1、缓存设计
Redis常用来做数据库的缓存，应用先到Redis读取数据，缓存不存在的话才会去访问数据库，拿到数据后将数据缓存在Redis中，这样后续请求可以直接命中缓存，减少访问数据库的次数。
1.1、缓存失效
缓存雪崩
通常缓存在Redis中的数据会设置过期时间，那么，当大量的缓存数据在同一时间过期时，此时大量的用户请求都会直接访问数据库，导致数据库的压力骤增，这就是缓存雪崩。
通常的应对方案有：
- 将缓存过期时间随机打散：在原先的过期时间上增加一个小的随机值，降低缓存集体过期的概率
- 设置缓存不过期：通过后台服务显式地来更新缓存数据
缓存击穿
业务系统中经常有部分数据会被频繁访问，这类数据称为热点数据，如果缓存中的某个热点数据过期，此时大量的请求也会直接访问到数据库，数据库很容易被高并发的大量请求击垮，这就是缓存击穿。
有些类似与缓存雪崩，通常的应对方案：
- 互斥锁方案：保证同一时间只有一个业务线程请求缓存，其他未能获取互斥锁的请求，要么等待锁释放后重新获取，要么返回空值或者默认值
- 不给热点数据设置过期时间，由后台线程异步更新
- 在热点数据过期之前，提前通知后台线程更新缓存并重新设置过期时间
缓存穿透
当用户访问的数据，即不在缓存中，也不在数据库中，那么大量的这一类请求，就会不停地访问数据库，这就是缓存穿透。
缓存穿透的发生一般有两种情况：
- 业务误操作，将缓存和数据库中的数据删除了
- 恶意攻击，故意访问大量不存在数据的业务数据
通常的应对方案有：
- 参数校验，对非法请求的限制：在API入口处判断请求的参数是否合理，针对非法请求直接返回错误
- 设置空值或者默认值：可以针对查询的不存在数据，在缓存中设置一个空值或者默认值
- 布隆过滤器：在数据库写入数据时，使用布隆过滤器标记，业务请求在缓存中查不到数据后，先通过查询布隆过滤器来快速判断数据是否存在，不存在的话就不需要去查询数据库，这样也能减少缓存穿透下数据库的压力
附：布隆过滤器
布隆过滤器存在误判的可能性，即查询到存在的数据实际可能不存在（小概率），但布隆过滤器查询到不存在的数据实际上一定不存在。
原理：用其中的哈希函数（一般有多个）对元素值进行计算，根据得到的结果，将Bitmap中对应下标的值记为1；判断元素是否存在时，用同样的哈希函数进行计算，得到的值在Bitmap中都为1的话，说明在布隆过滤器中存在，如果有一个值不为1，就说明该元素在布隆过滤器中不存在。
1.2、缓存更新策略
将一部分数据存在缓存中，可以减少数据库的压力，但也会带来缓存和数据库一致性的问题。
在实际开发中，Redis和MySQL的更新策略用的是 Cache Aside。
Cache Aside策略
原则是通过应用程序直接与数据库、缓存交互，并负责对缓存的维护，该策略可以细分为读和写两部分。
写策略的步骤：先更新数据库中的数据，再删除缓存中的数据
读策略的步骤：缓存未命中，则从数据库读取数据，然后将数据写入缓存，并返回给用户
写的时候不能先删除缓存再更新数据库
如果先删除缓存值A，还没有新值B写入数据库之前；其他线程读请求，由于缓存不命中，读取了数据库的旧值A，并将缓存中的值更新为A；然后写请求继续执行，将新值B写入数据库，此时数据库和缓存的数据会不一致，如图：
为什么先更新数据库再删除缓存不会导致数据不一致
如图，如果写请求发生在读请求的读数据库和更新缓存之间，也会导致最终缓存和数据库的数据不一致，但实际中还是会选择先写数据库、再删除缓存的做法。
因为缓存的写入速度通常要远远快于数据库的写入，因此实际中很难出现这样的情况，而一旦读请求在写请求删除缓存之前更新了缓存，后续也会因为缓存不命中而不产生影响。
Cache Aside 策略适合读多写少的情况，不适合写多的情况。因为当写入频繁时，缓存会被频繁清理，对命中率有影响，如果业务对缓存命中率有要求，可以考虑：
