一 、为什么使用Redis

我觉得在项目中使用Redis，主要是从两个角度去思考：性能和并发。

当然，Redis还诀别可以做分布式锁等其他功能，但是如果只是为了分布式锁这些其他功能，完全还有其他中间件，如Zookpeer等代替，并不是非要使用Redis。因此，这个问题主要从性能和并发两个角度去答。

性能

我们在碰到需要执行时特别久，且结果不频繁变动的sql,就特备适合将运行结果放入缓存。这样，后面的请求就去缓存中读取，使得请求能够迅速响应。

曾经有人这么告诉我

在理想的状态下，我们的页面跳转需要在瞬间解决，对于页内操作则需要在刹那间解决。另外超过一弹指的耗时操作要有进度提示，并且可以随时中止或取消，这样才能给用户最好的体验。

根据《摩诃。。。》记载：

一刹那为一念，二十念为一瞬，二十瞬为一弹指，二十弹指为一罗预，二十罗预为一须臾，一日一夜未三十须臾。

那么经过周密计算，一瞬间未0.36秒、一刹那为0.018秒、一弹指长达7.2秒

并发

在大并发的情况下，所有的请求直接访问数据库，数据库会出现连接异常。这个时候就需要使用Redis做一个缓冲操作，让请求先访问到Redis，而不是直接访问数据库。

二、使用Redis有什么缺点

缓存和数据库双写一致性问题

缓存雪崩问题

缓存击穿问题

缓存的并发竞争问题

三、单线程的Redis为什么这么快

纯内存操作 

单线程操作避免了频繁的上下文切换

采用了非阻塞I/O多路复用机制

非阻塞I/O多路复用机制：

简单来说，就是我们的Redis-client 在操作的时候，会产生具有不同事件类型的Socket。在服务端，有一段I/O多路复用程序，将其置入队列之中，然后，文件事件分派器，依次去队列中取，转发到不同的事件处理中。

需要说明的是，这个I/O多路复用机制，Redis还提供了 select epoll evport kqueue 等多路复用函数库，大家可以自行去了解。

四、Redis的数据类型，以及每种数据类型的使用场景

（1）String  

最常规的get set 操作，value可以是String 也可以是数字。一般做一些复杂的计数功能的缓存。

（2）Hash

这里value 存放的是结构化的对象，比较方便的就是操作其中的某个字段。

我在做单点登录的时候，就是用这种数据结构存储用户信息，以CookieID作为Key，设置30分钟为缓存过期时间，能很好的模拟出类似Session的效果。

（3）List

使用List的数据结构，可以做简单的消息队列的功能，另外还有一个就是，可以利用lrang命令，做基于Redis的分页功能，性能极佳，用户体验好。

（4）Set

因为Set堆放的是一堆不重复值得集合，所以可以做全局去重得功能。为什么不用JVM自带得Set,比较麻烦，难道为了一个做全局去重，再起一个公共服务，太麻烦了。

另外，就是利用交集、并集，差集等操作，可以计算共同喜好，全部得喜好，自己独有得喜好等功能。

（5）Sorted Set

Sorted Set 多了一个权重参数 Score,集合中得元素能够按照Score进行排列。

可以做排行榜得应用，取TOP N操作。Sorted Set 可以用来做延时任务，最后一个应用就是可以做范围查找。

五、Redis 的过期策略以及内存淘汰机制

Redis 采用的是定期删除+惰性删除策略。

（1）为什么不用定时删除策略

定时删除，用一个定时器来负责监视Key,过期则自动删除。虽然内存及时释放，但是十分消耗CPU资源。

在大并发的请求下，CPU要将时间应用在处理请求，而不是删除key,因此没有采用这一策略。

（2）定期删除+惰性删除 是如何工作

定期删除，Redis默认每个100ms检查，是否有过期的key,有过期的key则删除。

需要说明的是，Redis不是每个100ms将所有key检查一次，而是随机抽取进行检查（如果每隔100ms,全部key进行检查，Redis岂不是卡死）。

因此，如果只采用定期删除策略，会导致很多key到时间没有删除。于是，惰性删除派上用场。也就是说在你获取某个key的时候，Redis会检查一下，这个key如果设置了过期时间，那么是否过期了？如果过期了此时就会删除。

（3）采用定期删除+惰性删除就没有其他问题了么？

不是的，如果定期删除没删除的key。然后你也没即时去请求key。也就是说惰性删除也没生效。这样，Redis的内存会越来越高。那么就应该采用内存淘汰机制。

在redis.conf中有一行配置：

# maxmemory-policy volatile-lru

该配置就是配内粗花呢淘汰策略的（什么，你没配过？好好反省一下自己）：

*noeviction:当内存不足以容纳新写入数据时，新写入操作会报错。应该没人用吧

*allkeys-lru:当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的key。推荐使用，目前项目在用这种。

