知識星球1、為什麼使用Redis
2、使用Redis有什麼缺點
3、單執行緒的Redis為什麼這麼快
4、Redis的資料型別，以及每種資料型別的使用場景
5、Redis的過期策略以及記憶體淘汰機制
6、Redis和資料庫雙寫一致性問題
7、如何應對快取穿透和快取雪崩問題
8、如何解決Redis的併發競爭問題
一、為什麼使用Redis
筆者認為，在專案中使用Redis，主要是從兩個角度去考慮：效能和併發。當然，Redis還具備可做分散式鎖等功能的其它功能，但如果只是為了分散式鎖這些其它功能，完全還有其它中介軟體（如Zookpeer等）可以代替，並不是非要使用Redis。
因此，這個問題主要從效能和併發兩個角度去答：
如下圖所示，我們在碰到需要執行耗時特別久、且結果不頻繁變動的SQL時，就特別適合將執行結果放入快取。這樣，後面的請求就去快取中讀取，使得請求能夠迅速響應。
題外話：忽然想聊一下這個迅速響應的標準——其實根據互動效果的不同，這個響應時間沒有固定標準。不過曾經有人這麼告訴我：“在理想狀態下，我們的頁面跳轉需要在瞬間解決，對於頁內操作則需要在剎那間解決。另外，超過一彈指的耗時操作要有進度提示，並且可以隨時中止或取消，這樣才能給使用者最好的體驗。”
那麼瞬間、剎那、一彈指具體是多少時間呢？
根據《摩訶僧祗律》記載：一剎那者為一念，二十念為一瞬，二十瞬為一彈指，二十彈指為一羅預，二十羅預為一須臾，一日一夜有三十須臾。
那麼，經過周密的計算，一瞬間為0.36秒,一剎那有0.018秒，一彈指長達7.2秒。
如下圖所示，在大併發的情況下，所有的請求直接訪問資料庫，資料庫會出現連線異常。這個時候，就需要使用Redis做一個緩衝操作，讓請求先訪問到Redis，而不是直接訪問資料庫。
二、使用Redis有什麼缺點
大家用Redis這麼久，這個問題是必須要瞭解的，基本上使用Redis都會碰到一些問題，常見的主要是四方面的問題：
1、快取和資料庫雙寫一致性問題
2、快取雪崩問題
3、快取擊穿問題
4、快取的併發競爭問題
這四個問題，筆者個人覺得在專案中比較常遇見，具體解決方案，後文會給出。
三、單執行緒的Redis為什麼這麼快
這個問題其實是對Redis內部機制的一個考察。其實根據筆者的面試經驗，很多人其實都不知道Redis是單執行緒工作模型。所以，這個問題還是應該要複習一下的。主要是以下三點：
1、純記憶體操作
2、單執行緒操作，避免了頻繁的背景關係切換
3、採用了非阻塞I/O多路復用機制
我們現在仔細地說一說I/O多路復用機制，因為這個說法實在是太通俗了，通俗到一般人都不懂是什麼意思。打一個比方：小曲在S城開了一家快遞店，負責同城快送服務。小曲因為資金限制，僱傭了一批快遞員，然後小曲發現資金不夠了，只夠買一輛車送快遞。
經營方式一：
客戶每送來一份快遞，小曲就讓一個快遞員盯著，然後快遞員開車去送快遞。慢慢的小曲就發現了這種經營方式存在很多問題，幾十個快遞員基本上時間都花在了搶車上了，大部分快遞員都處在閑置狀態，誰搶到了車，誰就能去送快遞。
隨著快遞的增多，快遞員也越來越多，小曲發現快遞店裡越來越擠，沒辦法僱傭新的快遞員了，快遞員之間的協調很花時間，大部分時間花在搶車上。綜合上述缺點，小曲痛定思痛，提出了下麵的經營方式↓
經營方式二：
小曲只僱傭一個快遞員，客戶送來的快遞，小曲按送達地點標註好，然後依次放在一個地方。最後，那個快遞員依次去取快遞，一次拿一個，開著車去送快遞，送好了就回來拿下一個快遞。
上述兩種經營方式對比，是不是明顯覺得第二種，效率更高、更好呢？在上述比喻中：
1、每個快遞員→每個執行緒
2、每個快遞→每個Socket(I/O流)
3、快遞的送達地點→Socket的不同狀態
4、客戶送快遞請求→來自客戶端的請求
5、小曲的經營方式→服務端執行的程式碼
6、一輛車→CPU的核數
於是我們有如下結論：
1、經營方式一就是傳統的併發模型，每個I/O流(快遞)都有一個新的執行緒(快遞員)管理。
2、經營方式二就是I/O多路復用。只有單個執行緒(一個快遞員)，透過跟蹤每個I/O流的狀態(每個快遞的送達地點)，來管理多個I/O流。
下麵類比到真實的Redis執行緒模型，如圖所示：