- 一种是在更新数据时也更新缓存，只是在更新之前加一个分布式锁，同一时间保证只有一个线程更新缓存，不会产生并发问题，但会对写入的性能有一定影响
- 一种也是在更新数据时更新缓存，但给缓存加一个较短的过期时间，这样即使数据不一致，缓存的数据也会很快过期，对业务的影响可以接受
Read/Write Through策略
原则是应用程序只和缓存交互，由缓存和数据库之间进行交互，更新数据库的操作由缓存代理。
Read Through策略：先查询缓存中是否存在，存在则直接返回；不存在则由缓存负责从数据库查询数据，并将结果写入缓存，最后缓存将数据返回给应用
Write Through策略：当有数据更新时，查询缓存中是否已经存在数据，如果已经存在，就更新缓存中的数据，并且由缓存组件将数据同步到数据库中，然后告知应用更新完成；如果缓存中不存在数据，则直接更新数据库并返回
此策略不经常使用的原因是常用的分布式缓存组件，MemCached、Redis这些，都不提供写入数据库和自动加载数据库中数据的功能，在使用本地缓存的时候可以考虑使用。
Write Back 策略
此策略在更新数据的时候，只更新缓存，同时将缓存数据设置为脏的，然后立即返回，并不会更新数据库。对于数据库，会通过批量异步更新的方式进行。
Write Back策略特别适合写多的场景，但带来的问题是，数据不是强一致性的，而且会有数据丢失的风险。
常用的场景中，Redis也不提供异步更新数据库的功能；但在计算机体系结构中，例如CPU的缓存、操作系统中文件系统的缓存都采用了Write Back的策略。
2、分布式锁
分布式锁常用来在分布式环境中，控制某个资源在同一时刻只能被一个应用所使用。
Redis实现的分布式锁
Redis本就是分布式环境下的一个共享存储系统，而且其读写性能很高，可以应对高并发的锁操作场景；
Redis的set命令有个 NX 参数可以实现「key不存在时才可以插入」：
- 如果key存在，则会显示插入失败，表示加锁失败
- 如果key不存在，则会显示插入成功，表示加锁成功
基于Redis实现分布式锁时，对于加锁需要注意：
- 加锁操作（读取锁变量、检查锁变量的值、设置锁）需要以原子操作的形式完成，所以使用SET命令带上NX选项
- 锁变量需要设置过期时间，避免发生异常后锁无法释放，所以使用SET命令带上EX/PX选项
- 锁变量的值需要能区分来自不同客户端的加锁操作，避免释放时出现误释放，所以使用SET命令设置锁时，每个客户端设置的值是一个唯一值，用于标识不同的客户端
最终加锁的命令为：
SET lock_key unique_value NX PX 10000
解锁的过程就是将lock_key键删除，但要保证执行操作的客户端就是加锁的客户端，所以解锁之前需要先判断锁的value值是否为加锁的客户端，是的话才可以删除；
可以看到，解锁包含两个操作，这就需要Lua脚本来保证操作的原子性（因为Redis在执行Lua脚本时，可以以原子性的方式执行）:
if redis.call("get", KEYS[1]) == ARGV[1] then
return redis.call("del", KEYS[1])
else
return 0
end
基于Redis实现分布式锁的优点？
- 性能高效（这是选择缓存实现分布式锁最核心的理由）
- 实现方便（Redis提供的 setnx 方法）
- 避免单点故障（Redis自身集群化部署）
基于Redis实现分布式锁的缺点？
- 超时时间不好设置。设置时间过长，会影响性能，设置时间过短，起不到保护临界资源的目的；
- 可以基于续约的方式设置过期时间：先给锁设置一个过期时间，然后启动一个守护线程，让守护线程去判断锁的情况，当锁快失效时，进行续约加锁，当主线程执行完成后，销毁续约锁即可。
