八股文概要--Redis

# Redis 应用场景

• 缓存：热点数据 (经常查询，但不修改或删除数据) 首选 Redis 缓存，性能优秀

  • 分布式锁：多个 tomcat 通过 Redis 获取锁后才能访问 MySQL 数据库

  • 实现方式：Jedis,Lettuce,RedisTemplete,Redisson (更加方便，无需额外写代码)

  • 具体实现

    1. 获取锁:setnx key value
    2. 设置锁过期时间:expire key 30
    3. 执行业务代码
    4. 释放锁: del key

  • Redisson 实现分布式锁

    1. 获取锁:redisson.getLock ("lock");lock.lock ();
    2. 执行业务代码
    3. 释放锁:lock.unlock ();

  • Redisson 实现的分布式锁是可重入的吗？

    可重入：即可重复获取，它指的是线程 T 获取到锁 A 之后，线程 T 再次获取锁 A 还是可以获取到的，java 中的 synchronized,ReentrantLock 都是可重入锁

• Token 存储

• 短信验证码存储 (后端生成的验证码存入 Redis, 然后与用户发送的验证码进行比较)

• 计数器

• 全局唯一 ID

• 排行榜 (使用 ZSet 结构)

• 限流

• 购物车

• 点赞关注

# 实现分布式锁需要注意哪些问题

• 不是原子操作 (即必须将获取锁和设置锁的过期时间变成一个整体进行操作)

• 没有释放锁 (没有 del 锁，导致后面的线程无法拿到锁，当然如果设置了过期时间，还可以等过期时间结束)

• 释放了锁，但业务还未执行完毕 (即执行业务代码耗时超过了锁的过期时间)

• 释放了别人的锁 (因锁的过期时间过短，导致他人拿到自己的锁，而通过释放锁的操作将他人拿到的锁释放，解决方法为在释放锁时加入判断是否是自己的锁)

• 大量请求竞争锁失败

  解决方法

  1. 重试 (重试三到五次，若未拿到锁，返回获取锁失败)
  2. 让业务流程尽可能短
  3. 限流

• 多节点 Redis 主从复制的问题

• 锁的性能问题 (采用分段锁的方式，减少获取锁的排队时间)

• 锁的可重入性

# 采用 Redis 缓存，遇到缓存穿透，缓存击穿，缓存雪崩怎么办？

# 缓存穿透

缓存穿透是由于请求一个不存在的数据而导致的

• 方案一：缓存空结果，对数据库查询不存在的数据依然缓存到缓存中，比如缓存一条空值 unknow, 有效减少查询数据库的效率。优点是实现简单。缺点是缓存了无效数据，占用 Redis 缓存，可能存在缓存与数据库不一致的情况

• 方案二：布隆过滤器。在访问 Redis 之前，先通过布隆过滤器进行筛选。优点是不会缓存无效数据，缺点是实现比较复杂，存在一定的误判.

  布隆过滤器

  布隆过滤器用于检索一个元素是否在一个集合中。它采用一个很长的二进制数组，通过一些列 hash 函数来确定该数据是否存在.

  具体实现如下

  在向布隆过滤器中添加元素时，会使用多个哈希函数对元素进行 hash, 然后使用数组长度取余，算出一个索引位置，再把数组这几个位置都设置为 1, 这样就完成了元素的添加操作.

  向布隆过滤器查询元素是存在时，和添加元素一样，. 算出数组位置。然后看数组对应位置是否都为 1, 只要有一个位置为 0, 代表存在。如果这几个位置都为 1, 代表可能存在.

  目前的具体实现由 Guava,Hutool,Redisson

# 缓存击穿

高并发情况下，对于热点数据，当数据失效的一瞬间，或者刚开始时缓存中还没有对热点数据进行缓存，所有请求被发送到数据库去查询，导致数据库被压垮.

• 方案一：全局锁：在访问数据库之前都请求全局锁，获得的锁的线程才有资格去访问数据库，其他线程必须等待。由于现在的业务都是分布式的，本地锁没法控制其他服务的线程也等待，所以要用全局锁，比如分布式锁.
• 方案二：对于热点数据，设置永不过期.
  • 实现方案一：不设置过期时间，即 "物理" 不过期。优点是简单。缺点是缓存的热点数据是静态的，得不到更新
  • 实现方案二：逻辑不过期，通过一个异步线程，当检测到超过了过期时间，即更新缓存数据，这样只有前几条是旧数据，后面拿到的即为更新的数据.

# 缓存雪崩

在某一时刻，大量的 key 或者整个缓存的数据全部过期了或者缓存发生了故障，然后瞬间所有的请求都落到数据库，数据库被压垮

如何解决？

1. Redis 高可用 (搭建 Redis Sentinel 或者 Redis Cluster 集群), 避免 Redis 不可用
2. 给不同的 key 设置不同的过期时间
3. 本地缓存 (二级缓存) + 限流 & 降级，避免数据库被压垮

缓存雪崩与缓存击穿的区别

缓存击穿某些热点数据 (或者说是同一条数据) 过期了，而走数据库 (即主体为被频繁访问的少量数据)

缓存雪崩强调的是大量数据 (或者说是所有数据) 都过期了，而走数据库 (即主题为大量数据)

因此，缓存雪崩核心就是，缓存无法使用，就全部走数据库 \

# Redis 内存使用完了怎么办

通过内存配置文件配置最大使用内存

当达到最大使用内存时使用内存淘汰策略

默认淘汰策略为 noeviction

# Redis 的 String 类型的值最大能放多大的数据

• string:512MB

• List:2^32-1 (4,294,967,295) 个元素

• Set:2^32-1 (4,294,967,295) 个元素

• Hash: 每个 hash 值最大能放 2^32-1 (4,294,967,295) 个 filed-value 对，Hash 类型仅受部署 Redis 的服务器上的总内存的限制

• ZSet 与 Set 一样

# 如何保证数据库与 Redis 的数据一致性

即数据库发生增删改的时候，数据库的数据要和 Redis 缓存的数据保持一致性

# Redis 集群最大能部署多少个主节点

16384