前言：
实现一个项目，无论项目多复杂，核心的功能就是增删改查。可以使用的到技术，比如 Java 基础语法，jsp，servlet，html，jdbc…………可以实现其基础功能。项目随着需求的变化，而不断升级，此时强调的是可扩展能力，如果使用普通实现功能的技术比较麻烦，那么衍生出的就是 Spring，SpringMVC，MyBatis 等框架技术来解决扩展性问题。当项目功能完成且具备扩展能力，此时就会产生性能问题，随着解决此类问题的技术就是：NoSql、java 线程、Nginx…………
目录：
1、NoSql 使用的两个场景 2、NoSql 数据库概述 3、redis 安装 4、五大数据类型 5、配置文件 6、订阅与发布 7、redis 6 之后的新类型 8、jedis 9、springboot 整合 redis 10、事务和锁机制 11、事务冲突 12、持久化 13、主从复制 14、集群 15、redis 应用问题
1、NoSql 的两个使用场景
情况一、session 复制问题：
情况二、高并发量访问数据库
2、Nosql 数据库概述
NoSql （Not only sql）不仅仅是 sql ，泛指非关系型数据库，Nosql 不依赖业务逻辑，而是以 key -value 键值对的方式进行储存的，因此大大增强了数据库的扩展能力。Nosql 的适用场景：高并发对数据的读写，海量数据读写，对数据高可扩展性。但是 Nosql 不支持 ACID（事务的四个特性），不遵循 sql 标准，性能远超过 sqlNosql 典型的一个数据库就是 redis 数据库：数据存在内存中，支持持久化（主要用于备份恢复），除了支持简单的 kv 模式，还支持多种数据结构，一般是作为缓存数据库辅助持久化的数据库
3、在 Linux 系统下实现 redis 的安装
redis 官方下载安装包 官方链接 1、直接把安装包，拖到 Linux 操作系统中，我这边是云服务，拖到 opt 目录下
cd /opt
2、安装 gcc
yum install gcc
3、回到 opt 目录下，解压刚刚拷贝进来的安装包
tar -zxvf + 安装包的名字
4、进入到解压出来的 redis 文件，使用 make 指令进行编译
make
5、在后台启动 redis 服务器，参考此博客 后台启动 redis 服务器6、进入 redis 客户端验证服务器是否启动成功
redis-cli
7、输入 ping 指令，服务器返回 pong 证明服务器启动成功 redis 支持多种数据类型，支持持久化，redis 端口号 6379单线程 + 多路 IO 复用（使用单线程的方式实现多线程的效果）图解：单线程 + 多路 IO 复用
4、Redis 中常用的五大数据类型
前置知识 Redis 键
指令 1 ：keys * 查询当前数据库（Redis 有很多数据库，默认的数据库的其 0 号库）的所有 key 值，未插入数据时为空 指令 2 ：set key value设置键值对，向数据库插入数据后，再次使用 keys * 指令查询数据库中的key 值 指令 3：exists + （key名字），查询当前 key 是否在数据库中，返回 1 在，返回 0 不在指令 4：type + （key名字），查询当前 key 的数据类型，可以看到刚刚定义的 key 是 string 类型 指令 5：del + key 名 删除此 key 指令 6：unlink + key名根据 value 选择非阻塞删除，使用此指令不是真正的删除此 key ，真正删除操作需要在后续的异步操作 指令 7：expire + key名设置 key 值的过期时间，通过 ttl + key 名检测当前 key 值多少秒过期，-1 表示永不过期，-2 表示已过期 指令 8：select + 数据库号表示切换数据库，下面就是切换数据库为 1 号数据库 指令 9：dbsize查询当前数据库的 key 的数量 指令 10：flushdb 清空当前库 + flushall 通杀全部库
类型 1 ：String，这里类型指的是 value，key 固定为 string 类型
Redis 字符串（String）是 Redis 中基本数据类型，一个 key 对应一个 value，String 类型是二进制安全的。意味 redis 的 string 可以包含任意数据，比如 jpg 图片或者序列化的对象。一个 Redis 中字符串 value 最多 512 M
String 类型中的基本指令：
