本文為總結(jié)用于復(fù)習(xí)和查詢

包含redis的常用操作和緩存相關(guān)問題

Redis定義

Redis存儲的是key-value結(jié)構(gòu)的數(shù)據(jù)，key生成字符串類型。

Redis的value的常用數(shù)據(jù)類型

• 字符串string

  

• 哈希hash：類似于java中的HashMap結(jié)構(gòu)

  

• 列表list：按照插入順序排序，可以有重復(fù)元素，類似java中的LinkedList

  

• 集合set：無序集合，沒有重復(fù)元素，類似java中的HashSet

  

• 有序集合sorted set / zset：集合中每個元素關(guān)聯(lián)一個score，根據(jù)score升序排列，沒有重復(fù)元素。

  

Redis常用命令

通用命令

1. keys pattern 查找所有符合給定模式pattern的key
2. exists key 檢查給定的key是否存在（返回1表示鍵存在，返回0表示鍵不存在）
3. type key 返回指定key所存儲的值的類型
4. del key 用于在key存在是刪除key

字符串操作命令

1. set key value 設(shè)置指定key的值為value
2. get key 獲取指定key的值
3. setex key seconds value 設(shè)置指定key的值，并將key的過期時間設(shè)置為seconds秒
4. setnx key value 只有在key不存在時設(shè)置key的值

哈希操作命令

1. hset key field value 將哈希表key中的字段field設(shè)為value
2. hget key field 獲取存儲在哈希表key中的field字段的值
3. hdel key field 刪除存儲在哈希表中的指定字段
4. hkeys key 獲取哈希表key中的所有字段
5. hvals key 獲取哈希表key中所有值

列表操作命令

1. lpush/rpush key value1 [value2] 將一個或多個值插入到列表的頭部/尾部
2. lpop/rpop key 移除并獲取列表頭部/尾部元素
3. lrange key start stop 獲取列表指定范圍內(nèi)的元素

• start：區(qū)間起始位置（從 0 開始計數(shù)）。支持負(fù)數(shù)，表示從列表末尾倒數(shù)（例如 -1 表示最后一個元素）。
• stop：區(qū)間結(jié)束位置（包含在內(nèi)）。同樣支持負(fù)數(shù)。
• lrange mylist 0 -1 返回所有元素，等同于

4. llen key 獲取列表的長度
5. lindex key index 用于獲取列表key中指定索引位置index的元素
6. lrem key count value 用于從列表key中移除元素的命令。該命令根據(jù)指定的值和數(shù)量，從列表的頭部或尾部開始移除匹配的元素。

• count：移除元素的數(shù)量，具體含義如下：

  • count > 0：從列表頭部開始，移除最多count個與value相等的元素。
  • count < 0：從列表尾部開始，移除最多count的絕對值個與value相等的元素。
  • count = 0：移除列表中所有與value相等的元素。

• value：要移除的元素值。

集合操作命令

1. sadd key member1 [member2] 向集合key添加一個或多個成員
2. smembers key 獲取集合key中的所有成員
3. scard key 獲取集合key中的成員的數(shù)量
4. sinter key1 [key2] 返回給定所有集合的交集
5. sunion key1 [key2] 返回給定所有集合的并集
6. srem key member1 [member2] 刪除集合key中的一個或多個成員

有序集合操作命令

1. zadd key score 1 member1 [score2 member2] 向有序集合添加一個或多個成員
2. zrange key start stop [withscores] 返回指定區(qū)間的成員，加上withscores顯示成員對應(yīng)的score
3. zincrby key increment member 給有序集合key中指定成員的分?jǐn)?shù)加increment
4. zrem key member1 [member2…] 移除有序集合中的一個或多個成員

緩存穿透問題解決方案

什么是緩存穿透：指客戶端請求的數(shù)據(jù)在緩存redis中和數(shù)據(jù)庫中都不存在，導(dǎo)致大量請求到數(shù)據(jù)庫，從而導(dǎo)致數(shù)據(jù)庫壓力驟增
解決方案

1. 緩存空對象：對數(shù)據(jù)庫查詢結(jié)果為空的請求，返回空值，并緩存null到redis且設(shè)置ttl，即key:null
   需設(shè)置好ttl，避免長期占用內(nèi)存

   

