共计 2455 个字符，预计需要花费 7 分钟才能阅读完成。
由于内容过多，分一个系列来写，这是第三篇。
五、持久化
持久化功能有效的避免因进程退出造成的数据丢失问题，当下次重启时利用之前持久化的文件即可实现数据恢复。
1、RDB
RDB 持久化是把当前进程数据生成快照保存在硬盘的过程，触发 RDB 持久化过程分为手动触发和自动触发。手动触发的命令有：save 和 bgsave 命令。
save 命令会阻塞当前 Redis 服务器，直到 RDB 过程完成为止，对于内存比较大的实例会造成长时间阻塞，线上不要用。bgsave 命令，Redis 进程执
行 fork 操作创建子进程，RDB 持久化过程由子进程负责，完成后自动结束。阻塞只发生在 fork 阶段，时间很短。
RDB 的优点：
RDB 是一个紧凑压缩的二进制文件，代表 Redis 在某个时间点上的数据快照。适合于备份、全量复制的场景；
Redis 加载 RDB 恢复数据远快于 AOF 的方式。
RDB 的缺点：
RDB 方式数据没法做到实时持久化、秒级持久化，因为 bgsave 每次运行都要执行 fork 操作创建子进程，属于重量级操作，频繁执行成本过高；
RDB 文件使用特定二进制格式保存，Redis 版本演进过程中有多个格式的 RDB 版本，存在老版本 Redis 无法兼容新版本 RDB 格式的问题。
2、AOF
AOF 持久化以独立日志的方式记录每次写命令，重启时再重新执行 AOF 文件中的命令达到恢复数据的目的，AOF 的主要目的是解决了数据持久化的实时性。
AOF 的工作流程操作：命令写入、文件同步、文件重写、重启加载。所有的写入命令会追加到 aof_buf 缓冲区中，缓存区根据对应的策略向硬盘做同步操作（同步策略建议使用 everysec），随着 AOF 文件越来越大，需要定期对 AOF 文件进行重写，达到压缩的目的，当 Redis 服务器重启时，可以加载 AOF 文件进行数据恢复。
六、复制
本章大部分是运维层面的知识。简要整理下重点内容：
Redis 通过复制功能实现主节点的多个副本，从节点可以灵活的通过 slaveof 命令建立或断开复制流程；
复制支持树状结构，从节点可以复制另一个从节点，实现一层层向下的复制流，复制分为全量复制和部分复制；
主从节点之间维护心跳和偏移量检查机制，保证主从节点通信正常和数据一致；
Redis 为了保证高性能复制过程是异步的，写命令处理完后直接返回给客户端，不等待从节点复制完成，因此从节点数据集会有延迟。
七、阻塞
本章主要也是运维层面的知识。
Redis 是典型的单线程架构，所有的读写操作都是在一条主线程中完成的，当 Redis 用于高并发场景时，这条主线程就变成了它的生命线。导致阻塞问题的场景大致分为内在原因和外在原因：
内在原因：不合理的使用 API 或数据结构、CPU 饱和、持久化阻塞等；
外在原因：CPU 竞争、内存交换、网络问题等。
八、理解内存
1、内存消耗
info memory 获取内存相关指标
redis 进程内消耗主要包括：自身内存 + 对象内存 + 缓冲内存 + 内存碎片 对象内存是 Redis 内存占用最大的一块。
2、内存管理
maxmemory 参数限制最大可用内存。
Redis 采用惰性删除和定时任务删除过期建的内存回收策略：
- 惰性删除：访问时才判断是否过期，存在内存泄漏问题，当键过期一值未回收，导致内存不能及时释放
- 定时任务删除：内部维护了一个定时任务，默认每秒运行十次，根据键的过期比例（25%），使用快、慢模式回收键（快慢模式内部删除逻辑相同，只是执行
超时时间不同）
当 Redis 所用内存达到 maxmemory 时，会触发内存溢出控制策略：
- noeviction 默认的，不删除，拒绝写入，报错
- volatile-lru LRU 算法删除设置了超时属性的键
- allkeys-lru LRU 算法删除键
- allkeys-random 随机删除所有键
- volatile-random 随机删除过期键
- volatile-ttl 根据键值对象的 ttl（time to live）属性，删除最近将要过期数据
3、内存优化
- 缩减键值对象
- 共享对象池（与 maxmemory+LRU 冲突，注意）
- 字符串优化
- 编码优化
- 控制键的数量
九、哨兵
当主从模式出现故障时，Redis 哨兵能自动完成故障发现和故障转移。哨兵本身是独立的 Redis 节点，不储存数据，只支持部分命令。
十、集群
redis cluster 是 Redis 的分布式解决方案，数据分区是分布式存储的核心。Redis 集群的数据分区采用虚拟槽方式，所有的键映射到 16384 个槽中。
集群内部节点通信采用 Gossip 协议。
十一、缓存设计
- 缓存的使用带来的收益是能够加速读写，降低后端存储负载，带来的成本是缓存和存储数据不一致性，代码维护成本加大。
- 缓存更新策略根据具体场景，低一致性业务建议配置最大内存和淘汰策略的方式，高一致性业务可以结合使用超时剔除和主动更新，这样可以保证即使主动更新
出现了问题，也能保证数据过期时间后删除脏数据。
- 缓存粒度分为全部数据和部分数据，全部数据通用性高，但是占用空间大，部分数据通用性低，占空间小，但是业务更改的话(比如多缓存个字段), 那么处理
起来复杂。
- 缓存穿透是指查询一个根本不存在的数据，缓存层和存储层都不会命中，缓存穿透将导致不存在的数据每次请求都到达了存储层，失去了缓存层保护后端存储
的意义，可能使后端存储负载加大。解决方式：（1）当存储层不命中，将空对象保留缓存层，设置一个过期时间；（2）布隆过滤器拦截。
- 无底洞优化问题，解决方案：串行命令、串行 IO、并行 IO、hash_tag。根据不同业务要求采用不同方案。
- 缓存雪崩优化：如果缓存层由于某些原因不能提供服务，那么所有的请求都将到达存储层，造成存储层调用量暴增。解决方案有：把缓存层设计成高可用的；
依赖隔离组件 (比如 Hystrix) 限流降级。
- 热点 key 重建优化：热点 key 并大量很大，缓存失效的瞬间，会有大量线程来重建缓存，造成后端负载加大。解决方案：（1）互斥锁，只允许一个线程重建，其他
线程等待重建缓存的线程执行完，重新从缓存获取数据，特别注意，要考虑重建速度和影响；（2）永远不过期，key 不设置过期时间，value 设置逻辑过期时间。
