概述 数据结构 持久化 集群 事务 缓存 分布式锁 场景 一、概述 Redis 的优缺点 Redis 的优点？为什么快？ 基于内存操作：绝大部分操作和数据都在内存中，相比传统磁盘文件操作减少了IO。 高效的数据结构：优化的 String、Hash、List、Set、Zset 等数据结构。 采用单线程：省去上下文切换和CPU的开销，同时不存在资源竞争，避免死锁。 单线程：命令执行使用单线程进行处理。因为 Redis 的瓶颈不是 CPU，最有可能是机器内存或网络带宽，并且单线程易于实现。 多线程：Redis 6.0 以后，多线程用于处理网络数据的读写和协议解析，充分利用 CPU 资源，减少网络 I/O 阻塞带来的性能损耗。 删除大 key 时使用 unlink 异步删除而不是 del，否则会造成单线程阻塞。 I/O多路复用：一个服务端进程（复用）同时处理多个套接字描述符（多路），根据 Socket 上的事件来选择对应的事件处理器进行处理。 Redis 的缺点？为什么不做主数据库只做缓存？ 内存限制：数据库容量受到物理内存的限制，不能用作海量数据的高性能读写。 数据持久化：尽管采用了数据持久化机制，如果服务器崩溃或断电，内存中数据仍可能丢失。 数据安全：不具备像主数据库一样复杂的认证和审计机制。 结构化查询：作为键值（Key-Value）数据库，对结构化查询支持较差。 事务处理：对复杂的事务无能为力，比如跨多个键的事务处理。 在线扩容：在集群容量达到上限时在线扩容会变得很复杂。 为什么用 Redis 而不用 Map 做缓存？ Map 实现的是本地缓存，其生命周期随着 JVM 的销毁而结束，且在多实例的情况下，每个实例都需要各自保存一份缓存，缓存不具有一致性；而 Redis 的分布式缓存具有一致性，各实例共用一份缓存数据。 Redis 可单独部署，在多个项目间共享。 Redis 的缓存可以持久化，Map 是内存对象，程序一重启数据就没了。 Redis 可以用几十G内存来做缓存，Map 不行。 Redis 可以处理每秒百万级的并发。 Redis 缓存有过期机制和丰富的 API。 Redis 应用场景 缓存热点数据：缓解数据库的压力。用户在访问业务数据时，先到 Redis 中拿；如果不存在，再到 MySQL 中拿，接着把访问过的数据写入 Redis。 社交网络：Redis 的哈希、集合等数据结构能很方便的的实现排行榜、共同好友等功能；利用 Redis 原子性的自增操作，可以实现计数器的功能，比如统计用户点赞数等；也可作限速器，如秒杀场景中防止用户快速点击带来不必要的压力。 消息队列：Redis 提供了发布/订阅模式及阻塞队列功能，能够实现简单的消息队列，实现异步操作。 分布式锁：分布式场景下，无法使用单机环境下的锁对多个节点上的进程同步。可以使用 Redis 自带的 SETNX（SET if Not eXists）命令或 RedLock 分布式锁实现。 数据过期策略 Redis 采用了惰性删除和定期删除相结合的过期策略： 惰性删除：不主动删除过期键，访问 key 时再检测是否过期，如果过期则删除。这种方式对 CPU 友好，但如果 key 过期后一直没有使用，则在内存中永远不会释放。 定期删除：每隔一段时间取出一些 key 进行检查并删除过期 key。分两种模式，SLOW 模式是定时任务，FAST 模式执行频率不固定，但两次间隔不低于 2ms。 数据淘汰策略 Redis 的内存不够用时，有 8 种策略来选择要删除的 key： noeviction：默认，不淘汰任何 key，内存满时拒绝写入。 volatile-ttl：优先淘汰更早过期的 key。 volatile-random：随机淘汰设置了过期时间的 key。 volatile-lru：淘汰所有设置了过期时间中最近最久未使用的 key。 volatile-lfu：淘汰设置了过期时间中最少频率使用的 key。 allkeys-random：随机淘汰任意 key。 allkeys-lru：淘汰最近最久未使用的 key。 allkeys-lfu：淘汰最少频率使用的 key。 Redis 如何做内存优化？ 尽可能的将数据模型抽象到一个哈希表里面。比如一个用户对象，不要为这个用户的名称，邮箱等设置单独的 Key，而是将这个用户的所有信息存储到一张哈希表里。 二、数据结构 String 底层由 *SDS*（简单动态字符串）实现：具有 len（字符串长度 O(1) 查询）、alloc（分配给字符数组的空间长度）、flags（类型）、buf[]（字符数组）属性；拼接前会自动扩容。用于： 缓存对象：JSON 等。 共享Session信息：解决了分布式系统下多服务器 Session 不一致的问题。 分布式锁：利用 SETNX 命令。 计数器：支持原子性数值操作，用于访问次数、点赞、库存等。 Hash