- Redis主从复制模式中的数据是异步复制的，会导致锁的不可靠性。例如在主节点获取到锁，在没有同步数据到其他从节点之前，主节点宕机，此时新的主节点仍可以获取到锁。
Redis如何解决集群情况下分布式锁的不可靠性？
Redis官方设计提供了一个分布式锁算法 Redlock（红锁）。
基于多个Redis节点实现，官方推荐至少部署5个节点，而且都是主节点，之间没有任何关系；
Redlock算法的基本思路：让客户端和多个独立的Redis节点依次请求申请加锁，如果客户端能和半数以上的节点成功加锁，那么就认为，客户端成功获得分布式锁，否则加锁失败。
加锁的三个过程：
- 客户端获取当前时间t1
- 客户端按顺序向N个Redis节点申请加锁：
- 使用SET命令，带上NX，EX/PX，以及客户端的唯一标识
- 为避免某个节点故障导致超时，需要给「加锁操作」设置超时时间，一般几十毫秒即可
- 一旦客户端从超过半数的Redis节点成功获取锁，就再次获取当前时间t2，然后计算加锁的总耗时 t2-t1，如果小于锁的过期时间，认为客户端加锁成功
加锁成功后，客户端需要重新计算锁的有效时间，由「锁最初设置的过期时间」减去「客户端加锁的总耗时」，如果计算的结果已经来不及完成后续对临界资源的操作，可以释放锁；
加锁失败后，客户端向所有的Redis节点发起释放锁的操作，每个节点上只需要执行释放锁的Lua脚本即可。
3、常见问题
如何动态缓存热点数据？
由于存储限制，系统并不会将所有数据存在缓存中，而只是将其中一部分的热点数据缓存起来，所以动态缓存的总体思路：通过数据最新访问时间来做排名，并过滤掉不常访问的数据，只留下经常访问的数据。
可以通过缓存实现一个排序队列，根据数据的访问时间更新队列信息，越是最近访问的数据排名越是靠前，可以用 zadd 和 zrange 方法来完成。
Redis如何实现延迟队列？
延迟队列的常见使用场景有：
- 淘宝、京东等购物平台下单，超过一定时间未付款，订单自动取消
- 打车、外卖平台，规定时间未接单，平台自动取消订单并提醒用户
Redis可使用有序集合 ZSet 的方式来实现延迟队列，用 score 属性来存储延迟执行的时间，简单来说：用 zadd score1 value1 来添加元素并设置执行时间，再利用 zrangebyscore 比对score和当前时间的大小，通过循环队列执行任务即可。
Redis的大key如何处理？
什么是大kay？
大key指的是key对应的value非常大，一般来说：String类型的值大于10KB / 集合类型的元素个数超过5000个；
大key会造成什么问题？
客户端阻塞超时、引发网络阻塞（每次获取大key产生的网络流量较大）、阻塞工作线程（使用del删除时，会阻塞主工作线程）、内存分布不均（集群切片的模型下，会出现数据和查询倾斜的情况，部分有大key的节点占用内存会比较多）
如何找到大key？
1、redis-cli --bigkeys
使用时需要注意：最好在从节点上执行，主节点执行会阻塞；如果没有从节点，可以选择在业务压力低峰阶段执行；
不足之处：只能得到每种类型中最大的那个big key；对于集合类型来说，只统计集合元素的个数，而不是实际占用内存大小；
2、使用 SCAN 命令
使用 scan 命令扫描数据库，然后用 type 命令获取返回的每一个key的类型。
- 对于string类型，直接使用 STRLEN 命令获取字符串长度，即占用内存空间的字节数
- 对于集合类型，如果可以预先从业务层面知道集合元素的平均大小，然后用命令（List类型—LLEN命令；Hash类型—HLEN命令；Set类型—SCARD命令；ZSet类型—ZCARD命令）获取集合元素个数即可得到集合占用内存大小；如果元素大小不可知，可以使用 MEMORY USAGE 命令查询一个键值对占用的空间