①、set 和 get，设置 key / 获取 key 对应的 value ②、append 字符串追加 ③、strlen 获取 value 值的长度 ④、setnx 只有在 key 不存在设置 key 的值，一般的 set 指令会覆盖原有的 value 值 ⑤、incr + key 名 / decr + key 名 自增 or 自减，自增 or 自减操作都是原子的，多个线程的自增 or 自减不会对数据最后的结果产生影响 ⑥、incrby / decrby + key + 指定步长 增加 or 减少 ⑦、多个 key value 的存储与获取 mset mget ⑧、设置起始位置的复写该位置的字符串，获取指定起始位置的字符串 getrange setrange ⑨、设置键值并设置键值的过期时间 setex + key + 秒数 + value ⑩、getset 将对应 k 值设置为新值，并返回旧值 String 类型的数据结构：String 的数据结构为简单动态字符串。是可以修改的字符串，类似于 java 中的 ArrayList，采取预分配冗余空间的方式来减少内存的频繁分配。如下图，内部的 capacity 一般要高于字符串的长度，当字符串的长度小于 1M，扩容都是以现有的大小进行 2 倍扩容的，当字符串的长度超过 1M 时，扩容每次只会扩容 1M，字符串的最大长度为 512M
List 列表 前置知识：List 采取的是一个键多个值的方式进行存储的，也就是一个 key 对应多个 value，并且列表可以按照插入顺序排序，可以在列表头部或者尾部插入数据。其底层其实是一个双向链表，对两端的操作性能很高，通过索引下标的操作中间的结点性能较差 常用命令：
①、lpush / rpush 从左 / 右端插入，类似于链表的头插和尾插，lrang + start + end 从左边开始读 ②、lpop 、 rpop 从左边或者右边取出一个值，值在键在，值没有了键也随之销毁 ③、lindex 通过索引下标找到数据，类似于 Java 中数组通过下标找到元素 ④、linsert + key + after / before + 原值 + 新值 在原值的前面或者后面插入数据 ⑤、Irem + key + n + value 从左边删除第 n 个数值 ⑥、lset + key + index + value 将 index 位置的数值改变为 value 列表的数据结构：
Redis 中的 List 采用的是 quickList （快速链表），一开始在列表中的数据比较少的时候，会使用一块连续的内存空间，这个结构是 zipList（压缩链表），它将所有的元素紧挨在一起进行放置，分配的是一块连续的空间，当数据量较多的时候才会改成 quickList 因为普通的链表需要附加的指针空间太大，会比较浪费空间。Redis 将链表和 zipList 结合起来组成了 quickList 也就是多个 zipList 使用双指针串联起来，既满足了插入删除的高效，也节省了空间
Set 类型 前置知识：
Set 中提供了可以判断值是否在 set 中的接口，这是 List 中没有的，Set 是一个无序不重复集合，其底层是一个 value 为 null 的 hash 表，所以添加删除查找的时间复杂度都是 O(1)
基本指令：
sadd + key + value + value +…… / smembers + key 存储键值对 / 查看对应 key 的 value 值 顺便通过此指令检测 set 的不重复的特性： ②、sismember + key + value 判断此 value 是否在当前 key 中，0 不在，1在 ③、scard + key 返回该集合的元素个数 ④、srem + key + member 删除 key 中值为 member 的值 ⑤、spop + key 随机吐出一个值 ⑥、srandmember + key 随机取出一个值，不是吐出，该值还是在 key 中 ⑦、smove + k1 + k2 + 移动的数值（k1 向 k2 移动） ⑧、sinter（两个 set 的交集）、sunion（两个 set 的并集）、sdiff（两个 set 的差集，差集只有对应长度的差集，超过某一个 set 的长度的值不算） 底层数据结构：
Redis 的 set 机构和 Java 的 set 结构类似，内部使用的也是 hash 结构，所有的 value 值都是指向同一个内部值
Hash 类型： 前置知识：
Hash 是一个键值对集合，Redis 的 Hash 是一个 string 类型的 field 和 value 的映射表，hash 特别适合存储对象，就像 Java 的 map 一样
基本指令：
