声明：
这篇文章主要讲解了面试中常问到的几个问题，主要是redis的缓存，持久化，和缓存中遇到的几个难题和解决方式。介绍的比较详细，很适合小白。
同时刚学完或者准备面试的大佬也可以看看哟。
如果文章中有什么不准确或者需要改进的地方，请在评论区留言或者私聊哦。
在这里先感谢各位小伙伴了

🚗 redis缓存

🚓缓存概念及作用

缓存就是数据交换的缓冲区（称作Cache），当某一硬件要读取数据时，会首先从缓存中查找需要的数据，如果找到了则直接执行，找不到的话则从内存(数据库)中找。由于缓存的运行速度比内存快得多，故缓存的作用就是帮助硬件更快地运行。

作用：
降低后端负载
提高读写效率，降低响应时间

解释：当用户第一次查询数据库中的数据时，会访问数据库，因为这个时候没有缓存，当访问数据库后，读取的数据就存在了缓存中，下次用户再查询数据时从缓存中查询即可。从缓存中查询数据是比访问数据库的速度快的多的。同时当改变数据库中的数据后，也可同步改变缓存中相应的数据。
并且当很多用户同时访问数据库时，数据库很可能崩溃，因此我们可以把数据库中的数据移到缓存中，这样一部分用户在访问数据库时，可以直接从缓存中获取数据。

🚓缓存更新策略

1. 内存淘汰
   内存淘汰策略不需要自己维护，它是利用Redis的内存淘汰机制，当内存不足的时候自动淘汰大部分数据，下次查询时再更新查询。
   优点：无维护成本
   缺点：一致性差
2. 超时剔除
   给缓存数据添加TTL时间，当缓存的数据到期后会自动删除缓存，下次查询时再更新缓存。
   维护成本低
   一致性一般
3. 主动更新
   需要程序员自己编写业务逻辑，在修改数据库的同时，更新缓存。
   优点：一致性好
   缺点：维护成本高

当需求为低一致性需求时：使用内存淘汰机制。
当需求为高一致性需求时：使用主动更新机制，并以超时剔除作为兜底方案。

🚓主动更新策略

一般来说，缓存有以下三种模式：

Cache Aside 更新模式 ：由缓存的调用者，在更新数据库时同时更新缓存。
Read/Write Through 更新模式 ：先更新缓存，缓存负责同步更新数据库
Write Behind Caching 更新模式： 先更新缓存，缓存定时异步更新数据库

🚕Cache Aside Pattern

在很多情况下，此更新模式都是很适合的，因此在这里详细讲解这种更新模式。
在操作缓存和数据库时是先操作缓存还是先操作数据库呢?
此时先给出答案：

先操作数据库，在操作缓存比较合适

第一种情况

刚开始缓存和数据库中的数据都是10

1. 线程1删除缓存。此时缓存中无数据，数据库中的数据为10
2. 线程2查询缓存，因为缓存中没有数据，所以无法命中缓存，只能从数据库中查询，查询数据为10
3. 线程2将查询到的数据10写入到缓存中，此时数据库中数据为10，缓存中数据为10
4. 线程1此时更新数据库中的数据，将值改为20。所以这就造成了数据库和缓存中的数据不一致。

第二种情况

刚开始数据库中的数据为10，假设缓存数据过期失效

1. 线程1查询缓存，由于缓存失效，所以查询数据库。
2. 此时线程2突然要更新数据库，将数据改为20。
3. 此时线程2删除缓存，由于缓存中没有数据，因此删了个寂寞😂😂😂
4. 这时线程1再把数据写入缓存，此时写入缓存的数据是10。这就造成了缓存和数据库中的数据不一样，缓存中的数据为10，数据库中的数据为20。

虽然第二种情况会造成缓存和数据库中的数据不一样，但是这种情况发生的概率是微乎其微的。
因为写入缓存的速度是要快于更新数据库操作的，所以线程1查询数据库后，几乎不会等线程2更新数据库完数据库后再写入缓存。并且这种情况还要在缓存失效的前提下才能发生，所以第二种在整体上胜出第一种。
因此还是先操作数据库再操作缓存比较合适

🚕Read/Write Through Pattern

Read Through 模式就是在查询操作中更新缓存，也就是说，当缓存失效的时候，Cache Aside 模式是由调用方负责把数据加载入缓存，而 Read Through 则用缓存服务自己来加载。
Write Through 模式和 Read Through 相仿，不过是在更新数据时发生。当有数据更新的时候，如果没有命中缓存，直接更新数据库，然后返回。如果命中了缓存，则更新缓存，然后由缓存自己更新数据库（这是一个同步操作）。

