redis是键值对的数据库，常用的五种数据类型为字符串类型（string），散列类型（hash），列表类型（list），集合类型（set），有序集合类型（zset）。
Redis用作缓存，主要两个用途：高性能，高并发，因为内存天然支持高并发。
应用场景
分布式锁（string）
setnx key value，当key不存在时，将 key 的值设为 value ，返回1。若给定的 key 已经存在，则setnx不做任何动作，返回0。
当setnx返回1时，表示获取锁，做完操作以后del key，表示释放锁，如果setnx返回0表示获取锁失败，整体思路大概就是这样，细节还是比较多的，有时间单开一篇来讲解
计数器（string）
如知乎每个问题的被浏览器次数。
- set key 0
- incr key // incr readcount::{帖子id} 每阅读一次
- get key // get readcount::{帖子id} 获取阅读量
分布式全局唯一id（string）
分布式全局唯一id的实现方式有很多，这里只介绍用redis实现。
每次获取userId的时候，对userId加1再获取，可以改进为如下形式：
直接获取一段userId的最大值，缓存到本地慢慢累加，快到了userId的最大值时，再去获取一段，一个用户服务宕机了，也顶多一小段userId没有用到
- set userId 0
- incr usrId //返回1
- incrby userId 1000 //返回10001
消息队列（list）
在list里面一边进，一边出即可
- # 实现方式一
- # 一直往list左边放
- lpush key value
- # key这个list有元素时，直接弹出，没有元素被阻塞，直到等待超时或发现可弹出元素为止，上面例子超时时间为10s
- brpop key value 10
- # 实现方式二
- rpush key value
- blpop key value 10
新浪/Twitter用户消息列表（list）
假如说小编li关注了2个微博a和b，a发了一条微博（编号为100）就执行如下命令：
- lpush msg::li 100
b发了一条微博（编号为200）就执行如下命令：
- lpush msg::li 200
假如想拿最近的10条消息就可以执行如下命令（最新的消息一定在list的最左边）：
- # 下标从0开始，[start,stop]是闭区间，都包含
- lrange msg::li 0 9
抽奖活动（set）
- # 参加抽奖活动
- sadd key {userId}
- # 获取所有抽奖用户，大轮盘转起来
- smembers key
- # 抽取count名中奖者，并从抽奖活动中移除
- spop key count
- # 抽取count名中奖者，不从抽奖活动中移除
- srandmember key count
实现点赞，签到，like等功能(set)
- # 1001用户给8001帖子点赞
- sadd like::8001 1001
- # 取消点赞
- srem like::8001 1001
- # 检查用户是否点过赞
- sismember like::8001 1001
- # 获取点赞的用户列表
- smembers like::8001
- # 获取点赞用户数
- scard like::8001
- 实现关注模型，可能认识的人（set）
seven关注的人
sevenSub -> {qing, mic, james}
青山关注的人
qingSub->{seven,jack,mic,james}
Mic关注的人
MicSub->{seven,james,qing,jack,tom}
- # 返回sevenSub和qingSub的交集，即seven和青山的共同关注
- sinter sevenSub qingSub -> {mic,james}
- # 我关注的人也关注他,下面例子中我是seven
- # qing在micSub中返回1，否则返回0
- sismember micSub qing
- sismember jamesSub qing
- # 我可能认识的人,下面例子中我是seven
- # 求qingSub和sevenSub的差集，并存在sevenMayKnow集合中
- sdiffstore sevenMayKnow qingSub sevenSub -> {seven,jack}
电商商品筛选（set）
每个商品入库的时候即会建立他的静态标签列表如，品牌，尺寸，处理器，内存。
- # 将拯救者y700P-001和ThinkPad-T480这两个元素放到集合brand::lenovo
- sadd brand::lenovo 拯救者y700P-001 ThinkPad-T480
- sadd screenSize::15.6 拯救者y700P-001 机械革命Z2AIR
- sadd processor::i7 拯救者y700P-001 机械革命X8TIPlus
- # 获取品牌为联想，屏幕尺寸为15.6，并且处理器为i7的电脑品牌(sinter为获取集合的交集)
- sinter brand::lenovo screenSize::15.6 processor::i7 -> 拯救者y700P-001
排行版（zset）
redis的zset天生是用来做排行榜的、好友列表, 去重, 历史记录等业务需求。
- # user1的用户分数为 10
- zadd ranking 10 user1
- zadd ranking 20 user2
- # 取分数最高的3个用户
- zrevrange ranking 0 2 withscores
过期策略
定期删除
redis 会将每个设置了过期时间的 key 放入到一个独立的字典中，以后会定期遍历这个字典来删除到期的 key。
定期删除策略
Redis 默认会每秒进行十次过期扫描（100ms一次），过期扫描不会遍历过期字典中所有的 key，而是采用了一种简单的贪心策略。