①、hset / hget 存储键值对 / 取键值对 ②、一次设置多个 field 和 value 的映射 ③、hexists + key + field 判断当前 field 是否在 key 中 0 不在 1 在 ④、hkeys 列出 hash 集合中的所有 field / hvals 列出 hash 集合中所有的 value ④、hincrby + key + field + 增加的步长：为指定的 key 对应 field 映射的 value 值加上步长 ⑤、hsetnx + key + field + value 设置 key 中 field 映射 value 值为 value，此 field 先前一定不存在 Hash 的数据结构：
有两种，zipList，hashtable，当 field - value 长度比较短个数较少时，使用 zipList，否则使用 hashtable
Zset 有序 set 集合 前置知识：
Zset 和 set 的区别不大，也是一个包含不重复元素的集合，不同之处就是每个成员添加了一个 score 属性，这个评分被用来按从最高或者最低进行排序，集合的成员是唯一的，评分不是唯一的
基本指令：
①、zadd + key + score + value / zrange + key（withscores 带分数） 添加 / 取出元素 ②、zrangebyscore + key + min + max 返回 min到 max区间的 score 对应所有 value ③、zrevrangebyscore + key + max+ min 返回 max 到 min 区间的 score 对应所有 value ④、zincrby + key + increment + member 为当前 key 的 score + 上 increment ⑤、zrem + key + value 删除指定 value ⑥、zcount + key + 范围 统计集合范围中的 元素 个数 ⑦、zrank + key + value 返回在集合中所在位置 Zset 的底层数据结构：
Zset 一方面等价与 Java 中的 HashMap 可以给每个元素赋予一个权重，另一方面又类似于 TreeSet 内部按照 score 进行排序，又可以通过 score 的范围获取元素的列表Zset 底层使用两个数据结构：hash 保证每个 value 和 score 进行映射，跳跃表，跳跃表目的在于给元素 value 排序，根据 score 的范围来获取元素列表（类似于一颗搜索树，可以根据数据范围快速定位一个数据元素）
5、Redis 的配置文件
一定要配置密码，请参考 redis 设置密码
6、Redis 的发布和订阅
Redis 发布订阅是一种消息通信模式，发送者发送消息，订阅者接收消息，Redis 客户端可以接收订阅任意数量的频道 代码演示：
7、Redis 6 之后的新类型
①、bitemap：
不是一个真的数据类型而是一个站在 String 类型上面向比特位操作的集合，其可以对字符串的位进行操作。bitemap 的使用和字符串类型不同，可以把 bitemap 想象成一个以位为单位的数组，数组每个单元存储 0 或 1 数组下标加偏移量
bitemap 和 set 集合比较：
假设网站有 1 亿用户，每天独立访问的用户用 5千万 可以看出当用户量比较大时，bitemap 对于空间的消耗较 set 来说要小很多当然，当用户量比较少的时候，bitemap 也是会占用空间，比如活跃的用户量只有 10 万，此时 bitmap 就不合适，因为大部分位置是 0，反而比 set 只存储活跃用户量占用空间 bitemap 的基本指令：
①、setbit + key + offerset + value / getbit + key + offerset 设置当前 key 偏移量为 offerset 的二进制位为 1 / 获取当前 key 偏移量为 offerset 的位置的二进制位情况（是 0 还是 1） ②、bitcount + key 返回当前 key 对应的 bitmap 数组中有多少个 1 ③、bitop and（or / not / xor）使多个 Bitemap 进行与或非异或的操作
HyperLogLog 类型：
在实际业务中常用统计方面的需求，并且有时还需要统计不重复元素的个数（基数问题），在 MySQL 表中，使用 distinct count 计算不重复个数在 Redis 中可以使用 hash set bitmap 来进行统计，但是随着数据量增加，这三种方式占用空间会越来越大，对于非常大的数据集是不可行的。所以考虑降低一定的精度来进行存储，Redis 退出 HyperLogLog。HyperLogLog 只需要花费 12 kb 的大小就能存储 2 ^ 64 个不同的基数（不重复的数），相对节省了很大的空间
