redis小结
1.redis的简单介绍
redis是一种高性能的Key-Value类型的内存数据库，之所以说性能非常好，是因为redis是存放在内存中的，存取都是不用进行io磁盘操作，所以效率十分高。
2.为什么会使用redis这种数据结构
其一：就是性能好，可以节约大量的时间。其二：在高并发的情况下，如果所有的请求（一般查询偏多）都直接请求数据库，会导致数据库连接异常。如果在这种情况下，先请求redis缓存，即可有效缓解这种问题。
3.redis可支持的数据类型及使用场景
redis除了性能和高并发还能支持多种数据类型，包括：list，set，hash，sorted set, hash共五中数据接口。
4.redis单线程效率为何那么高
- 纯内存操作，没有IO磁盘操作，因此效率很高。
- 单线程操作，避免了频繁的上下文切换，从一定角度来看也是提高了效率。
- 采用了非阻塞I/O多路复用机制
5.redis数据持久化
Redis 提供了多种不同级别的持久化方式：
- RDB 持久化可以在指定的时间间隔内生成数据集的时间点快照（point-in-time snapshot）。
- AOF 持久化记录服务器执行的所有写操作命令，并在服务器启动时，通过重新执行这些命令来还原数据集。 AOF 文件中的命令全部以 Redis 协议的格式来保存，新命令会被追加到文件的末尾。 Redis 还可以在后台对 AOF 文件进行重写（rewrite），使得 AOF 文件的体积不会超出保存数据集状态所需的实际大小。
- Redis 还可以同时使用 AOF 持久化和 RDB 持久化。 在这种情况下， 当 Redis 重启时， 它会优先使用 AOF 文件来还原数据集， 因为 AOF 文件保存的数据集通常比 RDB 文件所保存的数据集更完整。
- 你甚至可以关闭持久化功能，让数据只在服务器运行时存在。
了解 RDB 持久化和 AOF 持久化之间的异同是非常重要的， 以下几个小节将详细地介绍这这两种持久化功能， 并对它们的相同和不同之处进行说明。
RDB：RDB 是一个非常紧凑（compact）的文件，它保存了 Redis 在某个时间点上的数据集。 这种文件非常适合用于进行备份。虽然 Redis 允许你设置不同的保存点（save point）来控制保存 RDB 文件的频率， 但是， 因为RDB 文件需要保存整个数据集的状态， 所以它并不是一个轻松的操作。 因此你可能会至少 5 分钟才保存一次 RDB 文件。 在这种情况下， 一旦发生故障停机， 你就可能会丢失好几分钟的数据。所以如果不允许丢失数据的RDB不合适。
AOF：使用 AOF 持久化会让 Redis 变得非常耐久。AOF 文件有序地保存了对数据库执行的所有写入操作。对于相同的数据集来说，AOF 文件的体积通常要大于 RDB 文件的体积。并且效率比RDB低。
究竟选择哪一种方法：
如果你非常关心你的数据， 但仍然可以承受数分钟以内的数据丢失， 那么你可以只使用 RDB 持久化。
有很多用户都只使用 AOF 持久化， 但我们并不推荐这种方式： 因为定时生成 RDB 快照（snapshot）非常便于进行数据库备份， 并且 RDB 恢复数据集的速度也要比 AOF 恢复的速度要快， 除此之外， 使用 RDB 还可以避免之前提到的 AOF 程序的 bug 。
6.redis分布式锁的实现
可靠性
首先，为了确保分布式锁可用，我们至少要确保锁的实现同时满足以下四个条件：
- 互斥性。在任意时刻，只有一个客户端能持有锁。
- 不会发生死锁。即使有一个客户端在持有锁的期间崩溃而没有主动解锁，也能保证后续其他客户端能加锁。
- 具有容错性。只要大部分的Redis节点正常运行，客户端就可以加锁和解锁。
- 解铃还须系铃人。加锁和解锁必须是同一个客户端，客户端自己不能把别人加的锁给解了。
加锁的简单实现方法：每个客户端或者说每一个对象对于同一个key都只能执行一次set，保证了加锁的机制。等操作完成及时解锁。
public class RedisTool {
private static final String LOCK_SUCCESS = "OK";
private static final String SET_IF_NOT_EXIST = "NX";
private static final String SET_WITH_EXPIRE_TIME = "PX";
/**
* 尝试获取分布式锁
* @param jedis Redis客户端
* @param lockKey 锁
* @param requestId 请求标识
* @param expireTime 超期时间
* @return 是否获取成功
*/
public static boolean tryGetDistributedLock(Jedis jedis, String lockKey, String requestId, int expireTime) {
String result = jedis.set(lockKey, requestId, SET_IF_NOT_EXIST, SET_WITH_EXPIRE_TIME, expireTime);
if (LOCK_SUCCESS.equals(result)) {
return true;
}
return false;
}
}
解锁的简单实现 ：根据key对应的value，进行删除锁。
public class RedisTool {
private static final Long RELEASE_SUCCESS = 1L;
/**
* 释放分布式锁
* @param jedis Redis客户端
* @param lockKey 锁
* @param requestId 请求标识
* @return 是否释放成功
*/
public static boolean releaseDistributedLock(Jedis jedis, String lockKey, String requestId) {
String script = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end";
Object result = jedis.eval(script, Collections.singletonList(lockKey), Collections.singletonList(requestId));
if (RELEASE_SUCCESS.equals(result)) {
return true;
}
return false;
}
}
应用场景：使用redis实现分布式锁，达到分布式部署场景下用户借款串行处理（防止产生多笔重复借款）。
7.redis的过期策略以及内存淘汰机制
redis采用的是定期删除和惰性删除，而还有一种叫定时删除，
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,过期则自动删除。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要将时间应用在处理请求，而不是删除key,因此没有采用这一策略.
