冲突。
如果产生锁的时候随机生成一个数，删除的时候先check一下随机数是否相同，只有相同了才能删除锁(即是当时生产锁的责任人)。Redis本身没有这个机制(检测和删除不是原子的)，不过可以通过lua脚本来实现。
- 若是Redis集群，主从切换期间，程序A先在主机申请获得了一把锁，这时候发生主从切换，从机还没有感知到那把锁(即还没有将对应key同步过来)，然后程序B又在新的主机(原来的从机)申请获得了一把同样的锁，这样业务就会出现问题。出现这个情况，本质上是因为Redis集群是异步复制(先给客户端回包，再主->从replication)，不像Paxos等强一致性保证。
分布式锁通常采用租约的形式，即设定的一个超时时间，避免某个获得锁的客户端挂死导致锁一直得不到释放。
租约锁通常是不安全的，例如，程序A获得锁，尝试修改某些信息，在这期间可能因为网络、java等的GC机制导致程序暂停，很可能就过了租约期了即使在前面加多次check租约是否到期的逻辑、也可能没有用。这个时候程序B获得锁，并发的修改的某些受控信息，这就会引起混乱。
给资源加上fencing token，递增的数字token，这个时候，配合的，存储服务需要check 一下token的值，只能递增的修改，不能回头，比如token 34修改过了，token 33就不能修改了。
RedLock没有提供fenciing token 机制， 随机数不能解决这个问题，单机提供一个计数器也不行，若要多机的话，需要一个consensus算法生成fencing token。
通常，分布式一致性算法，是不会去依赖时间的，性能可能很差，但是绝不会出错，比如paxos。
RedLock 做了很多时间假设，假设网络延迟等时间、程序因为GC等暂停的时间比锁的租约时间小，redis某节点拥有的key的时间也小于锁租约时间。
- 作者的一些建议：1)如果用锁是为了效率(避免做多次做很重的活)，可以直接用单例redis(conditional set-if-not-exists to obtain a lock, atomic delete-if-value-matches to release a lock)，不用太多担心；2)如果用锁是为了正确，请不要用RedLock, 不靠谱，应该用zk等。
9. Redis中使用lua脚本的好处及其限制
- lua脚本中的命令一起执行，是原子的，不用担心被打断，有效解决多个客户端的读+修改+回写引起的冲突问题。
- 可以定制自己的命令，并常驻内存。
- 有效降少客户单、服务器之间的交互。
- lua脚本不要执行太长时间，默认是不超过5秒。
- redis+lua适合单机，不适合集群，主要是没有实现调度，一个脚本中的所有key要在同一个槽点执行。
- 为了安全考虑，屏蔽了很多命令。
阿里云redis集群支持lua，不过对脚本做了如下限制：1)所有key应该由keys数组传递，2)所有key必须在一个slot上，3)调用必须带key。
场景举例，往集合里面添加100w条记录，计算其中不重复的数据个数，若用set去重，会占用很多空间，使用hyperloglog只用12KB，但是会损失一些精准度，误差在0.81%左右。
11. Redis中的布隆过滤组件
布隆过滤器可以作为一个插件加载到redis server： redis-server --loadmodule /path/to/redisbloom.so 一个大型的位数组和若干无偏Hash函数，多个Hash函数保证元素的hash值算的均匀一点。add操作：经过若干Hash函数，计算出若干hash值，和位数组大小取模后得到数组的索引，然后将对应位置设置为1.
- exists操作：和add一样，先经过若干Hash函数，计算出若干hash值，和位数组大小取模后得到一些数组的索引，判断这些索引对应的位置的值，只要有一个为0，则说明不存在。如果都为1的话，则说明存在。”存在“的判断可能会有误判，因为可能是其他内容设置的值，”不存在“的判断没有误判。
12. Redis限流模块
redis-cell，rust语言编写的基于令牌桶算法的限流模块，举例： cl.throttle "svr:itf" 15 30 60 1 其中， "svr:itf"：限流对象 15:capacity, 桶的容量 30：操作次数 60：60s，和上面一个值表示，在60s内最多有30次操作 1：可选参数，默认值是1，代表一个操作。针对某个限流微服务接口，预先设置好访问频率，每次请求过来，执行类似的如上命令，若返回0代表可以调用，若返回1则表示不可以调用。若一段时间后，接口频率增大了，可以重新使用此命令设置一次(调整桶的容量和频次)。
13. GeoHash算法
地理位置距离排序算法GeoHash算法。 经度：(-180, 180]，以本初子午线(英国格林尼治天文台)东正西负。 纬度：(-90, 90]，以赤道为界，北正南负。将地球想象成一个平面，用正方形方格分隔它，最终将二维坐标映射成一个整数，整数越长，精度越精确。通过zset结构存储，value是地址，score是上面映射的52位整数，通过zset的score排序，就可以得到附近的人的坐标(整数还原成二维坐标)
添加经纬度信息：geoadd key longitude latitude member [longitude latitude member ...]
