Redis
Redis
事务：哪个事务最先执行 exec 哪个业务相应的先执行 布隆过滤器：解决redis和mysql之间击穿的问题 ，通过 bigmap 在redis中存储mysql所有数据的索引 缓存LRU：这个涉及到redis的内存清理，有LRC 和LFC ，定时清理等多种清理方式 LFC：通过最少使用时间 LFC：最少使用次数 时间1：到时间点自动清理 时间2：当内存满了后，会先清理快到期的数据
持久化
RDB 通过开启一个子线程 通过 fork的的形式复制数据 - 缺点，宕机会丢失数据 AOF 通过日志文件的形式记录操作 - 缺点，文件大，有IO操作
redis 基本应用
用于做缓存：多使用RDB 允许数据的丢失 用于做数据库：使用AOF 记录所有操作日志
单机redis可能会出现的问题
- 单点故障
- 容量有限
- 压力
redis高可用解决了什么问题
通过上面的三个问题，在高可用的设计模式使用有 AKF 这个概念
- 通过 多机扩容 解决单点故障
- 通过 业务分离 解决容量有限
- 通过 一个业务多个redis 解决压力
同样高可用会涉及到数据一致性的问题
高可用在应用上要注意的点
主从，主备：一般都是对主高可用，即主redis 需要部署多台
一致性问题
强一致性：通过redis阻塞，实现 弱一致性：通过异步实现 弱一致性升级版，通过加入 kafa 消息队列，来保证数据的一致性，并且还可以保证数据不会丢失
redis中的模式
哨兵模式：当master节点宕机，可以设置从节点为master节点 ，即可以 解决redis单点问题 分区（Cluster）：可以实现 业务分离，解决单机容量问题 - 同时也带来了 数据聚合的问题 - 通过 hash tag 实现数据被放在同一个分区 进而实现事务 - 可以使用代理实现分区 比如（twemproxy predixy） - 分区代理的事务的问题 - predixy 在只开启一个分组的情况下，可以实现事务 - twemproxy 不能解决事务的问题 - redis的 create-cluster + hash tag 能解决分区 分槽 事务问题
面试题常见问题
- 击穿 在高并发下，需要请求的数据 在redis正好没有或者被过期处理了，并发直接请求到数据库
- 解决方案，通过redis锁，阻塞住请求，以达到并发请求的目的
- 同时 获得锁的用户请求数据库，并把数据返回到redis
- 后面的数据通过 redis 拿对应的值
- 穿透 业务接收查询的的是你数据库中根本没有的数据
- 解决方案： 使用布隆过滤器
-
雪崩 大量的key失效，间接照成大量访问数据库
-
分布式锁
- 使用redis实现
- zookeeper 实现