定期删除，redis默认每个100ms检查，是否有过期的key,有过期key则删除。需要说明的是，redis不是每个100ms将所有的key检查一次，而是随机抽取进行检查(如果每隔100ms,全部key进行检查，redis岂不是卡死)。因此，如果只采用定期删除策略，会导致很多key到时间没有删除。
于是，惰性删除派上用场。也就是说在你获取某个key的时候，redis会检查一下，这个key如果设置了过期时间那么是否过期了？如果过期了此时就会删除。
如果定期删除没删除key。然后你也没即时去请求key，也就是说惰性删除也没生效。这样，redis的内存会越来越高。那么就应该采用内存淘汰机制。
内存淘汰机制：
在redis.conf中有一行配置
# maxmemory-policy volatile-lru （最大内存策略）
一共6种方式：
1）noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。应该没人用吧。
2）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，目前项目在用这种。
3）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。
4）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
5）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
6）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
8.redis所带来的问题以及解决方案
(一)缓存和数据库双写一致性问题
具体问题是指在更新数据库时，因为有缓存存在，会导致缓存和数据库中数据不一致的问题。
一般解决方案有以下几种：
（1）先更新数据库，在更新缓存。
多线程情况下：
1）线程A更新了数据库
2）线程B更新了数据库
3）线程B更新了缓存
4）线程A更新了缓存
明显应该A先更新缓存，可B却先更新了缓存，导致了脏数据。并且如果写操作比较多，缓存还没有被读就一直在更新，就会浪费这次操作，影响性能。
因此：一般都采用这种方式解决一致性问题。
（2）先删除缓存，在更新数据库。
多线程的案例：
1）请求A进行写操作，删除缓存
2）请求B查询发现缓存不存在
3）请求B去数据库查询得到旧值
4）请求B将旧值写入缓存
5）请求A将新值写入数据库
导致了缓存和数据库不一致。如果没有key过期作废的机制，这个脏数据就会一直存在。
（3）先更新数据库，在删除缓存。
发生这种情况的案例：
1）缓存刚好失效
2）请求A查询数据库，得一个旧值
3）请求B将新值写入数据库
4）请求B删除缓存
5）请求A将查到的旧值写入缓存
如果发生上述情况，确实是会发生脏数据。但是概率很小。因为步骤5）一般都会在步骤3）前执行。因为读操作远快于写操作，所以这种策略比较常用。
(二)缓存雪崩问题
可能是并发大量请求导致缓存失效（查不到值），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：
(1)给缓存的失效时间，加上一个随机值，避免集体失效。
(2)使用互斥锁，但是该方案吞吐量明显下降了。
(3)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
-
I 从缓存A读数据库，有则直接返回
-
II 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。
-
III 更新线程同时更新缓存A和缓存B。
(三)缓存击穿问题
缓存穿透，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：
(1)利用互斥锁，缓存中不存在数据的时候，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
(2)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。
(3)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。迅速判断出，请求所携带的Key是否合法有效。如果不合法，则直接返回。
(四)缓存的并发竞争key问题
多个子系统同时set同一个值，导致竞争key的问题。
解决方案：
(1)如果对这个key操作，不要求顺序
这种情况下，准备一个分布式锁，大家去抢锁，抢到锁就做set操作即可，比较简单。
(2)如果对这个key操作，要求顺序
系统A key 1 {valueA 3:00}
系统B key 1 {valueB 3:05}
系统C key 1 {valueC 3:10}
当系统抢到分布式锁的时候，还要判断时间戳，如果小与缓存中的时间戳，则不去set操作。
