前言：

实现一个项目，无论项目多复杂，核心的功能就是增删改查。可以使用的到技术，比如 Java 基础语法，jsp，servlet，html，jdbc…………可以实现其基础功能。项目随着需求的变化，而不断升级，此时强调的是可扩展能力，如果使用普通实现功能的技术比较麻烦，那么衍生出的就是 Spring，SpringMVC，MyBatis 等框架技术来解决扩展性问题。当项目功能完成且具备扩展能力，此时就会产生性能问题，随着解决此类问题的技术就是：NoSql、java 线程、Nginx…………

目录：

1、NoSql 使用的两个场景
2、NoSql 数据库概述
3、redis 安装
4、五大数据类型
5、配置文件
6、订阅与发布
7、redis 6 之后的新类型
8、jedis
9、springboot 整合 redis
10、事务和锁机制
11、事务冲突
12、持久化
13、主从复制
14、集群
15、redis 应用问题

1、NoSql 的两个使用场景

• 情况一、session 复制问题：

• 情况二、高并发量访问数据库

2、Nosql 数据库概述

• NoSql （Not only sql）不仅仅是 sql ，泛指非关系型数据库，Nosql 不依赖业务逻辑，而是以 key -value 键值对的方式进行储存的，因此大大增强了数据库的扩展能力。
• Nosql 的适用场景：高并发对数据的读写，海量数据读写，对数据高可扩展性。但是 Nosql 不支持 ACID（事务的四个特性），不遵循 sql 标准，性能远超过 sql
• Nosql 典型的一个数据库就是 redis 数据库：数据存在内存中，支持持久化（主要用于备份恢复），除了支持简单的 kv 模式，还支持多种数据结构，一般是作为缓存数据库辅助持久化的数据库

3、在 Linux 系统下实现 redis 的安装

• redis 官方下载安装包 官方链接

• 1、直接把安装包，拖到 Linux 操作系统中，我这边是云服务，拖到 opt 目录下

cd /opt

yum install gcc

tar -zxvf + 安装包的名字

make

redis-cli

4、Redis 中常用的五大数据类型

• 前置知识 Redis 键
  • 指令 1 ：keys * 查询当前数据库（Redis 有很多数据库，默认的数据库的其 0 号库）的所有 key 值，未插入数据时为空
    
  • 指令 2 ：set key value设置键值对，向数据库插入数据后，再次使用 keys * 指令查询数据库中的key 值
    
  • 指令 3：exists + （key名字），查询当前 key 是否在数据库中，返回 1 在，返回 0 不在
  • 指令 4：type + （key名字），查询当前 key 的数据类型，可以看到刚刚定义的 key 是 string 类型
    
  • 指令 5：del + key 名 删除此 key
    
  • 指令 6：unlink + key名根据 value 选择非阻塞删除，使用此指令不是真正的删除此 key ，真正删除操作需要在后续的异步操作
    
  • 指令 7：expire + key名设置 key 值的过期时间，通过 ttl + key 名检测当前 key 值多少秒过期，-1 表示永不过期，-2 表示已过期
    
  • 指令 8：select + 数据库号表示切换数据库，下面就是切换数据库为 1 号数据库
    
  • 指令 9：dbsize查询当前数据库的 key 的数量
    
  • 指令 10：flushdb 清空当前库 + flushall 通杀全部库

• 类型 1 ：String，这里类型指的是 value，key 固定为 string 类型

Redis 字符串（String）是 Redis 中基本数据类型，一个 key 对应一个 value，String 类型是二进制安全的。意味 redis 的 string 可以包含任意数据，比如 jpg 图片或者序列化的对象。一个 Redis 中字符串 value 最多 512 M

• String 类型中的基本指令：

  • ①、set 和 get，设置 key / 获取 key 对应的 value
    
  • ②、append 字符串追加
    
  • ③、strlen 获取 value 值的长度
    
  • ④、setnx 只有在 key 不存在设置 key 的值，一般的 set 指令会覆盖原有的 value 值
    
  • ⑤、incr + key 名 / decr + key 名 自增 or 自减，自增 or 自减操作都是原子的，多个线程的自增 or 自减不会对数据最后的结果产生影响
    
