都说学习需要带着问题，带着思考进行学习，下面就以问题的形式来学习下 Redis 。
1、什么是 Redis ?
- Redis 是一个高性能的 key-value 数据库;
- 作者来自意大利西西里岛的 Salvatore Sanfilippo ;
- Redis 使用 ANSI C 语言编写、并遵守 BSD 开源协议;
- Redis 支持网络、可基于内存、分布式、也可以用来实现简易的消息队列;
- 提供丰富的数据结构：字符串(String)、哈希(Hash)、列表(list)、集合(sets)和有序集合(sorted sets) 。
2、都说 Redis 是单线程模型，到底是什么意思?
- 单线程并不是说在 Redis 中所有的操作都是由一个线程来完成;
- 核心功能，比如：网络 IO 和数据的读写是由一个线程来进行处理的;
- 其他的一些辅助功能，比如：持久化、集群间的数据同步是由单独的线程进行处理;
- 所以说 Redis 的单线程不是“真正”的单线程。
3、为什么在数据读写处理上不使用多线程?
- 多线程虽然可以增加系统的吞吐率，但线程的切换会有开销;
- 多个线程对共享资源的并发处理问题，必然会用到各种锁，有锁就会存在等待锁的释放，反而吞吐率降低了;
- 处理各种多线程带来的问题，会使系统变得复杂，复杂的系统就容易出现问题。
4、为什么使用单线程，速度却很快?
- Redis 的操作是基于内存的，相比较于磁盘，速度上有先天的优势;
- Redis 有高效的数据结构，比如：哈希表、跳表;
- 采用了多路复用机制，可以并发处理大量的请求，实现高吞吐率。
5、单线程处理的瓶颈是什么?
- 如果有耗时长的操作，后面的请求都需要进行等待;
- 单个 value 的内容过大，在添加、获取、删除时都会比较耗时;
- 使用复杂的命令，比如：SORT/SUNION/ZUNIONSTORE;
- 集合的数据非常大，而又进行了全量查询。
- 并发量非常大时，虽然 IO 有多路复用机制，从内核缓冲区中拷贝数据的操作仍然是同步操作，会带来性能瓶颈。
6、Redis 6.0 调整为多线程的原因?
- 上面提到过 6.0 之前的版本是网络 IO 和数据读写是在一个线程中完成的;
- 随着硬件性能的提升，Redis 的性能瓶颈有时会出现在网络 IO 的处理上，也就是说，单个主线程处理网络请求的速度跟不上底层网络硬件的速度，而读写的操作和网络 IO 是在一个主线程中，势必会有所影响;
- 所以在 Redis 6.0 中，网络 IO 是由多个 IO 线程并行处理，可以充分利用服务器的多核资源，提高网络读写操作;
- Redis 数据的读写处理仍然在单个主线程中完成。
7、在 Redis 中怎样做持久化?
- 在 Redis 实现持久化有两种方式：AOF 日志 和 RDB 快照;
- AOF 日志
- 命令执行成功后，才记录日志;
- 命令执行后进行日志记录，不会堵塞当前的写操作。
- 命令执行完，日志记录前宕机，数据会丢失;
- AOF 日志在主线程中执行，有 IO 瓶颈时会对后面的操作有堵塞风险;
- 数据量比较大的时候，恢复很慢。
- 配置项(appendfsync)
Always，同步写回磁盘：每个写命令执行完，立即同步将日志写回磁盘;
Everysec，每秒写回磁盘：每个写命令执行完，只是先把日志写到 AOF 文件的内存缓冲区，每隔一秒把缓冲区中的内容写入磁盘;
No，操作系统控制的写回磁盘：每个写命令执行完，只是先把日志写到 AOF 文件的内存缓冲区，由操作系统决定何时将缓冲区内容写回磁盘。
RDB 快照
- 和 AOF 相比较，RDB 快照记录的是某一个时刻的数据，数据恢复是直接将 RDB 文件读入内存，速度很快;
- 生成 RDB 文件的两种方式：
- save：在主线程中执行，会导致阻塞;
- bgsave：创建一个子进程，专门用于写入 RDB 文件，避免了主线程的阻塞，这也是 Redis RDB 文件生成的默认配置。子进程是由主线程 fork 生成的，可以共享主线程的所有内存数据。
- RDB 快照的间隔时间不宜设置过短，因为频繁进行 Redis 的全量快照，会带来性能问题：
- 前一个快照还没做完，后面一个开始了，会给磁盘带来压力;
- bgsave 的子进程虽然不会阻塞主线程，但创建的过程会阻塞，频繁创建也会带来性能问题。
- 解决上面问题的一种办法就是使用增量快照;
- 在 Redis 4.0 中提出了一种混合 AOF 日志和 RDB 快照的方式：
- RDB 快照的间隔时间可以设置比较大，就不会影响到主线程的操作;
- 在快照的间隔期间可以使用 AOF 日志记录所有的操作，当下一次做全量 RDB 快照的时候，清空 AOF 日志;
- 通过 aof-use-rdb-preamble yes 来进行设置。
8、常说的缓存雪崩、击穿、穿透是什么?