🚕Write Behind Caching Pattern

Write Behind Caching 更新模式就是在更新数据的时候，只更新缓存，不更新数据库，而我们的缓存会异步地批量更新数据库。这个设计的好处就是直接操作内存速度快。因为异步，Write Behind Caching 更新模式还可以合并对同一个数据的多次操作到数据库，所以性能的提高是相当可观的。
但其带来的问题是，数据不是强一致性的，而且可能会丢失。另外，Write Behind Caching 更新模式实现逻辑比较复杂，因为它需要确认有哪些数据是被更新了的，哪些数据需要刷到持久层上。只有在缓存需要失效的时候，才会把它真正持久起来。

🚗缓存穿透

缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，所以不能从缓存上面取到客户端想要的数据，并且这些请求都会打到数据库上，导致数据库短时间内承受大量的请求而崩溃
而解决缓存穿透的方案通常有两种：
1.缓存空对象
从缓存上取不到数据，在数据库中也取不到，这时可以把key-value键值对写成key-null键值对，并且设置有效时间（设置短一些）。这样可以防止带有恶意的用户频繁地用一个值来攻击数据库。

优点：实现简单，便于维护
缺点：需要消耗额外的内存；
并且可能造成短期的不一致

2.布隆过滤器
过滤器，顾名思义，就是不让某些请求通过，不放行某些恶意的请求。
在缓存中，采用布隆过滤器，将可能存在的数据哈希到足够大的bitmap上，如果客户端请求的数据不存在，布隆过滤器会拒绝客户端的请求，如果存在则会放行请求，再去查询缓存，按步骤执行后面的操作。

🚗缓存雪崩

缓存雪崩是指在同一时间段内大量的缓存key同时失效或者Redis服务器宕机，导致大量的请求到达数据库，给数据库带来巨大的压力而使得数据库崩掉。
缓存雪崩的解决方案有以下几种：
1.给不同的Key的TTL值添加随机值（如1-5分钟随机），防止同一时间段内大量数据发生过期的现象。
2.不给缓存设置失效时间，让它永久有效
3.利用Redis集群提高服务的可用性。将热点的key放到不同的节点上。
4.可以考虑加锁（最多使用）或者队列的方式来保证不会有大量的线程对数据库一次性读写，从而避免了key失效时大量的并发请求落到存储系统上。

🚗缓存击穿

缓存击穿问题也叫热点Key问题，是一个被高并发访问并且缓存创建业务较复杂的key突然失效了，缓存中没有数据但数据库中有数据，并发用户无数的请求访问读缓存不能读到数据，又同时去数据库里查询数据，这无数的请求会瞬间给数据库带来巨大的冲击导致数据库压力过大。

缓存击穿和缓存雪崩很相似，但不同的是，缓存击穿是指客户端并发查同一条数据，缓存雪崩是指不同的数据都过期了，很多数据都查不到而去数据库中查询。

解决方案：
1.加互斥锁
加互斥锁只允许一个线程重建缓存，其他线程等待上锁的线程重建缓存步骤执行完，释放锁后，其他线程再重新从缓存上获取数据。

优点：
没有额外的内存消耗；
保证了一致性；
实现起来比较简单
缺点：
线程需要等待，性能受到影响；
还可能出现死锁的风险

2.逻辑过期
给每个value设置一个过期时间，当发现超过逻辑过期时间后，会使用单独的线程去更新缓存。
但从缓存层面上来看，确实没有设置过期时间，所以不会出现热点key过期后产生的问题，也就是“物理”不过期。

优点：
线程无须等待，性能较好
缺点：
不能保证一致性；
有额外的内存消耗；
实现起来比较复杂

🚙redis持久化

首先需要了解什么是持久化。持久化就是把内存中的数据写到磁盘中去，防止服务器宕机造成内存中的数据丢失。
redis持久化的方式有两种，一种是RDB持久化，一种是AOF持久化。

🚙RDB持久化

RDB全称Redis Database Backup file（Redis数据备份文件） 也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据。快照文件称为RDB文件，默认是保存在当前运行目录。
Redis停机时会执行一次RDB。

