Redis之性能优化，你用了几个

在使用redis作为缓存时，为提供查询数据和效率，优化也是必不可少的。

1.强化开发规范

1）不使用bigkey：即key对应的value的值不能太大。对于String类型，value超过10KB即为bigkey；对于非字符串类型，其元素超过5000个即为bigkey。

2）key命名优化：所有的key尽量以业务名为前缀，使用冒号分隔，但要保持简洁，同时不能包含特殊字符（空格，单引号，转义符，换行等）。示例

product:stock:1001

 表示产品为1001的库存。

2.设置过期时间

比如商品数据，在创建时会根据商品ID存入到redis，当修改时也会同步更新到redis，那么在查询时先会根据商品ID去redis查询，若存在就直接返回，若不存在就从数据库查询后返回，与此同时会存入redis。因此也就提高了查询速度，降低了数据库的压力。但对于上千万的数据，全部都存如redis是不现实的。

其实很简单，只需在加入缓存时，都设置一个过期时间，如24小时。这样一来，redis中的商品数据便是热点商品。另外，在查询时，若直接从缓存中获取，建议给其进行续期处理（再设置一次过期时间），避免后期在查询时因过期而从数据库查询。

3.缓存穿透

指查询一个一定不存在的数据，由于缓存是不命中时需要从数据库查询，查不到数据则不写入缓存，导致这个不存在的数据每次请求都要到数据库去查询，进而给数据库带来压力。

那么如何解决这种问题呢？既然是因为缓存中不存在商品信息进而转向数据库查询，那么就从根源开始。

方案一：当第一次查询到数据库中不存在该商品时，将商品ID作为key，value为一个特定的值来标明是空数据（如isEmpty，当然也需要设置过期时间）。那么后续的请求在查询时，若查询到缓存中有数据，先判断是否是空数据（isEmpty），若是空数据则直接返回null或以实际场景未知进行无数据返回，若有数据则返回数据即可。但是这种方式，增加了内存的消耗，也会导致数据的不一致，因为如果后续创建了此数据后，缓存中仍然是空值。

方案二：使用布隆过滤器。其流程如下：

 布隆过滤器的主要作用就是拦截不存在的数据，在缓存预热时（存入缓存时）也往布隆过滤器存一份。主要是把key进行多次hash获取hash值，将其存入位图（位图：以bit为单位的数组，只能存放二进制0或1）中，而布隆过滤器就来检索key是否在这个数组中。

4.缓存击穿

某一个热点数据在缓存中过期，而在该热点数据重建缓存之前，有大量的请求过来，压力会同时转向数据库，这种现象叫做缓存击穿。

那么如何解决这种问题呢？有两种方式，一是添加互斥锁，二是这是逻辑过期。

1）互斥锁：给过期的热点的key添加互斥锁，一次只允许一个线程操作。也就是说，有多个线程同时请求时，让其中的一个线程添加互斥锁，让其进行缓存重建，直至缓存重建完成才释放此锁。在此期间，其他线程就一直重试获取数据，在锁释放后即可获取最新缓存的数据。但这种方式性能很低，不过数据可以保证强一致性。

2）逻辑过期：在添加缓存时，给每个数据添加一个字段，用来标识过期时间，而这些缓存不再设置过期时间。当多个线程同时请求时，判断此字段是否过期，如果过期就让其中一个线程进行缓存的重建，而其他线程先获取已过期的数据进行返回。进行缓存重建的线程，也是需要先获取互斥锁，然后新开一个线程异步进行真正的缓存重建，然后释放锁，而原线程开启线程后即可进行返回过期数据。这种方式性能高，但数据会存在一定的误差。

5.缓存雪崩

在同一时刻有大量的缓存key同时失效或redis宕机，压力会同时转向数据库，这种现象叫做缓存雪崩。

根源是同时失效，那么只需要给这些key设置不同的过期时间即可，如果需要设置相同的过期时间，那么可以给这些时间再添加一个允许范围内的随机时间。如果条件允许的情况下，可以对redis进行集群部署，或者进行服务降级限流处理。

6.双写一致性问题

修改数据库的同时也需要修改缓存，使得数据库的数据和缓存保持一致。问题主要出现在更新数据上，下面看两种操作：

1）读操作：若缓存命中，则直接返回；若缓存未命中，则查询数据库并把数据写入缓存。

2）写操作：常用的方式就是删除缓存，然后更新数据库。

那么对于这种情况，就有几种情况了（假设有两个线程同时请求，分别是线程1和线程2，在正常情况下，是不会出现问题的，但在特殊的情况下，就出现了数据不一致问题：

A：先删除缓存，再更新数据库。【特殊情况·写写】当线程1删除了数据，正准备更新数据库时由于某种原因被线程2抢占了资源，那么线程2发现没有数据，就会把数据库中还未更新的数据写入缓存。然后线程1才更新完成数据，那么已经导致了数据不一致。

B：先更新数据库，再删除缓存。【特殊情况·读写】当线程1查询数据时由于未命中，则把数据库中还未更新的数据查询出来，正准备写入缓存时由于某种原因被线程2抢占了资源，那么线程2更新数据库并删除了缓存，然后线程1缓存也写入完成，那么已经导致了数据不一致。

 如何解决上述的问题呢？那就需要用到延迟双删。

为什么要进行两次删除呢？显然，上述情况A只用一次删除会存在脏数据，只需要在更新数据后延迟再删除一次缓存即可，延迟的原因是数据库是主从架构，数据的主从复制是需要一定的时间。原因很简单，由于线程2把未更新的数据写入缓存后线程1才更新数据，那么这种情况下，在更新完成后只需要把线程1造成的不正确的缓存删除，那么在下次查询时，由于未命中则会再去数据库查询并存入缓存，此时数据就保证了一致。不过这种方式也不能完全保证数据的一致性，因为延时时间不好控制，但是可以减少大量的脏数据。

如果需要保证强一致性，那么可以使用redisson读写锁。

还有一种方式是使用异步通知保证数据的最终一致性。也就是使用MQ，先更新数据库，然后给mq发送消息，缓存服务接收到消息后再存入缓存，从而保证数据的最终一致性。