# Redis 技术栈

- Author: [HuiFer](https://github.com/huifer)

- Description: 该文章介绍redis相关技术栈，统筹规划学习路径

## 安装

### yum & apt

- `apt-get install Redis-server`

- `yum install Redis`

### 编译

1. 下载

- `wget http://download.Redis.io/releases/Redis-5.0.5.tar.gz`

2. 编译

```

tar -zxvf Redis-5.0.5.tar.gz

cd Redis-5.0.5

make && make install

```

3. 配置

- `vim Redis.conf`

4. 启动

- Redis-server

5. 关闭

- Redis-cli shutdown

## key 命令

### keys

- 搜索key根据匹配模式,例如: keys *

### exists

- 判断key是否存在,存在返回1,不存在返回0

### del

- 删除key

### type

- 获取key类型

### randomkey

- 随机返回key

### expire

- 设置key过期时间

### sortzh

- 字符串排序

- 数字排序

## 服务端命令

### flushall

- 强制清空所有key(目标对象所有数据库)

### flushdb

- 清空当前数据库

### client list

- 连接信息列表

### client kill

- 关闭ip:port客户端

### ping

- 判断是否正常运行,正常运行返回pong

## 数据类型(操作命令非完整)

### string

- 一个key最大存储512M的数据

#### 操作方法

- get /set(单key操作)

- mget / mset(多key操作)

- getrange 获取指定下标范围内的字符串

- setrange 设置指定下标范围内的字符串

- setex => set expire 组合

- incr 自增1

- incrby 自增指定数字

- decr 自减1

- decrby 自减指定数字

- append 追加字符串

- strlen 返回字符串长度

### list

- blpop key 删除并获取第一个元素

- brpop key 删除并获取最后一个元素

- brpoplpush source destination 复制列表从source -> destination

- lindex key index 根据key 和index 获取value

- llen key 获取key的列表长度

- lpop key 从左侧出列

- lpush key value 从左侧入列

- lrange key start stop 根据start,stop获取key一定范围内的列表

- lset key index value 根据key + index 设置value

- lrem key count value 删除列表元素

- rpush等不做赘述

### set

- sadd key value 向key插入值

- scard key 获取集合成员数量

- sdiff key1 key2 返回集合差集

- sinter key1 key2 返回集合交集

- sunion key1 key2 返回集合并集

- sismember key value 判断集合中是否包含value

- smembers key 返回集合

- srem key value 删除集合中的一个value

### hash

- hget key filed 获取hash中指定key->filed的值

- hgetall key 获取hash中指定key的所有制

- hexists key filed 查看是否存在filed

- hdel key filed 删除指定key下的filed

- hkeys key 获取所有filed

- hset key filed value 设置key->filed->value

### sortedSet

- zadd key source member 向key追加source,member

- zcard key 获取成员数量

## 数据存储(持久化)

### RDB

> 将某个时间点的所有数据都以二进制形式存放到硬盘上

- 可以将快照复制到其它服务器从而创建具有相同数据的服务器副本.

- 如果系统发生故障,将会丢失最后一次创建快照之后的数据.

- 如果数据量很大,保存快照的时间会很长,建议异步写入.

- 存在的问题:时间、性能开销大,不可控且容易丢失数据.

- 同步机制

- save 命令,阻塞其他命令,直到save命令结束

- bgsave 命令,异步化,创建子线程进行持久化,不会阻塞其他命令

- 自动化触发

- 根据修改数量、时间进行命令执行

- save 900 1 # 900秒之内,对数据库进行了一次修改就执行 bgsave 命令

- save 300 10 # 300秒之内,对数据库进行了十次修改就执行 bgsave 命令

- save 60 10000 # 60秒之内,对数据库进行了一万次修改就执行 bgsav e命令

### AOF

>将写命令添加到 AOF 文件(Append Only File)的末尾(MySQL Binlog、HBase HLog).

- 随着服务器写请求的增多,AOF 文件会越来越大.Redis 提供了一种将 AOF 重写的特性,能够去除 AOF 文件中的冗余写命令

- 使用 AOF 持久化需要设置同步选项,从而确保写命令什么时候会同步到磁盘文件上.这是因为对文件进行写入并不会马上将内容同步到磁盘上,而是先存储到缓冲区,然后由操作系统决定什么时候同步到磁盘.

#### 同步机制

- always 每个命令都同步

- eversec 每秒同步

- no 操作系统决定同步时间

#### AOF重写

- 对多条原生命令进行优化,重写成简化的命令以减少磁盘占用量、提高故障恢复效率.

- 当 AOF 文件过大或增长速度过快时自动触发

- 配置

- auto-aof-rewrite-min-size:AOF 文件重写需要的大小

- auto-aof-rewrite-percentage:AOF 文件增长率

- aofcurrentsize:AOF 当前大小

- aof-base-size:AOF 上次启动和重写的大小

- 触发条件

- aof_current_size > auto-aof-rewrite-min-size

- aof_current_size - aof_base_size/aof_base_size > auto-aof-rewrite-percentage

## 集群

### 主从复制

#### 主从链(拓扑结构)



#### 复制模式

- 全量复制:master 全部同步到 slave

- 部分复制:slave 数据丢失进行备份

#### 问题点

- 同步故障

- 复制数据延迟(不一致)

- 读取过期数据(Slave 不能删除数据)

- 从节点故障

- 主节点故障

- 配置不一致

- maxmemory 不一致:丢失数据

- 优化参数不一致:内存不一致.

- 避免全量复制

- 选择小主节点(分片)、低峰期间操作.

- 如果节点运行 id 不匹配(如主节点重启、运行 id 发送变化),此时要执行全量复制,应该配合哨兵和集群解决.