  • ⑥、incrby / decrby + key + 指定步长 增加 or 减少
    
  • ⑦、多个 key value 的存储与获取 mset mget
    
  • ⑧、设置起始位置的复写该位置的字符串，获取指定起始位置的字符串 getrange setrange
    
  • ⑨、设置键值并设置键值的过期时间 setex + key + 秒数 + value
    
  • ⑩、getset 将对应 k 值设置为新值，并返回旧值
    
• String 类型的数据结构：String 的数据结构为简单动态字符串。是可以修改的字符串，类似于 java 中的 ArrayList，采取预分配冗余空间的方式来减少内存的频繁分配。如下图，内部的 capacity 一般要高于字符串的长度，当字符串的长度小于 1M，扩容都是以现有的大小进行 2 倍扩容的，当字符串的长度超过 1M 时，扩容每次只会扩容 1M，字符串的最大长度为 512M
  

• List 列表

• 前置知识：List 采取的是一个键多个值的方式进行存储的，也就是一个 key 对应多个 value，并且列表可以按照插入顺序排序，可以在列表头部或者尾部插入数据。其底层其实是一个双向链表，对两端的操作性能很高，通过索引下标的操作中间的结点性能较差
  
• 常用命令：
  • ①、lpush / rpush 从左 / 右端插入，类似于链表的头插和尾插，lrang + start + end 从左边开始读
    
  • ②、lpop 、 rpop 从左边或者右边取出一个值，值在键在，值没有了键也随之销毁
    
  • ③、lindex 通过索引下标找到数据，类似于 Java 中数组通过下标找到元素
    
  • ④、linsert + key + after / before + 原值 + 新值 在原值的前面或者后面插入数据
    
  • ⑤、Irem + key + n + value 从左边删除第 n 个数值
    
  • ⑥、lset + key + index + value 将 index 位置的数值改变为 value
    
• 列表的数据结构：

Redis 中的 List 采用的是 quickList （快速链表），一开始在列表中的数据比较少的时候，会使用一块连续的内存空间，这个结构是 zipList（压缩链表），它将所有的元素紧挨在一起进行放置，分配的是一块连续的空间，当数据量较多的时候才会改成 quickList 因为普通的链表需要附加的指针空间太大，会比较浪费空间。Redis 将链表和 zipList 结合起来组成了 quickList 也就是多个 zipList 使用双指针串联起来，既满足了插入删除的高效，也节省了空间

• Set 类型

• 前置知识：

Set 中提供了可以判断值是否在 set 中的接口，这是 List 中没有的，Set 是一个无序不重复集合，其底层是一个 value 为 null 的 hash 表，所以添加删除查找的时间复杂度都是 O(1)

• 基本指令：
  • sadd + key + value + value +…… / smembers + key 存储键值对 / 查看对应 key 的 value 值
    
    顺便通过此指令检测 set 的不重复的特性：
    
  • ②、sismember + key + value 判断此 value 是否在当前 key 中，0 不在，1在
    
  • ③、scard + key 返回该集合的元素个数
    
  • ④、srem + key + member 删除 key 中值为 member 的值
    
  • ⑤、spop + key 随机吐出一个值
    
  • ⑥、srandmember + key 随机取出一个值，不是吐出，该值还是在 key 中
    
  • ⑦、smove + k1 + k2 + 移动的数值（k1 向 k2 移动）
    
  • ⑧、sinter（两个 set 的交集）、sunion（两个 set 的并集）、sdiff（两个 set 的差集，差集只有对应长度的差集，超过某一个 set 的长度的值不算）
    
• 底层数据结构：

Redis 的 set 机构和 Java 的 set 结构类似，内部使用的也是 hash 结构，所有的 value 值都是指向同一个内部值

• Hash 类型：

• 前置知识：

Hash 是一个键值对集合，Redis 的 Hash 是一个 string 类型的 field 和 value 的映射表，hash 特别适合存储对象，就像 Java 的 map 一样