从过期字典中随机 20 个 key；
删除这 20 个 key 中已经过期的 key；
如果过期的 key 比率超过 1/4，那就重复步骤 1；
惰性删除
除了定期遍历之外，它还会使用惰性策略来删除过期的 key，所谓惰性策略就是在客户端访问这个 key 的时候，redis 对 key 的过期时间进行检查，如果过期了就立即删除，不会给你返回任何东西。
定期删除是集中处理，惰性删除是零散处理。
为什么要采用定期删除+惰性删除2种策略呢？
如果过期就删除。假设redis里放了10万个key，都设置了过期时间，你每隔几百毫秒，就检查10万个key，那redis基本上就死了，cpu负载会很高的，消耗在你的检查过期key上了
但是问题是，定期删除可能会导致很多过期key到了时间并没有被删除掉，那咋整呢？所以就是惰性删除了。这就是说，在你获取某个key的时候，redis会检查一下 ，这个key如果设置了过期时间那么是否过期了？如果过期了此时就会删除，不会给你返回任何东西。
并不是key到时间就被删除掉，而是你查询这个key的时候，redis再懒惰的检查一下。
通过上述两种手段结合起来，保证过期的key一定会被干掉。
所以说用了上述2种策略后，下面这种现象就不难解释了：数据明明都过期了，但是还占有着内存。
内存淘汰策略
这个问题可能有小伙伴们遇到过，放到Redis中的数据怎么没了？
因为Redis将数据放到内存中，内存是有限的，比如redis就只能用10个G，你要是往里面写了20个G的数据，会咋办？当然会干掉10个G的数据，然后就保留10个G的数据了。那干掉哪些数据？保留哪些数据？当然是干掉不常用的数据，保留常用的数据了。
Redis提供的内存淘汰策略有如下几种：
- noeviction 不会继续服务写请求 (DEL 请求可以继续服务)，读请求可以继续进行。这样可以保证不会丢失数据，但是会让线上的业务不能持续进行。这是默认的淘汰策略。
- volatile-lru 尝试淘汰设置了过期时间的 key，最少使用的 key 优先被淘汰。没有设置过期时间的 key 不会被淘汰，这样可以保证需要持久化的数据不会突然丢失。（这个是使用最多的）
- volatile-ttl 跟上面一样，除了淘汰的策略不是 LRU，而是 key 的剩余寿命 ttl 的值，ttl 越小越优先被淘汰。
- volatile-random 跟上面一样，不过淘汰的 key 是过期 key 集合中随机的 key。
- allkeys-lru 区别于 volatile-lru，这个策略要淘汰的 key 对象是全体的 key 集合，而不只是过期的 key 集合。这意味着没有设置过期时间的 key 也会被淘汰。
- allkeys-random 跟上面一样，不过淘汰的策略是随机的 key。allkeys-random 跟上面一样，不过淘汰的策略是随机的 key。
持久化策略
Redis的数据是存在内存中的，如果Redis发生宕机，那么数据会全部丢失，因此必须提供持久化机制。
Redis 的持久化机制有两种，第一种是快照（RDB），第二种是 AOF 日志。快照是一次全量备份，AOF 日志是连续的增量备份。快照是内存数据的二进制序列化形式，在存储上非常紧凑，而 AOF 日志记录的是内存数据修改的指令记录文本。AOF 日志在长期的运行过程中会变的无比庞大，数据库重启时需要加载 AOF 日志进行指令重放，这个时间就会无比漫长。所以需要定期进行 AOF 重写，给 AOF 日志进行瘦身。
RDB是通过Redis主进程fork子进程，让子进程执行磁盘 IO 操作来进行 RDB 持久化，AOF 日志存储的是 Redis 服务器的顺序指令序列，AOF 日志只记录对内存进行修改的指令记录。即RDB记录的是数据，AOF记录的是指令
RDB和AOF到底该如何选择？
- 不要仅仅使用 RDB，因为那样会导致你丢失很多数据，因为RDB是隔一段时间来备份数据。
- 也不要仅仅使用 AOF，因为那样有两个问题，第一，通过 AOF 做冷备没有RDB恢复速度快; 第二，RDB 每次简单粗暴生成数据快照，更加健壮，可以避免 AOF 这种复杂的备份和恢复机制的 bug。
- 用RDB恢复内存状态会丢失很多数据，重放AOP日志又很慢。Redis4.0推出了混合持久化来解决这个问题。将 rdb 文件的内容和增量的 AOF 日志文件存在一起。这里的 AOF 日志不再是全量的日志，而是自持久化开始到持久化结束的这段时间发生的增量 AOF 日志，通常这部分 AOF 日志很小。于是在 Redis 重启的时候，可以先加载 rdb 的内容，然后再重放增量 AOF 日志就可以完全替代之前的 AOF 全量文件重放，重启效率因此大幅得到提升。
缓存雪崩和缓存穿透
缓存雪崩是什么？
假设有如下一个系统，高峰期请求为5000次/秒，4000次走了缓存，只有1000次落到了数据库上，数据库每秒1000的并发是一个正常的指标，完全可以正常工作，但如果缓存宕机了，每秒5000次的请求会全部落到数据库上，数据库立马就死掉了，因为数据库一秒最多抗2000个请求，如果DBA重启数据库，立马又会被新的请求打死了，这就是缓存雪崩。
如何解决缓存雪崩
事前：redis高可用，主从+哨兵，redis cluster，避免全盘崩溃。
事中：本地ehcache缓存 + hystrix限流&降级，避免MySQL被打死。
事后：redis持久化，快速恢复缓存数据。
缓存穿透是什么？
假如客户端每秒发送5000个请求，其中4000个为黑客的恶意攻击，即在数据库中也查不到。举个例子，用户id为正数，黑客构造的用户id为负数，
如果黑客每秒一直发送这4000个请求，缓存就不起作用，数据库也很快被打死。
如何解决缓存穿透
查询不到的数据也放到缓存，value为空，如set -999 “”
总而言之，缓存雪崩就是缓存失效，请求全部全部打到数据库，数据库瞬间被打死。缓存穿透就是查询了一个一定不存在的数据，并且从存储层查不到的数据没有写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。
