Redis缓存击穿

Redis

非关系数据库，基于内存存储，存储方式是k-v

端口号默认是6379

缓存使用原则

什么时候，什么样的数据能够保存在Redis中

数据量不能太大
保存的数据一般是常用且不会是数据库中频繁修改的数据
使用的越频繁，Redis保存这个数据越值得

缓存淘汰策略

前提：Redis将数据保存在内存中，内存的容量是有限的，如果Redis服务器的内存已经全满，现在还需要向Redis中保存新的数据，返回默认错误：noeviction ，如何操作才能避免

就是需要缓存淘汰策略

allkeys-random:从所有的数据中随机删除
volatile-random:有过期时间的数据中随机删除
volatile-ttl: 删除剩余有效时间最少的数据
allkeys-lru:所有数据中删除上次使用时间最久的数据
volatile-lru:有过期时间的数据中删除上次使用时间最久的数据
allkeys-lfu:所有数据中删除使用频率最少的数据
volatile-lfu:有过期时间的数据中删除使用频率最少的数据

缓存穿透

数据在redis和数据库中都不存在，这就叫穿透

如果这个请求反复出现，就会反复连接数据库，严重的导致数据库性能降低甚至宕机

解决方法：业界主流的是布隆过滤器

布隆过滤器的使用步骤：

针对现有所有数据，生成布隆过滤器
在业务逻层中，判断Redis之前先检查这个id是否在布隆过滤器中
如果布隆过滤器判断这个id不存在，直接返回
如果布隆过滤器判断这个id存在，再进行后面业务的执行

缓存击穿

数据在数据库中存在，Redis中没有，需要从数据库中查询再存储到Redis，这种情况就叫击穿

因为缓存时数据会设置有效期，所以少量击穿不是异常情况

缓存雪崩

同一时间出现大量击穿，就可能造成雪崩

出现这种情况的原因是：同一时间大量数据失效

避免雪崩很简单，只需要将失效时间设置成不一样的即可

Redis持久化

Redis的特征是基于内存存储

但是内存的特性是读写速度快，但是不安全，一旦宕机数据就会从内存中丢失，就需要从数据库重新查询所有数据库，这个是很慢的，更有可能，Redis本身是有新数据的，还没有和数据库同步就宕机了

所以Redis支持了持久化，会将数据保存在本地硬盘上

Redis持久化策略有两种：RDB、AOF

RDB

全称Redis Database Backup，本质上是数据库快照（就是当前Redis中所有数据转换成二进制的对象，保存在硬盘上）

默认情况下，会生成一个dump.rdb的文件

当Redis宕机或断电，需要恢复数据时，可以恢复成dump.rdb文件中生成的所有内容

我们可以通过以下配置开启RDB

save 60 5

配置效果：1分钟内如果有5个key以上被修改，就启动rdb数据库快照程序

优点：

因为是整体Redis数据的二进制格式，数据恢复是整体恢复

缺点：

生成的rdb文件是一个硬盘上的文件，读写效率是较低的

如果突然断电，只能恢复最后一次生成的rdb中的数据

AOF

全称是Append Only File，AOF策略是将Redis运行过的所有命令(日志)备份下来

这样即使Redis断电，我们也可以根据运行过的日志，恢复为断电前的样子

配置信息，如下

1	appendonly yes

就可以保存运行过的指令的日志了

理论上任何运行过的指令都可以恢复，但是实际情况下，Redis非常繁忙，我们会将日志命令缓存之后，整体发送给备份，减少io次数以提高备份的性能和对Redis性能的影响

实际开发中，配置一般会采用每秒将日志文件发送一次的策略，断电最多丢失1秒数据

优点：

相对RDB来讲，信息丢失的较少

缺点：

因为保存的是运行的日志，所以占用空间较大(Redis的AOF为减少日志的大小，支持AOF rewrite，简单来说就是将日志中无效的语句删除，能够减少占用的空间)

实际开发中RDB和AOF是可以同时开启的

也可以单个开启

Redis存储原理

Redis将内存划分为16384个区域

将数据的Key使用CRC16算法计算出一个值。取余16384，余数0~16383

将这个key保存在计算结果对应的槽位，再次查询这个key时，那么直接到这个槽位查找，效率很高

Redis集群

Redis最小运行状态是一台服务器

这个服务器的运行状态直接决定Redis是否可用

如果它离线了，整个项目无Redis可用，那么就会面临崩溃

为了防止这种情况发生，我们可以准备一台备用机

主从复制

也就是主机(master)工作时，安排一台备用机(slave)实时同步数据，万一主机宕机，我们可以切换到备用机运行

这种方案缺点是：如果master一直可用，salve没有任何实质性的作用

读写分离

这样slave在master正常工作时，也能分担Master的工作

但是如果master宕机，实际上主备机的切换，还是需要人工介入，这还是需要时间的

那么想要做到故障自动切换，可以使用哨兵模式实现

哨兵模式

哨兵模式可以实现故障自动切换

哨兵节点每隔固定时间向所有节点发送请求，如果正常响应认为该节点正常；如果没有响应，认为该节点出现问题，哨兵能自动切换主备机

如果主机master下线，自动切换到备用机

但是这样的模式存在问题

但是如果哨兵判断节点状态时，发送了误判，那么就会错误将master下线，降低整体运行性能

哨兵集群

将哨兵做成集群，由多个哨兵投票决定是否下线某一个节点

哨兵集群中，每个节点都会定时向master和slave发送请求

如果请求有集群半数以上哨兵节点没有收到正常响应，会认为该节点下线

分片集群

当业务不断扩展，并发不断增高

只有一个节点支持写操作无法满足整体性能的要求时，系统性能就会达到瓶颈

这个时候我们就要部署多个支持写操作的节点，进行分片，来提供程序的整体性能

分片就是每个节点负责不同的区域

Redis有0~16383个槽

准备三台写操作的节点，分别是MasterA、MasterB、MasterC

负责的槽位，可能是，以下的分配方式

MasterA 负责 0~5000

MasterB 负责5001~10000

MasterC 负责10001~16383

一个key根据CRC16算法只能得到固定的结果，一定在指定的服务器上找到数据

有了这个集群结构，我们就可以更加稳定和更加高效的处理业务请求

为了节省哨兵服务器的成本，我们也可以在redis集群中直接添加哨兵功能，即master/slave节点完成数据读写的任务同时也会互相检测他们的状态