參照上圖，簡單來說就是，我們的Redis-client在操作的時候，會產生具有不同事件型別的Socket。在服務端，有一段I/O多路復用程式，將其置入佇列之中。然後檔案事件分派器依次去佇列中取，轉發到不同的事件處理器中。
需要說明的是，這個I/O多路復用機制，Redis還提供了Select、Epoll、Evport、Kqueue等多路復用函式庫，大家可以自行去瞭解。
四、Redis的資料型別及各自使用場景
看到這個問題，是不是覺得它很基礎？其實筆者也這麼覺得。然而根據面試經驗發現，至少80%的人答不上這個問題。建議在專案中用到後，再類比記憶，體會更深，不要硬記。基本上，一個合格的程式員五種型別都會用到：
這個其實沒什麼好說的，最常規的Set/Get操作，Value可以是String也可以是數字，一般做一些複雜的計數功能的快取。
這裡Value存放的是結構化的物件，比較方便的就是操作其中的某個欄位。筆者在做單點登入的時候，就是用這種資料結構儲存使用者資訊，以CookieId作為Key，設定30分鐘為快取過期時間，能很好地模擬出類似Session的效果。
使用List的資料結構，可以做簡單的訊息佇列的功能。另外還有一個就是，可以利用Lrange命令，做基於Redis的分頁功能，效能極佳，使用者體驗好。
因為Set堆放的是一堆不重覆值的集合，所以可以做全域性去重的功能。
為什麼不用JVM自帶的Set進行去重？因為我們的系統一般都是叢集部署，使用JVM自帶的Set比較麻煩，難道為了做一個全域性去重，再起一個公共服務？太麻煩了。
另外，就是利用交集、並集、差集等操作，可以計算共同喜好、全部的喜好、自己獨有的喜好等功能。
Sorted Set多了一個權重引數Score，集合中的元素能夠按Score進行排列。可以做排行榜應用，取TOP N操作。另外，Sorted Set還可以用來做延時任務。最後一個應用就是可以做範圍查詢。
五、Redis的過期策略及記憶體淘汰機制
這個問題其實相當重要，從這個問題就可以看出來到底Redis有沒有用到位。比如，你Redis只能存5G資料，可是你寫了10G，那會刪5G的資料。怎麼刪的？這個問題思考過麼？還有，你的資料已經設定了過期時間，但是時間到了，記憶體佔用率還是比較高，有思考過原因麼?
Redis採用的是定期刪除+惰性刪除策略。
定時刪除，用一個定時器來負責監視Key，過期則自動刪除。雖然記憶體及時釋放，但是十分消耗CPU資源。在大併發請求下，CPU要將時間應用在處理請求，而不是刪除Key，因此沒有採用這一策略。
定期刪除，Redis預設每個100ms檢查是否有過期的Key，有過期Key則刪除。需要說明的是，Redis不是每個100ms將所有的Key檢查一次，而是隨機抽取進行檢查（如果每隔100ms，全部Key進行檢查，Redis豈不是卡死）。因此，如果只採用定期刪除策略，會導致很多Key到時間沒有刪除。
於是，惰性刪除派上用場。也就是說在你獲取某個Key的時候，Redis會檢查一下，這個Key如果設定了過期時間，那麼是否過期了？如果過期了此時就會刪除。
不是的，如果定期刪除沒刪除Key。然後你也沒及時去請求Key，也就是說惰性刪除也沒生效。這樣，Redis的記憶體會越來越高，那麼就應該採用記憶體淘汰機制。
在Redis.conf中有一行配置：
該配置就是配記憶體淘汰策略的：
Noeviction：當記憶體不足以容納新寫入資料時，新寫入操作會報錯。應該沒人使用吧；
Allkeys-lru：當記憶體不足以容納新寫入資料時，在鍵空間中，移除最近最少使用的Key。推薦使用，目前專案在用這種；
Allkeys-random：當記憶體不足以容納新寫入資料時，在鍵空間中，隨機移除某個key，應該也沒人使用吧；
Volatile-lru：當記憶體不足以容納新寫入資料時，在設定了過期時間的鍵空間中，移除最近最少使用的Key。這種情況一般是把Redis既當快取又做持久化儲存的時候才用。不推薦；
Volatile-random：當記憶體不足以容納新寫入資料時，在設定了過期時間的鍵空間中，隨機移除某個Key。依然不推薦；
