redis了解与介绍

https://blog.csdn.net/weixin_44981707/article/details/115610686（redis详解博客原文地址）

1.redis的常见数据类型及应用场景？

 

数据类型	描述	应用场景
字符串（Strings）	最简单的键值对数据类型，值可以是字符串、整数或浮点数。	缓存热点数据，如首页新闻、热门商品列表等。 存储简单的数据，如用户的用户名、密码等。 作为计数器使用，如网站访问次数、在线用户数量。 实现分布式锁机制。 存储全局唯一ID，利用原子性操作如INCR或INCRBY。
哈希表（Hashes）	一个键值对的集合，每个键值对有自己的字段名和值。	存储复杂对象，如用户详情，其中包含多个属性。 用于实时统计，如用户行为分析，可以按用户ID存储多个行为事件。
列表（Lists）	一个有序的字符串集合，可以从头部或尾部插入或移除元素。	消息队列，如生产者消费者模型。 实现简单的任务队列或待办事项列表。 记录最近操作的历史记录，如最近浏览的商品列表。
集合（Sets）	一个无序的、不重复的字符串集合。	存储多个不重复的元素，如用户好友列表。 对多个集合执行交集、并集、差集操作，如找出两个用户共同的好友。 实现推荐系统，找出用户可能感兴趣的商品集合。
有序集合（Sorted Sets）	类似于集合，但每个成员都关联了一个分数，可以按照分数排序	排行榜，如游戏高分玩家列表，可以按分数排序。 实现优先级队列，如任务调度系统。 存储带权重的数据，如商品评分，可以按评分排序。

1. redis是单线程为什么还这么快？

Redis 被设计为单线程执行模型的主要原因是为了解决线程安全问题，并最大化利用 CPU 在执行简单任务时的性能。

内存操作：Redis 将所有数据存储在内存中，这意味着读写操作的延迟极低。内存访问速度远超磁盘 I/O，这使得 Redis 能够在处理大量数据时保持高速。

避免上下文切换：由于 Redis 是单线程的，所以不存在线程间的上下文切换，这减少了操作系统层面的开销，提高了执行效率。

I/O 多路复用：Redis 使用 I/O 多路复用技术（如 epoll 或 kqueue），这使得它能够在单个线程中同时处理多个客户端的连接和请求。当一个客户端的请求正在等待 I/O 时，Redis 可以处理其他客户端的请求，这极大地提高了 I/O 利用效率。

高效的底层数据结构：Redis 采用了多种高效的数据结构，如跳跃表、字典、压缩列表等，这些数据结构在查询和修改操作上都非常高效。

命令的原子性：Redis 的大多数命令都是原子性的，这意味着它们要么全部执行成功，要么全部失败。这种性质简化了并发控制，使得在单线程环境中更容易保证数据的一致性。

异步操作：从 Redis 4.0 版本开始，Redis 引入了多线程异步处理一些耗时较长的任务，例如异步删除命令 UNLINK。在 Redis 6.0 中，它在核心网络模型中引入了多线程，以进一步提高对于多核 CPU 的利用率，但这不影响其单线程处理客户端请求的核心设计。

命令管道：Redis 支持命令管道，允许客户端一次性发送多个命令，减少网络往返的时间，提高批量处理的效率。

1. redis淘汰机制

在服务器内存接近其配置的最大限制时，用来决定哪些键应该被删除以释放内存空间的策略。当Redis运行在内存受限的环境中，例如作为缓存服务器时，这些机制尤其重要，因为它们允许Redis继续接受新的写操作，同时牺牲一部分现有的数据。

策略	描述
noeviction	默认的策略。当内存达到配置的最大值时，Redis不会主动删除任何键。相反，它会返回一个错误给尝试写入新数据的客户端，除了DEL, BLPOP, BRPOP, BRPOPLPUSH等少数几个命令仍然会被执行。
allkeys-lru	在所有键中使用最近最少使用（Least Recently Used, LRU）算法来淘汰数据。这意味着最长时间未被访问的键将被删除。
allkeys-random	随机地从所有键中选择键进行删除。
volatile-lru	只在设置了过期时间的键中使用LRU算法来淘汰数据。这通常意味着较旧的键将被优先删除。
volatile-random	随机地从设置了过期时间的键中选择键进行删除。
volatile-ttl	在设置了过期时间的键中，优先淘汰那些过期时间最近的键。
volatile-lfu（4.0）	使用最少频率使用（Least Frequently Used, LFU）算法来淘汰设置了过期时间的键。

