基础

事物

支持事务， Redis的所有操作都是原子性的，意思就是要么成功执行要么失败完全不执行。单个操作是原子性的。多个操作也支持事务，即原子性，通过MULTI和EXEC指令包起来。

命令

• setnx key value：只在 key 不存在的时候将值设为 value

分布式锁

• redisson

优化：

• 分段锁：Hash 运算 分段锁，或者商品id锁

存在问题：

• 主从架构可能会存在主节点数据未同步从节点导致锁重复
  • redlock
  • zookeeper：CP一致性 数据同步时会段时间不可用

缓存淘汰

内存是有限的，如果有新的 key 进入内存不够，则需要淘汰部分缓存

1. FIF0：先进先出，淘汰最先进入缓存的数据

2. LRU：最近最少未使用

   1. LRU实现方法，这里给出其中一种实现思路:双向链表+哈希表的形式存储。
   2. 双向链表用于组织数据，数据采用链表节点进行组织，最经常访问的排在前面，哈希表用于存储键key和值链表节点
   3. 每次访问都会被移动也会浪费性能，所以引入 LRU-K

3. LFU：最近不经常使用

过期删除

1. 主动删除：设置删除间隔时间，在指定时间后进行主动删除工作
   1. 优点：易于理解，设置合理的间隔后不会使内存占用超标
   2. 缺点：当 Redis 比较忙时，设置删除时间碰巧到期了，主动删除会额外增加 Redis 负担。
2. 惰性删除：当用到这个缓存，在检测它的过期时间，程序取值时查看该数据是否已经过期，如果没过期，则返回，如果过期，则删除
   1. 优点:服务器运算资源占用小
   2. 缺点:容易造成某些数据长期霸占在内存中，不被删除的情况。
3. 定期删除=主动删除+惰性删除
   1. 每隔一段时间，跑主动删除，不跑主动删除时，执行惰性删除策略。

缓存一致

Cache Aside 的核心思想就是，当缓存的数据有更新值了，它采用的不是更新缓存数据，而是删除缓存数据

保证最终一致性

1. 先删除在更新数据，但是这样其它线程如果速度足够快还是会读到脏数据，这个时候可以采用延迟双侧删除策略

3. Read/Wite Through

4. Writer behind

缓存击穿

查询某个数据的值，该值在缓存中无，在数据库中有

1. 一般缓存都会设置个数据过期时间，所以缓存击穿的情况比较常见
2. 缓存击穿带来的问题：如果对该值查询突然特别大，由于缓存中无该数据，所以请求就会打到后端数据库上
3. 处理
   1. 从MySQL角度出发：减少击穿后的直接流量

• 从Redis角度出发：
  • 设置热点数据永不过期
  • 热点数据后台启动一个异步线程，重新把数据回填缓存层

缓存穿透

查询一个数据库也不存在的数据，即缓存查不到，数据库也查不到所以透了

1. 拦截非法查询请求
2. 缓存空对象
3. 布隆过滤器
   1. 设计思路：设计k个hash映射函数，这k个映射函数各不相同，把在数据库中的有效数据通过这个映射函数得到数组指定位置，并置为1
   2. 查询思路：输入查询数据，通过这一系列hash函数，判断对应位置是否全为1。如果是，则很大概率就是我们的有效请求了，如果有一位为0，则该查询一定是无效查询
   3. 提前查询数据库做一个布隆表

缓存雪崩

一大批被缓存的数据，同时失效，此时对于这一批的数据请求就全打到数据库上，导致数据库宕机

和缓存击穿类似

1. 从MySQL角度出发

2. redis
   1. 设置热点数据永不过期
   2. 分析失效时间，尽量让失效时间点分散
   3. 缓存预热，即在上线前，根据当天的情况分析，将热数据直接加载到缓存系统