Volatile-ttl：當記憶體不足以容納新寫入資料時，在設定了過期時間的鍵空間中，有更早過期時間的Key優先移除。不推薦。
PS：如果沒有設定Expire的Key，不滿足先決條件（Prerequisites）；那麼Volatile-lru、Volatile-random和Volatile-ttl策略的行為，和Noeviction（不刪除）基本上一致。
六、Redis和資料庫雙寫一致性問題
一致性問題是分散式常見問題，還可以再分為最終一致性和強一致性。資料庫和快取雙寫，就必然會存在不一致的問題，想要回答這個問題，就要先明白一個前提：如果對資料有強一致性要求，就不能放快取。我們所做的一切，只能保證最終一致性。
另外，我們所做的方案其實從根本上來說，只能說降低不一致發生的機率，無法完全避免。因此，有強一致性要求的資料不能放快取。
給出了詳細的分析，在這裡簡單地說一說：首先，採取正確更新策略，先更新資料庫，再刪快取；其次，因為可能存在刪除快取失敗的問題，提供一個補償措施即可，例如利用訊息佇列。
七、應對快取穿透和快取雪崩問題
關於“如何應對快取穿透和快取雪崩”這兩個問題，說句實在話，一般中小型傳統軟體企業很難碰到。如果有大併發的專案，流量有幾百萬左右，這兩個問題一定要深刻考慮：
快取穿透，即駭客故意去請求快取中不存在的資料，導致所有的請求都懟到資料庫上，從而資料庫連線異常。
解決方案：
利用互斥鎖，快取失效的時候，先去獲得鎖，得到鎖了，再去請求資料庫，沒得到鎖，則休眠一段時間重試；
1、採用非同步更新策略，無論Key是否取到值，都直接傳回。Value值中維護一個快取失效時間，快取如果過期，非同步起一個執行緒去讀資料庫，更新快取，需要做快取預熱（專案啟動前，先載入快取）操作；
2、提供一個能迅速判斷請求是否有效的攔截機制，比如利用布隆過濾器，內部維護一系列合法有效的Key，迅速判斷出，請求所攜帶的Key是否合法有效，如果不合法，則直接傳回。
快取雪崩，即快取同一時間大面積的失效，這個時候又來了一波請求，結果請求都懟到資料庫上，從而導致資料庫連線異常。
解決方案：
1、給快取的失效時間加上一個隨機值，避免集體失效；
2、使用互斥鎖，但是該方案吞吐量明顯下降了；
3、雙快取。我們有兩個快取，快取A和快取B。快取A的失效時間為20分鐘，快取B不設失效時間，自己做快取預熱操作。
然後細分以下幾個小點：
a. 從快取A讀資料庫，有則直接傳回；
b. A 沒有資料，直接從B讀資料，直接傳回，並且非同步啟動一個更新執行緒；
c. 更新執行緒同時更新快取A和快取B。
八、如何解決Redis併發競爭Key問題
這個問題大致就是同時有多個子系統去Set一個Key。這個時候要註意什麼呢？本人提前百度了一下，發現大家思考的答案基本都是推薦用Redis事務機制。但本人不推薦使用Redis的事務機制。因為我們的生產環境，基本都是Redis叢集環境，做了資料分片操作。你一個事務中有涉及到多個Key操作的時候，這多個Key不一定都儲存在同一個Redis-Server上。因此，Redis的事務機制，十分雞肋。
解決方法如下：
這種情況下，準備一個分散式鎖，大家去搶鎖，搶到鎖就做Set操作即可，比較簡單。
假設有一個Key1，系統A需要將Key1設定為ValueA，系統B需要將Key1設定為ValueB，系統C需要將Key1設定為ValueC。期望按照Key1的Value值按照 ValueA→ValueB→ValueC的順序變化。這種時候我們在資料寫入資料庫的時候，需要儲存一個時間戳。假設時間戳如下：
1、系統A Key 1 {ValueA 3:00}
2、系統B Key 1 {ValueB 3:05}
3、系統C Key 1 {ValueC 3:10}
那麼，假設這會系統B先搶到鎖，將Key1設定為{ValueB 3:05}。接下來系統A搶到鎖，發現自己的ValueA的時間戳早於快取中的時間戳，那就不做Set操作了。以此類推。
其他方法，比如利用佇列，將Set方法變成序列訪問也可以。總之，靈活變通。
九、總結
本文對Redis的常見問題做了一個總結。大部分是筆者自己在工作中遇到，以及以前面試別人的時候常問的一些問題，希望大家能夠有所收穫。