- 雪崩、击穿、穿透最终的结果都是请求压力会转移到数据库，导致系统崩溃，但场景有所区别;
- 雪崩
- 大量的不同请求无法在 Redis 中命中，导致请求都流向了数据库，数据库的压力剧增;
- 发生雪崩的原因可能是，有大量的缓存 Key 在同一时间过期。
- 击穿
- 并发很大的情况下，针对某个特定的请求，缓存中数据不存在，导致都请求到了数据库，造成数据库压力过大;
- 原因通常是某个 Key 过期了;
- 和雪崩相比较，击穿是针对的单个 Key。
- 穿透
- 缓存穿透是指请求的数据不在 Redis 缓存中，也不在数据库中，导致访问缓存时，找不到数据，会去请求数据库，而在数据库中也找不到相应的数据;
- 并发比较大的时候，数据库会遭受巨大的压力;
- 发生穿透的原因可能有两个：
- 误操作导致 Redis 和数据库中的数据都被删除了;
- 恶意攻击。
9、怎样解决雪崩、击穿、穿透带来的问题?
- 雪崩
- 缓存的数据过期时间设置随机，防止同一时间大量数据过期现象发生;
- 如果缓存数据库是分布式部署，将热数据均匀分布在不同缓存数据库中;
- 当发生雪崩时，可以通过服务降级来应对。
- 击穿
- 设置热数据永远不过期。
- 穿透
- 在接口层进行校验，将恶意请求直接过滤掉;
- 使用布隆过滤器快速判断数据是否存在;
- 缓存空值或缺省值。
10、怎样设计缓存的淘汰机制?
业务数据在不断地增长，不可能将所有数据全部存储在 Redis 缓存中，内存的价格远远大于磁盘。所以需要做淘汰机制的设计;
缓存的淘汰就是根据一定的策略，将不太重要的数据从缓存中进行删除;
Redis 一共有 8 种淘汰策略，在 Redis 4.0 之前有 6 种，4.0 之后又增加了 2 种，如下图：
- 缓存策略的解释：
- volatile-random：在设置了过期时间的数据中，进行随机删除;
- volatile-ttl：根据过期时间，越早过期的数据越先删除;
- volatile-lru：在设置了过期时间的数据中，根据 LRU 算法进行数据删除;
- volatile-lfu：在设置了过期时间的数据中，根据 LFU 算法进行数据删除;
- allkeys-lru：在所有数据中，根据 LRU 算法进行数据删除;
- allkeys-random：在所有数据中，进行随机删除;
- allkeys-lfu：在所有数据中，根据 LFU 算法进行数据删除;
- 默认情况下，当 Redis 的使用空间超过 maxmemory 设置的大小时，并不会淘汰数据，也就是执行的 noeviction 策略，如果写满，再有写请求时就会出错;
- 如果业务中有明显的热数据和冷数据，优先使用 allkeys-lru 策略，让热数据保留在缓存中;
- 如果业务中没有明显冷热数据，可以使用 volatile-random 或 allkeys-random。
11、怎样保证缓存和数据库的数据一致?
- 缓存和数据库一致的意思是，当缓存中有数据时，缓存和数据库数据相同，当没有数据时，数据库中是最新的;
- 在做增删改操作的时候，对缓存的更新有两种方式：
- 新增直接添加到数据库，删除和修改时先更新缓存，然后同步或异步进行数据库的更新;
- 新增直接添加到数据库，删除和修改时先更新数据库，再删除对应的缓存。
- 上面的操作都涉及到两个，操作 Redis 和操作数据库，当其中一个成功一个失败时就会出现数据不一致的情况;
- 解决不一致的问题：
- 将操作通过消息队列异步处理，设置重试机制，保证最终的一致性;
- 使用分布式事务，保证操作 Redis 和数据库的两个操作在一个事务中。
12、Redis 有什么使用规范?
- Redis 单实例的内存大小都不要设置太大，建议在 2~6GB ，设置太大，会导致 RDB 快照、从 AOF 日志恢复、主从集群进行数据同步等都会耗时很长，阻塞正常请求的处理;
- 对集合进行全量数据获取时，时间复杂度是 O(n)，所以这个 n 不宜太大;
- 单个 key 的值不要太大，即便是最新的 6.0 版本，在读写这部分仍然是单线程，大 value 的读取会耗时，导致堵塞;
- 根据具体的业务特点设计好淘汰策略;
- 使用高效的序列化和压缩方法对缓存数据进行处理，来进一步提升性能;
- 生产环境中禁止使用 KEYS、FLUSHALL、FLUSHDB 等操作，数据量大的时候耗时长，会阻塞主线程;
- 有时为了排查错误，会使用 MONITOR 命令进行监控，该命令也会对性能造成严重影响;
- Redis 的知识远不止如此，本文总结了一些我认为比较重要的一些点，希望对您有所帮助!
