redis 持久化机制
Redis的数据都存放在内存中，如果没有配置持久化，redis重启后数据就全丢失了，于是需要开启redis的持久化功能，将数据保存到磁盘上，当redis重启后，可以从磁盘中恢复数据。
redis持久化
持久化的方式
RDB持久化
RDB 持久化方式能够在指定的时间间隔对你的数据进行快照存储
AOF（append only file）持久化
AOF 持久化方式记录每次对服务器写的操作，当服务器重启的时候会重新
执行这些命令来恢复原始的数据
RDB方式
客户端直接通过命令BGSAVE或者SAVE来创建一个内存快照
- BGSAVE 调用fork来创建一个子进程，子进程负责将快照写入磁盘，而父进程仍然继续处理命令。
- SAVE 执行SAVE命令过程中，不再响应其他命令。
在redis.conf中调整save配置选项，当在规定的时间内，Redis发生了写操作的个数满足条件会触发发生BGSAVE命令
RDB的优点和缺点
RDB的优缺点
AOF持久化方式
记录每次服务器收到的写
BGREWRITEAOF命令可以触发日志重写或自动重写，废除对同一个Key历史的无用命令，重建当前数据集所需的最短命令序列。
意外中断，如果最后的命令只写了一部分，恢复时则会跳过它，执行后面完整的命令。
开启AOF持久化
appendonly yes
AOF策略调整
#每次有数据修改发生时都会写入AOF文件，非常安全非常慢
appendfsync always
#每秒钟同步一次，该策略为AOF的缺省策略，够快可能会丢失1秒的数据
appendfsync everysec
#不主动fsync,由操作系统决定，更快，更不安全的方法
appendfsync no
AOF的优点和缺点
AOF的优缺点
redis 丢失数据的可能性
RDB方式
快照产生的策略，天生就不保证数据安全
AOF持久化策略
默认每秒同步一次磁盘，可能会有1秒的数据丢失
每次修改都同步，数据安全可保证，但Redis高性能的特性全无
主从复制的可能性
异步复制，存在一定的时间窗口数据丢失
网络、服务器问题，存在一定数据的丢失
淘汰策略导致数据失效
不同数据类型的大小限制
- Strings类型：一个String类型的value最大可以存储512M。
- Lists类型：list的元素个数最多为2^32-1个，也就是4294967295个。
- Sets类型：元素个数最多为2^32-1个，也就是4294967295个。
- Hashes类型：键值对个数最多为2^32-1个，也就是4294967295个
# 最大内存控制
maxmemory 最大内存阈值
maxmemory-policy 到达阈值的执行策略
内存压缩
#配置字段最多512个
hash-max-zipmap-entries 512
#配置value最大为64字节
hash-max-zipmap-value 64
#配置元素个数最多512个
list-max-ziplist-entries 512
#配置value最大为64字节
list-max-ziplist-value 64
#配置元素个数最多512个
set-max-intset-entries 512
#配置元素个数最多128个
zset-max-ziplist-entries 128
#配置value最大为64字节
zset-max-ziplist-value 64
过期数据处理策略
主动处理（ redis 主动触发检测key是否过期）每秒执行10次。过程如下：
- 从具有相关过期的密钥集中测试20个随机密钥
- 删除找到的所有密钥已过期
- 如果超过25％的密钥已过期，请从步骤1重新开始
被动处理：
- 每次访问key的时候，发现超时后被动过期，清理掉
数据恢复阶段过期数据处理方式
RDB方式
过期的key不会持久化到文件中
载入时过期的key，会通过redis的主动和被动方式清理掉。
AOF方式
当 redis 使用 AOF 方式持久化时，每次遇到过期的 key redis 会追加一条 DEL 命令 到 AOF 文件，也就是说只要我们顺序载入执行 AOF 命令文件就会删除过期的键。
LRU算法
LRU（Least recently used，最近最少使用）：根据数据的历史访问记录来进行淘汰数据
- 核心思想：如果数据最近被访问过，那么将来被访问的几率也更高。
- 注意：Redis的LRU算法并非完整的实现，完整的LRU实现是因为这需要太多的内存。
- 方法：通过对少量keys进行取样(50%)，然后回收其中一个最好的key。
- 配置方式： maxmemory-samples 5
LFU算法
- 核心思想：如果数据过去被访问多次，那么将来被访问的频率也更高。
- Redis实现的是近似的实现，每次对key进行访问时，用基于概率的对数计数器来记录访问次数，同时这个计数器会随着时间推移而减小。
- Morris counter算法依据：
https://en.wikipedia.org/wiki/Approximate_counting_algorithm - 启用LFU算法后，可以使用热点数据分析功能。（ redis-cli --hotkeys ）
redis内存回收策略
配置文件中设置：maxmemory-policy noeviction
动态调整：config set maxmemory-policy noeviction
redis回收配置
适合缓存的数据特点
适合缓存的数据
缓存穿透 缓存雪崩的解决方案
缓存失效的两种情况
- 高峰期大面积缓存Key失效。（所有请求全部访问后端数据库）
- 局部高峰期，热点缓存Key失效。（导致海量的请求直击数据库）
缓存数据有效期到来的那一瞬间
缓存雪崩的风险
缓存雪崩：因为缓存服务挂掉或者热点缓存失效，从而导致海量请求去查询数据库， 导致数据库连接不够用或者数据库处理不过来，从而导致整个系统不可用。
数据库服务器压力大，依赖数据库的其他系统也会面临崩溃风险。
缓存雪崩的解决方案
-
互斥锁
互斥锁
-
服务降级
拿到锁的线程负责更新缓存，其他请求读取备份缓存数据或者执行降级策略；
备份缓存通常是不设置过期时间的，异步更新的缓存。
服务降级
网友评论