• 基本指令：

  • ①、hset / hget 存储键值对 / 取键值对
    
  • ②、一次设置多个 field 和 value 的映射
    
  • ③、hexists + key + field 判断当前 field 是否在 key 中 0 不在 1 在
    
  • ④、hkeys 列出 hash 集合中的所有 field / hvals 列出 hash 集合中所有的 value
    
  • ④、hincrby + key + field + 增加的步长：为指定的 key 对应 field 映射的 value 值加上步长
    
  • ⑤、hsetnx + key + field + value 设置 key 中 field 映射 value 值为 value，此 field 先前一定不存在
    

• Hash 的数据结构：

有两种，zipList，hashtable，当 field - value 长度比较短个数较少时，使用 zipList，否则使用 hashtable

• Zset 有序 set 集合

• 前置知识：

Zset 和 set 的区别不大，也是一个包含不重复元素的集合，不同之处就是每个成员添加了一个 score 属性，这个评分被用来按从最高或者最低进行排序，集合的成员是唯一的，评分不是唯一的

• 基本指令：
  • ①、zadd + key + score + value / zrange + key（withscores 带分数） 添加 / 取出元素
    
  • ②、zrangebyscore + key + min + max 返回 min到 max区间的 score 对应所有 value
    
  • ③、zrevrangebyscore + key + max+ min 返回 max 到 min 区间的 score 对应所有 value
    
  • ④、zincrby + key + increment + member 为当前 key 的 score + 上 increment
    
  • ⑤、zrem + key + value 删除指定 value
    
  • ⑥、zcount + key + 范围 统计集合范围中的 元素 个数
    
  • ⑦、zrank + key + value 返回在集合中所在位置
    
• Zset 的底层数据结构：

• Zset 一方面等价与 Java 中的 HashMap 可以给每个元素赋予一个权重，另一方面又类似于 TreeSet 内部按照 score 进行排序，又可以通过 score 的范围获取元素的列表
• Zset 底层使用两个数据结构：hash 保证每个 value 和 score 进行映射，跳跃表，跳跃表目的在于给元素 value 排序，根据 score 的范围来获取元素列表（类似于一颗搜索树，可以根据数据范围快速定位一个数据元素）
  

5、Redis 的配置文件

• 一定要配置密码，请参考 redis 设置密码

6、Redis 的发布和订阅

• Redis 发布订阅是一种消息通信模式，发送者发送消息，订阅者接收消息，Redis 客户端可以接收订阅任意数量的频道
  
• 代码演示：
  

7、Redis 6 之后的新类型

• ①、bitemap：

• 不是一个真的数据类型而是一个站在 String 类型上面向比特位操作的集合，其可以对字符串的位进行操作。bitemap 的使用和字符串类型不同，可以把 bitemap 想象成一个以位为单位的数组，数组每个单元存储 0 或 1 数组下标加偏移量
  

bitemap 和 set 集合比较：

• 假设网站有 1 亿用户，每天独立访问的用户用 5千万
  
  
• 可以看出当用户量比较大时，bitemap 对于空间的消耗较 set 来说要小很多
• 当然，当用户量比较少的时候，bitemap 也是会占用空间，比如活跃的用户量只有 10 万，此时 bitmap 就不合适，因为大部分位置是 0，反而比 set 只存储活跃用户量占用空间

• bitemap 的基本指令：

  • ①、setbit + key + offerset + value / getbit + key + offerset 设置当前 key 偏移量为 offerset 的二进制位为 1 / 获取当前 key 偏移量为 offerset 的位置的二进制位情况（是 0 还是 1）
    
  • ②、bitcount + key 返回当前 key 对应的 bitmap 数组中有多少个 1
    
  • ③、bitop and（or / not / xor）使多个 Bitemap 进行与或非异或的操作
    

• HyperLogLog 类型：

• 在实际业务中常用统计方面的需求，并且有时还需要统计不重复元素的个数（基数问题），在 MySQL 表中，使用 distinct count 计算不重复个数
• 在 Redis 中可以使用 hash set bitmap 来进行统计，但是随着数据量增加，这三种方式占用空间会越来越大，对于非常大的数据集是不可行的。所以考虑降低一定的精度来进行存储，Redis 退出 HyperLogLog。
• HyperLogLog 只需要花费 12 kb 的大小就能存储 2 ^ 64 个不同的基数（不重复的数），相对节省了很大的空间