计算两者距离：geodist key member1 member2 [unit]
获取集合中元素的地理信息：geopos key member [member ...]
获取某个地点的geohash编码：geohash key member[member ...]
- 查找指定元素附近的其他元素：1)georadiusbymember key member radius m|km|ft|mi [WITHCOORD][WITHDIST][COUNT count][ASC|DESC][STORE key][STOREDIST key], 2) georadius key longitude latitude radius m|km|ft|mi [WITHCOORD][WITHDIST][COUNT count][ASC|DESC][STORE key][STOREDIST key]
geoXXX 操作的是一个zset结构，假设key为company，则可以通过del company 来删除整个集合，geo没有提供删除单个元素的接口，不过可以通过zrem key member来删除某个值。需要注意geo结构的大小(zset)，若用redis集群，结果过大会给集群迁移造成停顿，可以按照国家/城市/区做划分，前面再加一个地点路由，减少key的数量。
14. Redis的scan
通过游标、分步骤执行，不阻塞线程，不影响其他指令的执行，通过limit限制每次吐出的数据，可多可少，返回结果可能是重复的，需要客户端去重，服务器不保存游标状态，唯一的游标状态是返回的游标整数，单次返回空不代表遍历结束，遍历是否结束要看返回的游标整数是否为0。在遍历过程中，修改后的值能否遍历到，这是不确定的。
scan x match y count limit ， x~游标，从0开始，本次scan会返回一个游标，下次scan用那个返回的游标，直到为0才算结束，y~key的正则匹配，limit~每次返回的limit(实际是遍历的槽位数目)，只是一个参考。
key的的存储结构：一维数组+二维链表，一维数组也就是槽位，limit指的是这个，之所以返回的数量有多有少，是因为并不是所有槽位上面都挂有链表。
扩容是按照一维数组来的，为了避免扩容、缩容的过程中重复遍历元素，采用高位加法(从左到右开始加并进位)。
zscan对zset扫描，hscan对hash扫描，sscan对set扫描。
15. 大key问题
大key对redis是一个挑战，包括redis集群(集群会迁移节点)，内存申请、扩容、删除等场景造成卡顿。
scan->type指令得到各个数据类似->用各个数据结构的size/len计算大小，对每种类型，保留topN，通过这种方式找到大key。
官方脚本：redis-cli -h 127.0.0.1 -p 6379 -bigkeys -i 0.1 , -i 0.1 代表每执行100条指令休息0.1秒。
16. Redis通信协议
直观的文本协议，实现简单，解析性能好，单元结束后统一加上\r\n。单行字符串，以+符号开始 ，+hello world\r\n
多行字符串，以$符号开始，后跟字符串长度 $11\r\nhello world\r\n
整数值，以:符号开始，后跟整数的字符串形式 :1024\r\n
错误消息，以-符号开始， -WRONGTYPE Operation against a key holding the wrong kind of value
数组，以*开始，后跟数组的长度，*3\r\n:1\r\n:2\r\n:3\r\n
NULL用多行字符串表示，不过长度要写成-1， $-1\r\n
- 空行用多行字符串表示，长度填0，$0\r\n
快照(rdb文件)，全量备份，内存数据的二进制序列化，非常紧凑，通过COW(Copy on Write)机制，fork一个子进程专门用于写磁盘，父进程继续接受请求进行处理，一开始父子进程共享数据段，当父进程有写操作的时候，会在写之前单独拷贝一份内容给子进程(以页为单位)，这样虽然会导致内存增大，但是可以保证数据在某一时刻的一致性，即“快照”，通过save/bgsave 产生快照。
AOF日志，连续的增量备份，内存修改记录的指令文本，需要定期重写，只存储修改指令，指令参数校验没有问题后，写AOF日志、然后执行指令，长时间的运行会导致AOF日志过大，系统重启后的回放也很耗时。通过bgrewriteaof命令开启子进程进行日志瘦身，将可以合并的写指令进行合并。fsync，控制刷盘时间，通常1s一次，在性能和安全之间做权衡。
- 混合持久化，快照(rdb文件)和AOF同时使用，此时AOF不是增量备份文件，而是快照落盘开始到落盘结束这段时间的增量内容。
通常主节点不持久化，由从节点进行持久化，适当增加从节点的个数，保证数据安全。
18. pipeline与事务
为提高执行效率，通过pipeline一次执行多个命令，且整体当做一个事务，满足隔离性但是不满足原子性，比如3个命令，第二个失败了，第三个会继续执行。pipeline不是服务端的特性，是客户端的特性，客户端通过改变读写顺序带来了性能的巨大提升(前提是pipeline中的多条命令没有前后数据依赖，通常也不会有的)。
19. Redis内存占用
