Redis淘汰策略与性能优化

一、Redis基础知识

1. Redis是什么？

• 基于内存的键值数据库（NoSQL），支持持久化。

• 单线程模型（6.0+支持多线程I/O），高性能（10万+ QPS）。

• 支持多种数据结构：字符串、列表、哈希、集合、有序集合、Stream等。

2. Redis核心数据类型与使用场景

• String（字符串）：缓存、计数器、分布式锁。

• Hash（哈希）：存储对象（如用户信息）。

• List（列表）：消息队列、最新文章列表。

• Set（集合）：去重、共同好友（交集）。

• Sorted Set（有序集合）：排行榜、带权重的队列。

• Bitmaps/HyperLogLog/Geo：特定场景优化（如UV统计）。

• Stream（5.0+）：消息队列（类似Kafka）。

3. Redis持久化

• RDB（快照）：

  • 定时生成内存快照，文件紧凑，恢复快。

  • 缺点：可能丢失最后一次快照后的数据。

• AOF（追加日志）：

  • 记录写操作命令，支持每秒同步/每次同步。

  • 缺点：文件大，恢复慢。

• 混合持久化（4.0+）：结合RDB和AOF，重启时先加载RDB再重放AOF。

4. Redis高可用

• 主从复制：

  • 主节点（Master）写，从节点（Slave）读，异步复制。

  • 数据不一致窗口期问题。

• 哨兵（Sentinel）：

  • 监控主从节点，自动故障转移（Master选举）。

  • 解决高可用问题，但扩容困难。

• Cluster模式：

  • 分片（16384个槽），自动数据分片和故障转移。

  • 客户端直连节点，支持动态扩缩容。

---

二、Redis进阶知识

1. 缓存问题与解决方案

• 缓存穿透（查不存在的数据）：

  • 解决方案：布隆过滤器（Bloom Filter）、缓存空值。

• 缓存击穿（热点Key过期）：

  • 解决方案：互斥锁（分布式锁）、永不过期（逻辑过期）。

• 缓存雪崩（大量Key同时过期）：

  • 解决方案：随机过期时间、集群部署、降级熔断。

2. 内存管理与淘汰策略

• 内存淘汰策略（8种）：

  1. noeviction（默认策略）

  • 行为：内存不足时，新写入操作直接报错（OOM command not allowed when used memory > 'maxmemory'）。

  • 适用场景：数据绝对不能丢失的场景（如金融核心数据），需确保内存足够或由其他机制处理溢出。

  1. volatile-lru

  • 行为：从设置了过期时间（TTL）的 Key 中，淘汰最近最少使用（LRU）的 Key。

  • 适用场景：缓存场景，允许部分数据丢失，但希望保留热点数据。

  1. volatile-lfu（4.0+）

  • 行为：从设置了过期时间的 Key 中，淘汰最不经常使用（LFU）的 Key。

  • 适用场景：需要更精确的淘汰逻辑（LFU 比 LRU 更关注访问频率）。

  1. volatile-ttl

  • 行为：从设置了过期时间的 Key 中，淘汰剩余存活时间最短（TTL 最小）的 Key。

  • 适用场景：优先淘汰即将过期的 Key，适合短期缓存数据。

  1. volatile-random

  • 行为：从设置了过期时间的 Key 中，随机淘汰一个 Key。

  • 适用场景：对淘汰逻辑无特殊要求，简单快速。

  1. allkeys-lru

  • 行为：从所有 Key 中，淘汰最近最少使用（LRU）的 Key（无论是否设置 TTL）。

  • 适用场景：纯缓存系统，所有数据都可被淘汰。

  1. allkeys-lfu（4.0+）

  • 行为：从所有 Key 中，淘汰最不经常使用（LFU）的 Key。

  • 适用场景：需要基于访问频率淘汰数据的缓存系统。

  1. allkeys-random

  • 行为：从所有 Key 中，随机淘汰一个 Key。

  • 适用场景：数据无冷热区分，淘汰任意 Key 对业务影响小。

• 如何选择淘汰策略？

  1. 明确需求

  • 是否允许数据丢失？

    • 不允许 → noeviction（需确保内存足够或使用持久化+扩容）。

    • 允许 → 其他策略。

  • 数据是否有冷热区分？

    • 有 → LRU 或 LFU。

    • 无 → random 或 TTL。

  1. 典型场景推荐

  • 缓存系统（所有数据可淘汰）：

    • 优先选择 allkeys-lru 或 allkeys-lfu（保留热点数据）。

  • 混合型数据（部分数据永久有效）：

    • 使用 volatile-lru 或 volatile-lfu，并为可淘汰的 Key 设置 TTL。

  • 短期缓存（数据自然过期）：

    • 使用 volatile-ttl，自动淘汰即将过期的 Key。

  • 简单场景：

    • allkeys-random 或 volatile-random（性能高，但可能误删重要数据）。

  1. LRU vs LFU

  • LRU（最近最少使用）：

    • 适合数据访问模式随时间变化（如新闻热点）。

  • LFU（最不经常使用）：

    • 适合长期稳定的访问模式（如用户画像数据）。

• 内存优化：

  • 使用合适的数据类型（如用Hash代替多个String）。

  • 控制Key生命周期，避免BigKey（单Key数据过大）。

• 配置方式

  maxmemory 8gb
  maxmemory-policy allkeys-lfu

3. 事务与Lua脚本

• 事务：

  • MULTI/EXEC命令，不支持回滚（非原子性）。

• Lua脚本：

  • 原子执行复杂逻辑，替代事务。

  • 示例：限流、秒杀扣库存。

4. 分布式锁

• 实现方式：

  • SET key value NX EX（原子操作设置过期时间）。

  • 避免锁误删：检查唯一标识（如UUID）。

• RedLock算法：

  • 多节点部署，半数以上节点加锁成功才算成功。

---

三、Redis性能优化

1. 性能瓶颈分析

• 网络延迟、BigKey、复杂命令（如KEYS *）、持久化阻塞。

• 监控工具：redis-cli --stat、INFO命令、slowlog。

2. Pipeline与批量操作

• Pipeline批量发送命令，减少RTT（Round Trip Time）。

• 示例：Jedis的pipelined()方法。

3. 集群优化

• 数据分片均匀，避免热点Key集中在某节点。

• 合理设置hash tag（如{user}:1）强制Key分配到同一槽。

---

四、Redis常见面试题

1. Redis为什么快？

   • 内存操作、单线程避免上下文切换、I/O多路复用。

2. 如何保证缓存与数据库一致性？

   • 旁路缓存模式（Cache Aside）、延迟双删、订阅Binlog。

3. Redis集群如何动态扩缩容？

   • 添加节点后使用redis-cli --cluster reshard重新分配槽。

4. Redis的过期策略？

   • 定期删除（随机抽查）+惰性删除（访问时检查）。

---

五、学习建议

1. 动手实践：部署Redis集群、模拟高并发场景。

2. 源码阅读：单线程模型、RDB/AOF实现。

3. 场景设计：结合业务设计缓存方案（如电商秒杀）。