常见指令：
pfadd + key + ele 值（可以有多个）—— 存储 key 和 多个 value 值（自动去重） / 计算出 key 中的数据个数 pfmerge + 目标 key + 源 key 将源 key 拷贝到目标 key 中
Geospatial 类型
提供经纬设置，查询，范围查询，距离查询，经纬度 Hash 等常见操作
常见指令：
①、geoadd + key + 经 + 纬 + 名字 / geopos + key + 名字 添加元素 / 获取对应位置的经纬度 ②、geodist + key + 两个名字 + 单位 两个地址计算出两个地址之间的距离
8、Jedis 通过 java 去操作 Redis
通过 Jedis 来操作虚拟机中的 Redis，类似于 java 中通过 JDBC 来操作 Mysql 一样首先创建 Maven 工程：然后在 xml 文件中引入 jedis 的依赖
创建 jedis 类，绑定虚拟机的 ip 地址和 Redis 的端口号，并进行测试（注意这里一定要按照上面的方式修改 redis 的配置文件，并且在云服务上放行 6379 端口，注意你的 redis 一定要设置密码）
public static void main(String[] args) {
JedisShardInfo shardInfo = new JedisShardInfo("redis:///*使用你云服务器的 ip 地址*/:6379");
shardInfo.setPassword("/*使用你redis的的密码*/");
//创建 jedis 类
Jedis jedis = new Jedis(shardInfo);
//测试
String value = jedis.ping();
System.out.println(value);
}
测试成功，返回 pong 之后就可以通过 jedis 来实现对 redis 的操作
9、SpringBoot 整合 redis
1、引入依赖：
2、引入配置
#Redis本地服务器地址，注意要开启redis服务，即那个redis-server.exe
spring.redis.host=你redis的地址 我的是云服务器的地址
#Redis服务器端口,默认为6379.若有改动按改动后的来
spring.redis.port=6379
#Redis服务器连接密码，默认为空，若有设置按设置的来
spring.redis.password=
#连接池最大连接数，若为负责则表示没有任何限制
spring.redis.jedis.pool.max-active=20
#连接池最大阻塞等待时间，若为负责则表示没有任何限制
spring.redis.jedis.pool.max-wait=-1
#连接池中的最大空闲连接
spring.redis.jedis.pool.max-idle=5
#连接池中的最小空闲连接
spring.redis.jedis.pool.min-idle=0
3、在 config 类中引入对 redis 的配置，固定写法直接复制
package com.example.demo.config;
import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.cache.CacheManager;
import org.springframework.cache.annotation.CachingConfigurerSupport;
import org.springframework.cache.annotation.EnableCaching;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.cache.RedisCacheConfiguration;
import org.springframework.data.redis.cache.RedisCacheManager;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.RedisSerializationContext;
import org.springframework.data.redis.serializer.RedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;
import java.time.Duration;
/**
* Created with IntelliJ IDEA.
