redis学习

redis的五个基本数据类型。

redis字符串（String）

string是redis最基本的类型，一个key对应一个Tvalue。
string类型是二进制安全的，意思是redis的string可以包含任何数据，比如jpg图片或者序列化的对象。
string类型是Redis最基本的数据类型，一个redis中字符串value最多可以是512M

redis列表（List）、

Redis列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边)
它的底层实际是个双端链表，最多可以包含2^32- 1个元素(4294967295,每个列表超过40亿个元素)

redis哈希表（Hash)

Redis hash是一个string类型的field(字段)和 value(值）的映射表，hash 特别适合用于存储对象。
Redis中每个hash可以存储2个32-1键值对（40多亿)

redis集合（Set）

Redis的Set是String类型的无序集合。集合成员是唯一的，这就意味着集合中不能出现重复的数据，集合对象的编码可以是intset或者hashtable。
Redis中Set集合是通过哈希表实现的，所以添加，删除，查找的复杂度都是O(1)。
集合中最大的成员数为2^32-1(4294967295,每个集合可存储40多亿个成员)

redis有序集合（ZSet、Sorted Set）

Redis zset和 set一样也是string类型元素的集合,且不允许重复的成员。
不同的是每个元素都会关联一个double类型的分数，redis正是通过分数来为集合中的成员进行从小到大的排序。
zset的成员是唯一的,但分数(score)却可以重复。
zset集合是通过哈希表实现的，所以添加，删除，查找的复杂度都是O(1)。集合中最大的成员数为2^32-1（40亿）

主动更新策略

操作缓存和数据库时有三个问题需要考虑
1.删除缓存还是更新缓存？
? ? ? ? 更新缓存：每次更新数据库都要更新缓存，100个更新操作就要更新100次缓存，可能其中99个中间的数据版本没有一点作用，无效写的操作太多了。
? ? ? ??删除缓存：更新数据库时让缓存失效，查询时再更新缓存，这样子的效果较好，这种方案写的频率会更低，有效更新会更多。

2.如何保证缓存与数据库的操作的同时成功或者失败？
? ? ? ? 单体系统：将缓存与数据库操作放在一个事务
? ? ? ? 分布式系统：利用TCC等分布式事务方案

3.先操作缓存还是先操作数据库？

• 先删除缓存，再操作数据库
  这种会出现缓存无效更新的情况，就是再删除缓存之后，更新数据库还未成功的时候，有查询请求查询缓存，未命中，就会查询数据库，此时因为数据库还未更新成功，查询到的值是未更新的值，最后将这个未更新的值写入缓存，最后当数据库更新成功之后，就出现了数据不一致的问题（这种情况出现的概率较高）
• 先操作数据库，再删除缓存
  这种也会出现缓存无效更新，当我接收到更新数据库的请求的时候，还没有将数据库的数据更新完，此时一条查询语句打到redis，并且此时刚好数据过期，未命中，就会去查询数据库，此时查询到的数据是还未修改的旧数据，然后更新操作结束，删除了缓存，最后查询请求将在数据库中查到的数据写入缓存，这个数据是数据库未更新前的数据，就出现了数据不一致的问题（这种情况出现的概率很小）

缓存面临问题

1.缓存穿透

缓存穿透是指客户端请求的数据再缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。

解决方案

• 缓存空对象
  思路就是如果数据库中也没有这个数据，就将null存进redis中，这样后面的请求就不会达到数据库了。
  优点：实现简单，维护方便
  缺点：1.额外的内存消耗。2.可能造成短期的不一致
  简单解决方案，就是对null的数据的TTL设置为很短时间，例如5分钟等
• 布隆过滤
  思路就是请求先打到布隆过滤器中判断数据存不存在，存在就放行，不存在就拒绝请求继续下发。
  优点：内存占用较少，没有多余的key
  缺点：1.实现复杂（redis自带有）2.存在误判可能（不存在就真的不存在，存在不一定真的存在）。

2.缓存雪崩

缓存雪崩是指在同一时段大量的缓存key同时失效或者redis服务宕机，导致大量请求到达数据库，带来巨大压力。

解决方案

• 给不同的key的TTL添加随机值
• 利用redis集群提高服务的可用性
• 给缓存业务添加降级限流策略
• 给业务添加多级缓存

?