Redis使用场景介绍、分析

Redis使用场景

1、会话缓存
用Redis缓存会话比其他存储（如Memcached）的优势在于：Redis提供持久化。
2、全页缓存
即使重启了Redis实例，因为有磁盘的持久化
3、队列
Redis作为队列使用的操作，就类似于本地程序语言（如oython）对list的push/pop操作。
4、排行榜/计数器
集合（Set）和有序集合（Sorted Set）也使得我们在执行这些操作的时候变的非常简单
5、发布/订阅
在社交网络连接中使用，还可作为基于发布/订阅的脚本触发器，甚至用Redis的发布/订阅功能来建立聊天系统

Redis与MySQL的区别

这两者是内存和硬盘的关系，硬盘放置主体数据用于持久化存储，而内存则是当前运行的那部分数据，CPU访问内存而不是磁盘，这大大提升了运行的速度，当然这是基于程序的局部化访问原理；
推理到redis+mysql，它是内存+磁盘关系的映射，mysql放在磁盘，redis放在内存，这样的话，web应用每次只访问redis，如果没有找到数据，才去访问mysql

redis的过期策略以及内存淘汰机制

• 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，当这个key过期就自动删除，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要尽可能的把时间都用在处理请求，而不是删除key，因此没有采用这一策略。
• 定期删除+惰性删除时如何的工作
  定期删除：redis默认每100ms检查是否有过期的key，有过期的key则删除。需要说明的是redis不是每隔100ms将所有的key检查一次，而是随机抽取进行检查。因此，如果只采用定期策略，会导致很多key到时间没有删除
  惰性删除：你在获取key的时候，redis会检查一下，这个key如果设置过期时间，那么是否过期了？如果过期，此时就删除。
• 内存淘汰机制
  noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。
  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）
  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）
  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）
  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）
  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）

使用redis有什么缺点/常见问题

• 缓存和数据库双写一致性问题
  我们所做的方案从根本上来说，只能降低不一致发生的概率。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问题，提供一个补偿措施即可，例如利用消息队列
• 缓存雪崩问题
  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：
  给缓存的失效时间，加上一个随机值，避免集体失效；
  使用互斥锁，但是该方案吞吐量明显下降；
  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：从缓存A读数据库，有则直接返回；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，更新线程同时更新缓存A和缓存B。
• 缓存穿透问题
  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：
  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。
  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取数据库，更新缓存。需要做缓存预热（项目启动前，先加载缓存）操作。
  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。迅速做出判断，请求所携带的key是否合法有效，如果不合法，则直接返
• 缓存并发问题