• 常见指令：
  • pfadd + key + ele 值（可以有多个）—— 存储 key 和 多个 value 值（自动去重） / 计算出 key 中的数据个数
    
  • pfmerge + 目标 key + 源 key 将源 key 拷贝到目标 key 中
    

• Geospatial 类型

提供经纬设置，查询，范围查询，距离查询，经纬度 Hash 等常见操作

• 常见指令：

  • ①、geoadd + key + 经 + 纬 + 名字 / geopos + key + 名字 添加元素 / 获取对应位置的经纬度
    
    

  • ②、geodist + key + 两个名字 + 单位 两个地址计算出两个地址之间的距离
    

8、Jedis 通过 java 去操作 Redis

• 通过 Jedis 来操作虚拟机中的 Redis，类似于 java 中通过 JDBC 来操作 Mysql 一样
• 首先创建 Maven 工程：
• 然后在 xml 文件中引入 jedis 的依赖

<dependencies><dependency><groupId>redis.clients</groupId><artifactId>jedis</artifactId><version>3.2.0</version></dependency></dependencies>

• 创建 jedis 类，绑定虚拟机的 ip 地址和 Redis 的端口号，并进行测试（注意这里一定要按照上面的方式修改 redis 的配置文件，并且在云服务上放行 6379 端口，注意你的 redis 一定要设置密码）

public static void main(String[] args) {JedisShardInfo shardInfo = new JedisShardInfo("redis:///*使用你云服务器的 ip 地址*/:6379");shardInfo.setPassword("/*使用你redis的的密码*/");//创建 jedis 类Jedis jedis = new Jedis(shardInfo);//测试String value = jedis.ping();System.out.println(value);}

• 测试成功，返回 pong
  
• 之后就可以通过 jedis 来实现对 redis 的操作

9、SpringBoot 整合 redis

• 1、引入依赖：

		<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId></dependency><dependency><groupId>org.apache.commons</groupId><artifactId>commons-pool2</artifactId></dependency>

• 2、引入配置

#Redis本地服务器地址，注意要开启redis服务，即那个redis-server.exe
spring.redis.host=你redis的地址 我的是云服务器的地址
#Redis服务器端口,默认为6379.若有改动按改动后的来
spring.redis.port=6379
#Redis服务器连接密码，默认为空，若有设置按设置的来
spring.redis.password=
#连接池最大连接数，若为负责则表示没有任何限制
spring.redis.jedis.pool.max-active=20
#连接池最大阻塞等待时间，若为负责则表示没有任何限制
spring.redis.jedis.pool.max-wait=-1
#连接池中的最大空闲连接
spring.redis.jedis.pool.max-idle=5
#连接池中的最小空闲连接
spring.redis.jedis.pool.min-idle=0

• 3、在 config 类中引入对 redis 的配置，固定写法直接复制

package com.example.demo.config;import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.cache.CacheManager;
import org.springframework.cache.annotation.CachingConfigurerSupport;
import org.springframework.cache.annotation.EnableCaching;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.cache.RedisCacheConfiguration;
import org.springframework.data.redis.cache.RedisCacheManager;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.RedisSerializationContext;
import org.springframework.data.redis.serializer.RedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;import java.time.Duration;/*** Created with IntelliJ IDEA.* Description:* User: Lenovo* Date: 2022-10-12* Time: 9:43*/
@EnableCaching
@Configuration
public class RedisConfig extends CachingConfigurerSupport {@Beanpublic RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {RedisTemplate<String, Object> template = new RedisTemplate<>();RedisSerializer<String> redisSerializer = new StringRedisSerializer();Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);ObjectMapper om = new ObjectMapper();om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);jackson2JsonRedisSerializer.setObjectMapper(om);template.setConnectionFactory(factory);
//key序列化方式template.setKeySerializer(redisSerializer);
//value序列化template.setValueSerializer(jackson2JsonRedisSerializer);
//value hashmap序列化template.setHashValueSerializer(jackson2JsonRedisSerializer);return template;}@Beanpublic CacheManager cacheManager(RedisConnectionFactory factory) {RedisSerializer<String> redisSerializer = new StringRedisSerializer();Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
//解决查询缓存转换异常的问题ObjectMapper om = new ObjectMapper();om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);jackson2JsonRedisSerializer.setObjectMapper(om);
// 配置序列化（解决乱码的问题）,过期时间600秒RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig().entryTtl(Duration.ofSeconds(600)).serializeKeysWith(RedisSerializationContext.SerializationPair.fromSerializer(redisSerializer)).serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(jackson2JsonRedisSerializer)).disableCachingNullValues();RedisCacheManager cacheManager = RedisCacheManager.builder(factory).cacheDefaults(config).build();return cacheManager;}}

