摘要：綜合上述缺點(diǎn)，小明痛定思痛，提出了經(jīng)營(yíng)方式二。當(dāng)客戶下單，小明按送達(dá)地點(diǎn)標(biāo)注好，依次放在一個(gè)地方。因此，有強(qiáng)一致性要求的數(shù)據(jù)，不能放緩存。迅速判斷出，請(qǐng)求所攜帶的是否合法有效。

絕大部分寫業(yè)務(wù)的程序員，在實(shí)際開(kāi)發(fā)中使用 Redis 的時(shí)候，只會(huì) Set Value 和 Get Value 兩個(gè)操作，對(duì) Redis 整體缺乏一個(gè)認(rèn)知。這里以面試題的形式對(duì) Redis 常見(jiàn)問(wèn)題做一個(gè)總結(jié)，解決大家的知識(shí)盲點(diǎn)。

在項(xiàng)目中使用 Redis，主要考慮兩個(gè)角度：性能和并發(fā)。如果只是為了分布式鎖這些其他功能，還有其他中間件 Zookpeer 等代替，并非一定要使用 Redis。

性能：

如下圖所示，我們?cè)谂龅叫枰獔?zhí)行耗時(shí)特別久，且結(jié)果不頻繁變動(dòng)的 SQL，就特別適合將運(yùn)行結(jié)果放入緩存。這樣，后面的請(qǐng)求就去緩存中讀取，使得請(qǐng)求能夠迅速響應(yīng)。

特別是在秒殺系統(tǒng)，在同一時(shí)間，幾乎所有人都在點(diǎn)，都在下單。。。執(zhí)行的是同一操作———向數(shù)據(jù)庫(kù)查數(shù)據(jù)。

根據(jù)交互效果的不同，響應(yīng)時(shí)間沒(méi)有固定標(biāo)準(zhǔn)。在理想狀態(tài)下，我們的頁(yè)面跳轉(zhuǎn)需要在瞬間解決，對(duì)于頁(yè)內(nèi)操作則需要在剎那間解決。

并發(fā)：

如下圖所示，在大并發(fā)的情況下，所有的請(qǐng)求直接訪問(wèn)數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)會(huì)出現(xiàn)連接異常。這個(gè)時(shí)候，就需要使用 Redis 做一個(gè)緩沖操作，讓請(qǐng)求先訪問(wèn)到 Redis，而不是直接訪問(wèn)數(shù)據(jù)庫(kù)。

使用 Redis 的常見(jiàn)問(wèn)題

緩存和數(shù)據(jù)庫(kù)雙寫一致性問(wèn)題

緩存雪崩問(wèn)題

緩存擊穿問(wèn)題

緩存的并發(fā)競(jìng)爭(zhēng)問(wèn)題

這個(gè)問(wèn)題是對(duì) Redis 內(nèi)部機(jī)制的一個(gè)考察。很多人都不知道 Redis 是單線程工作模型。

原因主要是以下三點(diǎn)：

純內(nèi)存操作

單線程操作，避免了頻繁的上下文切換

采用了非阻塞 I/O 多路復(fù)用機(jī)制

仔細(xì)說(shuō)一說(shuō) I/O 多路復(fù)用機(jī)制，打一個(gè)比方：小名在 A 城開(kāi)了一家快餐店店，負(fù)責(zé)同城快餐服務(wù)。小明因?yàn)橘Y金限制，雇傭了一批配送員，然后小曲發(fā)現(xiàn)資金不夠了，只夠買一輛車送快遞。

經(jīng)營(yíng)方式一

客戶每下一份訂單，小明就讓一個(gè)配送員盯著，然后讓人開(kāi)車去送。慢慢的小曲就發(fā)現(xiàn)了這種經(jīng)營(yíng)方式存在下述問(wèn)題：