- 主从复制挤压缓冲区不足产生的问题(网络中断,部分复制无法满足),可增大复制缓冲区( rel_backlog_size 参数).

- 复制风暴

### 哨兵机制

#### 拓扑图


#### 节点下线

- 客观下线

- 所有 Sentinel 节点对 Redis 节点失败要达成共识,即超过 quorum 个统一.

- 主管下线

- 即 Sentinel 节点对 Redis 节点失败的偏见,超出超时时间认为 Master 已经宕机.

#### leader选举

- 选举出一个 Sentinel 作为 Leader:集群中至少有三个 Sentinel 节点,但只有其中一个节点可完成故障转移.通过以下命令可以进行失败判定或领导者选举.

- 选举流程

1. 每个主观下线的 Sentinel 节点向其他 Sentinel 节点发送命令,要求设置它为领导者.

1. 收到命令的 Sentinel 节点如果没有同意通过其他 Sentinel 节点发送的命令,则同意该请求,否则拒绝.

1. 如果该 Sentinel 节点发现自己的票数已经超过 Sentinel 集合半数且超过 quorum,则它成为领导者.

1. 如果此过程有多个 Sentinel 节点成为领导者,则等待一段时间再重新进行选举.

#### 故障转移

- 转移流程

1. Sentinel 选出一个合适的 Slave 作为新的 Master(slaveof no one 命令).

1. 向其余 Slave 发出通知,让它们成为新 Master 的 Slave( parallel-syncs 参数).

1. 等待旧 Master 复活,并使之称为新 Master 的 Slave.

1. 向客户端通知 Master 变化.

- 从 Slave 中选择新 Master 节点的规则(slave 升级成 master 之后)

1. 选择 slave-priority 最高的节点.

1. 选择复制偏移量最大的节点(同步数据最多).

1. 选择 runId 最小的节点.

#### 读写分离

#### 定时任务

- 每 1s 每个 Sentinel 对其他 Sentinel 和 Redis 执行 ping,进行心跳检测.

- 每 2s 每个 Sentinel 通过 Master 的 Channel 交换信息(pub - sub).

- 每 10s 每个 Sentinel 对 Master 和 Slave 执行 info,目的是发现 Slave 节点、确定主从关系.

### 分布式集群(Cluster)

#### 拓扑图


#### 通讯

##### 集中式

> 将集群元数据(节点信息、故障等等)几种存储在某个节点上.

- 优势

1. 元数据的更新读取具有很强的时效性,元数据修改立即更新

- 劣势

1. 数据集中存储

##### Gossip


- [Gossip 协议](https://www.jianshu.com/p/8279d6fd65bb)

#### 寻址分片

##### hash取模

- hash(key)%机器数量

- 问题

1. 机器宕机,造成数据丢失,数据读取失败

1. 伸缩性

##### 一致性hash

- 

- 问题

1. 一致性哈希算法在节点太少时，容易因为节点分布不均匀而造成缓存热点的问题。

- 解决方案

- 可以通过引入虚拟节点机制解决：即对每一个节点计算多个 hash，每个计算结果位置都放置一个虚拟节点。这样就实现了数据的均匀分布，负载均衡。

##### hash槽

- CRC16(key)%16384

-


## 使用场景

### 热点数据

### 会话维持 session

### 分布式锁 SETNX

### 表缓存

### 消息队列 list

### 计数器 string

## 缓存设计

### 更新策略

- LRU、LFU、FIFO 算法自动清除:一致性最差,维护成本低.

- 超时自动清除(key expire):一致性较差,维护成本低.

- 主动更新:代码层面控制生命周期,一致性最好,维护成本高.

### 更新一致性

- 读请求:先读缓存,缓存没有的话,就读数据库,然后取出数据后放入缓存,同时返回响应.

- 写请求:先删除缓存,然后再更新数据库(避免大量地写、却又不经常读的数据导致缓存频繁更新).

### 缓存粒度

- 通用性:全量属性更好.

- 占用空间:部分属性更好.

- 代码维护成本.

### 缓存穿透

> 当大量的请求无命中缓存、直接请求到后端数据库(业务代码的 bug、或恶意攻击),同时后端数据库也没有查询到相应的记录、无法添加缓存.

这种状态会一直维持,流量一直打到存储层上,无法利用缓存、还会给存储层带来巨大压力.

>

#### 解决方案

1. 请求无法命中缓存、同时数据库记录为空时在缓存添加该 key 的空对象(设置过期时间)，缺点是可能会在缓存中添加大量的空值键(比如遭到恶意攻击或爬虫)，而且缓存层和存储层数据短期内不一致；

1. 使用布隆过滤器在缓存层前拦截非法请求、自动为空值添加黑名单(同时可能要为误判的记录添加白名单).但需要考虑布隆过滤器的维护(离线生成/ 实时生成).

### 缓存雪崩

> 缓存崩溃时请求会直接落到数据库上,很可能由于无法承受大量的并发请求而崩溃,此时如果只重启数据库,或因为缓存重启后没有数据,新的流量进来很快又会把数据库击倒

>

#### 出现后应对

- 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,避免数据库承受太多压力.

- 事后:Redis 持久化,一旦重启,自动从磁盘上加载数据,快速恢复缓存数据.

#### 请求过程

1. 用户请求先访问本地缓存,无命中后再访问 Redis,如果本地缓存和 Redis 都没有再查数据库,并把数据添加到本地缓存和 Redis；

1. 由于设置了限流,一段时间范围内超出的请求走降级处理(返回默认值,或给出友情提示).

## 事件型驱动

### 文件

### 时间

### 调度&执行