* Description:
* User: Lenovo
* Date: 2022-10-12
* Time: 9:43
*/
@EnableCaching
@Configuration
public class RedisConfig extends CachingConfigurerSupport {
@Bean
public RedisTemplate
RedisTemplate
RedisSerializer
Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
ObjectMapper om = new ObjectMapper();
om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
jackson2JsonRedisSerializer.setObjectMapper(om);
template.setConnectionFactory(factory);
//key序列化方式
template.setKeySerializer(redisSerializer);
//value序列化
template.setValueSerializer(jackson2JsonRedisSerializer);
//value hashmap序列化
template.setHashValueSerializer(jackson2JsonRedisSerializer);
return template;
}
@Bean
public CacheManager cacheManager(RedisConnectionFactory factory) {
RedisSerializer
Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
//解决查询缓存转换异常的问题
ObjectMapper om = new ObjectMapper();
om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
jackson2JsonRedisSerializer.setObjectMapper(om);
// 配置序列化（解决乱码的问题）,过期时间600秒
RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
.entryTtl(Duration.ofSeconds(600))
.serializeKeysWith(RedisSerializationContext.SerializationPair.fromSerializer(redisSerializer))
.serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(jackson2JsonRedisSerializer))
.disableCachingNullValues();
RedisCacheManager cacheManager = RedisCacheManager.builder(factory)
.cacheDefaults(config)
.build();
return cacheManager;
}
}
4、使用 controller 类进行测试，输入二级地址后就可以查看到结果
package com.example.demo.controller;
import com.example.demo.config.RedisConfig;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
/**
* Created with IntelliJ IDEA.
* Description:
* User: Lenovo
* Date: 2022-10-12
* Time: 9:50
*/
@RestController
@RequestMapping("/testRedis")
public class RedisController {
@Autowired
private RedisTemplate redisTemplate;
@RequestMapping("/redis")
public String testRedis(){
redisTemplate.opsForValue().set("name","lucy");
String name = (String)redisTemplate.opsForValue().get("name");
return name;
}
}
redis 中也有这个 key
10、Redis 的事务和锁机制