時(shí)間都花在了搶車上了，大部分配送員都處在閑置狀態(tài)，搶到車才能去送。

隨著下單的增多，配送員也越來(lái)越多，小明發(fā)現(xiàn)快遞店里越來(lái)越擠，沒(méi)辦法雇傭新的配送員了。

配送員之間的協(xié)調(diào)很花時(shí)間。

綜合上述缺點(diǎn)，小明痛定思痛，提出了經(jīng)營(yíng)方式二。

經(jīng)營(yíng)方式二

小明只雇傭一個(gè)配送員。當(dāng)客戶下單，小明按送達(dá)地點(diǎn)標(biāo)注好，依次放在一個(gè)地方。最后，讓配送員依次開(kāi)著車去送，送好了就回來(lái)拿下一個(gè)。上述兩種經(jīng)營(yíng)方式對(duì)比，很明顯第二種效率更高。

在上述比喻中：

每個(gè)配送員→每個(gè)線程

每個(gè)訂單→每個(gè) Socket(I/O 流)

訂單的送達(dá)地點(diǎn)→Socket 的不同狀態(tài)

客戶送餐請(qǐng)求→來(lái)自客戶端的請(qǐng)求

明曲的經(jīng)營(yíng)方式→服務(wù)端運(yùn)行的代碼

一輛車→CPU 的核數(shù)

于是有了如下結(jié)論：

經(jīng)營(yíng)方式一就是傳統(tǒng)的并發(fā)模型，每個(gè) I/O 流(訂單)都有一個(gè)新的線程(配送員)管理。

經(jīng)營(yíng)方式二就是 I/O 多路復(fù)用。只有單個(gè)線程(一個(gè)配送員)，通過(guò)跟蹤每個(gè) I/O 流的狀態(tài)(每個(gè)配送員的送達(dá)地點(diǎn))，來(lái)管理多個(gè) I/O 流。

下面類比到真實(shí)的 Redis 線程模型，如圖所示：

-

Redis-client 在操作的時(shí)候，會(huì)產(chǎn)生具有不同事件類型的 Socket。在服務(wù)端，有一段 I/O 多路復(fù)用程序，將其置入隊(duì)列之中。然后，文件事件分派器，依次去隊(duì)列中取，轉(zhuǎn)發(fā)到不同的事件處理器中。

一個(gè)合格的程序員，這五種類型都會(huì)用到。

String

最常規(guī)的 set/get 操作，Value 可以是 String 也可以是數(shù)字。一般做一些復(fù)雜的計(jì)數(shù)功能的緩存。

Hash

這里 Value 存放的是結(jié)構(gòu)化的對(duì)象，比較方便的就是操作其中的某個(gè)字段。我在做單點(diǎn)登錄的時(shí)候，就是用這種數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)用戶信息，以 CookieId 作為 Key，設(shè)置 30 分鐘為緩存過(guò)期時(shí)間，能很好的模擬出類似 Session 的效果。

List

使用 List 的數(shù)據(jù)結(jié)構(gòu)，可以做簡(jiǎn)單的消息隊(duì)列的功能。另外，可以利用 lrange 命令，做基于 Redis 的分頁(yè)功能，性能極佳，用戶體驗(yàn)好。

Set

因?yàn)?Set 堆放的是一堆不重復(fù)值的集合。所以可以做全局去重的功能。我們的系統(tǒng)一般都是集群部署，使用 JVM 自帶的 Set 比較麻煩。另外，就是利用交集、并集、差集等操作，可以計(jì)算共同喜好，全部的喜好，自己獨(dú)有的喜好等功能。

Sorted Set

Sorted Set 多了一個(gè)權(quán)重參數(shù) Score，集合中的元素能夠按 Score 進(jìn)行排列。可以做排行榜應(yīng)用，取 TOP N 操作。Sorted Set 可以用來(lái)做延時(shí)任務(wù)。

Redis 是否用到家，從這就能看出來(lái)。比如你 Redis 只能存 5G 數(shù)據(jù)，可是你寫了 10G，那會(huì)刪 5G 的數(shù)據(jù)。怎么刪的，這個(gè)問(wèn)題思考過(guò)么？

正解：Redis 采用的是定期刪除+惰性刪除策略。

為什么不用定時(shí)刪除策略

定時(shí)刪除，用一個(gè)定時(shí)器來(lái)負(fù)責(zé)監(jiān)視 Key，過(guò)期則自動(dòng)刪除。雖然內(nèi)存及時(shí)釋放，但是十分消耗 CPU 資源。在大并發(fā)請(qǐng)求下，CPU 要將時(shí)間應(yīng)用在處理請(qǐng)求，而不是刪除 Key，因此沒(méi)有采用這一策略。