• 4、使用 controller 类进行测试，输入二级地址后就可以查看到结果

package com.example.demo.controller;import com.example.demo.config.RedisConfig;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;/*** Created with IntelliJ IDEA.* Description:* User: Lenovo* Date: 2022-10-12* Time: 9:50*/
@RestController
@RequestMapping("/testRedis")
public class RedisController {@Autowiredprivate RedisTemplate redisTemplate;@RequestMapping("/redis")public String testRedis(){redisTemplate.opsForValue().set("name","lucy");String name = (String)redisTemplate.opsForValue().get("name");return name;}
}

redis 中也有这个 key

10、Redis 的事务和锁机制

• Redis 的事务和 MySql 的完全不一样

• Redis 中的事务：是一个单独的隔离操作，事务中所有的指令都会序列化，按顺序执行，在事务执行过程中，其他客户端的指令不会打断指令。

• Redis 事务的主要作用就是为了串联多个命令，防止其他命令插队

• 三个指令：Multi、Exec、Discard

  • ①、Multi：开启事物，开启事物后，之后的命令返回的都是 queue 代表命令正在排队，并没有执行
    
  • ②、Exce：执行命令
    

• ③、Discard：中断事物
  
  

• 事物的错误处理：

  • ①、当排队阶段发生错误，整个事物都会被打断，都不会执行
    
  • ②、当执行过程中出现错误，哪个有错误哪个不执行，其他的正常
    

11 、事物的冲突问题

• 事物冲突：三个人同时操作一个账户的金额，同时查询都是有 10 ￥，用户 1 取 8 ￥，用户 2 取 4 ￥，用户 3 去 2 ￥，按说每个用户看到都是 10 ￥ 如果取钱操作应该成功，但是这样就会使账户成负数了，这显然是不合理的，随着用户取走钱，对应其他用户所取钱的范围就应该减少

• 解决方法：

  • 1、悲观锁：直接是传统的上锁，用户 1 操作金额加锁，其他用户需要等到锁释放才可以操作账户。这样就保证了账户金额的正常取出
  • 2、乐观锁：不加锁，而是采取版本号机制，最初数据库中的账户金额设置一个初始版本号，每个用户都可以读到金额和初始版本号，如果哪个用户对金额进行了修改，对应的数据库中的版本号就会进行 + 1，其他用户再进行操作的时候，就会比对这个版本号，如果和之前拿到的版本号一致，就证明没有其他用户修改金额，当前用户可以进行金额修改，否则当前事务终止，然后需要从数据库中重新读金额和版本号再进行后续的操作。乐观锁没有采用锁的方式来保证事务的冲突，所以效率相对更高

• watch 监视当前 key 是否被其他命令修改过，如果修改过，当前事务中断
  

• unwatch 指令清除对 key 的监视

• Redis 事务的三个特性

  • ①、单独的隔离性：事务中的所有命令都会被序列化，按顺序执行，事务执行过程中，不会被其他的客户端的指令打断
  • ②、不具备隔离性：事务在排队中没有真正的执行，所以不存在像是 Mysql 那样的脏读脏写的问题
  • ③、不保证原子性：事务在排队过程中如果有操作失败，整体事务失败，但是在事务执行的过程中如果有操作失败，只是失败的操作会不执行，其他正常执行，不会进行整体的回滚