Redis 的事务和 MySql 的完全不一样 Redis 中的事务：是一个单独的隔离操作，事务中所有的指令都会序列化，按顺序执行，在事务执行过程中，其他客户端的指令不会打断指令。 Redis 事务的主要作用就是为了串联多个命令，防止其他命令插队 三个指令：Multi、Exec、Discard
①、Multi：开启事物，开启事物后，之后的命令返回的都是 queue 代表命令正在排队，并没有执行 ②、Exce：执行命令 ③、Discard：中断事物 事物的错误处理：
①、当排队阶段发生错误，整个事物都会被打断，都不会执行 ②、当执行过程中出现错误，哪个有错误哪个不执行，其他的正常
11 、事物的冲突问题
事物冲突：三个人同时操作一个账户的金额，同时查询都是有 10 ￥，用户 1 取 8 ￥，用户 2 取 4 ￥，用户 3 去 2 ￥，按说每个用户看到都是 10 ￥ 如果取钱操作应该成功，但是这样就会使账户成负数了，这显然是不合理的，随着用户取走钱，对应其他用户所取钱的范围就应该减少 解决方法：
1、悲观锁：直接是传统的上锁，用户 1 操作金额加锁，其他用户需要等到锁释放才可以操作账户。这样就保证了账户金额的正常取出2、乐观锁：不加锁，而是采取版本号机制，最初数据库中的账户金额设置一个初始版本号，每个用户都可以读到金额和初始版本号，如果哪个用户对金额进行了修改，对应的数据库中的版本号就会进行 + 1，其他用户再进行操作的时候，就会比对这个版本号，如果和之前拿到的版本号一致，就证明没有其他用户修改金额，当前用户可以进行金额修改，否则当前事务终止，然后需要从数据库中重新读金额和版本号再进行后续的操作。乐观锁没有采用锁的方式来保证事务的冲突，所以效率相对更高 watch 监视当前 key 是否被其他命令修改过，如果修改过，当前事务中断 unwatch 指令清除对 key 的监视 Redis 事务的三个特性
①、单独的隔离性：事务中的所有命令都会被序列化，按顺序执行，事务执行过程中，不会被其他的客户端的指令打断②、不具备隔离性：事务在排队中没有真正的执行，所以不存在像是 Mysql 那样的脏读脏写的问题③、不保证原子性：事务在排队过程中如果有操作失败，整体事务失败，但是在事务执行的过程中如果有操作失败，只是失败的操作会不执行，其他正常执行，不会进行整体的回滚
12、Redis 中的持久化操作
之前说过，Redis 是基于内存的数据库，但是统一 redis 也可以把数据写到内存中去Redis 提供的两种不同的持久化方式：
①、RDB：在指定时间间隔内将内存中的数据集快照写入磁盘。持久化过程：先创建一个子进程（fork），先创建一个临时文件，子进程先将数据持久化到临时文件中，最后再将临时文件中复制到磁盘中 dump.rdb。
这样的目的：子进程将数据先备份到临时文件的目的是为了防止后期 redis 数据库挂掉，导致前面的数据没有持久化成功，通过子进程将数据备份到临时表中，即是 redis 服务器挂掉，也可以实现前面数据的持久化，保证数据的完整性和安全性 RDB 的优势：
①、适合大规模的数据恢复②、对数据完整性要求不高③、节省磁盘空间④、恢复速度快 RDB 的劣势：
①、子进程 fork 内存中的被复制了一份到临时文件中，需要考虑 2 倍膨胀性②、RDB 采用写时复制技术，数据庞大时还是比较消耗性能的③、在备份周期一定时间间隔内做一次备份，如果 redis 服务器意外 down 掉，就会丢失最后一次快照后的所有修改 ②、AOF（默认不开启）
AOF 以日志的方式来记录每个写操作，不记录读操作，记录的是每个写操作的指令和数据，只许追加文件不可以修改文件，redis 启动初期就会读取该文件重新构建数据AOF 和 RDB 同时开启，系统会默认去取 AOF 的数据，启动方式：appendonly no 修改 no 为 yesAOF 文件如果损坏，可以通过指令 redis-check-aof–fix appendonly.aof 恢复AOF 两个参数：
①、AOF 同频设置：appendfsync always 每次 Redis 的写入操作都会被记录到日志文件中，数据完整性好但是性能差。appendfsync everysec 每秒进行一次数据的写入，如果服务器宕机，本秒的数据可能会丢失。appendfsync no redis 不主动写入文件，把同步时机交给操作系统②、Rewrite压缩：当 AOF 文件大小 > 64 M，就会把多条指令压缩成一条指令来节省空间。比如： AOF 持久化流程：客户端的写操作会被追加到 AOF 缓冲区中。AOF 缓冲区根据 AOF 的持久化策略，将操作同步到 AOF 中，AOF 文件的大小超过重写策略或者手动重写时，会对 AOF 文件进行 rewrite 操作。redis 重启时，会重新 load 加载 AOF 文件中写操作到达数据恢复的目的AOF 的优势：
①、备份机制稳健，丢失数据的概率低②、支持修复 AOF 文件，防止误操作 劣势：
①、比 RDB 更占用空间，AOF 中记录数据和写操作指令②、恢复速度更慢③、每次都写都同步的话，有一定的性能压力④、存在个别 BUG ，造成不能恢复 AOF 和 RBD 使用：