2. 布隆過濾器：在緩存之前加一層布隆過濾器，預(yù)先將數(shù)據(jù)庫中所有存在的 key 加載到布隆過濾器中。
   什么是布隆過濾器過濾器：

    布隆過濾器是一種空間效率極高的概率型數(shù)據(jù)結(jié)構(gòu)，用于判斷一個元素是否存在于一個集合中。

   核心特點：
   高效省空間：相比哈希表，它用位數(shù)組 + 多個哈希函數(shù)實現(xiàn)，占用內(nèi)存極小，適合海量數(shù)據(jù)場景。
   概率性結(jié)果：
   不存在則一定不存在（100% 準(zhǔn)確）；
   存在則可能存在（有一定誤判率，無法完全避免）。
   不支持刪除：元素加入后無法移除，否則會影響其他元素的判斷（部分變種支持刪除，但復(fù)雜度高）。
   工作原理：
   初始化一個長度為 m 的位數(shù)組，所有位初始化為 0；
   選取 k 個獨立的哈希函數(shù)；
   添加元素：將元素通過 k 個哈希函數(shù)計算出 k 個索引，把位數(shù)組對應(yīng)索引的位設(shè)為 1；
   查詢元素：將元素通過 k 個哈希函數(shù)計算索引，若所有對應(yīng)位都是 1，則判斷 “可能存在”；只要有一個位是 0，則判斷 “一定不存在”。

攔截流程：

    客戶端發(fā)起請求，先經(jīng)過布隆過濾器判斷 key 是否存在；
	若布隆過濾器判斷 key 不存在 → 直接返回空結(jié)果，不訪問緩存和數(shù)據(jù)庫；
	若布隆過濾器判斷 key 可能存在 → 再走正常流程：查緩存 → 緩存未命中查數(shù)據(jù)庫 → 數(shù)據(jù)庫查到則回寫緩存。

使用布隆過濾器的注意事項：

• 誤判率處理：
  布隆過濾器的誤判會導(dǎo)致 “不存在的 key 被判斷為可能存在”，此時請求仍會打到數(shù)據(jù)庫，但這種情況概率低，且可以通過調(diào)整位數(shù)組長度 len 和哈希函數(shù)個數(shù) k 降低誤判率（len越大、k 適中，誤判率越低）。
• 數(shù)據(jù)同步：
  當(dāng)數(shù)據(jù)庫中新增 / 刪除 key 時，需要同步更新布隆過濾器（刪除操作需注意布隆過濾器不支持直接刪除的問題，可通過定時重建布隆過濾器解決）。
• 適用場景：
  適合海量數(shù)據(jù)、key 不常變動、可以容忍低誤判率的場景（如：電商商品 ID、用戶 ID 過濾）。

緩存擊穿問題解決方案

什么是緩存擊穿：指高并發(fā)場景下，某個熱點數(shù)據(jù)的緩存突然失效（例如過期），導(dǎo)致大量請求直接穿透緩存層，直接請求到數(shù)據(jù)庫，可能導(dǎo)致數(shù)據(jù)庫短時間內(nèi)承受巨大的壓力。
解決方案：

1. 互斥鎖：當(dāng)緩存失效時，只允許一個線程去查詢數(shù)據(jù)庫并重建緩存，其他線程等待?？梢允褂梅植际芥i（如Redis的setnx）實現(xiàn)互斥。

   

• 優(yōu)點：沒有額外的內(nèi)存消耗；保證了一致性；實現(xiàn)簡單；
• 缺點：線程需要等待；可能死鎖

2. 邏輯過期：為熱點數(shù)據(jù)設(shè)置邏輯過期時間，而非物理過期。緩存本身不主動失效，但在緩存中存儲一個過期時間字段。當(dāng)發(fā)現(xiàn)數(shù)據(jù)過期時，異步觸發(fā)緩存更新。

   

• 優(yōu)點：線程無需等待，性能較好
• 缺點：不能保證一致性；有額外的內(nèi)存消耗；實現(xiàn)較復(fù)雜

緩存雪崩問題解決方案

什么是緩存雪崩：指緩存系統(tǒng)在某一時刻出現(xiàn)大規(guī)模失效或宕機(jī)，導(dǎo)致大量請求直接涌向數(shù)據(jù)庫，引發(fā)系統(tǒng)性能急劇下降甚至崩潰的現(xiàn)象。
解決方案：

1. 給不同的key的ttl設(shè)置隨機(jī)值
2. 部署 Redis 集群或哨兵模式，確保單點故障時自動切換
3. 給業(yè)務(wù)添加多級緩存
4. 給緩存業(yè)務(wù)添加降級限流策略

BitMap

什么是BitMap：Bitmap是Redis中一種特殊的數(shù)據(jù)結(jié)構(gòu)，基于字符串類型實現(xiàn)，但每個位可以單獨操作。適用于需要高效存儲和操作大量布爾值的場景。最大上限是512M，轉(zhuǎn)換成bit是2^32個bit位

BitMap的常見用法

1. setbit key offet value 向指定位置offet存入一個0或1
2. getbit key offet 獲取指定位置offet的bit值
3. bitcount key [start end] 統(tǒng)計指定范圍內(nèi)bit為1的數(shù)量
4. bitpos key bit [start] [end] 查詢指定范圍內(nèi)第一個0或1出現(xiàn)的二進(jìn)制位的位置

總結(jié) 

到此這篇關(guān)于redis的常見用法和問題之緩存擊穿、緩存穿透、緩存雪崩的文章就介紹到這了,更多相關(guān)redis緩存擊穿、緩存穿透、緩存雪崩內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論