【长文】带你搞明白Redis

本文使用第一人称来介绍Redis

一、概述

Redis，英文全称是Remote Dictionary Server（远程字典服务），是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。

与MySQL数据库不同的是，Redis的数据是存在内存中的。它的读写速度非常快，每秒可以处理超过10万次读写操作。因此redis被广泛应用于缓存，另外，Redis也经常用来做分布式锁。除此之外，Redis支持事务、持久化、LUA 脚本、LRU 驱动事件、多种集群方案。

redis

提及我的诞生，我与关系数据库MySQL之间有着不解之缘。在我尚未降临这个世界之前，MySQL历经艰辛，伴随着互联网的飞速发展，它所承载的数据量日益庞大，用户请求也如潮水般汹涌而至。每一次的用户请求，都化作了对它无尽的读写挑战，使得MySQL备受煎熬。特别是在“双11”、“618”这样的全民购物狂欢节，对MySQL而言，无疑是难熬的考验时刻。

后来，MySQL向我透露了一个秘密。它告诉我，其实大多数的用户请求都是读取操作，而且往往都是对同一数据的反复查询，这导致它不得不花费大量时间进行磁盘I/O操作，这无疑是一种巨大的资源浪费。

有人开始深思，是否可以借鉴CPU的工作原理，为数据库也添加一个缓存机制呢？于是，我便应运而生，踏上了这个世界的舞台。

自诞生之初，我便与MySQL结下了深厚的友谊。我们携手并肩，共同出现在后端服务器的舞台上。每当应用程序需要从MySQL查询数据时，它们会首先在我这里进行登记。当再次需要这些数据时，它们会首先向我发出请求。如果我这里有它们所需的数据，它们便无需再劳烦MySQL；若我这里没有，它们才会转向MySQL寻求帮助。

如此，我便成为了MySQL的得力助手，与它共同应对着日益增长的数据挑战。我们携手前行，共同书写着数据库世界的辉煌篇章。
redis使用

二、支持的数据结构

大多数小伙伴都知道，为了方便使用，我支持以下这五种基本类型：

String（字符串）

Hash（哈希）

List（列表）

Set（集合）

zset（有序集合）

支持的数据结构

string

字符串最基础的数据结构。字符串类型的值实际可以是字符串（简单的字符串、复杂的字符串（例如JSON、XML））、数字（整数、浮点数），甚至是二进制（图片、音频、视频），但是值最大不能超过512MB。

字符串主要有以下几个典型使用场景：

缓存功能
计数
共享Session
限速

hash

哈希类型是指键值本身又是一个键值对结构。

哈希主要有以下典型应用场景：

缓存用户信息
缓存对象

list

列表（list）类型是用来存储多个有序的字符串。列表是一种比较灵活的数据结构，它可以充当栈和队列的角色

list

列表主要有以下几种使用场景：

消息队列
文章列表

set

集合（set）类型也是用来保存多个的字符串元素，但和列表类型不一样的是，集合中不允许有重复元素，并且集合中的元素是无序的。

集合主要有如下使用场景：

标签（tag）
共同关注

sorted set

有序集合中的元素可以排序。但是它和列表使用索引下标作为排序依据不同的是，它给每个元素设置一个权重（score）作为排序的依据。

有序集合主要应用场景：

用户点赞统计
用户排序

我还有三种特殊的数据结构类型

Geospatial

Hyperloglog

Bitmap

因为我把登记的数据都记录在内存中，不用去执行慢如蜗牛的I/O操作，所以找我要比找MySQL要省去了不少的时间呢。

可别小瞧这简单的一个改变，我可为MySQL减轻了不小的负担！随着程序的运行，我缓存的数据越来越多，有相当部分时间我都给它挡住了用户请求，这一下它可乐得清闲自在了！