12、Redis 中的持久化操作

• 之前说过，Redis 是基于内存的数据库，但是统一 redis 也可以把数据写到内存中去
• Redis 提供的两种不同的持久化方式：
  • ①、RDB：在指定时间间隔内将内存中的数据集快照写入磁盘。持久化过程：先创建一个子进程（fork），先创建一个临时文件，子进程先将数据持久化到临时文件中，最后再将临时文件中复制到磁盘中 dump.rdb。
    • 这样的目的：子进程将数据先备份到临时文件的目的是为了防止后期 redis 数据库挂掉，导致前面的数据没有持久化成功，通过子进程将数据备份到临时表中，即是 redis 服务器挂掉，也可以实现前面数据的持久化，保证数据的完整性和安全性
      
    • RDB 的优势：
      • ①、适合大规模的数据恢复
      • ②、对数据完整性要求不高
      • ③、节省磁盘空间
      • ④、恢复速度快
    • RDB 的劣势：
      • ①、子进程 fork 内存中的被复制了一份到临时文件中，需要考虑 2 倍膨胀性
      • ②、RDB 采用写时复制技术，数据庞大时还是比较消耗性能的
      • ③、在备份周期一定时间间隔内做一次备份，如果 redis 服务器意外 down 掉，就会丢失最后一次快照后的所有修改
  • ②、AOF（默认不开启）
    • AOF 以日志的方式来记录每个写操作，不记录读操作，记录的是每个写操作的指令和数据，只许追加文件不可以修改文件，redis 启动初期就会读取该文件重新构建数据
    • AOF 和 RDB 同时开启，系统会默认去取 AOF 的数据，启动方式：appendonly no 修改 no 为 yes
    • AOF 文件如果损坏，可以通过指令 redis-check-aof–fix appendonly.aof 恢复
    • AOF 两个参数：
      • ①、AOF 同频设置：appendfsync always 每次 Redis 的写入操作都会被记录到日志文件中，数据完整性好但是性能差。appendfsync everysec 每秒进行一次数据的写入，如果服务器宕机，本秒的数据可能会丢失。appendfsync no redis 不主动写入文件，把同步时机交给操作系统
      • ②、Rewrite压缩：当 AOF 文件大小 > 64 M，就会把多条指令压缩成一条指令来节省空间。比如：
        
    • AOF 持久化流程：客户端的写操作会被追加到 AOF 缓冲区中。AOF 缓冲区根据 AOF 的持久化策略，将操作同步到 AOF 中，AOF 文件的大小超过重写策略或者手动重写时，会对 AOF 文件进行 rewrite 操作。redis 重启时，会重新 load 加载 AOF 文件中写操作到达数据恢复的目的
    • AOF 的优势：
      • ①、备份机制稳健，丢失数据的概率低
      • ②、支持修复 AOF 文件，防止误操作
    • 劣势：
      • ①、比 RDB 更占用空间，AOF 中记录数据和写操作指令
      • ②、恢复速度更慢
      • ③、每次都写都同步的话，有一定的性能压力
      • ④、存在个别 BUG ，造成不能恢复
• AOF 和 RBD 使用：
  • ①、官方建议两个都使用
  • ②、当对数据不敏感，采用 RDB
  • ③、不建议单独使用 AOF，会出现 BUG
  • ④、单单做内存缓存，可以都不使用

13、主从复制

• 主从复制是什么：主机更新数据后根据配置和策略，自动同步到备机的 master / slave 机制，Master 以写为主，Slave 以读为主
• 能干什么：一台主机多台从机。读写分离，性能扩展（分担主机的压力），容灾快速恢复（从机挂了，可以快速切换到其他从机进行其对应的操作）
• 通过指令：slaveof < ip >< port > 绑定主机，从机重启后变成主机，原有数据不会消失，但是主机重启后还是主机，并且隶属于此主机的从机也不会消失
• 主从复制原理：
  • 当从服务器连上主服务器后，会向主服务器发送一个进行数据同步的消息（告诉主服务要进行数据同步）。主服务器接受到同步消息之后，会把主服务器的数据进行持久化，rdb 文件，然后主服务器将 rdb 文件发送给从机，从机从 rdb 文件中读取数据。后面每次主服务器进行写操作都会主动和从机进行同步
• 主从复制的三种方式：
  • ①、一主二仆：就是上面基本的主从复制方式
  • ②、薪火相传：上一个 slave 可以是下一个 slave 的主机，减少 master 的写压力
  • ③、反客为主：当一个 master 宕机后，后面的 slave 可以立刻升级为主机，其后面的 salve 不用做任何修改
• 哨兵模式：
  • 反客为主的自动版，能够后台监控主机是否故障，如果故障了根据投票数自动将从机变长主机。从机根据 slave-priority 优先级设置哪个从机为主机。原主机重启后变成从机
  • 故障恢复过程：
    