32bit位编译，内存上限是4GB，可以使指针等内存减少一半，可以结合多实例来突破4GB的限制。
小对象压缩存储ziplist见下图，若是hash，key和value作为两个entry相邻在一起，若是zset，value和score作为两个entry相邻在一起。
intset：紧凑型set，用于整数且数量较小的set集合，若有字符串，则立即升级为hashtable结构。不同的数据结构，当数量或者元素大小较小的时候，用紧凑型存储，当超过规定后，开始用标准存储，一般元素个数是512，元素大小是64字节。
下面是各个控制参数的意义：
hash-max-zipmap-entries 512 : hash的元素个数超过512就必须使用标准结构存储。
hash-max-zipmap-value 64：hash的任意元素的key/value的长度超过64就必须使用标准结构存储。
list-max-ziplist-entries 512 : list的元素个数超过512就必须使用标准结构存储。
list-max-ziplist-value 64：list的任意元素的长度超过64就必须使用标准结构存储。
zset-max-ziplist-entries 128 : zset的元素个数超过128就必须使用标准结构存储。
zset-max-ziplist-value 64：zset的任意元素的长度超过64就必须使用标准结构存储。
- set-max-intset-entries 512 : set的元素个数超过512就必须使用标准结构存储。
20. Redis内存分配与回收
Redis没有管内存分配，直接采用第三方内存分配算法，libc、jemalloc，tcmalloc。删除key后并不会让内存立即释放，因为操作系统回收是以页为单位的，只要这一页还有1个key在使用，就无法回收。Redis会重用已经删除的key的内存的。
21. Redis主从同步
CAP原理：C-一致性，A-可用性，P-分区容忍性， 当网络发生故障(网络分区)，分布的节点无法互相访问：若保证一致性，则无法对外提供修改(若能修改，则必然不一致了)。
- 若保证可用性(可修改)，则无法保证一致性。
增量同步，同步的是修改状态的指令流，指令流有一个固定的buffer，循环使用，绕一圈则覆盖，主机将指令流同步给从机，从机执行指令流，并告知主机的指令偏移。
快照同步，先在主库上面执行bgsave将当前内存的数据全部快照到磁盘，拷贝到从机，执行全量加载，加载完毕后通知主机进行增量同步，若快照过大，在快照恢复期间，主机的指令流buffer满了，从机即使加载了快照仍然无法从主机同步增量，这就需要重新弄一变快照，极端情况可能会死循环，所以要合理设置buffer大小。
- 无盘复制：主机通过套接字将快照内容发给从机，生成快照是一个遍历的过程，一边遍历，一边将内容序列化后发给从机，从机接受后先保存到本地文件，后面再一次性load。
Redis的复制默认是异步，wait指令可以将异步变成同步，确保系统强一致，不过这会一定程度上影响主机的执行效率。wait param1 param2, param1~从机的数量，param2~时间，最多等待param2毫秒，为0则表示无限等待直到N个从库同步完成。
22. Redis Sentinel 模式
类似一个zk集群，多机，专门负责Redis的主从切换，客户端先请求Sentinel，Sentinel负责分配主机地址给客户端，后续客户端直接和给定的主机地址通信。若Redis主机挂掉，Sentinel会识别出来，并从多个从机中选择一个作为主机，原先挂掉的主机恢复后成为从机，和新的主机进行同步，客户端原先的旧的链接会断掉、重新连接、或者抛出readonly异常(旧的主机恢复后变成从机，只读，不能修改)。min-slaves-to-write 1 主节点至少有一个从节点在正常同步，否则停止对外提供写操作。min-slaves-max-lag 10 如果10s内没有收到从节点的反馈，则说明从节点同步异常。
Sentinel切换主从，客户端如何感知：redis-py 建立链接的时候，会和库内主地址比较，若不一样，则会断掉所有链接、重新创建链接。
若是原先主库异常恢复后降为从机，原先链接的写操作会抛ReadOnly错误，检测到此错误后会断掉旧链接、创建新链接。
- 接续第二点，若只有读操作，链接没有切换，这样也没有危险，让他继续好了(若没有来得及同步，则可能会有一点不一致)。
23. Codis，分而治之
go语言开发，对外提供的协议和Redis一样，外界无感知，代理中间件，Codis后面挂多个Redis实例，形成一个Redis集群，可以在线扩容。
通过zk、etcd持久化槽位信息，Codis proxy 通过监听槽位变化并同步槽位信息，从而实现多个Codis proxy共享相同的槽位信息。
Codis内存维护槽位和Redis实例的关系，例如1024个槽位，根据key计算相应的槽位(crc32 hash然后取1024余数)，然后根据槽位得到Redis实例。hash = crc32(command.key)
slot_index = hash % 1024
redis = slot[slot_index].redis
redis.do(command)