3、使用 RdbTools 工具
也可以使用第三方工具解析快照RDB文件，找到其中的大key
如何删除大key？
删除操作的本质是释放键值对占用的空间，释放内存只是第一步，为了高效地管理内存，操作系统会把释放掉的内存块插入到一个空闲内存块的链表，以便后续的管理和再分配，这个过程会阻塞当前释放内存的应用程序；
所以一次性释放大量内存，可能会造成Redis主线程的阻塞。
1、分批次删除
2、异步删除（Redis4.0版本之上）
Redis4.0版本之后，可以采用 unlink 命令来代替del，实现异步删除；
除了主动调用unlink，也可以配置参数，达到某些条件时自动进行异步删除，主要有4种场景，默认都是关闭的：
lazyfree-lazy-eviction：当Redis运行内存超过 maxmemory 时，是否开启lazyfree-lazy-expire：设置了过期时间的键值，当过期之后是否开启lazyfree-lazy-server-del：有些命令在处理已存在的键时，会带有隐式的del操作，比如 rename 命令；如果这些目标键是一个大key，此配置表示在这种场景下是否开启lazyfree-lazy-flush：针对从节点进行全量数据同步，在加载主节点的RDB文件之前，会运行 flushall 来清理自身的数据，此配置表示此时是否开启
建议开启其中的lazyfree-lazy-eviction、lazyfree-lazy-expire、lazyfree-lazy-server-del，提高主线程的执行效率。
Redis的热key如何处理？
什么是热key？
简单来说就是某个key的访问次数明显高于其他key的话，这个key就可以视为热key。
热key会造成什么问题？
处理热key会占用大量的系统资源，是Redis性能的一个瓶颈，需要单独进行优化。
如何找到热key？
1、Redis自带的 --hotkeys 参数
2、MONITOR 命令是Redis提供的一种实时查看所有操作的方式，可以用来临时监控Redis实例的执行情况，一般用来临时查看，对性能影响较大。
3、使用开源工具
4、根据业务情况提前预估
5、在业务代码中添加相应的代码记录分析
如何解决热key？
- 读写分离：总从节点之间读写分离
- 使用切片集群模式：将热点数据分散存储在多个Redis节点上
- 二级缓存：将热点数据存放一份到JVM本地内存中
慢查询命令
Redis大部分的命令都是O(1)级别的，但也有少部分O(n)或以上的命令，因此需要慢查询命令找到那些执行时间较长的命令。
redis.conf中的默认配置：
# 命令执行时间超过本值，会将该命令记录在慢查询日志中
slowlog-log-slower-than 10000
# 慢查询日志记录的最大条数
slowlog-max-len 128
Redis管道有什么用？
管道（Pipeline）是客户端提供的一种批处理技术，用来一次处理多个Redis命令。
使用管道技术可以解决多个命令执行时的网络等待，将多个命令整合后一起发送到服务端处理，提高了执行效率；但也要注意避免发送的命令过大，或管道内的数据过多而导致的网络阻塞。
管道技术实质上是客户端提供的功能，而非Redis服务器端的功能。
Redis事务支持回滚吗?
Redis并没有提供回滚机制，Redis提供的 DISCARD 命令只能用来主动放弃事务的执行，起不到回滚的效果。
4、Redis的常用场景
- MySQL的缓存
- 分布式锁
- 网关限流
- 延时队列（基于 Sorted Set 实现）
- 利用Redis提供的数据结构，例如 Bitmap 统计活跃用户、Sorted Set维护排行榜等