定期刪除+惰性刪除如何工作

定期刪除，Redis 默認(rèn)每個(gè) 100ms 檢查，有過(guò)期 Key 則刪除。需要說(shuō)明的是，Redis 不是每個(gè) 100ms 將所有的 Key 檢查一次，而是隨機(jī)抽取進(jìn)行檢查。如果只采用定期刪除策略，會(huì)導(dǎo)致很多 Key 到時(shí)間沒(méi)有刪除。于是，惰性刪除派上用場(chǎng)。

采用定期刪除+惰性刪除就沒(méi)其他問(wèn)題了么

不是的，如果定期刪除沒(méi)刪除掉 Key。并且你也沒(méi)及時(shí)去請(qǐng)求 Key，也就是說(shuō)惰性刪除也沒(méi)生效。這樣，Redis 的內(nèi)存會(huì)越來(lái)越高。那么就應(yīng)該采用內(nèi)存淘汰機(jī)制。

在 redis.conf 中有一行配置：

# maxmemory-policy volatile-lru

該配置就是配內(nèi)存淘汰策略的：

noeviction：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，新寫入操作會(huì)報(bào)錯(cuò)。

allkeys-lru：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在鍵空間中，移除最近最少使用的 Key。（推薦使用，目前項(xiàng)目在用這種）(最近最久使用算法)

allkeys-random：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在鍵空間中，隨機(jī)移除某個(gè) Key。（應(yīng)該也沒(méi)人用吧，你不刪最少使用 Key，去隨機(jī)刪）

volatile-lru：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在設(shè)置了過(guò)期時(shí)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(dāng)緩存，又做持久化存儲(chǔ)的時(shí)候才用。（不推薦）

volatile-random：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在設(shè)置了過(guò)期時(shí)間的鍵空間中，隨機(jī)移除某個(gè) Key。（依然不推薦）

volatile-ttl：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在設(shè)置了過(guò)期時(shí)間的鍵空間中，有更早過(guò)期時(shí)間的 Key 優(yōu)先移除。（不推薦）

一致性問(wèn)題還可以再分為最終一致性和強(qiáng)一致性。數(shù)據(jù)庫(kù)和緩存雙寫，就必然會(huì)存在不一致的問(wèn)題。前提是如果對(duì)數(shù)據(jù)有強(qiáng)一致性要求，不能放緩存。我們所做的一切，只能保證最終一致性。

另外，我們所做的方案從根本上來(lái)說(shuō)，只能降低不一致發(fā)生的概率。因此，有強(qiáng)一致性要求的數(shù)據(jù)，不能放緩存。首先，采取正確更新策略，先更新數(shù)據(jù)庫(kù)，再刪緩存。其次，因?yàn)榭赡艽嬖趧h除緩存失敗的問(wèn)題，提供一個(gè)補(bǔ)償措施即可，例如利用消息隊(duì)列。

這兩個(gè)問(wèn)題，一般中小型傳統(tǒng)軟件企業(yè)很難碰到。如果有大并發(fā)的項(xiàng)目，流量有幾百萬(wàn)左右，這兩個(gè)問(wèn)題一定要深刻考慮。緩存穿透，即黑客故意去請(qǐng)求緩存中不存在的數(shù)據(jù)，導(dǎo)致所有的請(qǐng)求都懟到數(shù)據(jù)庫(kù)上，從而數(shù)據(jù)庫(kù)連接異常。

緩存穿透解決方案：

利用互斥鎖，緩存失效的時(shí)候，先去獲得鎖，得到鎖了，再去請(qǐng)求數(shù)據(jù)庫(kù)。沒(méi)得到鎖，則休眠一段時(shí)間重試。

采用異步更新策略，無(wú)論 Key 是否取到值，都直接返回。Value 值中維護(hù)一個(gè)緩存失效時(shí)間，緩存如果過(guò)期，異步起一個(gè)線程去讀數(shù)據(jù)庫(kù)，更新緩存。需要做緩存預(yù)熱(項(xiàng)目啟動(dòng)前，先加載緩存)操作。