①、官方建议两个都使用②、当对数据不敏感，采用 RDB③、不建议单独使用 AOF，会出现 BUG④、单单做内存缓存，可以都不使用
13、主从复制
主从复制是什么：主机更新数据后根据配置和策略，自动同步到备机的 master / slave 机制，Master 以写为主，Slave 以读为主能干什么：一台主机多台从机。读写分离，性能扩展（分担主机的压力），容灾快速恢复（从机挂了，可以快速切换到其他从机进行其对应的操作）通过指令：slaveof < ip >< port > 绑定主机，从机重启后变成主机，原有数据不会消失，但是主机重启后还是主机，并且隶属于此主机的从机也不会消失主从复制原理：
当从服务器连上主服务器后，会向主服务器发送一个进行数据同步的消息（告诉主服务要进行数据同步）。主服务器接受到同步消息之后，会把主服务器的数据进行持久化，rdb 文件，然后主服务器将 rdb 文件发送给从机，从机从 rdb 文件中读取数据。后面每次主服务器进行写操作都会主动和从机进行同步 主从复制的三种方式：
①、一主二仆：就是上面基本的主从复制方式②、薪火相传：上一个 slave 可以是下一个 slave 的主机，减少 master 的写压力③、反客为主：当一个 master 宕机后，后面的 slave 可以立刻升级为主机，其后面的 salve 不用做任何修改 哨兵模式：
反客为主的自动版，能够后台监控主机是否故障，如果故障了根据投票数自动将从机变长主机。从机根据 slave-priority 优先级设置哪个从机为主机。原主机重启后变成从机故障恢复过程：
14、Redis 集群
Redis 集群是将多个服务器组建成一个无中心集群，每个服务器都可以是集群的入口。服务器之间请求是可以相互进行转发的，通过这样的模式来解决（容量不足，redis扩容问题以及并发写操作，redis如何分摊）。通过集群实现水平扩容，多个 redis 分摊数据量，假设公有 N 个数据量，每个 redis 只需要存储 1 / N 的数据量即可 这三组六个机器怎样进行分配：尽量保证每个主数据库运行在不同的 ip 地址，每个从库和主库不在一个 ip 地址上Redis 集群共有 16384 个插槽，如果此时一个命令 set k1 a 就会先计算 k1 的插槽位置后再将 k1 插入到服务器中，哪个服务器作为入口都可以，计算插槽位置后切换对应插槽范围的服务器。如果通过 mset 加入多个值，需要定义一个组名（确保唯一）就会根据此组名来进行插槽位置的寻找 如果集群中一个主机宕机了，从机可以升级为主机继续进行服务，不会影响到整个集群。如果主机和从机都挂掉了，那么需要依据配置文件中的 cluster-require-full-coverage 看其是否为 yes 如果是 yes 那么整个集群就会挂掉，如果是 no 那么该插槽内的数据全都不能使用，也无法存储集群的好处：实现扩容、分摊压力、无中心配置相对简单集群的不足：redis 集群方法出现的较晚，很多公司采取了其他的集群方案，迁移的复杂度比较高
15、Redis 应用问题
缓存穿透
应用服务器压力变大了，大量请求从客户端发来，正常情况下先去查询缓存，如果没有数据再去数据库中查找，而缓存穿透，就是大部分数据在缓存中不存在，都去查数据库造成数据库压力急剧增大，redis 内部正常运行，没有起到缓存的作用，这就是缓存穿透的现象出现的原因：redis 查询不到数据、出现很多非正常的 url 访问（网址不正确）解决方法：对空值缓存进行缓存（如果一个查询返回是空，将这个空结果进行缓存，设置空结果的过期时间很短） 、设置白名单（使用 bitmap 设置可以访问的 id）、采取布隆过滤器、进行事实监控（如果一个客户端频繁发来无用数据，将这个客户端拉黑，让其无法访问） 缓存击穿
现象：数据库的访问压力瞬时增大，redis 里面没有出现大量的 key 过期，redis 正常运行，数据库崩溃出现原因：redis 某个 key 过期了，大量访问使用这个 key解决方法：预先设置一些热门数据（加长其过期时间），实时监控 redis 中的数据（监控哪个数据频繁访问到，修改其过期时间），使用锁（效率低） 缓存雪崩：
原因：在极少时间段，查询大量 key 的集中过期情况解决：采取多级缓存架构（redis + nginx + 其他缓存）、使用锁或者队列、设置过期标志更新缓存（记录缓存数据是否过期，如果过期会触发其他线程来更新 key 的缓存）、将缓存失效时间分散开（减少同一时间失效 key 的数量） 分布式锁
由于分布式系统多线程、多进程并且分布在不同机器上，原有的单机并发锁策略失效，而是需要对整个分布式集群加锁，就需要使用到分布式锁使用 setnx 可以加锁，使用 del 释放锁。如果锁一直没有释放，设置 key 的过期时间，自动释放。如果上锁之后出现异常，就无法设置过期时间，采用一般上锁一遍设置过期时间即可（set k1 value nx ex + 过期时间）
发表评论