共计 1993 个字符，预计需要花费 5 分钟才能阅读完成。
Redis 长久化策略
为什么要长久化：
Redis 中的记录都保留在内存中，如果内存断电或者服务器宕机，则内存数据间接失落。业务中不容许产生，所以须要将数据定期进行保护.
长久化模式：
1.RDB 模式：
形容：RDB 模式是 Redis 的默认的长久化策略. 无需手动的开启.
特点：
（1）Redis 会定期的执行 RDB 长久化操作. 毛病是可能会导致内存数据失落.
（2）RDB 记录的是内存数据的快照. 并且后续的快照会笼罩之前的快照. 每次只保留最新数据. 效率更高.
命令有：
1）save 命令要求立刻执行长久化操作 save 会造成线程的阻塞.
2）bgsave 命令后盾长久化操作 后盾运行不会造成阻塞. 异步操作，不能保障立刻执行.
2.AOF 模式：
形容：AOF 模式默认条件下是敞开，须要手动的开启，如果开启了 AOF 模式则 RDB 模式将生效. 然而如果手动执行 save 命令，则也会生成 RDB 文件.
1）开启 AOF 模式
2）特点：
a.AOF 模式记录程序的执行的过程，所以能够保证数据不失落.
b. 因为 AOF 记录程序运行的过程，所以整个长久化文件绝对大，所以须要定期维护，效率低.
3.RDB 与 AOF 模式长久化比照
1）RDB 模式
save 900 1 如果在 900 秒内，执行了一次更新操作则长久化一次
save 300 10
save 60 10000 操作越快，长久化的周期越短.
2）AOF 模式
appendfsync always 用户执行一次更新操作，则长久化一次异步操作.
appendfsync everysec 每秒操作一次
appendfsync no 不被动操作个别不必
对于 RDB 与 AOF 总结
策略：如果数据容许大量失落，首选 RDB 模式，如果数据不容许失落则首选 AOF 模式.
实战策略：又要满足效率，同时满足数据不失落.
主机：采纳 RDB 模式
从机：采纳 AOF 模式
教训题：
Redis 内存策略
1.LRU 算法
，即最近起码应用 ，是一种罕用的页面置换算法，抉择最近最久未应用的页面予以淘汰。该算法赋予每个页面一个拜访字段，用来记录一个页面自上次被拜访以来所经验的工夫 t，当须淘汰一个页面时，抉择现有页面中其 t 值最大的，即最近起码应用的页面予以淘汰。
判断维度: 工夫 T
2.LFU 算法
即最不常常应用页置换算法 ，要求在页置换时置换援用计数最小的页，因为常常应用的页应该有一个较大的援用次数。然而有些页在开始时应用次数很多，但当前就不再应用，这类页将会长工夫留在内存中，因而能够将援用计数寄存器定时 右移一位 ，造成指数衰减的均匀应用次数。
判断维度: 应用次数
3. 随机算法
随机算法（不罕用）.
TTL 算法
将剩余时间短的数据，提前删除.
Redis 的内存优化策略
在 redis.conf 配置文件中批改设置：
1.volatile-lru 在设定超时工夫的数据中采纳 LRU 算法.
2.allkeys-lru 所有的数据采纳 LRU 算法删除.
3.volatile-lfu 设定了超时工夫的数据采纳 LFU 算法删除.
4.allkeys-lfu 所有数据采纳 LFU 算法删除.
5.volatile-random 设定了超时工夫的数据采纳随机算法.
6.allkeys-random 所有数据的随机算法.
7.volatile-ttl 设定了超时工夫之后采纳 TTL 算法.
8.noeviction 不做任何操作，只是返回报错信息.
Redis 常见问题：
产生起因：高并发环境下，用户长时间对服务器进行操作，可能产生如下的问题：
什么是缓存穿透？
形容：用户高并发环境下拜访 数据库 和缓存 中都不存在的数据 称为缓存穿透景象.
解决方案：
1）禁用 IP 限度 IP 拜访.
2）限流 每秒最多拜访 3 次
3）布隆过滤器
布隆过滤器：
布隆过滤器（Bloom Filter）是 1970 年由布隆提出的。它实际上是一个 很长的二进制向量和一系列随机映射函数 。布隆过滤器能够 用于检索一个元素是否在一个汇合中。它的长处是空间效率和查问工夫都比个别的算法要好的多，毛病是有肯定的误识别率和删除艰难。
布隆过滤器优化：
问题是：如何解决 hash 碰撞问题.
知识点：因为 hash 碰撞问题，可能由多个 key 有雷同的地位，所以得出结论，布隆过滤器认为数据存在，那么数据可能存在. 如果布隆过滤器认为数据不存在，则数据肯定不存在.
如何升高 hash 碰撞的几率：
1）扩容二进制向量位数.
2）减少 hash 函数的个数.
当位数减少 / 函数适当减少，则能够无效的升高 hash 碰撞的几率. 默认值 0.03.
什么是缓存击穿？
形容：某个热点数据在缓存中忽然生效. 导致大量的用户间接拜访数据库. 导致并发压力过高造成异样.
解决方案：
1）尽可能将热点数据的超时工夫，设定的长一点.
2）设定多级缓存，超时工夫采纳随机算法.
什么是缓存雪崩？
形容：在缓存服务器中，因为大量的缓存数据生效，导致用户拜访的命中率过低. 导致间接拜访数据库.
问题剖析：
1）fluashAll 命令可能导致缓存雪崩.
2）设定超时工夫时，应该采纳随机算法.
3）采纳多级缓存能够无效避免.