  ---

14、Redis 集群

• Redis 集群是将多个服务器组建成一个无中心集群，每个服务器都可以是集群的入口。服务器之间请求是可以相互进行转发的，通过这样的模式来解决（容量不足，redis扩容问题以及并发写操作，redis如何分摊）。通过集群实现水平扩容，多个 redis 分摊数据量，假设公有 N 个数据量，每个 redis 只需要存储 1 / N 的数据量即可
  
• 这三组六个机器怎样进行分配：尽量保证每个主数据库运行在不同的 ip 地址，每个从库和主库不在一个 ip 地址上
• Redis 集群共有 16384 个插槽，如果此时一个命令 set k1 a 就会先计算 k1 的插槽位置后再将 k1 插入到服务器中，哪个服务器作为入口都可以，计算插槽位置后切换对应插槽范围的服务器。如果通过 mset 加入多个值，需要定义一个组名（确保唯一）就会根据此组名来进行插槽位置的寻找
  
• 如果集群中一个主机宕机了，从机可以升级为主机继续进行服务，不会影响到整个集群。如果主机和从机都挂掉了，那么需要依据配置文件中的 cluster-require-full-coverage 看其是否为 yes 如果是 yes 那么整个集群就会挂掉，如果是 no 那么该插槽内的数据全都不能使用，也无法存储
• 集群的好处：实现扩容、分摊压力、无中心配置相对简单
• 集群的不足：redis 集群方法出现的较晚，很多公司采取了其他的集群方案，迁移的复杂度比较高

15、Redis 应用问题

• 缓存穿透

  • 应用服务器压力变大了，大量请求从客户端发来，正常情况下先去查询缓存，如果没有数据再去数据库中查找，而缓存穿透，就是大部分数据在缓存中不存在，都去查数据库造成数据库压力急剧增大，redis 内部正常运行，没有起到缓存的作用，这就是缓存穿透的现象
  • 出现的原因：redis 查询不到数据、出现很多非正常的 url 访问（网址不正确）
  • 解决方法：对空值缓存进行缓存（如果一个查询返回是空，将这个空结果进行缓存，设置空结果的过期时间很短） 、设置白名单（使用 bitmap 设置可以访问的 id）、采取布隆过滤器、进行事实监控（如果一个客户端频繁发来无用数据，将这个客户端拉黑，让其无法访问）

• 缓存击穿

  • 现象：数据库的访问压力瞬时增大，redis 里面没有出现大量的 key 过期，redis 正常运行，数据库崩溃
  • 出现原因：redis 某个 key 过期了，大量访问使用这个 key
  • 解决方法：预先设置一些热门数据（加长其过期时间），实时监控 redis 中的数据（监控哪个数据频繁访问到，修改其过期时间），使用锁（效率低）

• 缓存雪崩：

  • 原因：在极少时间段，查询大量 key 的集中过期情况
  • 解决：采取多级缓存架构（redis + nginx + 其他缓存）、使用锁或者队列、设置过期标志更新缓存（记录缓存数据是否过期，如果过期会触发其他线程来更新 key 的缓存）、将缓存失效时间分散开（减少同一时间失效 key 的数量）

• 分布式锁

  • 由于分布式系统多线程、多进程并且分布在不同机器上，原有的单机并发锁策略失效，而是需要对整个分布式集群加锁，就需要使用到分布式锁
  • 使用 setnx 可以加锁，使用 del 释放锁。如果锁一直没有释放，设置 key 的过期时间，自动释放。如果上锁之后出现异常，就无法设置过期时间，采用一般上锁一遍设置过期时间即可（set k1 value nx ex + 过期时间）