*allkeys-random:当内存不足以容纳新写入的数据时，在键空间中，随机溢出某个key。应该没人用把，你不删最少使用的key，去随机删

*volatile-lru:当内存不足以容纳新写入的数据时，在设置了过期时间的键空间中，移除最近最少使用的key。这种情况一般是把Redis既当缓存，又做持久化存储的时候采用。不推荐

*volatile-random:当内存不足以容纳新写入的数据时，在设置了过期时间的键空间中，随机移除某个key.依然不推荐

*volatile-ttl:当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除，不推荐

ps:如果没有设置expire的key，不满足先决条件（prerequisetes);那么volatile-lru,volatile-random,volatile-ttl策略的行为，和noeviction(不删除）基本上一致。

六、Redis和数据库双写一致性问题

一致性问题是分布式常见问题，还可以再分为最终一致性和强一致性。数据库和缓存双写，就必然会存在不一致的问题。

答这个问题，先明白一个前提。就是如果对数据有强一致性要求，布恩那个放缓存。我们所做的一切，只能保证最终一致性。

另外我们所做的方案从根本上来说，只能说降低不一致发生的概率，无法完全避免。因此，有强一致性要求的数据不能放缓存。

答：首先，采取正确跟新策略，先更新数据库，再删缓存。其次，因为可能存在删除缓存失败的问题，提供一个补偿措施即可，例如利用消息队列。

七、如何应对缓存穿透和缓存雪崩问题

这两个问题说句实在话，一般中小型传统软件企业，很难碰到这个问题。如果有大并发的项目，流量有几百万左右。这两个问题一定要深刻考虑。

（1）缓存穿透，即黑客故意去请求缓存中不存在的数据，导致所有的请求都怼到数据库上，从而数据库连接异常。

缓存穿透解决方案

*利用互斥锁，缓存失效的时候，先去获得锁，得到锁了再去请求数据库。没得到锁，则休眠一段时间再试。

*采用异步更新策略，无论key是否取到值，都直接返回。value值中维护一个缓存失效时间，缓存如果过期，异步起一个线程去读数据库，更新缓存。需要做缓存预热（项目启动前，先加载缓存）操作。

*提供一个能迅速判断请求是否有效的拦截机制，比如，利用布隆过滤器，内部维护一系列合法有效的key。迅速判断出，请求所携带的key是否合法有效，如果不合法直接返回。

（2）缓存雪崩 即缓存同一时间大面积的失效，这个时候又来了一波请求，结果请求都怼到数据库上，从而导致数据库连接异常。

缓存雪崩解决方案：

*给缓存的失效时间，加上一个随机值，避免集体失效。

*使用互斥锁，但是该方案脱兔两明显下降了。

*双缓存。我们有两个缓存，缓存A和缓存B。A的失效时间为20分钟，缓存B不设失效时间。自己做缓存预热操作。

然后细分为以下几个小点：从缓存A读取数据库有则直接返回；A没有数据，直接从B读数据，直接返回，并且异步启动一个更新线程，更新线程同时更新缓存A和缓存B。

八 如何解决Redis的并发竞争Key问题

这个问题大致就是，同时有多个子系统去set一个key。这个时候大家思考过要注意什么么？

需要说明一下，我提前百度了下，发现答案基本都是推荐用Redis事务机制。

我并不推荐使用Redis的事务机制，因为我们的生产环境，基本都是Redis集群环境，做了数据分片操作。

你一个事务中有设计到多个key操作的时候，这多个key不一定都存在再同一个redis-server上。因此，Redis的事务机制，十分鸡肋

（1）如果对这个key操作，不要求顺序

这种情况下，准备一个分布式锁，大家去枪锁，抢到锁就做set操作即可，比较简单

（2）如果对这个key操作，要求顺序

假设有一个key1 ,系统A需要将key1 设置为ValueA ，系统B要将key1设置为valueB ,系统C要将key1设置为valueC 。期望按照key1的value值按照 valueA>valueB>valueC的顺序变化，这种时候我们在数据写入数据库的时候，需要保存一个时间戳。

假设时间戳如下

系统A  key1  {valyeA 3:00}

系统B key1 {valueB 3:05}

系统C key1{ valueC 3:10)}

那么假设这会系统B先抢到锁，将key1 设置为{ valueB 3:05 } 。接下来系统A抢到锁，发现自己的valueA的时间戳早于缓存中的时间戳，那就不做set操作了，以此类推。

其他方法，比如利用队列，将set方法变成穿行访问也可以。总之灵活变通。

本文 非原创