1 关于Redis 配置说明

1.1 关于Redis持久化的说明

redis默认条件下支持数据的持久化操作. 当redis中有数据时会定期将数据保存到磁盘中.当Redis服务器重启时会根据配置文件读取指定的持久化文件.实现内存数据的恢复.

1.2 持久化方式介绍

1.2.1 RDB模式

特点:

1.RDB模式是redis的默认的持久化策略.

2.RDB模式记录的是Redis 内存数据的快照. 最新的快照会覆盖之前的内容所有RDB持久化文件占用空间更小持久化的效率更高.

3.RDB模式由于是定期持久化所以可能导致数据的丢失.

命令:

save 要求立即马上持久化同步的操作其他的redis操作会陷入阻塞的状态.bgsave 开启后台运行异步的操作由于是异步操作,所以无法保证rdb文件一定是最新的需要等待.配置:

1.持久化文件名称:

2.持久化文件位置

dir ./ 相对路径的写法

dir /usr/local/src/redis 绝对路径写法

3.RDB模式持久化策略

1.2.2 AOF模式

特点:

1.AOF模式默认条件下是关闭的,需要用户手动的开启

在这里插入图片描述

2. AOF模式是异步的操作记录的是用户的操作的过程可以防止用户的数据丢失

3. 由于AOF模式记录的是程序的运行状态所以持久化文件相对较大,恢复数据的时间长.需要人为的优化持久化文件

配置:

1.2.3 关于持久化操作的总结

1.如果不允许数据丢失使用AOF方式

2.如果追求效率运行少量数据丢失采用RDB模式

3.如果既要保证效率又要保证数据则应该配置redis的集群主机使用RDB 从机使用AOF

2 关于Redis内存策略

2.1.1 关于内存策略的说明

说明:Redis数据的存储都在内存中.如果一直向内存中存储数据必然会导致内存数据的溢出.

解决方式:

尽可能为保存在redis中的数据添加超时时间.利用算法优化旧的数据.

2.1.2 LRU算法

特点: 最好用的内存优化算法.

LRU是Least Recently Used的缩写，即最近最少使用，是一种常用的页面置换算法，选择最近最久未使用的页面予以淘汰。该算法赋予每个页面一个访问字段，用来记录一个页面自上次被访问以来所经历的时间 t，当需淘汰一个页面时，选择现有页面中其 t 值最大的，即最近最少使用的页面予以淘汰。

维度: 时间 T

2.1.3 LFU算法

LFU（least frequently used (LFU) page-replacement algorithm）。即最不经常使用页置换算法，要求在页置换时置换引用计数最小的页，因为经常使用的页应该有一个较大的引用次数。但是有些页在开始时使用次数很多，但以后就不再使用，这类页将会长时间留在内存中，因此可以将引用计数寄存器定时右移一位，形成指数衰减的平均使用次数。

维度: 使用次数

2.1.4 RANDOM算法

随机删除数据

2.1.5 TTL算法

把设定了超时时间的数据将要移除的提前删除的算法.

2.1.6 Redis内存数据优化

volatile-lru 设定了超时时间的数据采用lru算法

2.allkeys-lru 所有的数据采用LRU算法

3.volatile-lfu 设定了超时时间的数据采用lfu算法删除

4.allkeys-lfu 所有数据采用lfu算法删除

5.volatile-random 设定超时时间的数据采用随机算法

6.allkeys-random 所有数据的随机算法

7.volatile-ttl 设定超时时间的数据的TTL算法

8.noeviction 如果内存溢出了则报错返回. 不做任何操作. 默认值

3 关于Redis 缓存面试题

问题描述: 由于海量的用户的请求如果这时redis服务器出现问题则可能导致整个系统崩溃.

运行速度:

tomcat服务器 150-250 之间 JVM调优 1000/秒NGINX 3-5万/秒REDIS 读 11.2万/秒写 8.6万/秒平均 10万/秒

3.1 缓存穿透

问题描述: 由于用户高并发环境下访问数据库中不存在的数据时 ,容易导致缓存穿透.

如何解决: 设定IP限流的操作 nginx中或者微软服务机制 API网关实现.

3.2 缓存击穿

问题描述: 由于用户高并发环境下, 由于某个数据之前存在于内存中,但是由于特殊原因(数据超时/数据意外删除)导致redis缓存失效. 而使大量的用户的请求直接访问数据库.

俗语: 趁他病要他命

如何解决:

1.设定超时时间时不要设定相同的时间.

2.设定多级缓存

3.3 缓存雪崩

说明: 由于高并发条件下有大量的数据失效.导致redis的命中率太低.而使得用户直接访问数据库(服务器)导致崩溃,称之为缓存雪崩.

解决方案:

1.不要设定相同的超时时间随机数

2.设定多级缓存.

3.提高redis缓存的命中率调整redis内存优化策略采用LRU等算法.

原文地址：https://www.toutiao.com/article/6959037152483115531/

redis面试知识点和内存算法了解