Redis真的那麼好用嗎？

不管你是從事Python、Java、Go、PHP、Ruby等等... Redis都應該是一個比較熟悉的中介軟體。而大部分經常寫業務程式碼的程式設計師，實際工作中或許只用到了set value、get value兩個操作。對Redis缺乏一個整體的認識。今天就來對Redis的常見問題做一個總結。希望能夠幫助到大家

Redis是什麼

Redis是一個開源的底層使用C語言編寫的key-value儲存資料庫。可用於快取、事件釋出訂閱、高速佇列等場景。而且支援豐富的資料型別：string(字串)、hash(雜湊)、list(列表)、set(無序集合)、zset(sorted set：有序集合)

Redis在專案中的應用場景

1、快取資料

    最常用，對經常需要查詢且變動不是很頻繁的資料 常稱作熱點資料。

2、訊息佇列

    相當於訊息訂閱系統，比如ActiveMQ、RocketMQ。如果對資料有較高一致性要求時，還是建議使用MQ)

3、計數器

    比如統計點選率、點贊率，redis具有原子性，可以避免併發問題

4、電商網站資訊

    大型電商平臺初始化頁面資料的快取。比如去哪兒網購買機票的時候首頁的價格和你點進去的價格會有差異。

5、熱點資料

   比如新聞網站實時熱點、微博熱搜等，需要頻繁更新。總資料量比較大的時候直接從資料庫查詢會影響效能

給個愛的理由

在單節點伺服器我們通常是這樣的

隨著企業的發展、業務的擴充套件。面對海量的資料，直接使用MySql會導致效能下降，資料的讀寫也會非常慢。於是我們就可以搭配快取來處理海量資料。

於是現在我們是這樣的：

上圖只是簡述了快取的作用，當資料繼續增大我們需要利用主從複製技術來達到讀寫分離

資料庫層直接與快取進行互動，如果快取中有資料直接返回客戶端，如果沒有才會從MySql中去查詢。從而減小了資料庫的壓力，提升了效率。

平時釋出了一款新手機，會有搶購活動。同一時間段，服務端會收到很多的下單請求。

我們需要使用redis的原子操作來實現這個“單執行緒”。首先我們把庫存存在一個列表中，假設有10件庫存，就往列表中push10個數，這個數沒有實際意義，僅僅只是代表10件庫存。搶購開始後，每到來一個使用者，就從列表中pop一個數，表示使用者搶購成功。當列表為空時，表示已經被搶光了。因為列表的pop操作是原子的，即使有很多使用者同時到達，也是依次執行的

題外話：還有的搶購是直接在前端頁面限制請求，這些請求直接被前端攔截，並沒有到後端伺服器

Redis為什麼會這麼快

1、Redis是純記憶體操作，需要的時候需要我們手動持久化到硬碟中

2、Redis是單執行緒，從而避開了多執行緒中上下文頻繁切換的操作。

3、Redis資料結構簡單、對資料的操作也比較簡單

4、使用底層模型不同，它們之間底層實現方式以及與客戶端之間通訊的應用協議不一樣，Redis直接自己構建了VM 機制 ，因為一般的系統呼叫系統函式的話，會浪費一定的時間去移動和請求

5、使用多路I/O複用模型，非阻塞I/O

多路I/O複用

I/O 多路複用技術是為了解決程式或執行緒阻塞到某個 I/O 系統呼叫而出現的技術，可以監視多個描述符，一旦某個描述符就緒（一般是讀就緒或者寫就緒，就是這個檔案描述符進行讀寫操作之前），能夠通知程式進行相應的讀寫操作

Redis資料型別應用場景

前面提到了Redis支援五種豐富的資料型別，那麼在不同場景下我們該怎麼選擇呢？

String

    字串是最常用的資料型別，他能夠儲存任何型別的字串，當然也包括二進位制、JSON化的物件、甚至是base64編碼之後的圖片。在Redis中一個字串最大的容量為512MB，可以說是無所不能了。

Hash

    常用作儲存結構化資料、比如論壇系統中可以用來儲存使用者的Id、暱稱、頭像、積分等資訊。如果需要修改其中的資訊，只需要透過Key取出Value進行反序列化修改某一項的值，再序列化儲存到Redis中，Hash結構儲存，由於Hash結構會在單個Hash元素在不足一定數量時進行壓縮儲存，所以可以大量節約記憶體。這一點在String結構裡是不存在的。

