Redis简介

Redis是一个开源的内存数据结构存储系统。提供了多种数据类型来支持不同的业务场景，Redis广泛用于各种应用程序，例如缓存、实时分析、消息系统、任务队列等。

数据类型

常见的数据类型

String（字符串）

最基本的key-value结构，key是唯一标识，value是具体的值(字符串、整数、浮点数)。
结构
key: value

# String（字符串)
RBucket<Object> bucket = redissonClient.getBucket("str-key", new StringCodec("utf-8"));
bucket.set("str1");
log.info("字符串str-key:{}", bucket.get()); # 字符串str-key:str1

# JSON字符串
RBucket<Object> bucket2 = redissonClient.getBucket("str-key2", new StringCodec("utf-8"));
Student student = new Student("张三");
bucket2.set(JSON.toJSONString(student));
log.info("JSON字符串str-key2:{}", bucket2.get()); # JSON字符串str-key2:{"name":"张三"}

Hash（哈希）

键值对集合。
结构
key : [{ key1:value1 }, { key2:value2 }, ...]

# 哈希
RMap<Object, Object> map = redissonClient.getMap("map", new StringCodec("utf-8"));
map.put("name", "mike");
map.put("name2", "jack");
log.info("哈希map:{}", map.get("name")); # 哈希map:mike

List（列表）

是简单的字符串列表。
结构
key : [ {key1:value1, key2:value2,...}, {}, ... ]

# 列表
RList<Object> list = redissonClient.getList("list", new StringCodec("utf-8"));
Student student = new Student("张三");
Student student2 = new Student("李四");
list.add(student);
list.add(student2);
log.info("列表:{}", list.readAll()); # 列表:[RedisController.Student(name=张三), RedisController.Student(name=李四)]

Set（集合）

无序并唯一的键值集合，与list列表类似，自动去重。
结构
key : [ {key1:value1, key2:value2,...}, {}, ... ]

# 集合
RSet<Object> set = redissonClient.getSet("setKey", new StringCodec("utf-8"));
Student student = new Student("张三");
set.add(student);
log.info("集合:{}", set.readAll()); # 集合:[RedisController.Student(name=张三)]

Zset（有序集合）

有序集合，比Set类型多了一个排序属性score。
结构
key : [ {key1:value1, key2:value2,...}, {}, ... ]

# 有序集合
RScoredSortedSet<Object> sortedSet = redissonClient.getScoredSortedSet("zSetKey", new StringCodec("utf-8"));
Student student = new Student("张三");
Student student2 = new Student("李四");
sortedSet.add(3.0, student);
sortedSet.add(2.0, student2);
log.info("有序集合:{}", sortedSet.readAll()); # 有序集合:[RedisController.Student(name=李四), RedisController.Student(name=张三)]

其它数据类型

BitMap

位图，是一串连续的二进制数组（0和1），可以通过偏移量（offset）定位元素。使用它进行储存将非常节省空间，特别适合一些数据量大且使用二值统计的场景。

HyperLogLog

HyperLogLog 提供不精确的去重计数。是一种用于统计一个集合中不重复的元素个数。但要注意，HyperLogLog 是统计规则是基于概率完成的，不是非常准确，标准误算率是 0.81%。

GEO

用于存储地理位置信息，并对存储的信息进行操作。GEO非常适合应用在 LBS(基于位置信息服务) 的场景中。

Stream

为消息队列设计的数据类型。

缓存设计

缓存雪崩

为了保证缓存中的数据与数据库中的数据一致性，会给 Redis 里的数据设置过期时间，当缓存数据过期后，用户访问数据时就会去访问数据库，并将数据更新到 Redis 里，这样后续请求就可以从缓存中获取。
当大量缓存数据在同一时间过期（失效）时，如果此时有大量的用户请求，都无法从缓存中获取，全部请求都直接访问数据库，从而导致数据库的压力骤增，严重的会造成数据库宕机，从而形成一系列连锁反应，造成整个系统崩溃，这就是缓存雪崩。

解决方案

1. 分散缓存失效时间，降低缓存集体失效的概率。
2. 设置缓存不过期，通过后台服务更新缓存，避免因为缓存失效造成的缓存雪崩。

缓存击穿

如果缓存中的某个热点数据(秒杀活动)过期了，此时大量的请求无法从缓存中读取，直接访问数据库，数据库很容易就被高并发的请求冲垮，这就是缓存击穿。
可以发现缓存击穿跟缓存雪崩很相似，可以认为缓存击穿是缓存雪崩的一个子集。 应对缓存击穿可以采取前面说到两种方案：

1. 互斥锁方案，保证同一时间只有一个业务线程请求缓存，未能获取互斥锁的请求，要么等待锁释放后重新读取缓存，要么就返回空值或者默认值。
2. 热点数据不设置过期时间，由后台更新缓存，或者在热点数据过期前，通知后台线程更新缓存以及重新设置过期时间。

缓存穿透

当用户访问的数据，既不在缓存中，也不在数据库中，没办法构建缓存数据，来服务后续的请求。那么当有大量这样的请求到来时，数据库的压力骤增，这就是缓存穿透。
缓存穿透一般产生的情况，1.误操作，缓存和数据库中的数据都被删除；2.恶意攻击，故意大量访问不存在数据的业务。

解决方案

1. 限制非法请求，在API入口处校验参数。
2. 设置空值或者默认值，请求就可以从缓存中读取到空值或者默认值，返回给应用，而不会继续查询数据库。
3. 布隆过滤器，缓存失效后，先查询布隆过滤器快速判断数据是否存在，即使发生了缓存穿透，大量请求只会查询 Redis 和布隆过滤器，保证了数据库能正常运行，Redis也支持布隆过滤器。

数据一致性

数据一致性问题

数据一致性问题

- img: https://bitouyun.com/images/redis/redis-1.png
  link: https://bitouyun.com/images/redis/redis-1.png
  name: 数据一致性问题
- img: https://bitouyun.com/images/redis/redis-2.png
  link: https://bitouyun.com/images/redis/redis-2.png
  name: 数据一致性问题

解决方案

1. 先更新数据库，后删除缓存，给缓存设置失效时间。要确保更新数据、删除缓存都成功。 可以将删除缓存操作放入消息队列中，如果删除失败，会再次删除(重试机制)。
2. 为了提高缓存命中率，先更新数据库，后更新缓存，给缓存设置失效时间，更新缓存前加分布式锁，解决并发问题。

数据库、缓存操作顺序

无论先操作数据库还是缓存，都存在并发问题，但是删除缓存操作比更新缓存更轻量(更新数据可能业务逻辑比较复杂)，操作缓存比操作数据库耗时短，因此先操作数据库，后删除缓存比较合理(更新完数据库到删除缓存之间的耗时短)。

1. 先操作数据库后操作缓存，存在并发问题，更新数据库时间比更新缓存时间慢，在A请求更新数据库后，更新缓存前，B请求更新数据库和缓存，然后A请求再更新缓存，导致缓存跟数据库数据不一致(B请求的数据为最新值)。
2. 先操作缓存后操作数据库，存在并发问题，在A请求更新缓存后，更新数据库前，B请求更新缓存和数据库后，A请求再更新数据库，导致缓存跟数据库不一致(B请求的数据为最新值)。