通过修改redis.conf配置文件中的maxmemory-policy指令来设置这些策略，或者使用CONFIG SET maxmemory-policy <policy>命令来动态更改策略。

Redis还提供了两种过期策略：定期删除和惰性删除，但这些不是真正的淘汰机制，而是用于管理设置了过期时间的键的策略。

定期删除: Redis每隔一段时间（默认为100毫秒）会随机检查一小部分设置了过期时间的键，并删除其中已过期的键。

惰性删除: 当访问一个键时，Redis会检查这个键是否已经过期。如果过期，则立即删除而不返回任何数据。

 

1. Redis 的持久化机制

有两种，第一种是快照，第二种是 AOF 日志。快照是一次全量备份，AOF 日志是连续的增量备份。

Redis 使用操作系统的多进程 COW(Copy On Write) 机制来实现快照持久化。

Copy-on-Write（COW，写时复制）是一种在计算机科学中广泛使用的优化技术。COW的核心思想是，当多个进程共享相同的内存区域或文件内容时，只有在某个进程试图修改这些共享资源时，系统才会创建该资源的一个副本供该进程独享。

这样做的主要好处是可以显著减少内存使用和磁盘占用，因为它避免了不必要的数据复制，直到真正需要修改数据时才进行复制。

在多进程环境中的应用

在fork()系统调用中。当一个父进程通过fork()创建一个新的子进程时，子进程会获得与父进程完全相同的虚拟地址空间，包括所有的内存页面。但是，如果没有COW机制，这将意味着每个进程都需要独立的物理内存页，这会极大地消耗系统的物理内存。

使用COW，父进程和子进程最初共享相同的内存页面。只有当其中一个进程试图修改某个页面时，操作系统才会创建该页面的一个副本，并只将修改写入这个副本中。这个过程对应用程序是透明的，因此从应用程序的角度来看，每个进程都有自己的完整地址空间。

COW 的实现细节

在Linux系统中，COW是通过页表和内存映射实现的。当进程创建时，其页表指向的是共享的物理页面。当进程尝试修改一个页面时，MMU（Memory Management Unit，内存管理单元）会触发一个缺页异常，操作系统内核接收到这个异常后，会为该进程分配一个新的物理页面，更新页表，然后重新执行导致异常的指令。这个过程对用户空间的程序来说是完全透明的。

1. redis部分机制问题

Redis 集群

Redis 集群主要解决的是水平扩展问题，即如何在多台机器上分布存储数据，以支持更大的数据量和更高的并发访问。Redis 集群有以下特点：

数据分区：数据被分布在多个 Redis 节点上，每个节点负责一部分数据。这通常通过哈希槽（hash slot）的概念来实现，整个集群有16384个哈希槽，每个键根据其哈希值映射到特定的哈希槽，再进一步映射到具体的节点上。

自动故障转移：如果一个节点失败，集群会尝试自动将数据重定向到其他节点，或者重新分配哈希槽，以保持服务的可用性。

读写分离：每个主节点可以有多个从节点，从节点用于读取操作，以减轻主节点的负担，提高读性能。

线性可扩展性：可以通过添加更多节点来线性提升集群的性能和容量。

Redis 哨兵机制

Redis 哨兵机制主要关注的是高可用性，尤其是针对单个实例的故障恢复。哨兵机制有以下特点：

监控：哨兵进程会持续监控主节点和从节点的状态，检查它们是否正常运行。

通知：当发现节点出现问题时，哨兵可以向管理员发送警报，也可以触发自动故障转移。

自动故障转移：当主节点失败时，哨兵会从从节点中选举出一个新的主节点，然后更新客户端和其他哨兵关于新主节点的信息，使集群恢复正常服务。

配置中心：哨兵还可以作为配置中心，帮助客户端找到正确的主节点信息。

比较

适用场景：

集群适合于需要高并发读写和大规模数据存储的应用场景。

哨兵适合于单个实例或小规模集群的高可用性需求，特别是对于数据安全性和服务连续性要求较高的场景。

数据一致性：

集群模式下，数据分布在多个节点，一致性依赖于集群的配置和实现。

哨兵模式下，数据的一致性主要依赖于主从复制机制。

实现复杂度：

集群模式涉及复杂的分布式算法和数据分布逻辑。

哨兵模式相对简单，主要关注于监控和故障转移。