Redis内部有触发RDB的机制，它的命令举例如下：
save命令
Reids save命令执行一个同步保存操作，将当前Redis实例的所有数据快照(snapshort)已RDB文件的方式保存到磁盘
bgsave命令
bgsave执行后，会立刻返回OK，Redis 会fork一个子进程，原来的redis主进程继续执行后续操作，新fork的子进程负责将数据保存到磁盘，然后退出

save 900 1 表示900秒内，如果有至少一个key被修改，则执行bgsave

如果是 save " ",表示禁用RDB

bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入RDB文件。
fork采用的是copy-on-write技术：
当主进程执行读操作时，访问共享内存；
当主进程执行写操作时，则会拷贝一份数据，执行写操作。

RDB方式bgsave的基本流程：
1.fork主进程得到一个子进程，共享内存空间
2.子进程读取内存数据并写入新的RDB文件
3.用新RDB文件替换旧的RDB文件。

RDB方式的优缺点

优点：
（1）RDB会生成多个数据文件，每个数据文件都代表了某一个时刻中redis的数据，这种多个数据文件的方式，非常适合做冷备。
（2）RDB对redis对外提供读写服务的时候，影像非常小，因为redis 主进程只需要fork一个子进程出来，让子进程对磁盘io来进行rdb持久化
（3）RDB 在恢复大数据集时的速度比 AOF 的恢复速度要快。

缺点：
（1）如果redis要故障时要尽可能少的丢失数据，RDB没有AOF好，例如1:00进行的快照，在1:10又要进行快照的时候宕机了，这个时候就会丢失10分钟的数据。
（2）fork子进程、压缩、写出RDB文件都比较耗时。RDB每次fork出子进程来执行RDB快照生成文件时，如果文件特别大，可能会导致客户端提供服务暂停数毫秒或者几秒

🚙 AOF持久化

AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件。当重启Redis时会重新将持久化的日志中文件恢复数据。
由于AOF记录的是命令，所以AOF文件比RDB文件大得多。并且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。

如：
set num Tom；
set name Jack；
set name Lucy；
最后记录的name是Lucy

也可以通过执行bgrewriteof命令，可以让AOF文件执行重写功能，用最少的命令达到相同的效果

如 mset Tom Jack Lucy；

当然AOF的命令记录的频率也可以通过redis.conf文件来配

1. Always 同步刷盘，可靠性高，几乎不会丢失数据，就是会影响性能；
2. everysec 每秒刷盘，性能适中，最多丢失1秒的数据；
3. no 由操作系统控制，性能是最好的，但可靠性比较差，可能丢失大量数据。

优点：

1.保存数据安全，AOF持久化可以配置appendfsync属性为always，每进行一次操作，命令就会被记到AOF文件中。
2.如果在写文件时突然服务器宕机，可以用redis-check-aof工具解决一致性问题。
3.AOF 机制的 rewrite 模式。AOF 文件没被 rewrite 之前（文件过大时会对命令 进行合并重写），可以删除其中的某些命令。

缺点

1.AOF文件较大，并且恢复速度慢（因为恢复时需要执行一遍命令才能恢复）
2.数据集大的时候，比RDB启动效率低。

🚙RDB和AOF持久化的对比

RDB和AOF都有各种的优缺点，如果对数据安全性要求高，在实际开发中往往会结合两者来使用。

持久化方式：
RDB定时对整个内存做快照；而AOF记录每一次执行的命令；
数据完整性：
RDB不完整，两次备份之间会丢失数据；AOF相对完整，取决于刷盘策略；
文件大小：
RDB会有压缩，文件体积小；而AOF记录命令，文件体积很大；
宕机恢复速度：RDB很快；而AOF慢，因为要执行一遍命令；
数据恢复优先级：
RDB低，因为数据完整性不如AOF，AOF高，因为数据完整性更高。
系统资源占用：
RDB占用高，大量CPU和内存消耗；而AOF占用低，主要是磁盘IO资源，但AOF重写时会占用大量CPU和内存资源。
使用场景：
RDB在可以容忍几分钟的数据丢失，追求更快的启动速度时使用比较合适；
AOF主要在对数据安全性要求较高时比较常见。

文章到这里就结束了，**下一篇会介绍Redis其他的重点内容。**如Redis哨兵，Redis主从等面试中的重点内容。
如果文章中有需要改进的地方还请大佬指正🤞🤞🤞
再次感谢各位小伙伴儿的支持👏👏👏