List

    List的實現為一個雙向連結串列，即可以支援反向查詢和遍歷，更方便操作，不過帶來了部分額外的記憶體開銷，Redis 內部的很多實現，包括髮送緩衝佇列等也都是用的這個資料結構。另外，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。

Set

    set 對外提供的功能與 list 類似是一個列表的功能，特殊之處在於 set 是可以自動排重的，當你需要儲存一個列表資料，又不希望出現重複資料時，這個時候就可以選擇使用set。

Sorted Set

    可以按照某個條件的權重進行排序，比如可以透過點選數做出排行榜的資料應用。

Redis快取的資料一致性

    真正意義上來講資料庫的資料和快取的資料是不可能一致的，資料分為最終一直和強一致兩類。如果業務中對資料的要求必須強一直那麼就不能使用快取。快取能做的只能保證資料的最終一致性。

    我們能做的只能是儘可能的保證資料的一致性。不管是先刪庫再刪快取 還是 先刪快取再刪庫，都可能出現資料不一致的情況，因為讀和寫操作是併發的，我們沒辦法保證他們的先後順序。具體應對策略還是要根據業務需求來定，這裡就不贅述了。

Redis的過期和記憶體淘汰

Redis儲存資料時我們可以設定他的過期時間。但是這個key是怎麼刪除的呢？

一開始我認為是定時刪除，後來發現並不是這樣，因為如果定時刪除，需要一個定時器來不斷的負責監控這個key，雖然記憶體釋放了，但是非常消耗cpu資源。

Redis過期刪除採用的是定期刪除，預設是每100ms檢測一次，遇到過期的key則進行刪除，這裡的檢測並不是順序檢測，而是隨機檢測。那這樣會不會有漏網之魚？顯然Redis也考慮到了這一點，當我們去讀/寫一個已經過期的key時，會觸發Redis的惰性刪除策略，直接回幹掉過期的key

記憶體淘汰是指使用者儲存的一部分key是可以被Redis自動的刪除，從而會出現從快取中查不到資料的情況。加入我們的伺服器記憶體為2G、但是隨著業務的發展快取的資料已經超過2G了。但是這並不影響我們程式的執行，因為作業系統的可見記憶體並不受實體記憶體的限制。實體記憶體不夠用沒關係，計算機會從硬碟中劃出一片空間來作為虛擬記憶體。這就是Redis設計兩種應用場景的初衷：快取、持久儲存

快取擊穿

快取只是為了緩解資料庫壓力而新增的一層保護層，當從快取中查詢不到我們需要的資料就要去資料庫中查詢了。如果被駭客利用，頻繁去訪問快取中沒有的資料，那麼快取就失去了存在的意義，瞬間所有請求的壓力都落在了資料庫上，這樣會導致資料庫連線異常。

解決方案：

1、後臺設定定時任務，主動的去更新快取資料。這種方案容易理解，但是當key比較分散的時候，操作起來還是比較複雜的

2、分級快取。比如設定兩層快取保護層，1級快取失效時間短，2級快取失效時間長。有請求過來優先從1級快取中去查詢，如果在1級快取中沒有找到相應資料，則對該執行緒進行加鎖，這個執行緒再從資料庫中取到資料，更新至1級和2級快取。其他執行緒則直接從2級執行緒中獲取

3、提供一個攔截機制，內部維護一系列合法的key值。當請求的key不合法時，直接返回。

快取雪崩

快取雪崩就是指快取由於某些原因（比如 當機、cache服務掛了或者不響應）整體crash掉了，導致大量請求到達後端資料庫，從而導致資料庫崩潰，整個系統崩潰，發生災難，也就是上面提到的快取擊穿

圖片來源自網路

如何避免雪崩：

1、給快取加上一定區間內的隨機生效時間，不同的key設定不同的失效時間，避免同一時間集體失效。

2、和快取擊穿解決方案類似，做二級快取，原始快取失效時從複製快取中讀取資料。

3、利用加鎖或者佇列方式避免過多請求同時對伺服器進行讀寫操作。

寫在最後

Redis的效能極高，讀的速度是110000次/s,寫的速度是81000次/s，支援事務，支援備份，豐富的資料型別。

任何事情都是兩面性，Redis也是有缺點的：

1、由於是記憶體資料庫，所以單臺機器儲存的資料量是有限的，需要開發者提前預估，需要及時刪除不需要的資料。

2、當修改Redis的資料之後需要將持久化到硬碟的資料重新加入到內容中，時間比較久，這個時候Redis是無法正常執行的。