Redis是一个开源的、支持网络的、基于内存且提供持久化的键值对数据库。

Redis工作原理：

• 数据从内存中读取
• 增量保存到AOF文件：AOF(Append Only File) 是 Redis 提供的一种持久化方式。AOF 会将执行过的所有写命令记录append到文件中,当Redis重启时会通过重新执行这些命令来恢复原始的数据,以此达到数据持久化的目的，可以提供较强的数据持久化能力,适合对数据完整性要求较高的场景。
• 全量数据RDB文件：RDB(Redis Database) 是 Redis 中的一种持久化方式,通过快照保存数据库状态。RDB 的工作原理是:根据配置条件(如保存时间间隔、数据变更量等),Redis 会自动触发 BGSAVE 命令创建快照。Redis 使用 copy-on-write 方式保存当前数据库状态到临时 RDB 文件。保存完成后,用新的 RDB 文件替换旧的 RDB 文件。
• 单进程处理所有操作指令

Redis 数据结构：

1. String数据结构
   • 可以存储 字符串、数字、二进制数据
   • 通常和expire配合使用
   • 场景：存储计数、Session

2. Listpack数据结构 - 将所有列表元素压缩成一个字节数组,从而减少内存开销 - 对于整数,Listpack 使用变长编码,存储整数的值而不是字符串形式 - 对于简单字符串,Listpack 使用前缀压缩技术,只存储字符串公共前缀

3. Hash数据结构dict
   • rehash：rehash操作是将ht[0]中的数据，全部迁移到ht[1]中。数据量小的场景下，直接将数据从ht[0]拷贝到ht[1]速度是较快的。数据量大的场景，例如存有上百万的KV时，迁移过程将会明显阻塞用户请求。
   • 渐进式rehash：为避免出现这种情况，使用了rehash方案。基本原理就是，每次用户访问时都会迁移少量数据。将整个迁移过程，平摊到所有的访问用不请求过程中。

Redis使用注意事项

一、大Key、热Key

大Key的危害：读取成本高、容易导致慢查询（过期、删除）、主从复制异常，服务阻塞，无法正常响应请求

热Key的定义：用户访问一个Key的QPS特别高，导致Server实例出现CPU负载突增或者不均的情况。 热key没有明确的标准，QPS 超过500就有可能被识别为热Key

消除大Key的方法

1. 拆分：将大key拆分为小key。例如一个String拆分成多个String
2. 压缩：将value压缩后写入redis，读取时解压后再使用。压缩算法可以是gzip、snappy、lz4等。通常情况下， 一个压缩算法压缩率高、则解压耗时就长。需要对实际数据进行测试后，选择一个合适的算法。 如果存储的是JSON字符串，可以考虑使用MessagePack进行序列化。
3. 集合类结构hash、list、set、set：可以用hash取余、位掩码的方式决定放在哪个key中，区分冷热：如榜单列表场景使用zset，只缓存前10页数据，后续数据走db

消除热Key的方法

1. 设置Localcache：在访问Redis前，在业务服务侧设置Localcache，降低访问Redis的QPS。LocalCache中缓存过期或未命中， 则从Redis中将数据更新到LocalCache。Java的Guava、Golang的Bigcache就是这类LocalCache
2. 拆分：将key:value这一个热Key复制写入多份，例如key1:value,key2:value，访问的时候访问多个key，但value是同一个， 以此将qps分散到不同实例上，降低负载。代价是，更新时需要更新多个key，存在数据短暂不一致的风险
3. 使用Redis代理的热Key承载能力：字节跳动的Redis访问代理就具备热Key承载能力。本质上是结合了“热Key发现”、“LocalCache”两个功能

二、慢查询场景

容易导致redis慢查询的操作：

(1) 批量操作一次性传入过多的key/value，如mset/hmset/sadd/zadd等O(n)操作 建议单批次不要超过100，超过100之后性能下降明显。

(2) zset大部分命令都是O(log(n))，当大小超过5k以上时，简单的zadd/zrem也可能导致慢查询

(3) 操作的单个value过大，超过10KB。也即，避免使用大Key

(4) 对大key的delete/expire操作也可能导致慢查询，Redis4.0之前不支持异步删除unlink，大key删除会阻塞Redis

三、缓存穿透、缓存雪崩

缓存穿透：热点数据查询绕过缓存，直接查询数据库

如何减少缓存穿透：

(1) 缓存空值 如一个不存在的userID。这个id在缓存和数据库中都不存在。则可以缓存一个空值，下次再查缓存直接反空值。

(2) 布隆过滤器 通过bloom filter算法来存储合法Key，得益于该算法超高的压缩率，只需占用极小的空间就能存储大量key值

缓存雪崩：大量缓存同时过期

如何避免缓存雪崩：

(1) 缓存空值 将缓存失效时间分散开，比如在原有的失效时间基础上增加一个随机值，例如不同Key过期时间， 可以设置为 10分1秒过期，10分23秒过期，10分8秒过期。单位秒部分就是随机时间，这样过期时间就分散了。 对于热点数据，过期时间尽量设置得长一些，冷门的数据可以相对设置过期时间短一些。

(2) 使用缓存集群，避免单机宕机造成的缓存雪崩。

Redis更适用于缓存、消息队列等场景。关系数据库更适合复杂查询和强一致性场景。Redis性能极高,广泛应用于缓存、任务队列、应用排行榜、页面访问统计、分布式锁等场景。它非常适合要求快速响应的应用场景。