提供一個(gè)能迅速判斷請(qǐng)求是否有效的攔截機(jī)制，比如，利用布隆過(guò)濾器，內(nèi)部維護(hù)一系列合法有效的 Key。迅速判斷出，請(qǐng)求所攜帶的 Key 是否合法有效。如果不合法，則直接返回。

緩存雪崩，即緩存同一時(shí)間大面積的失效，這個(gè)時(shí)候又來(lái)了一波請(qǐng)求，結(jié)果請(qǐng)求都懟到數(shù)據(jù)庫(kù)上，從而導(dǎo)致數(shù)據(jù)庫(kù)連接異常。

緩存雪崩解決方案：

給緩存的失效時(shí)間，加上一個(gè)隨機(jī)值，避免集體失效。

使用互斥鎖，但是該方案吞吐量明顯下降了。

雙緩存。我們有兩個(gè)緩存，緩存 A 和緩存 B。緩存 A 的失效時(shí)間為 20 分鐘，緩存 B 不設(shè)失效時(shí)間。自己做緩存預(yù)熱操作。

然后細(xì)分以下幾個(gè)小點(diǎn)：從緩存 A 讀數(shù)據(jù)庫(kù)，有則直接返回；A 沒(méi)有數(shù)據(jù)，直接從 B 讀數(shù)據(jù)，直接返回，并且異步啟動(dòng)一個(gè)更新線程，更新線程同時(shí)更新緩存 A 和緩存 B。

這個(gè)問(wèn)題大致就是，同時(shí)有多個(gè)子系統(tǒng)去 Set 一個(gè) Key。這個(gè)時(shí)候要注意什么呢？大家基本都是推薦用 Redis 事務(wù)機(jī)制。

但是我并不推薦使用 Redis 的事務(wù)機(jī)制。因?yàn)槲覀兊纳a(chǎn)環(huán)境，基本都是 Redis 集群環(huán)境，做了數(shù)據(jù)分片操作。你一個(gè)事務(wù)中有涉及到多個(gè) Key 操作的時(shí)候，這多個(gè) Key 不一定都存儲(chǔ)在同一個(gè) redis-server 上。因此，Redis 的事務(wù)機(jī)制，十分雞肋。

如果對(duì)這個(gè) Key 操作，不要求順序

這種情況下，準(zhǔn)備一個(gè)分布式鎖，大家去搶鎖，搶到鎖就做 set 操作即可，比較簡(jiǎn)單。

如果對(duì)這個(gè) Key 操作，要求順序

假設(shè)有一個(gè) key1，系統(tǒng) A 需要將 key1 設(shè)置為 valueA，系統(tǒng) B 需要將 key1 設(shè)置為 valueB，系統(tǒng) C 需要將 key1 設(shè)置為 valueC。

期望按照 key1 的 value 值按照 valueA > valueB > valueC 的順序變化。這種時(shí)候我們?cè)跀?shù)據(jù)寫入數(shù)據(jù)庫(kù)的時(shí)候，需要保存一個(gè)時(shí)間戳。

假設(shè)時(shí)間戳如下：

系統(tǒng) A key 1 {valueA 3:00}

系統(tǒng) B key 1 {valueB 3:05}

系統(tǒng) C key 1 {valueC 3:10}

那么，假設(shè)系統(tǒng) B 先搶到鎖，將 key1 設(shè)置為{valueB 3:05}。接下來(lái)系統(tǒng) A 搶到鎖，發(fā)現(xiàn)自己的 valueA 的時(shí)間戳早于緩存中的時(shí)間戳，那就不做 set 操作了，以此類推。其他方法，比如利用隊(duì)列，將 set 方法變成串行訪問(wèn)也可以。

Redis 在國(guó)內(nèi)各大公司都能看到其身影，比如我們熟悉的新浪，阿里，騰訊，百度，美團(tuán)，小米等。學(xué)習(xí) Redis，這幾方面尤其重要：Redis 客戶端、Redis 高級(jí)功能、Redis 持久化和開(kāi)發(fā)運(yùn)維常用問(wèn)題探討、Redis 復(fù)制的原理和優(yōu)化策略、Redis 分布式解決方案等。

如果你覺(jué)得文章對(duì)你有幫助的話，可以關(guān)注、點(diǎn)贊、收藏、轉(zhuǎn)發(fā)走一波，謝謝！