有了我的加入，网络服务的性能提升了不少，这都归功于我为数据库挡下了不少的事儿。

Redis快的原因

三、缓存过期 && 缓存淘汰

不过很快我发现事情不妙了，我缓存的数据都是在内存中，可是就算是在服务器上，内存的空间资源还是很有限的，不能无节制的这么存下去，我得想个办法，不然吃枣药丸。

不久，我想到了一个办法：给缓存内容设置一个超时时间，具体设置多长交给应用程序们去设置，我要做的就是把过期了的内容从我里面删除掉，及时腾出空间就行了。

缓存过期

超时时间有了，我该在什么时候去干这个清理的活呢？

最简单的就是定期删除，我决定100ms就做一次，一秒钟就是10次！

我清理的时候也不能一口气把所有过期的都给删除掉，我这里面存了大量的数据，要全面扫一遍的话那不知道要花多久时间，会严重影响我接待新的客户请求的！

缓存淘汰

时间紧任务重，我只好随机选择一部分来清理，能缓解内存压力就行了。

就这样过了一段日子，我发现有些个键值运气比较好，每次都没有被我的随机算法选中，每次都能幸免于难，这可不行，这些长时间过期的数据一直霸占着不少的内存空间！气抖冷！

我眼里可揉不得沙子！于是在原来定期删除的基础上，又加了一招：

那些原来逃脱我随机选择算法的键值，一旦遇到查询请求，被我发现已经超期了，那我就绝不客气，立即删除。

这种方式因为是被动式触发的，不查询就不会发生，所以也叫惰性删除！

可是，还是有部分键值，既逃脱了我的随机选择算法，又一直没有被查询，导致它们一直逍遥法外！而于此同时，可以使用的内存空间却越来越少。

缓存删除

而且就算退一步讲，我能够把过期的数据都删除掉，那万一过期时间设置的很长，还没等到我去清理，内存就吃满了，一样要吃枣药丸，所以我还得想个办法。

我苦思良久，终于憋出了个大招：内存淘汰策略，这一次我要彻底解决问题！

我提供了8种淘汰策略供应用程序选择，用于我遇到内存不足时该如何决策：

volatile-lru：从已设置过期时间的数据集中挑选最近最少使用的数据淘汰。
allkeys-lru：从数据集中挑选最近最少使用的数据淘汰
volatile-lfu：从已设置过期时间的数据集挑选使用频率最低的数据淘汰。
allkeys-lfu：从数据集中挑选使用频率最低的数据淘汰。
volatile-ttl：从已设置过期时间的数据集中挑选将要过期的数据淘汰。
volatile-random：从已设置过期时间的数据集中任意选择数据淘汰。
allkeys-random：从数据集（server.db[i].dict）中任意选择数据淘汰
no-enviction（驱逐）：禁止驱逐数据，这也是默认策略。意思是当内存不足以容纳新入数据时，新写入操作就会报错，请求可以继续进行，线上任务也不能持续进行，采用no-enviction策略可以保证数据不被丢失。

有了上面几套组合拳，我再也不用担心过期数据多了把空间撑满的问题了~

我为了避免频繁的触发淘汰策略，每次会淘汰掉一批数据，淘汰的数据的大小其实是和置换的大小来确定的，如果置换的数据量大，淘汰的肯定也多。
客户端执行一条新命令，导致数据库需要增加数据（比如set key value）我会检查内存使用，如果内存使用超过max memory，我就会按照置换策略删除一些key

四、缓存穿透 && 布隆过滤器

我的日子过的还挺舒坦，不过MySQL大哥就没我这么舒坦了，有时候遇到些烦人的请求，查询的数据不存在，MySQL就要白忙活一场！不仅如此，因为不存在，我也没法缓存啊，导致同样的请求来了每次都要去让MySQL白忙活一场。我作为缓存的价值就没得到体现啦！这就是人们常说的缓存穿透。

缓存穿透

这一来二去，MySQL大哥忍不住了：“唉，兄弟，能不能帮忙想个办法，把那些明知道不会有结果的查询请求给我挡一下”

这时我想到了我的另外一个好朋友：布隆过滤器

布隆过滤器

我这位朋友别的本事没有，就擅长从超大的数据集中快速告诉你查找的数据存不存在（悄悄告诉你，我的这位朋友有一点不靠谱，它告诉你存在的话不能全信，其实有可能是不存在的，不过它他要是告诉你不存在的话，那就一定不存在，同时他也不支持删除元素）。它是一个连续的数据结构，每个存储位存储都是一个bit，即0或者1, 来标识数据是否存在。